קלוד מול GPT-6 אסטרה וקלוד קוד מול קודקס: מי מנצח

בספטמבר 2026 שני הצדדים החליפו דגל בהפרש של יומיים: פייבל 5.1 ב-1 בספטמבר, ו-GPT-6 אסטרה ב-3 בספטמבר. מאז נכתבו עשרות השוואות, ורובן מודדות דבר אחד ומדווחות עליו כאילו הוא שניים.

כי יש כאן שתי השוואות נפרדות. הראשונה היא מודל מול מודל, וזו שאלה על יכולת ועל מחיר. השנייה היא סוכן מול סוכן: קלוד קוד (Claude Code) מול קודקס (Codex), וזו שאלה על הכלי שעוטף את המודל, מי מריץ בדיקות, מי מבודד עבודה מקבילה ומי מתחבר למה.

הממצא המעניין ביותר מהשבוע האחרון הוא שהעטיפה משנה בערך כמו המודל.

מי חכם יותר? המדד אומר תיקו

Artificial Analysis, הגוף החיצוני שמריץ את שני הצדדים על אותה סוללת מבחנים, פרסם את התוצאות בימים שאחרי ההשקה. במדד האינטליגנציה הכללי שלו אסטרה ופייבל 5.1 מקבלים בדיוק את אותו ציון וחולקים את המקום הראשון. לשם השוואה, GPT-5.6 סול, הדגל הקודם של OpenAI, נמצא שש נקודות מתחת לשניהם.

זה לא ניצחון ולא הפסד, וזה בעצמו ממצא. עד עכשיו כל דור חדש נפתח בטענה של צד אחד על עליונות; כאן, בפעם הראשונה במדד הזה, הדגלים של שתי החברות יושבים על אותה נקודה.

התיקו הכללי מסתיר פיצול ברור בתוך הרצועות:

מדד	אסטרה	פייבל 5.1
Terminal-Bench v4.0	59%	52%
AutomationBench-AA	68%	59%
SciCode	56%	63%
Humanity’s Last Exam	55%	59%
AA-LCR (קונטקסט ארוך)	81%	85%
AA-Omniscience	43	43

התבנית עקבית: אסטרה מנצח בכל מה שקורה מחוץ לעורך — טרמינל, אוטומציה, הפעלת מחשב ודפדפן. פייבל 5.1 מנצח בכל מה שדורש להחזיק הרבה חומר בראש ולהוציא ממנו תשובה נכונה — קונטקסט ארוך, מדע, עבודת ידע. מי שהעבודה שלו היא “לחבר בין שבע מערכות ולסיים את התהליך” מקבל תשובה אחת; מי שהעבודה שלו היא “להבין מאגר קוד שלם ולתקן בו את הדבר הנכון” מקבל תשובה אחרת.

ובסוכן הקוד? גם שם תיקו, ולא באותו מחיר

כאן מגיע החלק שמעניין את מי שעובד עם סוכנים. באותה עבודה, Artificial Analysis מריץ גם מדד סוכני קוד, ושם נמדד לא מודל אלא צמד: מודל בתוך הכלי שמריץ אותו.

והתוצאה מדברת בדיוק לשאלה של העמוד הזה:

• קלוד קוד עם פייבל 5.1 וקודקס עם אסטרה מקבלים אותו ציון וחולקים את המקום הראשון
• אופוס 5 יושב שתי נקודות מתחתיהם, ו-GPT-5.6 סול, הדור הקודם של OpenAI, שבע נקודות מתחת
• הצמד של קודקס ואסטרה עשה את זה בכ-40% פחות עלות למשימה

שווה לעצור על מה שזה כן אומר ומה שלא. זה אומר ששני הכלים מגיעים לאותה איכות תוצאה במבחן הזה. זה לא אומר ששני הכלים מרגישים אותו דבר: המדד מודד תוצאה, לא כמה נעים לעבוד, לא כמה קל להטמיע נהלים ולא מה קורה כשמשהו משתבש באמצע.

מה קורה כשמריצים את זה על קוד אמיתי?

מדדים ציבוריים סובלים מבעיה ידועה: המודלים ראו אותם. לכן שווה יותר מבחן שרץ על מאגרי קוד אמיתיים ומורכבים, ובדיוק כזה פרסמה Endor Labs בימים האחרונים. השיטה שם מדודה יפה: לכל צמד של כלי ומודל נותנים משימת תיקון, בלי לספר לו שמדובר בתיקון אבטחה, ורק מבקשים לעבוד לפי נוהלי אבטחה מקובלים. כל תיקון מורץ בסביבה מבודדת ונבדק פעמיים — פעם מול הבדיקות הפונקציונליות, ופעם מול בדיקות אבטחה נסתרות.

התוצאות, בשיעור התיקונים שעוברים את הבדיקות הפונקציונליות:

• קלוד קוד עם פייבל 5.1: 87.2%
• קודקס עם אסטרה: 82.1%
• קלוד קוד עם אופוס 5: 73.7%
• קודקס עם GPT-5.6 סול, הדור הקודם: 67.6%

GPT-6.1 סול, שמחזיק את הדרגה האמצעית של דור 6, יצא ב-29 בספטמבר ועוד לא נמדד כאן. לפי OpenAI הוא קרוב לאסטרה בחמישית מהמחיר: הפריט המלא.

וכאן נכנסות שתי הסתייגויות, ושתיהן חשובות.

הראשונה נוגעת לאבטחה, והיא מפוכחת לשני הצדדים. המדד השני שם סופר תיקונים שעוברים גם את הבדיקות הפונקציונליות וגם את בדיקות האבטחה הנסתרות, ושני הצמדים המובילים אינם מגיעים בו ל-40%. כלומר יותר משישה מכל עשרה תיקונים אינם עומדים בשתי הבדיקות יחד. הפער בין הכלים שם קטן, והמסקנה המעשית זהה בשניהם: סוכן קוד אינו תחליף לבדיקת אבטחה.

השנייה נוגעת לקלוד, והיא לא מחמיאה. באותו מבחן, Endor Labs ספרה מקרים שבהם הסוכן “רימה” — כלומר עקף את המשימה במקום לפתור אותה. אצל קודקס עם אסטרה נספרו אפס מקרים מאושרים כאלה; אצל קלוד קוד עם פייבל 5.1 נספרו 17, ואצל אופוס 5 נספרו 38. הציון של קלוד קוד גבוה יותר, והוא גם נשען על יותר תשובות שהמבחן פסל. מי שמריץ סוכן בלי פיקוח צריך לדעת את זה, וזו בדיוק הסיבה שנתינת דרך לסוכן לבדוק את עצמו היא ההרגל המשתלם ביותר בעבודה הזאת.

למה מחיר זהה לטוקן אינו עלות זהה

שורת המחירון של שני הדגלים זהה: אותו מחיר קלט ואותו מחיר פלט לכל מיליון טוקנים. מי שעוצר שם יסיק שהעלות זהה. היא אינה, וארבעה מכפילים מושכים לשני הכיוונים.

שניים לרעת קלוד:

• אסטרה חסכוני בטוקנים בפער גדול. באותה סוללת מבחנים הוא סיים משימה בכשליש מטוקני הפלט של פייבל 5.1. אותו ציון, שליש מהפלט, ומכיוון שהפלט הוא הרכיב היקר, זה מתורגם ישירות לחשבון
• מנתח הטוקנים החדש של קלוד. מודלי 4.7 ואילך, כולל פייבל 5.1, מפיקים כ-30% יותר טוקנים לאותו טקסט בדיוק. מחיר זהה לטוקן אינו מחיר זהה לפסקה

ושניים לטובת קלוד:

• קריאה מה-cache זולה פי ארבעה. אנתרופיק גובה על קריאת cache בפייבל 5.1 רבע ממה שכל שאר המודלים גובים, ומה שאסטרה גובה. בעבודה סוכנית ארוכה זה הרכיב הדומיננטי: אותה תחילית נקראת שוב ושוב בכל תור. ההסבר המלא כאן
• אין מדרגת מחיר לקונטקסט ארוך. אנתרופיק מתמחרת את החלון המלא בתעריף אחיד, ובקשה של 900 אלף טוקנים מחויבת באותו תעריף לטוקן כמו בקשה של 9,000. אצל אסטרה יש תעריף שני, גבוה יותר, שנכנס לפעולה מעל סף מסוים

Claude GPT-6 Astra

מחיר קלט (לכל מיליון טוקנים)

Haiku 5.5 * Claude

$0.10

Haiku 4.5 Claude

$1

Sonnet 5.5 Claude

$2

Sonnet 5 Claude

$2

Opus 5.5 Claude

$4

Opus 5 Claude

$5

Opus 4.8 Claude

$5

Fable 5.1 Claude

$10

Fable 5 Claude

$10

Astra GPT-6 Astra

$10

מחיר פלט (לכל מיליון טוקנים)

Haiku 5.5 * Claude

$0.50

Haiku 4.5 Claude

$5

Sonnet 5.5 Claude

$10

Sonnet 5 Claude

$10

Opus 5.5 Claude

$20

Opus 5 Claude

$25

Opus 4.8 Claude

$25

Fable 5.1 Claude

$50

Fable 5 Claude

$50

Astra GPT-6 Astra

$50

סייג על הסף, כי חיפשתי אותו וזה מה שמצאתי: מחירון ה-API של OpenAI מציין את מדרגת הקונטקסט הארוך של אסטרה, אבל אינו נוקב במספר הטוקנים שממנו היא מתחילה. במודלים אחרים בטבלה הסף כן כתוב, והוא 272 אלף. תיעוד קהילתי של קודקס מייחס את אותו סף גם לאסטרה וממליץ להגדיר את סף הכיווץ האוטומטי מתחתיו, וזו עצה סבירה, אבל היא לא מגיעה מ-OpenAI עצמה. עד שהמספר יתועד רשמית, מי שמריץ מאגר גדול צריך להניח שהוא קיים ולמדוד.

מה עושים עם כל זה בפועל: בודקים איזה חלק מהחשבון שלכם הוא קריאות חוזרות מה-cache. אם רובו, פייבל 5.1 יהיה זול יותר גם כשהוא צורך יותר טוקנים. אם העבודה שלכם היא הרבה משימות קצרות ונפרדות, היתרון עובר לאסטרה, והוא ממשי.

קלוד קוד מול קודקס: מה השתנה החודש

עד לא מזמן חלוקת התפקידים בין שני הסוכנים הייתה נוחה: קלוד קוד חזק בהרחבות ובעומק, קודקס חזק בענן ובעבודה מקבילה. החודש הזה טשטש את הגבול.

אצל קודקס אסטרה נכנס בשלבים: תחילה כהגדרה ידנית ב-API בלבד בלי להופיע בבורר המודלים, אחר כך כברירת מחדל בבורר המצורף, ובגרסה 0.154.0 גם בבורר עצמו ובקטלוגים של Bedrock. באותה גרסה נוסף גם דבר מעניין יותר: תמיכה בתצוגה מוקדמת ב-worktrees, כלומר עותק עבודה מבודד לכל סשן.

אצל קלוד קוד זה כבר לא חדש, וזה בשל בהרבה. פותחים סשן מבודד בפקודה אחת:

claude --worktree feature-auth

הסשן מקבל תיקייה נפרדת תחת ‎.claude/worktrees/‎ וענף משלו, וקלוד קוד חוסם ממנו כתיבה למאגר הראשי. באפליקציית הדסקטופ כל סשן חדש מקבל worktree אוטומטית. אפשר גם לתת בידוד כזה לכל סוכן משנה, עם שורה אחת בהגדרה שלו:

---
name: refactorer
description: מבצע ריפקטורים מכניים על הרבה קבצים
isolation: worktree
---

וקובץ ‎.worktreeinclude‎ מעתיק לכל עותק חדש את הקבצים שגיט מתעלם מהם, כמו ‎.env‎ — הפרט הקטן שחוסך את חמש הדקות הראשונות בכל סשן מקביל.

המסקנה ההוגנת: בעבודה מקבילה מבודדת קלוד קוד עדיין מקדים, אבל הפער הזה הוא של חודשים, לא של דורות. מי שבחר בקודקס לפני חצי שנה בגלל הענן, ומי שבחר בקלוד קוד בגלל המקביליות, שניהם צריכים לבדוק מחדש. ההשוואה המפורטת בין שני הכלים נכנסת לעומק של ההרחבות, המנויים והאקוסיסטם.

מה מפתחים באמת עושים: מריצים את שניהם

זה החלק שמפתיע מי שמחפש הכרעה. בשבוע שאחרי ההשקות, הדיון בקרב מי שעובד עם שני הכלים כמעט לא עסק בשאלה “מה לבחור” אלא בשאלה “איך לחלק”.

הסיבה פשוטה: מחיר הרשימה זהה, ולכן אין קנס כלכלי על החזקת שניהם. מי שכבר משלם על מנוי בשני הצדדים מקבל שתי דעות במחיר של אחת.

שלוש תבניות חוזרות על עצמן, וכולן שוות ניסיון:

• פייבל מתזמר, אסטרה מבצע. התבנית המדוברת ביותר. פייבל 5.1 מחזיק את התוכנית, את הקונטקסט ואת ההחלטות, ומשגר את העבודה המכנית לסוכני משנה שרצים על אסטרה. Teknium תיאר ב-7 בספטמבר איך אסטרה עצמו, אחרי שנכשל בתזמור סוכני משנה, קרא את הריצה והמליץ לתת לפייבל לתזמר. זה עולה יפה בקנה אחד עם המדדים: פייבל בהחזקת קונטקסט, אסטרה בביצוע
• הסוכן השני כעמית, לא כמחליף. מריצים משימה בכלי אחד, ואז נותנים לכלי השני לסקור את התוצאה בעותק עבודה נפרד. שני מודלים שאומנו אחרת נופלים על באגים שונים, וזו הדרך הזולה ביותר לקנות דעה שנייה
• ניתוב לפי סוג משימה. אוטומציה, הפעלת דפדפן ומשימות טרמינל קצרות לאסטרה; חקירת שורש, ריפקטור רחב וכל מה שדורש להחזיק מאגר שלם בראש לפייבל

התנאי היחיד שבאמת חשוב: בידוד. שני סוכנים שכותבים לאותה תיקיית עבודה מייצרים בלגן מיזוג שעולה יותר ממה שהמקביליות חסכה. worktree לכל סוכן, ענף לכל worktree, מיזוג בסוף. סוכני משנה הם הדרך לעשות את זה בתוך סשן אחד.

איפה זה הברקה ואיפה זה סיכון אמיתי

שלושה דברים ששווה לדעת לפני שמכניסים את השילוב הזה לזרימת עבודה שנוגעת בייצור:

• דירוג הסייבר של אסטרה. מסמך הבטיחות של OpenAI מסווג אותו כדגם הראשון שלה שמגיע לרמה קריטית ביכולת סייבר. זו הערכת יכולת ולא דיווח על אירוע, והדירוג הוא של החברה על עצמה, אבל מי שעובד בסביבה מפוקחת צריך לקרוא אותו לפני שהוא מכניס את המודל לקוד ייצור. הפירוט המלא כאן
• אף אחד מהם אינו בודק אבטחה. פחות מארבעה מכל עשרה תיקונים עוברים גם את הבדיקות הפונקציונליות וגם את בדיקות האבטחה, בשני הצדדים
• עלות מכפילה את עצמה בשקט. שני סוכנים במקביל זה פי שניים חשבון, ולפעמים יותר: כל worktree הוא cache נפרד, ולכן התחילית נקראת מחדש בכל אחד מהם

אז מה לבחור?

• בונים סוכן שרץ שעות על מאגר גדול: פייבל 5.1 בקלוד קוד. הקונטקסט הארוך בתעריף אחיד וקריאות ה-cache הזולות הם בדיוק הרצועה שלה
• מריצים הרבה משימות קצרות ונפרדות: אסטרה בקודקס. החיסכון בטוקנים אמיתי והוא מצטבר
• אוטומציה שנוגעת בדפדפן, בדסקטופ או בכלים חיצוניים: אסטרה, בפער
• כותבים בעברית, או מסבירים משימה בפרומפט לא מסודר: קלוד, בפער
• יש לכם מנוי אחד ואתם לא רוצים שני: תישארו איתו. שני הכלים באיכות שבה ההבדל בין הכלי לבין מי שמפעיל אותו גדול מההבדל ביניהם

שורה תחתונה

הכותרות אחרי ההשקות דיברו על ניצחון מוחץ, לכיוון זה או אחר, ואף אחת מהן לא עמדה במדידה. פייבל 5.1 ואסטרה מסיימים בתיקו במדד האינטליגנציה, וקלוד קוד וקודקס מסיימים בתיקו במדד סוכני הקוד. מה שנפרד אינו היכולת אלא הצורה: אסטרה מסיים מהר ובפחות טוקנים ומצטיין מחוץ לעורך, פייבל מחזיק קונטקסט ארוך ומבין כוונה עמומה, ובחשבון של סשן סוכני ארוך הוא זול בהרבה.

ומכיוון שמחיר הרשימה זהה, השאלה “מי מנצח” פחות מעניינת מהשאלה “מה שולחים לאן”. מי שכבר משלם על שני הצדדים כדאי שינסה את התבנית שחוזרת ביותר בדיווחים עכשיו: קלוד מתזמר, אסטרה מבצע, וכל סוכן בעותק עבודה משלו.

רוצים להעמיק בבחירת המודל בתוך קלוד עצמו? אופוס 5 מול פייבל הוא הכפתור הראשון. ההשוואה שמתמקדת רק בשני הכלים: קלוד קוד מול קודקס. ומי שעדיין לא התקין, מדריך ההתקנה בעברית לוקח עשר דקות.