BenchLeader

Claude Fable 5.1 vs DeepSeek V4 Pro

完整资料:Claude Fable 5.1(Anthropic)和 DeepSeek V4 Pro(DeepSeek),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,质量上 Claude Fable 5.1 领先 DeepSeek V4 Pro(BenchLeader Index 66.7 比 56.0)。不过,DeepSeek V4 Pro 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.990 比 $20.00)。在两者都有成绩的所有类别中,Claude Fable 5.1 均领先。Claude Fable 5.1 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Fable 5.1 的 BenchLeader Index 为 66.7,DeepSeek V4 Pro 为 56.0(BenchLeader,2026年11月16日)。
  • Claude Fable 5.1 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • DeepSeek V4 Pro 每百万 token 混合价格为 $0.990(标价,2026年11月16日)。
  • Claude Fable 5.1 比 DeepSeek V4 Pro 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 31 项基准测试中,Claude Fable 5.1 领先 31 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Fable 5.1 的评分为 1742,DeepSeek V4 Pro 为 1581(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Fable 5.1类别得分 70 比 52;Arena WebDev 1742 比 1581高
数学Claude Fable 5.1类别得分 72 比 65;Arena Maths 1526 比 1465高
推理Claude Fable 5.1类别得分 69 比 56;HLE-Diamond (AA) 60.1% 比 20.5%高
知识Claude Fable 5.1类别得分 69 比 41;AA-Omniscience v1.1 46.3 比 -6.5高
长文档Claude Fable 5.1类别得分 67 比 64;AA-LCR v1.1 85.3% 比 79.3%中
对话质量(人类偏好)Claude Fable 5.1Arena 投票 70 比 65中
成本最低DeepSeek V4 Pro每百万 token 混合价格 $1.98 比 $20.00;智能体编程会话 $0.095 比 $0.800–
首次回答最快DeepSeek V4 Pro首个回答 token 42.8 秒(DeepSeek V4 Pro (high))比 151.4 秒(Claude Fable 5.1 (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Claude Fable 5.1 (max) 领先:66.7 比 56.0。
  • Claude Fable 5.1 (max) 在编程、人类偏好、知识、长上下文、数学、推理方面更强。
  • DeepSeek V4 Pro (high) 更便宜,对方的价格是它的 20 倍(每百万 token 混合价格 $0.990 比 $20.00)。

概览

规格Claude Fable 5.1DeepSeek V4 Pro
提供商AnthropicDeepSeek
发布日期2026年9月1日2026年8月13日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Fable 5.1 (max)DeepSeek V4 Pro (high)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$10.00 / $50.00 / $0.250$1.32 / $3.96 / $0.022

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Fable 5.1 (max)DeepSeek V4 Pro (high)领先者
推理69.455.6Claude Fable 5.1
编程69.751.5Claude Fable 5.1
智能体与工具59.7–无法比较
数学72.064.5Claude Fable 5.1
知识68.641.2Claude Fable 5.1
人类偏好69.765.0Claude Fable 5.1
多模态67.5–无法比较
长上下文67.464.3Claude Fable 5.1
综合70.8–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学知识长上下文人类偏好Claude Fable 5.1, 推理: 69.4Claude Fable 5.1, 编程: 69.7Claude Fable 5.1, 数学: 72.0Claude Fable 5.1, 知识: 68.6Claude Fable 5.1, 长上下文: 67.4Claude Fable 5.1, 人类偏好: 69.7DeepSeek V4 Pro, 推理: 55.6DeepSeek V4 Pro, 编程: 51.5DeepSeek V4 Pro, 数学: 64.5DeepSeek V4 Pro, 知识: 41.2DeepSeek V4 Pro, 长上下文: 64.3DeepSeek V4 Pro, 人类偏好: 65.0

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 31 项基准测试中,Claude Fable 5.1 领先 31 项,DeepSeek V4 Pro 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5.1 更强。

综合 IndexClaude Fable 5.1 (max)DeepSeek V4 Pro (high)领先者
BenchLeader Index66.756.0Claude Fable 5.1
AA Intelligence Index v5.0.149.220.8Claude Fable 5.1
Arena Text15021464Claude Fable 5.1

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Fable 5.1 (max)DeepSeek V4 Pro (high)
每百万 token 混合价格$20.00$1.98
每百万 token 输入 / 输出$10.00 / $50.00$1.32 / $3.96
每百万 token 缓存输入$0.250$0.022
每项任务价格:聊天回复$0.019$0.0017
每项任务价格:总结一份 30 页的报告$0.150$0.018
每项任务价格:代码编辑$0.135$0.014
每项任务价格:智能体编程会话$0.800$0.095
每项任务价格:结构化信息提取$0.030$0.0034
智能体编程会话(输入大多命中缓存)$0.361$0.037
每项基准测试任务成本(AA Index)$12.99$0.849
每项任务输出 token(AA Index)118k70k
其中推理部分71k45k
每项任务耗时(AA Index)22 min15 min
输出速度89 tok/s80 tok/s
首次回答时间151.4 秒42.8 秒
完整回答耗时(最近一次测量 2026年11月13日)386.7 秒–

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Fable 5.1 (max) 上花费 $12.99,在 DeepSeek V4 Pro (high) 上花费 $0.849;完成同样的工作,Claude Fable 5.1 (max) 输出的 token 是对方的 1.7 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Claude Fable 5.1 (max) 得分 66.7,首个回答 token 需 151 秒;Claude Fable 5.1 为 66.4(4 秒),Claude Fable 5.1 (xhigh) 为 64.6(98 秒)。DeepSeek V4 Pro (high) 得分 56.0,首个回答 token 需 43 秒;DeepSeek V4 Pro (max) 为 54.7(47 秒),DeepSeek V4 Pro 为 53.0(1 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 185 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Fable 5.1 (max)DeepSeek V4 Pro (high)
BenchLeader IndexBenchLeader66.756.0
智能体与工具得分BenchLeader59.7–
编程得分BenchLeader69.751.5
综合得分BenchLeader70.8–
人类偏好得分BenchLeader69.765.0
知识得分BenchLeader68.641.2
长上下文得分BenchLeader67.464.3
数学得分BenchLeader72.064.5
多模态得分BenchLeader67.5–
推理得分BenchLeader69.455.6
混合价格(美元/百万 token)BenchLeader$20.00$1.98
输出速度BenchLeader89 tok/s80 tok/s
首次回答时间BenchLeader151.4 秒42.8 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–90.9%
Humanity's Last ExamScale AI / CAIS46.5%†–
SimpleBenchSimpleBench86.6%†–
Arena Hard PromptsArena (LMArena)15221482
LiveBench 2.0 ReasoningLiveBench91.7%–
LiveBench 1.0 ReasoningLiveBench91.7%85.8%†
GPQA Diamond (AA)Artificial Analysis93.7%92.8%†
Humanity's Last Exam (AA)Artificial Analysis59.1%41.5%
HLE-Diamond (AA)Artificial Analysis60.1%20.5%
GPQA Diamond (Vals)Vals AI93.4%92.4%†
Kagi LLM BenchmarkKagi LLM Benchmark–53.5%†
ARC-AGI-1ARC Prize97.5%87.2%
ARC-AGI-2ARC Prize90.0%59.7%
CritPtArtificial Analysis29.7%18.6%
CritPt v2 hard subset (AA)Artificial Analysis52.5%28.5%
MysteryMechanismVals AI47.8%–
HLE-Diamond (Scale)Scale AI SEAL51.3%†13.4%†
Arena ExpertArena (LMArena)15331481
Chess PuzzlesEpoch AI Benchmarking Hub48.0%16.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%43.0%†
CL-bench LifeEpoch AI Benchmarking Hub–13.5%
LMCAEpoch AI Benchmarking Hub65.5%†45.5%†
DTBenchEpoch AI Benchmarking Hub97.6%†93.9%†
ForecastBenchForecastBench65.7%†60.7%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–77.6%†
显示全部 185 项基准测试
指标发布方Claude Fable 5.1 (max)DeepSeek V4 Pro (high)
编程
SciCodeSciCode63.1%46.4%
WeirdMLWeirdML92.9%46.5%
FrontierCodeCognition50.9%†28.6%
GSO-BenchGSO-Bench88.2%†–
Arena CodingArena (LMArena)15341503
Arena WebDevArena (LMArena)17421581
LiveBench 2.0 CodingLiveBench89.7%–
LiveBench 1.0 CodingLiveBench86.4%77.2%†
SciCode (AA)Artificial Analysis63.1%51.7%
LiveCodeBenchVals AI90.5%87.5%†
IOIVals AI90.8%51.6%†
SWE-bench (Vals)Vals AI–96.4%†
Code MigrationVals AI54.6%41.5%†
Code Migration v1.1Vals AI–52.0%†
ProgramBenchVals AI7.0%0.0%†
SWE-bench MultimodalVals AI61.3%–
Vibe Code Bench 1-100Vals AI28.0%17.5%†
Vibe Code Bench v1.1Vals AI90.3%82.3%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL60.0%†27.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL56.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL67.0%†27.1%†
SWE Atlas v1.1Scale AI SEAL76.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL79.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL78.9%†–
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†–
SWE-Bench Pro V2Scale AI SEAL99.1%†–
SWE-Bench Pro V2 HARDScale AI SEAL92.2%†–
MirrorCodeEpoch AI Benchmarking Hub93.3%33.3%†
Surface Evolver BenchEpoch AI Benchmarking Hub–40.0%
CursorBenchCursor51.8%–
ALE-BenchEpoch AI Benchmarking Hub2143.2†1006.1
FrontierSWEEpoch AI Benchmarking Hub56.3%–
WeirdML v3WeirdML26.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%6.1%
Terminal-Bench 2.1 (AA)Artificial Analysis91.4%78.7%†
Startrise FrontendStartrise77.1%†62.7%†
GameBench 2 OverallDuelLab GameBench 287.1†41.9†
GameBench 2 by reasoning settingDuelLab GameBench 294.0†45.1
Design Arena WebsiteDesign Arena1305†1227†
FrontierCode 1.1 (AA)Artificial Analysis49.0%38.8%†
FrontierCode 2.0 (AA)Artificial Analysis31.6%16.7%
智能体与工具
Terminal-BenchTerminal-Bench57.3%6.7%†
Remote Labor IndexScale AI / CAIS17.9%†–
APEX-AgentsMercor68.6%†47.3%†
Arena AgentArena (LMArena)14.8–
LiveBench Long AgenticLiveBench74.2%–
LiveBench BrowserLiveBench89.8%–
LiveBench Agentic CodingLiveBench66.1%55.0%†
Terminal-Bench 2.1 (Vals)Vals AI85.0%†50.2%†
MCP AtlasScale AI SEAL87.2%†–
HiL-BenchScale AI SEAL61.5%†38.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis62.7%47.5%†
GDPval-AA v2.1Artificial Analysis17651336
τ³-Banking (AA)Artificial Analysis47.2%39.6%†
ITBench SRE (AA)Artificial Analysis49.5%–
Analyst Agent (AA)Artificial Analysis57.5%–
CUA-benchVals AI13.2%–
CyberBenchVals AI70.4%72.9%†
Finance Agent v2Vals AI58.9%50.4%†
Finance Agent v2.1Vals AI–57.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI–10.8%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%7.5%†
Legal Research BenchVals AI55.3%40.9%†
Robo-benchVals AI5.8%–
SkillsBenchVals AI61.5%53.8%†
SREBenchVals AI22.9%1.9%†
Tax Agent BenchVals AI50.8%26.8%†
Terminal-Bench 2.0 (Vals)Vals AI–56.2%†
Terminal-Bench 4.0 (Vals)Vals AI58.1%14.1%†
Terminal-Bench ScienceVals AI40.0%4.3%†
Time Horizon Index: KSPVals AI63.3%–
Arena SearchArena (LMArena)1227†–
Arena Agent Task CompletionArena (LMArena)14.4–
PostTrainBenchEpoch AI Benchmarking Hub44.6%–
Vending-Bench 2Andon Labs5421.6†3284.5†
SpireClimbEpoch AI Benchmarking Hub2.0%–
AutomationBenchArtificial Analysis59.4%46.2%
GDP.pdf (AA)Artificial Analysis26.2%10.4%
Harvey LAB-AA v1.1Harvey6.4%–
EnterpriseOps-GymArtificial Analysis–49.6%†
AA-Briefcase v1.1Artificial Analysis16711148
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1338†927†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis43.3%1.9%
CWE-Bench (AA)Artificial Analysis50.8%–
DeepSec-Bench (AA)Artificial Analysis23.5%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.2%64.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub87.8%26.8%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%95.6%
ProofBenchVals AI100.0%50.0%†
LiveBench MathematicsLiveBench97.0%95.1%†
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–93.9%†
USAMO 2026MathArena–60.7%†
MathArena ApexMathArena–28.1%†
Arena MathsArena (LMArena)15261465
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.8%52.9%†
LiveBench 2.0 Data AnalysisLiveBench80.3%–
LiveBench ResearchLiveBench88.5%–
LiveBench 1.0 Data AnalysisLiveBench80.3%79.2%†
AA-Omniscience v1.1Artificial Analysis46.3-6.5
MMLU-ProVals AI92.4%87.3%†
LegalBenchVals AI88.5%82.4%†
CorpFinVals AI–65.4%†
TaxEvalVals AI76.0%73.1%†
PRBench FinanceScale AI SEAL50.8%†–
PRBench LegalScale AI SEAL51.6%†–
CaseLaw v2Vals AI–59.4%†
Excel Modeling BenchmarkVals AI76.7%52.8%†
Excel Modeling Benchmark v1.1Vals AI76.7%65.1%†
MedCodeVals AI53.5%42.5%†
MedScribeVals AI91.3%80.2%†
Public Benefits Bench v1.1Vals AI74.9%62.9%†
Financial Coaching BenchVals AI75.7%–
Immigration BenchVals AI75.4%61.7%†
DrugDiscoveryBenchScale AI SEAL–31.7%†
EBR-benchEpoch AI Benchmarking Hub57.1%–
GDP.pdfEpoch AI Benchmarking Hub27.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis68.4%45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis30.0%5.9%
HealthBench Professional (AA)OpenAI57.8%–
指令遵循
LiveBench LanguageLiveBench89.5%82.1%†
LiveBench Instruction FollowingLiveBench73.0%67.7%†
Arena Instruction FollowingArena (LMArena)15011461
人类偏好
Arena TextArena (LMArena)15021464
EQ-Bench 4EQ-Bench–1156†
EQ-Bench Creative Writing v3EQ-Bench2155†1553†
Arena Creative WritingArena (LMArena)14901444
Arena Multi-turnArena (LMArena)14851469
Arena Longer QueriesArena (LMArena)15101474
多模态
Arena VisionArena (LMArena)1322–
LiveBench DesignLiveBench81.6%–
MMMU-Pro (Vals)Vals AI90.6%–
MortgageTaxVals AI70.8%–
Humanity's Sixth SenseScale AI SEAL40.8%†–
GeoBenchGeoBench84.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub41.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub70.0%–
Code2Video-AAArtificial Analysis1325–
AA-3DArtificial Analysis1139–
长上下文
AA-LCR v1.1Artificial Analysis85.3%79.3%
Arena DocumentArena (LMArena)1498–
MLCRArtificial Analysis15.6%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.0†155.9†
LiveBench 2.0LiveBench84.0%–
LiveBench 1.0LiveBench83.4%77.4%†
AA Intelligence Index v5.0.1Artificial Analysis49.220.8
AA Intelligence Index v4.3.2Artificial Analysis53.436†
AA Progress Index v1Artificial Analysis340.8311.5†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–52.9%†
Vals RSI IndexVals AI36.1%–
Vals Router IndexVals AI–53.0%†
Vals Legal IndexVals AI–69.0%†
AA Cyber IndexArtificial Analysis25.0–
安全与诚实
FORTRESSScale AI SEAL13.7%†–
DistressBenchScale AI SEAL71.5%†–
元数据
AA Openness IndexArtificial Analysis–44.4

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Claude Fable 5.1 (max):37 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Fable 5.1 (max):1 项新结果(GDPval-AA v2.1)。
  • DeepSeek V4 Pro (high):BenchLeader Index 59.1 → 56.0。
  • DeepSeek V4 Pro (high):17 项新结果(AA Intelligence Index v5.0.1, Humanity's Last Exam (AA), HLE-Diamond (AA)…);输入价格 $0.66/M → $1.32/M;输出价格 $1.98/M → $3.96/M。
  • Claude Fable 5.1 (max):BenchLeader Index 67.1 → 66.6。
  • Claude Fable 5.1 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • Claude Fable 5.1 (max):1 项新结果(MirrorCode)。
  • DeepSeek V4 Pro (high):BenchLeader Index 57.5 → 59.1。
  • Claude Fable 5.1 (max):1 项分数修订。
  • Claude Fable 5.1 (max):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Fable 5.1 vs DeepSeek V4 Pro:常见问题

Claude Fable 5.1 比 DeepSeek V4 Pro 更好吗?
质量上 Claude Fable 5.1 (max) 领先:66.7 比 56.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Fable 5.1 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Fable 5.1 和 DeepSeek V4 Pro 哪个更便宜?价格会变吗?
目前 DeepSeek V4 Pro 更便宜:每百万 token $0.990 比 $20.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Fable 5.1 还是 DeepSeek V4 Pro 更好?
Claude Fable 5.1 在编程方面得分更高(类别得分 70 比 52,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Fable 5.1 为 1742,DeepSeek V4 Pro 为 1581。
Claude Fable 5.1 和 DeepSeek V4 Pro 哪个更快?
Claude Fable 5.1 输出更快(约 2 倍;输出 89 比 80 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
Claude Fable 5.1 在长上下文基准测试上得分更高(67 比 64)。两者都约为 1M token(Claude Fable 5.1 为 1,000,000,DeepSeek V4 Pro 为 1,048,576)。
更多问题(3)
哪个延迟更低?
DeepSeek V4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 42.8 秒比 151.4 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Fable 5.1 和 DeepSeek V4 Pro 的看法一致吗?
在两者都有结果的 31 项基准测试中,Claude Fable 5.1 领先 31 项,DeepSeek V4 Pro 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5.1 更强。
Claude Fable 5.1 是什么时候发布的?
Claude Fable 5.1 于 2026年9月1日 发布。