ClaudeGPT: Claude Fable 5.1 und GPT-6 Astra kombinieren

Welches Modell ist besser, Claude Fable 5.1 oder GPT-6 Astra? Ich halte das für die falsche Frage. Die richtige lautet: Wie setzt du beide so ein, dass du das Maximum aus OpenAI und Anthropic herausholst, und zwar auch mit den günstigen Modellen? Genau dafür habe ich zwei Skills gebaut, die ich dir in diesem Artikel und im Video oben erkläre.

Warum solltest du Claude und GPT überhaupt kombinieren?

Im Rennen um das beste Spitzenmodell gibt es im Grunde nur zwei große Player: Claude Fable 5.1 und GPT-6 Astra. Wenn du ein großes Projekt von null planst oder vor einer wirklich schweren Aufgabe stehst, setzt du auf eines dieser beiden. Darüber wird viel gesprochen.

Über einen anderen Bereich spricht kaum jemand. Was machst du mit einem einfachen Feature oder einer kleinen Aufgabe, für die du Fable 5.1 oder Astra gar nicht brauchst? Beide Modelle kosten gleich viel: rund 9 € beim Input und rund 45 € beim Output. Wenn du über die API bezahlst, wird das schnell zu teuer.

Bei Anthropic wäre für solche Aufgaben Claude Sonnet 5 der naheliegende Kandidat. Ehrlich gesagt lässt dieses Modell aber zu wünschen übrig, vor allem wenn du die angeblichen Benchmark-Ergebnisse mit der Leistung vergleichst, die du im Alltag tatsächlich siehst. Wenn du wie ich in den letzten Monaten hauptsächlich mit Anthropic gearbeitet hast, kennst du diese Lücke: Ein Modell, das effektiv und gleichzeitig günstig ist, findest du dort gerade nicht.

Bei OpenAI sieht das anders aus. Mit Terra und Luna gibt es gleich mehrere Modelle, die genau diese Anforderung erfüllen. Sie gehen effizienter mit Tokens um, und wenn du den Preis pro Output-Token ausrechnest, sind sie insgesamt deutlich günstiger.

Das Problem: Du sitzt in der Claude Code App oder in der CLI und willst trotzdem für die einfache Aufgabe ein günstiges OpenAI-Modell nutzen. Oder umgekehrt. Genau das lösen die Skills, um die es hier geht.

GPT 5.6 Luna: Warum dieses Modell heraussticht

Von allen Modellen sticht GPT 5.6 Luna besonders hervor. So müsste eigentlich Haiku von Anthropic aussehen, wenn Anthropic Haiku nicht mittlerweile praktisch aufgegeben hätte.

Die Preise im Überblick:

Verglichen mit allem anderen ist Luna fast kostenlos. Und trotzdem liefert es Ergebnisse, die mit Sonnet 5 mithalten oder sogar darüber liegen. Du zahlst also einen Bruchteil und bekommst von der Qualität her dasselbe wie bei Sonnet 5.

Was zeigt der Deep-SWE-Benchmark?

Im Video zeige ich dir dazu den Deep-SWE-Benchmark. Dort stehen Sonnet, Terra und Luna nebeneinander, und rein von der Leistung her schneiden Terra und Luna auf der maximalen Einstellung besser ab als Sonnet:

Der große Unterschied liegt also bei den Kosten. Kleiner Hinweis, falls du dir die Grafik im Video anschaust: Die X-Achse verläuft dort nach links, nicht wie gewohnt nach rechts.

Setzt du die Denkintensität herunter, schrumpft der Abstand natürlich. Sonnet 5 auf High Effort liegt im Schnitt bei rund 6,80 € pro Aufgabe. Luna und Terra sind auf niedrigeren Stufen zwar deutlich billiger, aber auch deutlich schwächer. Auf diesen Einstellungen bringt dir Luna nichts, Terra kann für leichte Aufgaben noch etwas taugen. Spannend ist der Vergleich trotzdem: Terra auf Medium kostet im Schnitt rund 0,43 €, Sonnet 5 auf High rund 6,80 €.

Bei Sonnet besteht außerdem die Gefahr, dass das Ganze aus dem Ruder läuft und das Modell viel zu viele Tokens oder echtes Geld für eine einzige Aufgabe verbraucht. Bei Terra und Luna sehen wir das nicht. Die Kostenkurve von Luna ist besonders flach: Von der niedrigsten bis zur maximalen Stufe liegen gerade mal rund 0,55 € Unterschied, während die Leistung deutlich nach oben geht.

Warum ein zweites Modell deine Arbeit prüfen sollte

Der zweite Grund für die Kombination ist mir fast noch wichtiger. Wenn ein Modell etwas plant oder ausführt, will ich, dass ein anderes Modell auf demselben Niveau sich das Ergebnis anschaut und bewertet.

Ein Beispiel: Ich lasse Claude Fable 5.1 einen Plan für ein Projekt aufstellen. Danach hole ich Astra dazu. Astra prüft den Plan mit komplett frischem Kontext und ohne die Eigenheiten, die alle Anthropic-Modelle mitbringen.

Lässt du dagegen ein Anthropic-Modell die Arbeit eines Anthropic-Modells prüfen, kommt es meist zum selben Schluss wie das erste, vor allem wenn es auch noch dessen Reasoning sieht. Deshalb trennen wir zwei Dinge sauber: das Reasoning, mit dem Modell 1 auf sein Ergebnis gekommen ist, und den kritischen Blick eines Modells von einem anderen Anbieter.

Die Grundregel lautet: Nutze nie dasselbe Modell, um seine eigene Arbeit zu reviewen. Astra wird die Arbeit von Astra mögen, Fable die Arbeit von Fable.

Der Loop: Prüfen, verbessern, wieder prüfen

Im Idealfall geht das Feedback zurück an das erste Modell. Fable 5.1 schaut sich also den Review von Astra an und überlegt, was davon wirklich sinnvoll ist und wo vielleicht ein Denkfehler steckt. Die überarbeitete Fassung geht wieder an Astra. Dieser Loop läuft so lange, bis beide Modelle zufrieden sind und den Plan des anderen akzeptieren.

Ja, die Planung kostet so mehr Tokens. Hinten raus sparst du aber sehr viele. Ein Plan, den zwei komplett verschiedene Spezialisten gemeinsam aufgestellt haben, führt zu einem viel besseren Ergebnis. Lässt du dagegen Luna, Terra oder Sonnet einfach einen Plan schreiben und den dann umsetzen, selbst von Fable 5.1, hast du am Ende womöglich ein schlechtes Ergebnis und arbeitest ewig iterativ nach.

Wie funktioniert der Skill ClaudeGPT Route?

ClaudeGPT Route ist neu. Er beantwortet eine Frage: Welches Modell soll diese Aufgabe erledigen? Du startest ihn in Claude Code oder in Codex, ganz normal wie jeden anderen Skill.

1Schritt 1: Skill aufrufen und Aufgabe beschreiben

Du rufst den Skill per Slash-Befehl auf und beschreibst, was du vorhast. Zum Beispiel: „Ich starte jetzt ein neues Projekt. Welches Modell sollen wir nehmen?“

2Schritt 2: Empfehlung bekommen

Der Skill sagt dir, welches Modell für diese Aufgabe am meisten Sinn ergibt. Bei einer einfachen Aufgabe schlägt er zum Beispiel Luna vor. Bei einer schwierigen Aufgabe mit vielen offenen Fragen nimmt er Astra. Die Empfehlung basiert auf den Modellinformationen, die die Anbieter zu ihren Modellen veröffentlichen, einschließlich ihrer eigenen Nutzungsempfehlungen. Die tatsächlichen Kosten fließen ebenfalls ein.

3Schritt 3: Das andere Werkzeug arbeitet im Hintergrund

Lautet die Empfehlung Astra, während du in Claude Code sitzt, schickt der Skill alle relevanten Informationen an eine Codex-Session, die im Hintergrund läuft. Stell dir vor, du öffnest im Terminal oder in der App eine neue Codex-Session, nur dass sie für dich unsichtbar ist und automatisch startet.

Das funktioniert auch andersherum. Arbeitest du in Codex und der Skill empfiehlt Fable 5.1, startet er im Hintergrund eine Claude-Code-CLI-Session und übergibt dort alles.

4Schritt 4: Ergebnis zurück und gegenprüfen

Ist das andere Modell fertig, geht alles zurück. Bleiben wir beim ersten Beispiel: Codex meldet an Claude Code „Das ist mein Plan, das ist mein Review, das ist der Code, den ich dafür geschrieben habe“. Claude Code prüft das mit seinem eigenen Modell, und der Loop läuft, bis beide mit dem Plan des anderen einverstanden sind.

Das Schöne an der Routing-Funktion: Du kannst auch die günstigeren OpenAI-Modelle als Prüfer einsetzen. Terra oder Luna müssen nicht unbedingt einen Fable-5.1-Plan reviewen, sie können aber zum Beispiel deine Pläne aus Opus 5 oder Sonnet 5 prüfen.

Wie funktioniert der Skill ClaudeGPT Loop?

ClaudeGPT Loop ist quasi die größere Version des Routings. Statt einer einzelnen Aufgabe arbeitest du damit ein ganzes Projekt, einen Workflow oder einen kompletten Prozess mit beiden KIs durch. Der Skill nimmt dich von der Planung bis zur Ausführung an die Hand, nach der Idee: Modell A führt aus, Modell B prüft.

Zuerst schaut der Skill, ob du in Claude Code oder in Codex bist. Als Prüfer dient jeweils die andere Seite. Bist du in Codex, entscheidet er, wer den Plan erstellt, zum Beispiel Astra, und wer ihn auf der anderen Seite in Claude Code prüft, in dem Fall Fable 5.1. Danach geht es durch vier Phasen.

1Schritt 1: Recherche

Mehrere Sub-Agents ziehen los und finden heraus, worum es überhaupt geht und was genau gebraucht wird.

2Schritt 2: Brainstorming mit geprüften Annahmen

Die Agents brainstormen autonom in kleineren Sessions. Dabei hält der Skill alle Annahmen fest und prüft sie noch einmal separat.

3Schritt 3: Fragerunde mit dir

Jetzt folgt ein Loop, den du vom Brainstorming oder aus Workshops kennst: Die KI stellt dir so lange Fragen, bis der Plan wirklich abgerundet ist.

4Schritt 4: Gegenprüfung bis zur Freigabe

Der Plan geht an die andere KI. Sie schaut ihn sich genau an und gibt Feedback, das Modell überarbeitet, die andere KI prüft erneut. Erst wenn beide einverstanden sind, wird der Plan freigegeben.

Am Ende sorgt der Skill dafür, dass die unterschiedlichen Modelle nach blinden Flecken suchen, die dir selbst nie auffallen würden. Seien wir ehrlich: Viele von uns lassen Claude Code oder Codex Dinge bauen, die weit über die eigenen Programmierkenntnisse hinausgehen. Das Ergebnis selbst sauber zu prüfen, ist dann sehr schwer. Mit ClaudeGPT Loop weißt du zumindest, dass ein zweiter Senior Developer, etwa Fable 5.1 bei einem Astra-Plan, drübergeschaut und korrigiert hat.

Typische Fehler beim Einsatz mehrerer Modelle

Aus dem, was ich oben beschrieben habe, ergeben sich drei Fehler, die du vermeiden solltest:

• Alles auf dem teuersten Modell laufen lassen: Für einfache Aufgaben zahlst du bei Fable 5.1 oder Astra unnötig viel. Luna oder Terra reichen dort oft.
• Ein Modell prüft sich selbst: Ein Review vom selben Modell oder vom selben Anbieter bestätigt meist nur, was schon da ist.
• Beim Plan sparen: Ein billig erstellter Plan kostet dich später mehr Tokens und mehr Nacharbeit als eine gründliche Planung mit zwei Modellen.

Fazit

Fable 5.1 ist großartig, GPT-6 Astra ist ebenfalls großartig. Deshalb sollte es hier kein Entweder-oder geben. Bei dem Tempo, mit dem sich KI-Tools gerade entwickeln, solltest du dich ohnehin nie auf ein einziges Werkzeug festlegen. Mit ClaudeGPT Route nutzt du für jede Aufgabe das passende Modell, auch die günstigen wie Luna. Mit ClaudeGPT Loop lässt du jeden wichtigen Plan von einem Modell des anderen Anbieters prüfen, ohne vorher ein kompliziertes Setup aufzubauen. Es gibt noch andere Wege, mit beiden Modellen zu arbeiten, und ich nutze sie auch. Für Planung und Richtungsfindung ist dieser Ansatz für mich aber das Beste aus beiden Welten. Ich halte die Skills wie alle meine Skills aktuell, also sag mir gern, was du davon hältst und was du verbessern würdest.