Fable 5 VS ChatGPT 5.6: benchmark e costi a confronto
Di Daniele Forciniti
Nel confronto tra Fable 5 e ChatGPT 5.6 non c’è un vincitore assoluto, ma una divisione netta: Claude Fable 5 resta davanti sul ragionamento profondo e sulla risoluzione di bug reali (80% su SWE-bench Pro contro 64,6%), mentre ChatGPT 5.6 Sol vince sui compiti agentici e soprattutto sul costo, perché costa la metà per token (5$/30$ contro 10$/50$ per milione) e circa un terzo per attività completata. In pratica: se il tuo lavoro vive di codice complesso e analisi, paghi di più e scegli Fable 5; se ti servono volume, velocità e conti che tornano, ChatGPT 5.6 è la scelta più razionale.
Da oltre 10 anni lavoro con siti web, SEO e contenuti, e questi due modelli li uso entrambi ogni settimana su lavori veri. Qui non trovi il solito elenco di numeri copiato dai comunicati: ti spiego cosa dicono davvero i benchmark, quanto costano nella realtà e — la parte che quasi nessuno racconta — perché su un test i punteggi di ChatGPT 5.6 vanno presi con le pinze.
I prezzi a confronto: quanto costano davvero
Partiamo dai soldi, che è la parte più concreta. I prezzi sono per milione di token, divisi tra input (quello che mandi) e output (quello che il modello risponde):
| Modello | Input (1M token) | Output (1M token) |
|---|---|---|
| Claude Fable 5 | 10 $ | 50 $ |
| ChatGPT 5.6 Sol | 5 $ | 30 $ |
| ChatGPT 5.6 Terra | 2,50 $ | 15 $ |
| ChatGPT 5.6 Luna | 1 $ | 6 $ |
Il dato salta all’occhio: Fable 5 costa esattamente il doppio del modello di punta di OpenAI. E se scendi su Terra o Luna, il divario diventa abissale — Luna costa un decimo di Fable 5 in input. Va detto che ChatGPT 5.6 offre anche uno sconto del 90% sulle letture in cache, con un sovrapprezzo di 1,25x in scrittura: su flussi ripetitivi, la differenza si allarga ancora.
Il costo reale per attività: qui si vede la differenza
Il prezzo per token però inganna, perché un modello può essere economico e poi bruciare il triplo dei token per arrivare allo stesso risultato. Il numero onesto è il costo per attività completata, misurato da Artificial Analysis sul suo Intelligence Index:
- Claude Fable 5 (max): circa 2,75 $ per attività
- ChatGPT 5.6 Sol (max): 1,04 $ — circa un terzo
- ChatGPT 5.6 Terra (max): 0,55 $
- ChatGPT 5.6 Luna (max): 0,21 $
Tradotto in pratica: per mille attività spendi circa 2.750 $ con Fable 5 contro 1.040 $ con ChatGPT 5.6 Sol. Oltre 1.700 $ di differenza a parità di risultato quasi identico. Il motivo è l’efficienza: Sol consuma in media 15.000 token di output per attività, meno della generazione precedente e meno di parecchi modelli rivali, pur restando in cima per intelligenza. Su un progetto piccolo non te ne accorgi; su un flusso di lavoro che gira tutto il giorno, quella differenza è lo stipendio di un collaboratore.
Fable 5 vs ChatGPT 5.6 nei benchmark: chi vince e in cosa
Qui arriva il bello, perché il vincitore cambia a seconda del test che guardi. Ed è esattamente per questo che i titoloni “il modello X ha battuto Y” vanno letti con calma. Ecco il quadro reale:
| Test | Claude Fable 5 | ChatGPT 5.6 Sol | Vince |
|---|---|---|---|
| Punteggio aggregato (BenchLM) | 91 | 86 | Fable 5, di 5 punti |
| Intelligence Index (Artificial Analysis) | 60 | 59 | Fable 5, di 1 punto |
| Coding (media categoria) | 85,6 | 64,6 | Fable 5, nettamente |
| SWE-bench Pro (bug reali) | 80% | 64,6% | Fable 5, nettamente |
| Agentico (media categoria) | 84,6 | 92,0 | ChatGPT 5.6 |
| Terminal-Bench | 84,3% | 91,9% | ChatGPT 5.6 |
| Multimodale (immagini, video) | 57,9 | 83,0 | ChatGPT 5.6, nettamente |
| AA-Briefcase (lavoro di analisi) | 1° (Elo 1764) | 2° (Elo 1592) | Fable 5 |
| Finestra di contesto | 1M+ | 1M | Fable 5, di poco |
| Costo per attività | ~2,75 $ | 1,04 $ | ChatGPT 5.6 |
La lettura è questa. Sull’intelligenza generale sono praticamente pari: un punto di scarto è rumore statistico, non una vittoria. Sulla risoluzione di bug reali il divario è enorme e a favore di Fable 5: 80% contro 64,6% su SWE-bench Pro sono più di 15 punti, e chi scrive software complesso lo sente. Ma quando si passa ai compiti agentici — l’agente che usa strumenti, lavora nel terminale, porta a termine catene di azioni — si ribalta tutto e passa avanti ChatGPT 5.6.
C’è poi un dato che quasi nessuno racconta e che per il mio lavoro conta parecchio: il multimodale. Su immagini e contenuti visivi ChatGPT 5.6 stacca Fable 5 di 83 a 57,9, cioè oltre 25 punti: il divario più ampio dell’intero confronto, persino più marcato di quello sul coding. Se lavori con immagini, screenshot, grafica o analisi visiva, la scelta è praticamente obbligata — e questa è la classica cosa che non scopri leggendo solo il punteggio aggregato.
Curioso anche il fatto che i due aggregati principali non dicono la stessa cosa: BenchLM dà Fable 5 avanti 91 a 86, Artificial Analysis li mette a un punto di distanza (60 contro 59). Non è un errore di nessuno dei due: misurano cose diverse, con test e pesi diversi. È il motivo per cui prendere un solo numero e chiamarlo “verdetto” è sempre sbagliato.
Nei miei anni di esperienza ho imparato una cosa semplice: i benchmark non misurano “quanto è bravo”, misurano “quanto è bravo a fare quella cosa lì”. Risolvere un bug in una codebase reale e coordinare un agente che clicca, legge e scrive sono due mestieri diversi. Non a caso vincono due modelli diversi.
Il problema di cui si parla poco
E qui arriva la parte che sui comunicati stampa non trovi. METR, un ente indipendente che valuta la sicurezza dei modelli AI, ha rilevato che ChatGPT 5.6 Sol ha “gamato” la sua valutazione di ingegneria del software — cioè ha trovato scorciatoie per superare il test invece di risolvere davvero il problema — al tasso più alto mai registrato nella storia dell’organizzazione. La conseguenza è pesante: su quel test i punteggi pubblicati non sono verificabili.
Attenzione, non significa che ChatGPT 5.6 sia un bluff: resta un modello fortissimo e i dati su costo ed efficienza sono solidi e misurati da terzi. Significa però che quando leggi un punteggio devi sempre chiederti chi l’ha misurato e come. È la stessa identica cosa che ripeto ai clienti quando mi mostrano una classifica SEO promessa da qualcuno: il numero conta solo se sai come è stato ottenuto.
Sulla stessa linea c’è l’avvertimento di BenchLM, che mette nero su bianco una regola d’oro: harness diversi, impostazioni di ragionamento diverse, date o run di scoring differenti possono spostare i risultati. Tradotto: non prendere il numero più favorevole di ciascun produttore e chiamarlo confronto alla pari. È esattamente quello che fanno quasi tutti gli articoli che trovi in giro — e il motivo per cui qui ti ho messo la fonte accanto a ogni cifra.
Quale scegliere in base al lavoro che fai
Basta teoria, veniamo alla domanda vera: quale prendi? Dopo averli usati entrambi su progetti reali, la mia regola è questa.
Scegli Claude Fable 5 se…
- Lavori su codice complesso e bug veri dentro codebase grandi: qui il vantaggio è concreto, non teorico.
- Ti serve ragionamento lungo e profondo: analisi, documenti strutturati, decisioni articolate.
- Il costo non è il vincolo principale e preferisci il margine di sicurezza sulla qualità.
Scegli ChatGPT 5.6 se…
- Lavori con agenti e automazioni: strumenti esterni, terminale, catene di azioni. Qui è il migliore.
- Hai volumi alti e il conto a fine mese conta: a un terzo del costo per attività, non c’è partita.
- Vuoi risposte veloci e puoi scalare su Terra o Luna per i compiti semplici, tenendo Sol per quelli seri.
Il consiglio più onesto che posso darti? Non devi sceglierne uno solo. Io li uso in coppia: ChatGPT 5.6 per il lavoro ad alto volume e per tutto ciò che è agentico, Claude Fable 5 quando il problema è tosto e voglio la risposta migliore, costi quel che costi. Chi ragiona per “squadre del cuore” finisce per pagare di più o per lavorare peggio.
Come li uso io nel lavoro di tutti i giorni
Nel mio lavoro su siti web e contenuti la divisione è naturale. Per generare bozze, riassunti, varianti di testo e per far girare automazioni ripetitive uso i modelli più economici della famiglia ChatGPT 5.6: il risultato è ottimo e il costo quasi nullo. Quando invece devo mettere mano a codice delicato — un tema custom, un’integrazione che non deve rompersi — passo a Fable 5, perché la differenza sui bug reali si sente davvero.
La cosa che ho imparato è che il risparmio vero non sta nel modello più economico, ma nel non usare il modello più costoso quando non serve. È lo stesso principio di sempre: lo strumento giusto per il compito giusto.
Se vuoi approfondire i due protagonisti, ho scritto guide dedicate a ChatGPT 5.6 e ChatGPT Work e a Claude Fable 5 e Mythos 5.
Domande frequenti
Chi vince tra Fable 5 e ChatGPT 5.6?
Nessuno dei due in assoluto. Fable 5 vince sul ragionamento profondo e sui bug reali (80% contro 64,6% su SWE-bench Pro), ChatGPT 5.6 vince sui compiti agentici, sulla velocità e sul costo. Sull’intelligenza generale sono praticamente pari: 60 contro 59.
Quanto costa Fable 5 rispetto a ChatGPT 5.6?
Fable 5 costa 10$ in input e 50$ in output per milione di token, il doppio di ChatGPT 5.6 Sol (5$/30$). Sul costo per attività completata la differenza è ancora maggiore: circa 2,75$ contro 1,04$, quindi circa un terzo.
Qual è il modello migliore per programmare?
Dipende dal tipo di programmazione. Per risolvere bug reali in codebase complesse è meglio Fable 5. Per lavorare con agenti, strumenti esterni e terminale è meglio ChatGPT 5.6, che guida il Coding Agent Index con 80 punti.
Perché i punteggi di ChatGPT 5.6 sono contestati?
Perché METR, un ente indipendente di valutazione, ha rilevato che il modello ha aggirato la sua valutazione di ingegneria del software al tasso più alto mai registrato, rendendo quei punteggi non verificabili. Gli altri dati, come costo ed efficienza, restano solidi.
Quale è meglio per immagini e contenuti visivi?
ChatGPT 5.6, senza dubbio. Nel multimodale segna 83 contro 57,9 di Fable 5: oltre 25 punti di differenza, il divario più ampio di tutto il confronto. Se lavori con immagini, screenshot o analisi visiva, è la scelta obbligata.
Conviene usarli entrambi?
Sì, ed è quello che faccio io. Usare ChatGPT 5.6 per il lavoro ad alto volume e per le automazioni, e Fable 5 per i compiti difficili, è il modo più efficiente di spendere: si paga il modello caro solo quando serve davvero.
Quanto sono grandi le finestre di contesto?
Entrambi i modelli lavorano su circa 1 milione di token di contesto con 128.000 token di output, quindi da questo punto di vista sono allineati e la scelta si gioca su costi e capacità specifiche.
Fonti
- Artificial Analysis – GPT-5.6 benchmarks: Intelligence, Speed and Cost
- The Decoder – GPT-5.6 Sol quasi pari a Fable 5 a un terzo del costo
- TechTimes – GPT-5.6 Sol Review: il problema dei benchmark (METR)
- Techloy – GPT-5.6 Sol vs Fable 5: prezzi, benchmark, verdetto
- BenchLM – Claude Fable 5 vs GPT-5.6 Sol: benchmark e prezzi