Claude Fable 5.1 vs GPT-5.6 Terra
完整资料:Claude Fable 5.1(Anthropic)和 GPT-5.6 Terra(OpenAI),包括全部基准测试、价格和排名。
更新于 · 数据来自 13 个来源
截至 2026年11月16日,质量上 Claude Fable 5.1 领先 GPT-5.6 Terra(BenchLeader Index 66.7 比 60.1)。不过,GPT-5.6 Terra 更便宜,对方的价格是它的 4.4 倍(每百万 token 混合价格 $4.50 比 $20.00)。看重知识(69 比 53)、推理(69 比 55)和编程(70 比 59)选 Claude Fable 5.1;看重智能体与工具(63 比 60)选 GPT-5.6 Terra。GPT-5.6 Terra 的首次回答更快(19.2 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-5.6 Terra 为 60.1(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-5.6 Terra 每百万 token 混合价格为 $4.50(标价,2026年11月16日)。
- 在两者都有结果的 43 项基准测试中,Claude Fable 5.1 领先 41 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Claude Fable 5.1 的评分为 1742,GPT-5.6 Terra 为 1520(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 59;Arena WebDev 1742 比 1520 | 高 |
| 智能体与工具调用 | GPT-5.6 Terra | 类别得分 63 比 60;τ³-Banking (AA) 29.7% 比 47.2% | 中 |
| 数学 | Claude Fable 5.1 | 类别得分 72 比 66;Arena Maths 1526 比 1478 | 中 |
| 推理 | Claude Fable 5.1 | 类别得分 69 比 55;HLE-Diamond (AA) 60.1% 比 24.7% | 高 |
| 知识 | Claude Fable 5.1 | 类别得分 69 比 53;AA-Omniscience v1.1 46.3 比 -11.5 | 高 |
| 长文档 | Claude Fable 5.1 | 类别得分 67 比 64;AA-LCR v1.1 85.3% 比 79.0% | 中 |
| 图像及其他媒体 | Claude Fable 5.1 | 类别得分 68 比 61;Arena Vision 1322 比 1269 | 中 |
| 对话质量(人类偏好) | Claude Fable 5.1 | Arena 投票 70 比 66 | 中 |
| 成本最低 | GPT-5.6 Terra | 每百万 token 混合价格 $4.50 比 $20.00;智能体编程会话 $0.168 比 $0.800 | – |
| 首次回答最快 | GPT-5.6 Terra | 首个回答 token 19.2 秒(GPT-5.6 Terra (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
- 质量上 Claude Fable 5.1 (max) 领先:66.7 比 60.1。
- Claude Fable 5.1 (max) 在编程、人类偏好、知识、长上下文、数学、多模态、推理方面更强。
- GPT-5.6 Terra (xhigh) 在智能体与工具方面更强。
- GPT-5.6 Terra (xhigh) 更便宜,对方的价格是它的 4.4 倍(每百万 token 混合价格 $4.50 比 $20.00)。
概览
| 规格 | Claude Fable 5.1 | GPT-5.6 Terra |
|---|---|---|
| 提供商 | Anthropic | OpenAI |
| 发布日期 | 2026年9月1日 | 2026年7月9日 |
| 上下文窗口(token) | 1,000,000 | 1,050,000 |
| 对比时的配置 | Claude Fable 5.1 (max) | GPT-5.6 Terra (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 | $2.00 / $12.00 / $0.200 |
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-5.6 Terra (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 69.4 | 54.8 | Claude Fable 5.1 |
| 编程 | 69.7 | 59.1 | Claude Fable 5.1 |
| 智能体与工具 | 59.7 | 63.1 | GPT-5.6 Terra |
| 数学 | 72.0 | 65.7 | Claude Fable 5.1 |
| 知识 | 68.6 | 53.0 | Claude Fable 5.1 |
| 指令遵循 | – | 65.6 | 无法比较 |
| 人类偏好 | 69.7 | 65.5 | Claude Fable 5.1 |
| 多模态 | 67.5 | 61.2 | Claude Fable 5.1 |
| 长上下文 | 67.4 | 64.1 | 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):指令遵循。
各来源的分歧
在两者都有结果的 43 项基准测试中,Claude Fable 5.1 领先 41 项,GPT-5.6 Terra 领先 2 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 Index | Claude Fable 5.1 (max) | GPT-5.6 Terra (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 66.7 | 60.1 | Claude Fable 5.1 |
| AA Intelligence Index v5.0.1 | 49.2 | 32.3† | Claude Fable 5.1 |
| Arena Text | 1502 | 1468 | Claude 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) | GPT-5.6 Terra (xhigh) |
|---|---|---|
| 每百万 token 混合价格 | $20.00 | $4.50 |
| 每百万 token 输入 / 输出 | $10.00 / $50.00 | $2.00 / $12.00 |
| 每百万 token 缓存输入 | $0.250 | $0.200 |
| 每项任务价格:聊天回复 | $0.019 | $0.0044 |
| 每项任务价格:总结一份 30 页的报告 | $0.150 | $0.031 |
| 每项任务价格:代码编辑 | $0.135 | $0.030 |
| 每项任务价格:智能体编程会话 | $0.800 | $0.168 |
| 每项任务价格:结构化信息提取 | $0.030 | $0.0064 |
| 智能体编程会话(输入大多命中缓存) | $0.361 | $0.087 |
| 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 | 97 tok/s |
| 首次回答时间 | 151.4 秒 | 19.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 386.7 秒 | 84.0 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-5.6 Terra (xhigh) 得分 60.1,首个回答 token 需 19 秒;GPT-5.6 Terra (max) 为 59.5(73 秒),GPT-5.6 Terra (high) 为 56.8(6 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 181 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-5.6 Terra (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 66.7 | 60.1 |
| 智能体与工具得分 | BenchLeader | 59.7 | 63.1 |
| 编程得分 | BenchLeader | 69.7 | 59.1 |
| 综合得分 | BenchLeader | 70.8 | – |
| 人类偏好得分 | BenchLeader | 69.7 | 65.5 |
| 知识得分 | BenchLeader | 68.6 | 53.0 |
| 长上下文得分 | BenchLeader | 67.4 | 64.1 |
| 数学得分 | BenchLeader | 72.0 | 65.7 |
| 多模态得分 | BenchLeader | 67.5 | 61.2 |
| 推理得分 | BenchLeader | 69.4 | 54.8 |
| 指令遵循得分 | BenchLeader | – | 65.6 |
| 混合价格(美元/百万 token) | BenchLeader | $20.00 | $4.50 |
| 输出速度 | BenchLeader | 89 tok/s | 97 tok/s |
| 首次回答时间 | BenchLeader | 151.4 秒 | 19.2 秒 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 1,050,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 93.3%† |
| Humanity's Last Exam | Scale AI / CAIS | 46.5%† | – |
| SimpleBench | SimpleBench | 86.6%† | 48.9% |
| Arena Hard Prompts | Arena (LMArena) | 1522 | 1491 |
| LiveBench 2.0 Reasoning | LiveBench | 91.7% | 90.6%† |
| LiveBench 1.0 Reasoning | LiveBench | 91.7% | 90.6%† |
| GPQA Diamond (AA) | Artificial Analysis | 93.7% | 90.8% |
| Humanity's Last Exam (AA) | Artificial Analysis | 59.1% | 41.9% |
| HLE-Diamond (AA) | Artificial Analysis | 60.1% | 24.7% |
| GPQA Diamond (Vals) | Vals AI | 93.4% | 90.9% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 51.3%† |
| ARC-AGI-1 | ARC Prize | 97.5% | 94.0% |
| ARC-AGI-2 | ARC Prize | 90.0% | 74.2% |
| ARC-AGI-3 | ARC Prize | – | 0.7% |
| CritPt | Artificial Analysis | 29.7% | 27.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 52.5% | 50.5%† |
| MysteryMechanism | Vals AI | 47.8% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 51.3%† | – |
| Arena Expert | Arena (LMArena) | 1533 | 1507 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 48.0% | 47.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 58.0% | 35.0%† |
| LMCA | Epoch AI Benchmarking Hub | 65.5%† | 52.2% |
| DTBench | Epoch AI Benchmarking Hub | 97.6%† | 92.5% |
| ForecastBench | ForecastBench | 65.7%† | – |
| 编程 | |||
| SciCode | SciCode | 63.1% | 52.3% |
显示全部 181 项基准测试
| 指标 | 发布方 | Claude Fable 5.1 (max) | GPT-5.6 Terra (xhigh) |
|---|---|---|---|
| 编程 | |||
| WeirdML | WeirdML | 92.9% | 78.3%† |
| FrontierCode | Cognition | 50.9%† | 41.3%† |
| GSO-Bench | GSO-Bench | 88.2%† | – |
| Arena Coding | Arena (LMArena) | 1534 | 1517 |
| Arena WebDev | Arena (LMArena) | 1742 | 1520 |
| LiveBench 2.0 Coding | LiveBench | 89.7% | 84.2%† |
| LiveBench 1.0 Coding | LiveBench | 86.4% | 78.3%† |
| LiveCodeBench | Vals AI | 90.5% | 85.9% |
| IOI | Vals AI | 90.8% | 87.6%† |
| SWE-bench (Vals) | Vals AI | – | 95.4%† |
| Code Migration | Vals AI | 54.6% | 47.8%† |
| ProgramBench | Vals AI | 7.0% | 0.5%† |
| SWE-bench Multimodal | Vals AI | 61.3% | – |
| Vibe Code Bench 1-100 | Vals AI | 28.0% | 14.8%† |
| Vibe Code Bench v1.1 | Vals AI | 90.3% | 74.6%† |
| 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%† | 92.4% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 92.2%† | 86.3% |
| MirrorCode | Epoch AI Benchmarking Hub | 93.3% | 41.1%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 83.8% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 60.2% |
| CursorBench | Cursor | 51.8% | 33.6% |
| ALE-Bench | Epoch AI Benchmarking Hub | 2143.2† | 1951.4† |
| FrontierSWE | Epoch AI Benchmarking Hub | 56.3% | – |
| WeirdML v3 | WeirdML | 26.0%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 52.0% | 10.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 91.4% | 80.2% |
| Startrise Frontend | Startrise | 77.1%† | 66.9%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 87.1† | 45.6† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 94.0† | 53.5 |
| Design Arena Website | Design Arena | 1305† | 1260† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 49.0% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 31.6% | 23.9%† |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 57.3% | 21.5%† |
| Remote Labor Index | Scale AI / CAIS | 17.9%† | – |
| APEX-Agents | Mercor | 68.6%† | 58.2%† |
| Arena Agent | Arena (LMArena) | 14.8 | -1.8 |
| LiveBench Long Agentic | LiveBench | 74.2% | 25.9%† |
| LiveBench Browser | LiveBench | 89.8% | 70.3%† |
| LiveBench Agentic Coding | LiveBench | 66.1% | 55.0%† |
| Terminal-Bench Hard | Artificial Analysis | – | 62.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 80.4% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 85.0%† | 77.5%† |
| MCP Atlas | Scale AI SEAL | 87.2%† | – |
| HiL-Bench | Scale AI SEAL | 61.5%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 62.7% | 47.4% |
| GDPval-AA v2.1 | Artificial Analysis | 1765 | 1456 |
| τ³-Banking (AA) | Artificial Analysis | 47.2% | 29.7% |
| ITBench SRE (AA) | Artificial Analysis | 49.5% | 51.0%† |
| Analyst Agent (AA) | Artificial Analysis | 57.5% | – |
| APEX-Agents (AA) | Artificial Analysis | – | 38.9%† |
| CUA-bench | Vals AI | 13.2% | – |
| CyberBench | Vals AI | 70.4% | 72.1%† |
| Finance Agent v2 | Vals AI | 58.9% | 54.4%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 6.7% | 0.8%† |
| Legal Research Bench | Vals AI | 55.3% | 41.4%† |
| Robo-bench | Vals AI | 5.8% | – |
| SkillsBench | Vals AI | 61.5% | 58.9%† |
| SREBench | Vals AI | 22.9% | 9.5%† |
| Tax Agent Bench | Vals AI | 50.8% | 30.0%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 58.1% | 22.7%† |
| Terminal-Bench Science | Vals AI | 40.0% | 10.0%† |
| Time Horizon Index: KSP | Vals AI | 63.3% | – |
| Arena Search | Arena (LMArena) | 1227† | – |
| Arena Agent Task Completion | Arena (LMArena) | 14.4 | -7.2 |
| BALROG | BALROG | – | 53.2%† |
| PostTrainBench | Epoch AI Benchmarking Hub | 44.6% | – |
| Vending-Bench 2 | Andon Labs | 5421.6† | 7343.2† |
| SpireClimb | Epoch AI Benchmarking Hub | 2.0% | – |
| AutomationBench | Artificial Analysis | 59.4% | 47.1% |
| GDP.pdf (AA) | Artificial Analysis | 26.2% | 24.6% |
| Harvey LAB-AA v1.1 | Harvey | 6.4% | – |
| EnterpriseOps-Gym | Artificial Analysis | – | 38.5%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1671 | 1332 |
| GDPx | GDPx by SemiAnalysis | 8.5% | – |
| Design Arena Agentic | Design Arena | 1338† | 1089† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 43.3% | 13.8%† |
| CWE-Bench (AA) | Artificial Analysis | 50.8% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 23.5% | 25.1%† |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.8% | – |
| FACTS Search | – | 87.0%† | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 90.2% | 86.0%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 87.8% | 70.7%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 99.7%† |
| ProofBench | Vals AI | 100.0% | 74.0% |
| LiveBench Mathematics | LiveBench | 97.0% | 94.9%† |
| Arena Maths | Arena (LMArena) | 1526 | 1478 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 70.8% | 43.2%† |
| LiveBench 2.0 Data Analysis | LiveBench | 80.3% | 79.3%† |
| LiveBench Research | LiveBench | 88.5% | 79.7%† |
| LiveBench 1.0 Data Analysis | LiveBench | 80.3% | 79.3%† |
| AA-Omniscience v1.1 | Artificial Analysis | 46.3 | -11.5 |
| MMLU-Pro | Vals AI | 92.4% | 86.7% |
| LegalBench | Vals AI | 88.5% | 85.1%† |
| CorpFin | Vals AI | – | 65.3% |
| TaxEval | Vals AI | 76.0% | 76.2% |
| PRBench Finance | Scale AI SEAL | 50.8%† | – |
| PRBench Legal | Scale AI SEAL | 51.6%† | – |
| Excel Modeling Benchmark | Vals AI | 76.7% | 66.2%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 76.7% | – |
| MedCode | Vals AI | 53.5% | 43.4% |
| MedScribe | Vals AI | 91.3% | 82.9% |
| Public Benefits Bench v1.1 | Vals AI | 74.9% | 62.4%† |
| Financial Coaching Bench | Vals AI | 75.7% | 71.0%† |
| Immigration Bench | Vals AI | 75.4% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 57.1% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 27.6% | 24.7%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 68.4% | 41.3% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 30.0% | 9.9% |
| HealthBench Professional (AA) | OpenAI | 57.8% | – |
| FACTS Parametric | – | 57.6%† | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 89.5% | 82.9%† |
| LiveBench Instruction Following | LiveBench | 73.0% | 64.6%† |
| IFBench | Artificial Analysis | – | 66.3% |
| Arena Instruction Following | Arena (LMArena) | 1501 | 1463 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1502 | 1468 |
| EQ-Bench 4 | EQ-Bench | – | 1220† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2155† | 1856† |
| Arena Creative Writing | Arena (LMArena) | 1490 | 1430 |
| Arena Multi-turn | Arena (LMArena) | 1485 | 1475 |
| Arena Longer Queries | Arena (LMArena) | 1510 | 1469 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1322 | 1269 |
| LiveBench Design | LiveBench | 81.6% | 70.9%† |
| MMMU-Pro | Artificial Analysis | – | 79.5% |
| MMMU-Pro (Vals) | Vals AI | 90.6% | 86.5%† |
| MortgageTax | Vals AI | 70.8% | 67.3% |
| SAGE | Vals AI | – | 87.0%† |
| Humanity's Sixth Sense | Scale AI SEAL | 40.8%† | 22.7%† |
| GeoBench | GeoBench | 84.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 41.9%† | 30.8%† |
| Furniture Assembly | Epoch AI Benchmarking Hub | 70.0% | 54.2%† |
| Code2Video-AA | Artificial Analysis | 1325 | – |
| AA-3D | Artificial Analysis | 1139 | – |
| FACTS Multimodal | – | 39.9%† | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 85.3% | 79.0% |
| Arena Document | Arena (LMArena) | 1498 | 1474 |
| MLCR | Artificial Analysis | 15.6% | 22.8% |
| FACTS Grounding | – | 60.5%† | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 167.0† | 160.7† |
| LiveBench 2.0 | LiveBench | 84.0% | 67.2%† |
| LiveBench 1.0 | LiveBench | 83.4% | 77.9%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 49.2 | 32.3† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 53.4 | 38.0 |
| AA Progress Index v1 | Artificial Analysis | 340.8 | 312 |
| Vals RSI Index | Vals AI | 36.1% | – |
| Vals Multimodal Index | Vals AI | – | 65.1% |
| AA Cyber Index | Artificial Analysis | 25.0 | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 13.7%† | – |
| DistressBench | Scale AI SEAL | 71.5%† | 76.4%† |
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)。
- GPT-5.6 Terra (xhigh):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- 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。
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
- Claude Fable 5.1 vs GPT-6 Astra
- GPT-5.6 Terra vs Gemini 4 Carbon
- Claude Fable 5.1 vs GPT-5.5
- Claude Fable 5.1 vs GPT-6.1 Sol
- Claude Fable 5.1 vs Claude Fable 5
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-5.6 Terra:常见问题
- Claude Fable 5.1 比 GPT-5.6 Terra 更好吗?
- 质量上 Claude Fable 5.1 (max) 领先:66.7 比 60.1。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 GPT-5.6 Terra 哪个更便宜?价格会变吗?
- 目前 GPT-5.6 Terra 更便宜:每百万 token $4.50 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-5.6 Terra 更好?
- Claude Fable 5.1 在编程方面得分更高(类别得分 70 比 59,50 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,GPT-5.6 Terra 为 1520。
- Claude Fable 5.1 和 GPT-5.6 Terra 哪个更快?
- GPT-5.6 Terra 输出更快(输出 97 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-5.6 Terra 更好?
- GPT-5.6 Terra 在智能体任务方面得分更高(类别得分 63 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 τ³-Banking (AA) 上,Claude Fable 5.1 为 47.2%,GPT-5.6 Terra 为 29.7%。
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 64)。两者都约为 1.1M token(Claude Fable 5.1 为 1,000,000,GPT-5.6 Terra 为 1,050,000)。
- 哪个延迟更低?
- GPT-5.6 Terra 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 19.2 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-5.6 Terra 的看法一致吗?
- 在两者都有结果的 43 项基准测试中,Claude Fable 5.1 领先 41 项,GPT-5.6 Terra 领先 2 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。