BenchLeader

Claude Fable 5.1 vs Gemini 4 Hydrogen

完整资料:Claude Fable 5.1(Anthropic)和 Gemini 4 Hydrogen(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月16日,Claude Fable 5.1 与 Gemini 4 Hydrogen 的质量不相上下(BenchLeader Index 66.7 比 63.4,在 ±3.8 的误差范围内)。Gemini 4 Hydrogen 更便宜,对方的价格是它的 6.7 倍(每百万 token 混合价格 $3.00 比 $20.00)。看重数学(72 比 68)和人类偏好(70 比 68)选 Claude Fable 5.1;看重智能体与工具(62 比 60)选 Gemini 4 Hydrogen。Gemini 4 Hydrogen 的首次回答更快(16.2 秒 比 151.4 秒)。Gemini 4 Hydrogen 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Fable 5.1 的 BenchLeader Index 为 66.7,Gemini 4 Hydrogen 为 63.4(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)。
  • Gemini 4 Hydrogen 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • Gemini 4 Hydrogen 比 Claude Fable 5.1 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 21 项基准测试中,Claude Fable 5.1 领先 11 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Fable 5.1 的评分为 1742,Gemini 4 Hydrogen 为 1704(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
编程均可类别得分 70 比 69;Arena WebDev 1742 比 1704均可
智能体与工具调用Gemini 4 Hydrogen类别得分 62 比 60;Terminal-Bench 56.4% 比 57.3%中
数学Claude Fable 5.1类别得分 72 比 68;Arena Maths 1526 比 1495中
推理均可类别得分 69 比 70;HLE-Diamond (AA) 60.1% 比 54.9%均可
知识均可类别得分 69 比 69;AA-Omniscience v1.1 46.3 比 43.7均可
对话质量(人类偏好)Claude Fable 5.1Arena 投票 70 比 68中
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $20.00;智能体编程会话 $0.120 比 $0.800–
首次回答最快Gemini 4 Hydrogen首个回答 token 16.2 秒(Gemini 4 Hydrogen (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

  • Claude Fable 5.1 (max) 与 Gemini 4 Hydrogen (high) 的质量不相上下(66.7 比 63.4,在 ±3.8 的误差范围内)。
  • Claude Fable 5.1 (max) 在编程、人类偏好、知识、数学方面更强。
  • Gemini 4 Hydrogen (high) 在智能体与工具、推理方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 6.7 倍(每百万 token 混合价格 $3.00 比 $20.00)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 1.9 倍(170 比 89 token/秒)。

概览

规格Claude Fable 5.1Gemini 4 Hydrogen
提供商AnthropicGoogle
发布日期2026年9月1日2026年11月12日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Fable 5.1 (max)Gemini 4 Hydrogen (high)
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$1.50 / $7.50 / $0.075

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)Gemini 4 Hydrogen (high)领先者
推理69.469.6持平
编程69.768.8持平
智能体与工具59.761.7Gemini 4 Hydrogen
数学72.067.8Claude Fable 5.1
知识68.668.5持平
人类偏好69.768.2Claude Fable 5.1
多模态67.5–无法比较
长上下文67.4–无法比较
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推理编程智能体与工具数学知识人类偏好Claude Fable 5.1, 推理: 69.4Claude Fable 5.1, 编程: 69.7Claude Fable 5.1, 智能体与工具: 59.7Claude Fable 5.1, 数学: 72.0Claude Fable 5.1, 知识: 68.6Claude Fable 5.1, 人类偏好: 69.7Gemini 4 Hydrogen, 推理: 69.6Gemini 4 Hydrogen, 编程: 68.8Gemini 4 Hydrogen, 智能体与工具: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 知识: 68.5Gemini 4 Hydrogen, 人类偏好: 68.2

未绘制(测得的模型少于两个):指令遵循, 长上下文, 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 21 项基准测试中,Claude Fable 5.1 领先 11 项,Gemini 4 Hydrogen 领先 10 项。第三方来源看法不一:Claude Fable 5.1 在 Arena Text 上领先;Gemini 4 Hydrogen 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexClaude Fable 5.1 (max)Gemini 4 Hydrogen (high)领先者
BenchLeader Index66.763.4不相上下
AA Intelligence Index v5.0.149.250.8Gemini 4 Hydrogen
Arena Text15021490Claude 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)Gemini 4 Hydrogen (high)
每百万 token 混合价格$20.00$3.00
每百万 token 输入 / 输出$10.00 / $50.00$1.50 / $7.50
每百万 token 缓存输入$0.250$0.075
每项任务价格:聊天回复$0.019$0.0029
每项任务价格:总结一份 30 页的报告$0.150$0.022
每项任务价格:代码编辑$0.135$0.020
每项任务价格:智能体编程会话$0.800$0.120
每项任务价格:结构化信息提取$0.030$0.0045
智能体编程会话(输入大多命中缓存)$0.361$0.056
每项基准测试任务成本(AA Index)$12.99$1.87
每项任务输出 token(AA Index)118k85k
其中推理部分71k48k
每项任务耗时(AA Index)22 min8 min
输出速度89 tok/s170 tok/s
首次回答时间151.4 秒16.2 秒
完整回答耗时(最近一次测量 2026年11月13日)386.7 秒63.3 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 Gemini 4 Hydrogen (high) 上花费 $1.87;完成同样的工作,Claude Fable 5.1 (max) 输出的 token 是对方的 1.4 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)。Gemini 4 Hydrogen (high) 得分 63.4,首个回答 token 需 16 秒;Gemini 4 Hydrogen (xhigh) 为 61.8(42 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 165 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)Gemini 4 Hydrogen (high)
BenchLeader IndexBenchLeader66.763.4
智能体与工具得分BenchLeader59.761.7
编程得分BenchLeader69.768.8
综合得分BenchLeader70.8–
人类偏好得分BenchLeader69.768.2
知识得分BenchLeader68.668.5
长上下文得分BenchLeader67.4–
数学得分BenchLeader72.067.8
多模态得分BenchLeader67.5–
推理得分BenchLeader69.469.6
混合价格(美元/百万 token)BenchLeader$20.00$3.00
输出速度BenchLeader89 tok/s170 tok/s
首次回答时间BenchLeader151.4 秒16.2 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
Humanity's Last ExamScale AI / CAIS46.5%†–
SimpleBenchSimpleBench86.6%†–
Arena Hard PromptsArena (LMArena)15221514
LiveBench 2.0 ReasoningLiveBench91.7%88.6%†
LiveBench 1.0 ReasoningLiveBench91.7%–
GPQA Diamond (AA)Artificial Analysis93.7%–
Humanity's Last Exam (AA)Artificial Analysis59.1%–
HLE-Diamond (AA)Artificial Analysis60.1%54.9%
GPQA Diamond (Vals)Vals AI93.4%–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize90.0%–
CritPtArtificial Analysis29.7%–
CritPt v2 hard subset (AA)Artificial Analysis52.5%61.5%
MysteryMechanismVals AI47.8%–
HLE-Diamond (Scale)Scale AI SEAL51.3%†–
Arena ExpertArena (LMArena)15331542
Chess PuzzlesEpoch AI Benchmarking Hub48.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%–
LMCAEpoch AI Benchmarking Hub65.5%†–
DTBenchEpoch AI Benchmarking Hub97.6%†–
ForecastBenchForecastBench65.7%†–
编程
SciCodeSciCode63.1%–
WeirdMLWeirdML92.9%–
FrontierCodeCognition50.9%†–
GSO-BenchGSO-Bench88.2%†–
显示全部 165 项基准测试
指标发布方Claude Fable 5.1 (max)Gemini 4 Hydrogen (high)
编程
Arena CodingArena (LMArena)15341518
Arena WebDevArena (LMArena)17421704
LiveBench 2.0 CodingLiveBench89.7%78.5%†
LiveBench 1.0 CodingLiveBench86.4%–
LiveCodeBenchVals AI90.5%–
IOIVals AI90.8%–
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%87.8%†
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 SEAL76.4%†–
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%–
CursorBenchCursor51.8%–
ALE-BenchEpoch AI Benchmarking Hub2143.2†–
FrontierSWEEpoch AI Benchmarking Hub56.3%–
WeirdML v3WeirdML26.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%54.0%
Terminal-Bench 2.1 (AA)Artificial Analysis91.4%–
Startrise FrontendStartrise77.1%†–
GameBench 2 OverallDuelLab GameBench 287.1†–
GameBench 2 by reasoning settingDuelLab GameBench 294.0†–
Design Arena WebsiteDesign Arena1305†1320†
FrontierCode 1.1 (AA)Artificial Analysis49.0%–
FrontierCode 2.0 (AA)Artificial Analysis31.6%36.3%
智能体与工具
Terminal-BenchTerminal-Bench57.3%56.4%
Remote Labor IndexScale AI / CAIS17.9%†–
APEX-AgentsMercor68.6%†–
Arena AgentArena (LMArena)14.8–
LiveBench Long AgenticLiveBench74.2%61.8%†
LiveBench BrowserLiveBench89.8%77.1%†
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%–
Finance Agent v2.1Vals AI–65.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.3%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%–
Legal Research BenchVals AI55.3%53.9%†
Robo-benchVals AI5.8%–
SkillsBenchVals AI61.5%–
SREBenchVals AI22.9%–
Tax Agent BenchVals AI50.8%52.3%†
Terminal-Bench 4.0 (Vals)Vals AI58.1%54.0%†
Terminal-Bench ScienceVals AI40.0%–
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†–
SpireClimbEpoch AI Benchmarking Hub2.0%–
AutomationBenchArtificial Analysis59.4%74.4%
GDP.pdf (AA)Artificial Analysis26.2%30.0%
Harvey LAB-AA v1.1Harvey6.4%–
AA-Briefcase v1.1Artificial Analysis16711497
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1338†1262†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis43.3%41.4%
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%–
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.0%–
Arena MathsArena (LMArena)15261495
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.8%–
LiveBench 2.0 Data AnalysisLiveBench80.3%83.2%†
LiveBench ResearchLiveBench88.5%86.8%†
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis46.343.7
MMLU-ProVals AI92.4%–
LegalBenchVals AI88.5%–
TaxEvalVals AI76.0%–
PRBench FinanceScale AI SEAL50.8%†–
PRBench LegalScale AI SEAL51.6%†–
Excel Modeling BenchmarkVals AI76.7%–
Excel Modeling Benchmark v1.1Vals AI76.7%75.8%†
MedCodeVals AI53.5%–
MedScribeVals AI91.3%–
Public Benefits Bench v1.1Vals AI74.9%–
Financial Coaching BenchVals AI75.7%–
Immigration BenchVals AI75.4%–
EBR-benchEpoch AI Benchmarking Hub57.1%–
GDP.pdfEpoch AI Benchmarking Hub27.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis68.4%48.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis30.0%91.3%
HealthBench Professional (AA)OpenAI57.8%–
指令遵循
LiveBench LanguageLiveBench89.5%–
LiveBench Instruction FollowingLiveBench73.0%–
Arena Instruction FollowingArena (LMArena)15011503
人类偏好
Arena TextArena (LMArena)15021490
EQ-Bench Creative Writing v3EQ-Bench2155†–
Arena Creative WritingArena (LMArena)14901492
Arena Multi-turnArena (LMArena)14851476
Arena Longer QueriesArena (LMArena)15101514
多模态
Arena VisionArena (LMArena)1322–
LiveBench DesignLiveBench81.6%77.3%†
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%–
Arena DocumentArena (LMArena)1498–
MLCRArtificial Analysis15.6%21.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.0†–
LiveBench 2.0LiveBench84.0%77.0%†
LiveBench 1.0LiveBench83.4%–
AA Intelligence Index v5.0.1Artificial Analysis49.250.8
AA Intelligence Index v4.3.2Artificial Analysis53.4–
AA Progress Index v1Artificial Analysis340.8–
Vals IndexVals AI–68.5†
Vals Finance IndexVals AI–66.1%†
Vals RSI IndexVals AI36.1%–
Vals Legal IndexVals AI–73.6%†
AA Cyber IndexArtificial Analysis25.0–
安全与诚实
FORTRESSScale AI SEAL13.7%†–
DistressBenchScale AI SEAL71.5%†–

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)。
  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • 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)。
  • Claude Fable 5.1 (max):1 项分数修订。
  • Claude Fable 5.1 (max):1 项分数修订。
  • 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 Gemini 4 Hydrogen:常见问题

Claude Fable 5.1 比 Gemini 4 Hydrogen 更好吗?
Claude Fable 5.1 (max) 与 Gemini 4 Hydrogen (high) 的质量不相上下(66.7 比 63.4,在 ±3.8 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Fable 5.1 和 Gemini 4 Hydrogen 哪个更便宜?价格会变吗?
目前 Gemini 4 Hydrogen 更便宜:每百万 token $3.00 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 Gemini 4 Hydrogen 更好?
两者在编程方面持平(类别得分 70 比 69)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Fable 5.1 为 1742,Gemini 4 Hydrogen 为 1704。
Claude Fable 5.1 和 Gemini 4 Hydrogen 哪个更快?
Gemini 4 Hydrogen 输出更快(约 1.5 倍;输出 170 比 89 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Fable 5.1 还是 Gemini 4 Hydrogen 更好?
Gemini 4 Hydrogen 在智能体任务方面得分更高(类别得分 62 比 60,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Fable 5.1 为 57.3%,Gemini 4 Hydrogen 为 56.4%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1M token(Claude Fable 5.1 为 1,000,000,Gemini 4 Hydrogen 为 1,048,576)。
哪个延迟更低?
Gemini 4 Hydrogen 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 16.2 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 Gemini 4 Hydrogen 的看法一致吗?
在两者都有结果的 21 项基准测试中,Claude Fable 5.1 领先 11 项,Gemini 4 Hydrogen 领先 10 项。第三方来源看法不一:Claude Fable 5.1 在 Arena Text 上领先;Gemini 4 Hydrogen 在 AA Intelligence Index v5.0.1 上领先。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。