BenchLeader

Claude Fable 5.1 vs Gemini 2.5 Pro Preview 0325

完整资料:Claude Fable 5.1(Anthropic)和 Gemini 2.5 Pro Preview 0325(Google),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22日,质量上 Claude Fable 5.1 领先 Gemini 2.5 Pro Preview 0325(BenchLeader Index 66.9 比 59.7)。在两者都有成绩的所有类别中,Claude Fable 5.1 均领先。

要点(截至 2026年11月22日)

  • Claude Fable 5.1 的 BenchLeader Index 为 66.9,Gemini 2.5 Pro Preview 0325 为 59.7(BenchLeader,2026年11月22日)。
  • Claude Fable 5.1 每百万 token 混合价格为 $20.00(标价,2026年11月22日)。
  • 在两者都有结果的 5 项基准测试中,Claude Fable 5.1 领先 5 项(BenchLeader,2026年11月22日)。

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 89 比 61高
推理Claude Fable 5.1类别得分 73 比 52;SimpleBench 86.6% 比 51.6%高
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 领先:66.9 比 59.7。
  • Claude Fable 5.1 在编程、推理方面更强。

概览

规格Claude Fable 5.1Gemini 2.5 Pro Preview 0325
提供商AnthropicGoogle
发布日期2026年9月1日2025年3月25日
上下文窗口(token)1,000,0001,000,000
对比时的配置Claude Fable 5.1Gemini 2.5 Pro Preview 0325
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$10.00 / $50.00 / $0.250–

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 5.1Gemini 2.5 Pro Preview 0325领先者
推理73.452.1Claude Fable 5.1
编程88.661.1Claude Fable 5.1
智能体与工具64.1–无法比较
数学–58.9无法比较
知识–56.2无法比较
指令遵循–57.9无法比较
多模态–70.8无法比较
长上下文–72.8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推理编程智能体与工具数学知识指令遵循长上下文多模态Claude Fable 5.1, 推理: 73.4Claude Fable 5.1, 编程: 88.6Claude Fable 5.1, 智能体与工具: 64.1Gemini 2.5 Pro Preview 0325, 推理: 52.1Gemini 2.5 Pro Preview 0325, 编程: 61.1Gemini 2.5 Pro Preview 0325, 数学: 58.9Gemini 2.5 Pro Preview 0325, 知识: 56.2Gemini 2.5 Pro Preview 0325, 指令遵循: 57.9Gemini 2.5 Pro Preview 0325, 长上下文: 72.8Gemini 2.5 Pro Preview 0325, 多模态: 70.8

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 5 项基准测试中,Claude Fable 5.1 领先 5 项,Gemini 2.5 Pro Preview 0325 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 5.1Gemini 2.5 Pro Preview 0325领先者
BenchLeader Index66.959.7Claude 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 5.1Gemini 2.5 Pro Preview 0325
每百万 token 混合价格$20.00–
每百万 token 输入 / 输出$10.00 / $50.00– / –
每百万 token 缓存输入$0.250–
每项任务价格:聊天回复$0.019–
每项任务价格:总结一份 30 页的报告$0.150–
每项任务价格:代码编辑$0.135–
每项任务价格:智能体编程会话$0.800–
每项任务价格:结构化信息提取$0.030–
智能体编程会话(输入大多命中缓存)$0.361–
输出速度66 tok/s–
首次回答时间3.8 秒–

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 得分 66.9,首个回答 token 需 4 秒;Claude Fable 5.1 (max) 为 66.4(134 秒),Claude Fable 5.1 (xhigh) 为 63.9(32 秒)。Gemini 2.5 Pro Preview 0325 得分 59.7。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 5.1Gemini 2.5 Pro Preview 0325
BenchLeader IndexBenchLeader66.959.7
智能体与工具得分BenchLeader64.1–
编程得分BenchLeader88.661.1
推理得分BenchLeader73.452.1
指令遵循得分BenchLeader–57.9
知识得分BenchLeader–56.2
长上下文得分BenchLeader–72.8
数学得分BenchLeader–58.9
多模态得分BenchLeader–70.8
混合价格(美元/百万 token)BenchLeader$20.00–
输出速度BenchLeader66 tok/s–
首次回答时间BenchLeader3.8 秒–
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–83.8%
Humanity's Last ExamScale AI / CAIS46.5%†18.2%
SimpleBenchSimpleBench86.6%51.6%
Arena Hard PromptsArena (LMArena)1522†–
LiveBench 2.0 ReasoningLiveBench91.7%†–
LiveBench 1.0 ReasoningLiveBench91.7%†–
GPQA Diamond (AA)Artificial Analysis93.7%†83.6%
Humanity's Last Exam (AA)Artificial Analysis59.1%†18.0%
HLE-Diamond (AA)Artificial Analysis60.1%†–
GPQA Diamond (Vals)Vals AI93.4%†80.8%
GPQA Diamond (HELM)HELM Capabilities–74.9%
ARC-AGI-1ARC Prize97.5%†–
ARC-AGI-2ARC Prize90.0%†–
CritPtArtificial Analysis29.7%†–
CritPt v2 hard subset (AA)Artificial Analysis52.5%†–
MysteryMechanismVals AI47.8%†–
HLE-Diamond (Scale)Scale AI SEAL51.3%†–
HLE Text-Only (Scale)Scale AI SEAL46.8%†18.4%
Arena ExpertArena (LMArena)1533†–
Chess PuzzlesEpoch AI Benchmarking Hub48.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%†–
LMCAEpoch AI Benchmarking Hub65.5%–
DTBenchEpoch AI Benchmarking Hub97.6%–
ForecastBenchForecastBench65.8%†64.0%
编程
SciCodeSciCode63.1%†–
显示全部 185 项基准测试
指标发布方Claude Fable 5.1Gemini 2.5 Pro Preview 0325
编程
WeirdMLWeirdML92.9%†–
FrontierCodeCognition50.9%†–
GSO-BenchGSO-Bench88.2%–
Arena CodingArena (LMArena)1533†–
Arena WebDevArena (LMArena)1742†–
LiveBench 2.0 CodingLiveBench89.7%†–
LiveBench 1.0 CodingLiveBench86.4%†–
LiveCodeBenchVals AI90.5%†79.2%
IOIVals AI90.8%†–
Aider PolyglotAider polyglot leaderboard–72.9%
Code MigrationVals AI54.6%†–
ProgramBenchVals AI7.0%†–
SWE-bench MultimodalVals AI61.3%†–
Vibe Code Bench 1-100Vals AI28.0%†–
Vibe Code Bench v1.1Vals AI90.3%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL60.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL56.7%†–
SWE Atlas v1.0: Test WritingScale AI SEAL67.0%†–
SWE Atlas v1.1Scale AI SEAL76.5%†–
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%†–
CadEvalEpoch AI Benchmarking Hub–64.0%
ALE-BenchEpoch AI Benchmarking Hub2143.2†–
FrontierSWEEpoch AI Benchmarking Hub56.3%†–
WeirdML v3WeirdML26.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%†–
Terminal-Bench 2.1 (AA)Artificial Analysis91.4%†–
Startrise FrontendStartrise77.1%†–
GameBench 2 OverallDuelLab GameBench 287.0–
GameBench 2 by reasoning settingDuelLab GameBench 293.8†–
Design Arena WebsiteDesign Arena1298–
Design Arena CodeDesign Arena1323–
FrontierCode 1.1 (AA)Artificial Analysis49.0%†–
FrontierCode 2.0 (AA)Artificial Analysis31.6%†–
LiveCodeBench (AA)Artificial Analysis–77.8%
智能体与工具
Terminal-BenchTerminal-Bench57.3%†–
Remote Labor IndexScale AI / CAIS17.9%–
APEX-AgentsMercor68.6%–
Arena AgentArena (LMArena)13.7†–
LiveBench Long AgenticLiveBench74.2%†–
LiveBench BrowserLiveBench89.8%†–
LiveBench Agentic CodingLiveBench66.1%†–
Terminal-Bench 2.1 (Vals)Vals AI85.0%†–
MCP AtlasScale AI SEAL87.2%–
HiL-BenchScale AI SEAL61.5%–
GDPval-AA v2.1, normalised scoreArtificial Analysis62.7%†–
GDPval-AA v2.1Artificial Analysis1765†–
τ³-Banking (AA)Artificial Analysis47.2%†–
ITBench SRE (AA)Artificial Analysis49.5%†–
Analyst Agent (AA)Artificial Analysis57.5%†–
CUA-benchVals AI13.2%†–
CyberBenchVals AI70.4%†–
Finance Agent v2Vals AI58.9%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI55.3%†–
Robo-benchVals AI5.8%†–
SkillsBenchVals AI61.5%†–
SREBenchVals AI22.9%†–
Tax Agent BenchVals AI50.8%†–
Terminal-Bench 4.0 (Vals)Vals AI58.1%†–
Terminal-Bench ScienceVals AI40.0%†–
Time Horizon Index: KSPVals AI63.3%†–
Arena SearchArena (LMArena)1227†–
Arena Agent Task CompletionArena (LMArena)14.2†–
Arena Search FactualityArena (LMArena)1214†–
BALROGBALROG–43.3%
PostTrainBenchEpoch AI Benchmarking Hub44.6%†–
Vending-Bench 2Andon Labs5421.6–
SpireClimbEpoch AI Benchmarking Hub2.0%†–
AutomationBenchArtificial Analysis59.4%†–
GDP.pdf (AA)Artificial Analysis26.2%†–
Harvey LAB-AA v1.1Harvey6.4%†–
AA-Briefcase v1.1Artificial Analysis1670†–
GDPxGDPx by SemiAnalysis8.5%†–
Design Arena AgenticDesign Arena1329–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis43.3%†–
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%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub87.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%†–
MATH Level 5Epoch AI Benchmarking Hub–95.6%
ProofBenchVals AI100.0%†–
LiveBench MathematicsLiveBench97.0%†–
AIME (Vals)Vals AI–85.8%
Omni-MATH (HELM)HELM Capabilities–41.6%
MATH 500Vals AI–95.2%
Arena MathsArena (LMArena)1530†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.8%†–
LiveBench 2.0 Data AnalysisLiveBench80.3%†–
LiveBench ResearchLiveBench88.5%†–
LiveBench 1.0 Data AnalysisLiveBench80.3%†–
AA-Omniscience v1.1Artificial Analysis46.3†–
MMLU-ProVals AI92.4%†84.1%
LegalBenchVals AI88.5%†84.3%
CorpFinVals AI–59.8%
TaxEvalVals AI76.0%†72.9%
MedQAVals AI–93.1%
PRBench FinanceScale AI SEAL50.8%†–
PRBench LegalScale AI SEAL51.6%†–
MMLU-Pro (HELM)HELM Capabilities–86.3%
Excel Modeling BenchmarkVals AI76.7%†–
Excel Modeling Benchmark v1.1Vals AI76.7%†–
MedCodeVals AI53.5%†–
MedScribeVals AI91.3%†–
Public Benefits Bench v1.1Vals AI74.9%†–
Financial Coaching BenchVals AI75.7%†–
Immigration BenchVals AI75.4%†–
Arena Text FactualityArena (LMArena)1499†–
EBR-benchEpoch AI Benchmarking Hub57.1%†–
GDP.pdfEpoch AI Benchmarking Hub49.4%†–
AA-Omniscience v1.1: accuracyArtificial Analysis68.4%†–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis30.0%†–
HealthBench Professional (AA)OpenAI57.8%†–
指令遵循
LiveBench LanguageLiveBench89.5%†–
LiveBench Instruction FollowingLiveBench73.0%†–
IFEval (HELM)HELM Capabilities–84.0%
WildBench (HELM)HELM Capabilities–85.7%
Arena Instruction FollowingArena (LMArena)1503†–
人类偏好
Arena TextArena (LMArena)1503†–
EQ-Bench Creative Writing v3EQ-Bench21551396
EQ-Bench Longform WritingEQ-Bench85.358.8
Arena Creative WritingArena (LMArena)1492†–
Arena Multi-turnArena (LMArena)1483†–
Arena Longer QueriesArena (LMArena)1511†–
Lech Mazur Creative WritingLech Mazur–80.5%
多模态
Arena VisionArena (LMArena)1322†–
LiveBench DesignLiveBench81.6%†–
VISTAScale AI SEAL–54.6%
MMMU-Pro (Vals)Vals AI90.6%†81.3%
MortgageTaxVals AI70.8%†67.2%
Humanity's Sixth SenseScale AI SEAL40.8%†–
GeoBenchGeoBench84.0%†84.0%
VPCTEpoch AI Benchmarking Hub–48.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub41.9%–
Furniture AssemblyEpoch AI Benchmarking Hub70.0%†–
Code2Video-AAArtificial Analysis1325†–
AA-3DArtificial Analysis1139†–
长上下文
Fiction.LiveBench 120kFiction.live–90.6%
AA-LCR v1.1Artificial Analysis85.3%†–
Arena DocumentArena (LMArena)1498†–
MLCRArtificial Analysis15.6%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.1144.0
LiveBench 2.0LiveBench84.0%†–
LiveBench 1.0LiveBench83.4%†–
AA Intelligence Index v5.0.1Artificial Analysis49.2†–
AA Intelligence Index v4.3.2Artificial Analysis53.4†15.0
AA Progress Index v1Artificial Analysis340.8†245.9
HELM Capabilities meanHELM Capabilities–74.5%
Vals RSI IndexVals AI36.1%†–
AA Cyber IndexArtificial Analysis25.0†–
安全与诚实
FORTRESSScale AI SEAL13.7%54.9%
MASKScale AI SEAL–55.9%
DistressBenchScale AI SEAL71.5%–

数据截至 2026年11月22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 gb2-20261119-1d7fd529faf6 (https://benchmarks.duellab.org/releases/gb2-20261119-1d7fd529faf6/), 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:BenchLeader Index 66.2 → 66.9。
  • Claude Fable 5.1:1 项分数修订。
  • Claude Fable 5.1:1 项分数修订。
  • Claude Fable 5.1:1 项新结果(SimpleBench)。
  • Claude Fable 5.1:6 项分数修订。
  • Claude Fable 5.1:1 项分数修订。
  • Claude Fable 5.1:1 项分数修订。
  • Claude Fable 5.1:3 项分数修订。
  • Claude Fable 5.1:3 项新结果(Excel Modeling Benchmark v1.1, Harvey's Legal Agent Benchmark v1, SWE-bench Multimodal)。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Fable 5.1 vs Gemini 2.5 Pro Preview 0325:常见问题

Claude Fable 5.1 比 Gemini 2.5 Pro Preview 0325 更好吗?
质量上 Claude Fable 5.1 领先:66.9 比 59.7。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月22日,Claude Fable 5.1 总体领先,但请结合你的用途查看各类别得分。
编程用 Claude Fable 5.1 还是 Gemini 2.5 Pro Preview 0325 更好?
Claude Fable 5.1 在编程方面得分更高(类别得分 89 比 61,50 为平均水平)。
处理长文档哪个更好?
两者都支持 1,000,000 token 的上下文。
第三方基准测试对 Claude Fable 5.1 和 Gemini 2.5 Pro Preview 0325 的看法一致吗?
在两者都有结果的 5 项基准测试中,Claude Fable 5.1 领先 5 项,Gemini 2.5 Pro Preview 0325 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。