Claude Fable 5.1 vs GPT-5.3-Codex
完整资料:Claude Fable 5.1(Anthropic)和 GPT-5.3-Codex(OpenAI),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 GPT-5.3-Codex 的质量不相上下(BenchLeader Index 66.7 比 62.9,在 ±7.7 的误差范围内)。GPT-5.3-Codex 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $4.81 比 $20.00)。看重编程(70 比 61)、多模态(68 比 61)和长上下文(67 比 66)选 Claude Fable 5.1;看重智能体与工具(80 比 60)选 GPT-5.3-Codex。GPT-5.3-Codex 的首次回答更快(38.2 秒 比 151.4 秒)。
要点(截至 2026年11月16日)
- Claude Fable 5.1 的 BenchLeader Index 为 66.7,GPT-5.3-Codex 为 62.9(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)。
- GPT-5.3-Codex 每百万 token 混合价格为 $4.81(标价,2026年11月16日)。
- 在两者都有结果的 10 项基准测试中,Claude Fable 5.1 领先 10 项(BenchLeader,2026年11月16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 70 比 61;LiveCodeBench 90.5% 比 87.3% | 高 |
| 智能体与工具调用 | GPT-5.3-Codex | 类别得分 80 比 60;AA-Briefcase v1.1 868 比 1671 | 高 |
| 长文档 | Claude Fable 5.1 | 类别得分 67 比 66;AA-LCR v1.1 85.3% 比 83.3% | 中 |
| 图像及其他媒体 | Claude Fable 5.1 | 类别得分 68 比 61 | 中 |
| 对话质量(人类偏好) | – | 只有 Claude Fable 5.1 有 Arena 评分(类别得分 70) | 无法比较 |
| 成本最低 | GPT-5.3-Codex | 每百万 token 混合价格 $4.81 比 $20.00;智能体编程会话 $0.161 比 $0.800 | – |
| 首次回答最快 | GPT-5.3-Codex | 首个回答 token 38.2 秒(GPT-5.3-Codex (xhigh))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 GPT-5.3-Codex (xhigh) 的质量不相上下(66.7 比 62.9,在 ±7.7 的误差范围内)。
- Claude Fable 5.1 (max) 在编程、长上下文、多模态方面更强。
- GPT-5.3-Codex (xhigh) 在智能体与工具方面更强。
- GPT-5.3-Codex (xhigh) 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $4.81 比 $20.00)。
概览
| 规格 | Claude Fable 5.1 | GPT-5.3-Codex |
|---|---|---|
| 提供商 | Anthropic | OpenAI |
| 发布日期 | 2026年9月1日 | 2026年2月5日 |
| 上下文窗口(token) | 1,000,000 | 400,000 |
| 对比时的配置 | Claude Fable 5.1 (max) | GPT-5.3-Codex (xhigh) |
| 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 | $1.75 / $14.00 / $0.175 |
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) | GPT-5.3-Codex (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 69.4 | – | 无法比较 |
| 编程 | 69.7 | 61.0 | Claude Fable 5.1 |
| 智能体与工具 | 59.7 | 80.1 | GPT-5.3-Codex |
| 数学 | 72.0 | – | 无法比较 |
| 知识 | 68.6 | – | 无法比较 |
| 指令遵循 | – | 73.6 | 无法比较 |
| 人类偏好 | 69.7 | – | 无法比较 |
| 多模态 | 67.5 | 60.8 | Claude Fable 5.1 |
| 长上下文 | 67.4 | 66.4 | Claude 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。
未绘制(测得的模型少于两个):推理, 数学, 知识, 指令遵循, 人类偏好。
各来源的分歧
在两者都有结果的 10 项基准测试中,Claude Fable 5.1 领先 10 项,GPT-5.3-Codex 领先 0 项。
| 综合 Index | Claude Fable 5.1 (max) | GPT-5.3-Codex (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 66.7 | 62.9 | 不相上下 |
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) | GPT-5.3-Codex (xhigh) |
|---|---|---|
| 每百万 token 混合价格 | $20.00 | $4.81 |
| 每百万 token 输入 / 输出 | $10.00 / $50.00 | $1.75 / $14.00 |
| 每百万 token 缓存输入 | $0.250 | $0.175 |
| 每项任务价格:聊天回复 | $0.019 | $0.0049 |
| 每项任务价格:总结一份 30 页的报告 | $0.150 | $0.029 |
| 每项任务价格:代码编辑 | $0.135 | $0.032 |
| 每项任务价格:智能体编程会话 | $0.800 | $0.161 |
| 每项任务价格:结构化信息提取 | $0.030 | $0.0063 |
| 智能体编程会话(输入大多命中缓存) | $0.361 | $0.090 |
| 每项基准测试任务成本(AA Index) | $12.99 | – |
| 每项任务输出 token(AA Index) | 118k | – |
| 其中推理部分 | 71k | – |
| 每项任务耗时(AA Index) | 22 min | – |
| 输出速度 | 89 tok/s | 94 tok/s |
| 首次回答时间 | 151.4 秒 | 38.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 386.7 秒 | 97.1 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 (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)。GPT-5.3-Codex (xhigh) 得分 62.9,首个回答 token 需 38 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 168 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) | GPT-5.3-Codex (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 66.7 | 62.9 |
| 智能体与工具得分 | BenchLeader | 59.7 | 80.1 |
| 编程得分 | BenchLeader | 69.7 | 61.0 |
| 综合得分 | BenchLeader | 70.8 | – |
| 人类偏好得分 | BenchLeader | 69.7 | – |
| 知识得分 | BenchLeader | 68.6 | – |
| 长上下文得分 | BenchLeader | 67.4 | 66.4 |
| 数学得分 | BenchLeader | 72.0 | – |
| 多模态得分 | BenchLeader | 67.5 | 60.8 |
| 推理得分 | BenchLeader | 69.4 | – |
| 指令遵循得分 | BenchLeader | – | 73.6 |
| 混合价格(美元/百万 token) | BenchLeader | $20.00 | $4.81 |
| 输出速度 | BenchLeader | 89 tok/s | 94 tok/s |
| 首次回答时间 | BenchLeader | 151.4 秒 | 38.2 秒 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 400,000 token |
| 推理 | |||
| Humanity's Last Exam | Scale AI / CAIS | 46.5%† | – |
| SimpleBench | SimpleBench | 86.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1522 | – |
| LiveBench 2.0 Reasoning | LiveBench | 91.7% | – |
| LiveBench 1.0 Reasoning | LiveBench | 91.7% | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.7% | 91.5% |
| Humanity's Last Exam (AA) | Artificial Analysis | 59.1% | 42.5% |
| HLE-Diamond (AA) | Artificial Analysis | 60.1% | – |
| GPQA Diamond (Vals) | Vals AI | 93.4% | – |
| ARC-AGI-1 | ARC Prize | 97.5% | – |
| ARC-AGI-2 | ARC Prize | 90.0% | – |
| CritPt | Artificial Analysis | 29.7% | 16.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 52.5% | – |
| MysteryMechanism | Vals AI | 47.8% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 51.3%† | – |
| Arena Expert | Arena (LMArena) | 1533 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 48.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 58.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 65.5%† | – |
| DTBench | Epoch AI Benchmarking Hub | 97.6%† | – |
| ForecastBench | ForecastBench | 65.7%† | – |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | – | 74.8%† |
| SciCode | SciCode | 63.1% | – |
| WeirdML | WeirdML | 92.9% | 77.9% |
| FrontierCode | Cognition | 50.9%† | – |
显示全部 168 项基准测试
| 指标 | 发布方 | Claude Fable 5.1 (max) | GPT-5.3-Codex (xhigh) |
|---|---|---|---|
| 编程 | |||
| GSO-Bench | GSO-Bench | 88.2%† | – |
| Arena Coding | Arena (LMArena) | 1534 | – |
| Arena WebDev | Arena (LMArena) | 1742 | 1406† |
| LiveBench 2.0 Coding | LiveBench | 89.7% | – |
| LiveBench 1.0 Coding | LiveBench | 86.4% | – |
| LiveCodeBench | Vals AI | 90.5% | 87.3% |
| IOI | Vals AI | 90.8% | 53.8% |
| SWE-bench (Vals) | Vals AI | – | 78.0% |
| Code Migration | Vals AI | 54.6% | – |
| ProgramBench | Vals AI | 7.0% | – |
| SWE-bench Multimodal | Vals AI | 61.3% | – |
| Vibe Code Bench 1-100 | Vals AI | 28.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 90.3% | 61.8% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 60.0%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 56.7%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 67.0%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 76.4%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 79.0%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 78.9%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 71.4%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 99.1%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 92.2%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 93.3% | – |
| CursorBench | Cursor | 51.8% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2143.2† | 1655.2 |
| FrontierSWE | Epoch AI Benchmarking Hub | 56.3% | – |
| WeirdML v3 | WeirdML | 26.0%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 52.0% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 91.4% | – |
| Startrise Frontend | Startrise | 77.1%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 87.1† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 94.0† | – |
| Design Arena Website | Design Arena | 1305† | 1155† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 49.0% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 31.6% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 57.3% | 78.4%† |
| Remote Labor Index | Scale AI / CAIS | 17.9%† | – |
| APEX-Agents | Mercor | 68.6%† | – |
| Arena Agent | Arena (LMArena) | 14.8 | – |
| LiveBench Long Agentic | LiveBench | 74.2% | – |
| LiveBench Browser | LiveBench | 89.8% | – |
| LiveBench Agentic Coding | LiveBench | 66.1% | – |
| Terminal-Bench Hard | Artificial Analysis | – | 53.0% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 86.0% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 85.0%† | – |
| MCP Atlas | Scale AI SEAL | 87.2%† | – |
| HiL-Bench | Scale AI SEAL | 61.5%† | 4.3%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 62.7% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1765 | – |
| τ³-Banking (AA) | Artificial Analysis | 47.2% | – |
| ITBench SRE (AA) | Artificial Analysis | 49.5% | – |
| Analyst Agent (AA) | Artificial Analysis | 57.5% | – |
| CUA-bench | Vals AI | 13.2% | – |
| CyberBench | Vals AI | 70.4% | – |
| Finance Agent v2 | Vals AI | 58.9% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 6.7% | – |
| Legal Research Bench | Vals AI | 55.3% | – |
| Robo-bench | Vals AI | 5.8% | – |
| SkillsBench | Vals AI | 61.5% | – |
| SREBench | Vals AI | 22.9% | – |
| Tax Agent Bench | Vals AI | 50.8% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | – | 64.0%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 58.1% | – |
| Terminal-Bench Science | Vals AI | 40.0% | – |
| Time Horizon Index: KSP | Vals AI | 63.3% | – |
| Arena Search | Arena (LMArena) | 1227† | – |
| Arena Agent Task Completion | Arena (LMArena) | 14.4 | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 44.6% | – |
| METR Time Horizons | METR | – | 74.5%† |
| Vending-Bench 2 | Andon Labs | 5421.6† | 5940.1† |
| SpireClimb | Epoch AI Benchmarking Hub | 2.0% | – |
| AutomationBench | Artificial Analysis | 59.4% | – |
| GDP.pdf (AA) | Artificial Analysis | 26.2% | – |
| Harvey LAB-AA v1.1 | Harvey | 6.4% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1671 | 868 |
| GDPx | GDPx by SemiAnalysis | 8.5% | – |
| Design Arena Agentic | Design Arena | 1338† | 1018† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 43.3% | – |
| CWE-Bench (AA) | Artificial Analysis | 50.8% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 23.5% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.8% | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 90.2% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 87.8% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | – |
| ProofBench | Vals AI | 100.0% | – |
| LiveBench Mathematics | LiveBench | 97.0% | – |
| Arena Maths | Arena (LMArena) | 1526 | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 70.8% | – |
| LiveBench 2.0 Data Analysis | LiveBench | 80.3% | – |
| LiveBench Research | LiveBench | 88.5% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 80.3% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 46.3 | – |
| MMLU-Pro | Vals AI | 92.4% | – |
| LegalBench | Vals AI | 88.5% | – |
| TaxEval | Vals AI | 76.0% | – |
| PRBench Finance | Scale AI SEAL | 50.8%† | – |
| PRBench Legal | Scale AI SEAL | 51.6%† | – |
| Excel Modeling Benchmark | Vals AI | 76.7% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 76.7% | – |
| MedCode | Vals AI | 53.5% | – |
| MedScribe | Vals AI | 91.3% | – |
| Public Benefits Bench v1.1 | Vals AI | 74.9% | – |
| Financial Coaching Bench | Vals AI | 75.7% | – |
| Immigration Bench | Vals AI | 75.4% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 57.1% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 27.6% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 68.4% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 30.0% | – |
| HealthBench Professional (AA) | OpenAI | 57.8% | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 89.5% | – |
| LiveBench Instruction Following | LiveBench | 73.0% | – |
| IFBench | Artificial Analysis | – | 75.4% |
| Arena Instruction Following | Arena (LMArena) | 1501 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1502 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2155† | – |
| Arena Creative Writing | Arena (LMArena) | 1490 | – |
| Arena Multi-turn | Arena (LMArena) | 1485 | – |
| Arena Longer Queries | Arena (LMArena) | 1510 | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1322 | – |
| LiveBench Design | LiveBench | 81.6% | – |
| MMMU-Pro | Artificial Analysis | – | 78.5% |
| MMMU-Pro (Vals) | Vals AI | 90.6% | – |
| MortgageTax | Vals AI | 70.8% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 40.8%† | – |
| GeoBench | GeoBench | 84.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 41.9%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 70.0% | – |
| Code2Video-AA | Artificial Analysis | 1325 | – |
| AA-3D | Artificial Analysis | 1139 | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 85.3% | 83.3% |
| Arena Document | Arena (LMArena) | 1498 | – |
| MLCR | Artificial Analysis | 15.6% | – |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 167.0† | – |
| LiveBench 2.0 | LiveBench | 84.0% | – |
| LiveBench 1.0 | LiveBench | 83.4% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 49.2 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 53.4 | 32.5 |
| AA Progress Index v1 | Artificial Analysis | 340.8 | 301.3 |
| Vals RSI Index | Vals AI | 36.1% | – |
| AA Cyber Index | Artificial Analysis | 25.0 | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 13.7%† | – |
| DistressBench | Scale AI SEAL | 71.5%† | – |
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)。
- 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。
- Claude Fable 5.1 (max):1 项新结果(MirrorCode)。
相关对比
- Claude Fable 5.1 vs Claude Fable 5.2
- Claude Fable 5.1 vs Gemini 4 Carbon
- Claude Fable 5.1 vs Claude Opus 5.5
- GPT-5.3-Codex vs Claude Fable 5.2
- GPT-5.3-Codex vs Gemini 4 Carbon
- GPT-5.3-Codex vs Claude Opus 5.5
- GPT-5.3-Codex vs GPT-6 Astra
- Claude Opus 5 vs GPT-5.3-Codex
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 GPT-5.3-Codex:常见问题
- Claude Fable 5.1 比 GPT-5.3-Codex 更好吗?
- Claude Fable 5.1 (max) 与 GPT-5.3-Codex (xhigh) 的质量不相上下(66.7 比 62.9,在 ±7.7 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 GPT-5.3-Codex 哪个更便宜?价格会变吗?
- 目前 GPT-5.3-Codex 更便宜:每百万 token $4.81 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 GPT-5.3-Codex 更好?
- Claude Fable 5.1 在编程方面得分更高(类别得分 70 比 61,50 为平均水平)。在两者共同的最主要编程基准测试 LiveCodeBench 上,Claude Fable 5.1 为 90.5%,GPT-5.3-Codex 为 87.3%。
- Claude Fable 5.1 和 GPT-5.3-Codex 哪个更快?
- GPT-5.3-Codex 输出更快(输出 94 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 GPT-5.3-Codex 更好?
- GPT-5.3-Codex 在智能体任务方面得分更高(类别得分 80 比 60,50 为平均水平)。
更多问题(4)
- 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 66)。Claude Fable 5.1 支持更长的上下文:1,000,000 token,GPT-5.3-Codex 为 400,000 token。
- 哪个延迟更低?
- GPT-5.3-Codex 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 38.2 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 GPT-5.3-Codex 的看法一致吗?
- 在两者都有结果的 10 项基准测试中,Claude Fable 5.1 领先 10 项,GPT-5.3-Codex 领先 0 项。
- 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。