BenchLeader

Claude Fable 5.1 vs Gemini 4 Neon

完整资料:Claude Fable 5.1(Anthropic)和 Gemini 4 Neon(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19日,Claude Fable 5.1 与 Gemini 4 Neon 的质量不相上下(BenchLeader Index 66.4 比 67.3,在 ±3.9 的误差范围内)。Gemini 4 Neon 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $6.00 比 $20.00)。在两者都有成绩的所有类别中,Gemini 4 Neon 均领先。

要点(截至 2026年11月19日)

  • Claude Fable 5.1 的 BenchLeader Index 为 66.4,Gemini 4 Neon 为 67.3(BenchLeader,2026年11月19日)。
  • Claude Fable 5.1 每百万 token 混合价格为 $20.00(标价,2026年11月19日)。
  • Gemini 4 Neon 每百万 token 混合价格为 $6.00(标价,2026年11月19日)。
  • 在两者都有结果的 22 项基准测试中,Gemini 4 Neon 领先 20 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,Claude Fable 5.1 的评分为 1741,Gemini 4 Neon 为 1764(LMArena,截至 2026年11月19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Gemini 4 Neon类别得分 73 比 69;Arena WebDev 1764 比 1741中
智能体与工具调用Gemini 4 Neon类别得分 76 比 62;Arena Agent 18.4 比 13.7高
推理Gemini 4 Neon类别得分 72 比 68;HLE-Diamond (AA) 68.4% 比 60.1%中
知识Gemini 4 Neon类别得分 72 比 68;AA-Omniscience v1.1 53.8 比 46.3中
对话质量(人类偏好)Gemini 4 NeonArena 投票 72 比 70中
成本最低Gemini 4 Neon每百万 token 混合价格 $6.00 比 $20.00;智能体编程会话 $0.240 比 $0.800–
首次回答最快Gemini 4 Neon首个回答 token 40.6 秒(Gemini 4 Neon (high))比 140.2 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 Neon (high) 的质量不相上下(66.4 比 67.3,在 ±3.9 的误差范围内)。
  • Gemini 4 Neon (high) 在智能体与工具、编程、人类偏好、知识、推理方面更强。
  • Gemini 4 Neon (high) 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $6.00 比 $20.00)。

概览

规格Claude Fable 5.1Gemini 4 Neon
提供商AnthropicGoogle
发布日期2026年9月1日2026年11月18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 Neon (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$3.00 / $15.00 / $0.150

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 Neon (high)领先者
推理68.071.9Gemini 4 Neon
编程69.073.4Gemini 4 Neon
智能体与工具62.076.2Gemini 4 Neon
数学71.7–无法比较
知识68.072.3Gemini 4 Neon
人类偏好69.771.7Gemini 4 Neon
多模态67.5–无法比较
长上下文67.4–无法比较
综合68.5–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知识人类偏好Claude Fable 5.1, 推理: 68.0Claude Fable 5.1, 编程: 69.0Claude Fable 5.1, 智能体与工具: 62.0Claude Fable 5.1, 知识: 68.0Claude Fable 5.1, 人类偏好: 69.7Gemini 4 Neon, 推理: 71.9Gemini 4 Neon, 编程: 73.4Gemini 4 Neon, 智能体与工具: 76.2Gemini 4 Neon, 知识: 72.3Gemini 4 Neon, 人类偏好: 71.7

未绘制(测得的模型少于两个):数学, 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 22 项基准测试中,Claude Fable 5.1 领先 2 项,Gemini 4 Neon 领先 20 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。

综合 IndexClaude Fable 5.1 (max)Gemini 4 Neon (high)领先者
BenchLeader Index66.467.3不相上下
AA Intelligence Index v5.0.149.259.6Gemini 4 Neon
Arena Text15021519Gemini 4 Neon

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 Neon (high)
每百万 token 混合价格$20.00$6.00
每百万 token 输入 / 输出$10.00 / $50.00$3.00 / $15.00
每百万 token 缓存输入$0.250$0.150
每项任务价格:聊天回复$0.019$0.0057
每项任务价格:总结一份 30 页的报告$0.150$0.045
每项任务价格:代码编辑$0.135$0.041
每项任务价格:智能体编程会话$0.800$0.240
每项任务价格:结构化信息提取$0.030$0.0090
智能体编程会话(输入大多命中缓存)$0.361$0.112
每项基准测试任务成本(AA Index)$12.99$3.74
每项任务输出 token(AA Index)118k90k
其中推理部分71k46k
每项任务耗时(AA Index)22 min15 min
输出速度90 tok/s101 tok/s
首次回答时间140.2 秒40.6 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 Gemini 4 Neon (high) 上花费 $3.74;完成同样的工作,Claude Fable 5.1 (max) 输出的 token 是对方的 1.3 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 66.4,首个回答 token 需 140 秒;Claude Fable 5.1 为 66.1(4 秒),Claude Fable 5.1 (xhigh) 为 63.9(40 秒)。Gemini 4 Neon (high) 得分 67.3,首个回答 token 需 41 秒;Gemini 4 Neon (xhigh) 为 64.3(57 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 161 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 Neon (high)
BenchLeader IndexBenchLeader66.467.3
智能体与工具得分BenchLeader62.076.2
编程得分BenchLeader69.073.4
综合得分BenchLeader68.5–
人类偏好得分BenchLeader69.771.7
知识得分BenchLeader68.072.3
长上下文得分BenchLeader67.4–
数学得分BenchLeader71.7–
多模态得分BenchLeader67.5–
推理得分BenchLeader68.071.9
混合价格(美元/百万 token)BenchLeader$20.00$6.00
输出速度BenchLeader90 tok/s101 tok/s
首次回答时间BenchLeader140.2 秒40.6 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)15211546
LiveBench 2.0 ReasoningLiveBench91.7%89.6%†
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%68.4%
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%59.0%
MysteryMechanismVals AI47.8%–
HLE-Diamond (Scale)Scale AI SEAL51.3%†–
Arena ExpertArena (LMArena)15341541
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%†–
编程
SciCodeSciCode63.1%–
WeirdMLWeirdML92.9%–
FrontierCodeCognition50.9%†–
GSO-BenchGSO-Bench88.2%†–
显示全部 161 项基准测试
指标发布方Claude Fable 5.1 (max)Gemini 4 Neon (high)
编程
Arena CodingArena (LMArena)15321558
Arena WebDevArena (LMArena)17411764
LiveBench 2.0 CodingLiveBench89.7%89.7%†
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%–
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%–
CursorBenchCursor51.8%–
ALE-BenchEpoch AI Benchmarking Hub2143.2†–
FrontierSWEEpoch AI Benchmarking Hub56.3%–
WeirdML v3WeirdML26.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%61.6%
Terminal-Bench 2.1 (AA)Artificial Analysis91.4%–
Startrise FrontendStartrise77.1%†–
GameBench 2 OverallDuelLab GameBench 287.1†–
GameBench 2 by reasoning settingDuelLab GameBench 294†–
Design Arena WebsiteDesign Arena1298†–
FrontierCode 1.1 (AA)Artificial Analysis49.0%–
FrontierCode 2.0 (AA)Artificial Analysis31.6%43.3%
智能体与工具
Terminal-BenchTerminal-Bench57.3%–
Remote Labor IndexScale AI / CAIS17.9%†–
APEX-AgentsMercor68.6%†–
Arena AgentArena (LMArena)13.718.4
LiveBench Long AgenticLiveBench74.2%82.6%†
LiveBench BrowserLiveBench89.8%95.6%†
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)14.219.2
PostTrainBenchEpoch AI Benchmarking Hub44.6%–
Vending-Bench 2Andon Labs5421.6†–
SpireClimbEpoch AI Benchmarking Hub2.0%–
AutomationBenchArtificial Analysis59.4%79.2%
GDP.pdf (AA)Artificial Analysis26.2%33.4%
Harvey LAB-AA v1.1Harvey6.4%–
AA-Briefcase v1.1Artificial Analysis16711632
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1332†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis43.3%65.7%
CWE-Bench (AA)Artificial Analysis50.8%–
DeepSec-Bench (AA)Artificial Analysis23.5%–
CyberGym end-to-end (AA)Artificial Analysis0.8%–
MKA (AA)Artificial Analysis–54.6%
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)1528–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.8%–
LiveBench 2.0 Data AnalysisLiveBench80.3%85.3%†
LiveBench ResearchLiveBench88.5%94.5%†
LiveBench 1.0 Data AnalysisLiveBench80.3%–
AA-Omniscience v1.1Artificial Analysis46.353.8
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%–
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 Hub49.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis68.4%59.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis30.0%86.1%
HealthBench Professional (AA)OpenAI57.8%–
指令遵循
LiveBench LanguageLiveBench89.5%–
LiveBench Instruction FollowingLiveBench73.0%–
Arena Instruction FollowingArena (LMArena)15021522
人类偏好
Arena TextArena (LMArena)15021519
EQ-Bench Creative Writing v3EQ-Bench2155†–
Arena Creative WritingArena (LMArena)14921514
Arena Multi-turnArena (LMArena)14841529
Arena Longer QueriesArena (LMArena)15101521
多模态
Arena VisionArena (LMArena)1322–
LiveBench DesignLiveBench81.6%81.5%†
MMMU-Pro (Vals)Vals AI90.6%–
MortgageTaxVals AI70.8%–
Humanity's Sixth SenseScale AI SEAL40.8%†75.9%†
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%28.9%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.1†–
LiveBench 2.0LiveBench84.0%87.4%†
LiveBench 1.0LiveBench83.4%–
AA Intelligence Index v5.0.1Artificial Analysis49.259.6
AA Intelligence Index v4.3.2Artificial Analysis53.4–
AA Progress Index v1Artificial Analysis340.8–
Vals RSI IndexVals AI36.1%–
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19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), 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):1 项分数修订。
  • Gemini 4 Neon (high):13 项新结果(MLCR, MKA (AA), Arena Text…)。
  • Gemini 4 Neon (high):首批结果。
  • 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):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)。
  • 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)。

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 Neon:常见问题

Claude Fable 5.1 比 Gemini 4 Neon 更好吗?
Claude Fable 5.1 (max) 与 Gemini 4 Neon (high) 的质量不相上下(66.4 比 67.3,在 ±3.9 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19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 Neon 哪个更便宜?价格会变吗?
目前 Gemini 4 Neon 更便宜:每百万 token $6.00 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 Neon 更好?
Gemini 4 Neon 在编程方面得分更高(类别得分 73 比 69,50 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 1741,Gemini 4 Neon 为 1764。
Claude Fable 5.1 和 Gemini 4 Neon 哪个更快?
Gemini 4 Neon 输出更快(输出 101 比 90 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 Neon 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 比 62,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Claude Fable 5.1 为 13.7,Gemini 4 Neon 为 18.4。
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 Neon 为 1,048,576)。
哪个延迟更低?
Gemini 4 Neon 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 40.6 秒比 140.2 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 Neon 的看法一致吗?
在两者都有结果的 22 项基准测试中,Claude Fable 5.1 领先 2 项,Gemini 4 Neon 领先 20 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。
Gemini 4 Neon 是什么时候发布的?
Gemini 4 Neon 于 2026年11月18日 发布。