**GPT-5.6 Sol vs Claude Fable 5 的 2026 年 7 月實務結論很分裂。**公開評測多由 Sol 贏得效率，三組創意實作卻由 Fable 拿下兩次成品偏好。企業需要的是任務路由。先用 Fable 判斷方向，再讓 Sol 執行與驗證，往往比全公司押一款模型划算。
我對這場比較最有感的地方，反而不是哪張圖上的分數比較高。模型用在錯的工作上，才會讓預算失控。高價模型被拿去跑大量明確任務，便宜模型卻替主管做含糊的策略判斷。
先看官方資料：同一張表也沒有單一冠軍
OpenAI 於 2026 年 7 月 9 日推出 GPT-5.6。Sol 是旗艦層級，Terra 平衡能力與價格，Luna 追求速度與低成本。Sol 的 input 定價約 NTD 160（USD 5）／1M token。Output 定價約 NTD 970（USD 30）／1M token。
Anthropic 於 2026 年 6 月 9 日發布 Fable 5。它的定位是長時間代理、艱難知識工作與大型程式專案。Input 定價約 NTD 320（USD 10）／1M token。Output 定價約 NTD 1,610（USD 50）／1M token。新台幣換算採臺灣銀行 2026 年 7 月 10 日美元即期賣出價 32.26。
| 2026 年 7 月公開資料 | GPT-5.6 Sol | Claude Fable 5 | 讀法 |
|---|---|---|---|
| Agents' Last Exam | 52.7% | 40.5% | Sol 領先 12.2 個百分點 |
| Artificial Analysis Coding Agent Index | 80.0 | 77.2 | Sol 領先 2.8 分 |
| Terminal-Bench 2.1 | 88.8% | 83.1% | Sol 領先 5.7 個百分點 |
| SWE-Bench Pro | 64.6% | 80.0% | Fable 領先 15.4 個百分點 |
| GDPval-AA v2 | 1,747.8 Elo | 1,759.6 Elo | Fable 小幅領先 11.8 Elo |
| API input／output 單價 | USD 5／30 | USD 10／50 | Sol 分別低 50%／40% |
這張表已經足夠打破「某模型全面輾壓」的說法。Sol 在終端操作、跨領域代理與單位成本上占優勢。Fable 在 SWE-Bench Pro 與 GDPval-AA v2 仍領先。評測測到的是特定任務、工具與推理設定。換一個工作環境，排序就可能改變。
Agents' Last Exam 尤其值得參考。這套評測涵蓋 55 個子領域，讓代理在真實桌面軟體與沙盒裡完成長時間工作。研究團隊發現，模型選擇可造成 18 個百分點差距。同一模型改用不同 agent harness，差距約 5 至 6 點。較精簡的 harness 能少用 44% input token。成本降低 41%，執行時間也縮短 60%。
這組數字把問題拉回現場。模型很重要，外層工具、權限、記憶與驗收方式也會改變帳單。企業若只採購模型，卻沒有建立測試集與驗收門檻，等於買了一台賽車卻沒有計時器。
三組創意實作：Fable 兩勝，Sol 的成本低得驚人
一組單一實作者的測試用了相同 /goal。指令分別交給 Claude Code 與 Codex。三題是腳踏車遊戲、互動捲動網站，以及五個不同的視覺作品。結果沒有複製官方排行榜。
| 實作題目 | Fable 5 | GPT-5.6 Sol | 主觀成品偏好 |
|---|---|---|---|
| 開放世界腳踏車遊戲 | 21 分 37 秒；USD 14.22；90k output token | 23 分；USD 4.50；31k output token | Fable 5 |
| 互動捲動網站 | 23 分；USD 19.24；80k output token | 約 7 分；約 USD 1；20k output token | Fable 5 |
| 五個視覺作品 | 15 分；約 USD 15；65k output token | 7 分；約 USD 1；22k output token | GPT-5.6 Sol |
三題合計，Fable 約花 59 分 37 秒。輸出為 235k token，成本 USD 48.46。Sol 約花 37 分鐘、73k output token 與 USD 6.50。Fable 用了約 3.2 倍輸出 token。測試成本約為 Sol 的 7.5 倍，成品偏好卻以二比一勝出。
這些是單次實作觀察，缺少多輪重跑與盲測評審，不能外推成市場排名。它仍揭露一個採購盲點：token 效率與完成品質是兩條不同曲線。Fable 可能花更多步驟探索敘事、互動與視覺方向。Sol 會更快收斂，並把驗證做完。前者買的是搜尋空間，後者買的是交付速度。
我會把這種差異形容成「經理」和「執行者」。Fable 比較常挑戰需求、延伸方向，適合模糊且高價值的工作。Sol 對指令與驗證更執著，適合規格清楚、可測試、需要大量完成的工作。這是工作型態的比喻，並非模型人格測量。
價格表沒有告訴你的事：harness 會放大差距
API 列價只計算 token。代理工作還會反覆讀取檔案、工具結果、錯誤訊息與測試輸出。每一回合都可能重新攜帶脈絡。短小的需求最後也可能產生數萬 output token。
上述第一題很能說明問題。Fable 的 90k output token，依列價約為 USD 4.50。整次測試估算卻是 USD 14.22。差額可能來自 input token、快取規則與多輪工具回合。Sol 輸出 31k token，單算 output 約 USD 0.93。完整估算為 USD 4.50。採購人員真正該比較的是合格成品總成本。
可用一個簡單公式管理：
合格成果成本 = 模型與工具費 + 失敗重跑 + 人工修正時間 + 等待成本。
假設高階模型一次完成要 USD 20，低價模型要 USD 5。低價模型若需要設計師修兩小時，帳就變了。設計師時薪 USD 80 時，合格成果成本是 USD 165。大量格式轉換已有固定驗收規則。用 Fable 跑每一筆，就像請創意總監整理檔名。
一份能執行的模型路由表
| 任務型態 | 建議預設 | 升級或降級條件 | 驗收指標 |
|---|---|---|---|
| 模糊策略、創意方向、重要寫作 | Fable 5 | 方向確認後交給 Sol 執行 | 決策品質、返工分鐘數 |
| 程式修正、測試、電腦操作 | GPT-5.6 Sol | 連續兩次無法解題再升級 | 測試通過率、完成時間 |
| 高量 API 分類與短答 | Terra、Luna 或其他低價層級 | 信心低或拒答才升級 | 單筆成本、錯誤率 |
| 長時間跨檔案遷移 | 先做 10 題盲測 | 依成功率在 Fable 與 Sol 間路由 | 首次通過率、人工審查時間 |
| 生物與資安敏感工作 | 依官方可信存取方案 | 先確認安全路由與權限 | 拒答率、路由紀錄、合規性 |
導入時先取 20 個過去真的發生過的任務。每題至少跑三次。記錄成功率、token、等待時間、修正分鐘數與拒答原因。再把模型名稱遮住，請真正負責驗收的人評分。七天後，路由規則會比排行榜更接近公司損益。
若團隊已在使用 Claude Code，可讓 Fable 負責架構決策與疑難排解。明確 issue 再交給 Sol。以 OpenAI 工具為主的團隊，可把 Sol 設為預設。少數高歧義任務再送去 Fable。路由保留了升級機制，也控制每次工作的推理成本。
常見問題
GPT-5.6 Sol vs Claude Fable 5，誰比較適合寫程式？
公開資料沒有單一答案。Sol 在 Terminal-Bench 2.1 得 88.8%。Fable 得 83.1%。Fable 在 SWE-Bench Pro 得 80.0%。Sol 得 64.6%。企業應以自家 repo、測試與 code review 規則重跑。
GPT-5.6 Sol 真的比較便宜嗎？
2026 年 7 月 9 日列價如下。Sol input 為 USD 5，output 為 USD 30。Fable 分別是 USD 10 與 USD 50，皆以 1M token 計。最終費用仍受 harness、快取、重跑與工具回合影響。
為什麼 Fable 5 在創意任務可能更討喜？
單一三題測試裡，Fable 使用約 3.2 倍 output token。它也拿下兩次主觀偏好。較多探索可能改善敘事與視覺選擇，也可能只是浪費。需要多輪盲測才能分辨。
企業應該只採購一款高階模型嗎？
多數團隊更適合分層路由。明確且可驗證的任務交給高效率模型；高歧義、高風險或高返工成本的任務再升級。路由表應每 30 天依真實成功率更新。
權威引用
- OpenAI — GPT-5.6: Frontier intelligence that scales with your ambition
- OpenAI Help Center — GPT-5.6 in ChatGPT
- Anthropic — Claude Fable 5 and Claude Mythos 5
- Claude Platform Docs — Pricing
- Agents' Last Exam — Framework documentation
- Agents' Last Exam — Does the Harness Matter?
- 臺灣銀行 — 即期外匯牌告匯率
Author Insight
我們替科技與 B2B 團隊設計 AI 工作流。模型換代通常很快，驗收規則卻會留下來。最有價值的資產是一套可重跑的任務集。它能回答哪款模型讓誰少改幾分鐘，也能量出少承擔多少錯誤。
Tenten 熟悉 AI Agent、內容系統與企業導入。工具包括 Claude Code 與 Codex。我們也能把真實工作拆成可計分的企業評測。想建立自己的模型路由表，可與 Tenten 團隊預約工作流盤點。
術語表
| 術語 | 本文定義 |
|---|---|
| GPT-5.6 Sol | OpenAI GPT-5.6 家族的旗艦層級模型 |
| Claude Fable 5 | Anthropic 的 Mythos 等級一般可用模型，主攻長時間代理與知識工作 |
| Agent harness | 包住模型的工具、權限、記憶、脈絡管理與驗收機制 |
| Output token | 模型產生的文字、推理與工具指令所消耗的輸出單位 |
| 合格成果成本 | 模型費、工具費、重跑、人工修正與等待的總和 |
