BenchLeader

Claude Fable 5.1 vs Kimi K3.1 Pro Together

完整资料:Claude Fable 5.1(Anthropic)和 Kimi K3.1 Pro Together(Moonshot AI),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,质量上 Claude Fable 5.1 领先 Kimi K3.1 Pro Together(BenchLeader Index 66.7 比 60.0)。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16日)

  • Claude Fable 5.1 的 BenchLeader Index 为 66.7,Kimi K3.1 Pro Together 为 60.0(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)。
  • 在两者都有结果的 7 项基准测试中,Claude Fable 5.1 领先 6 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
数学Claude Fable 5.1类别得分 72 比 65;FrontierMath Tiers 1–3 90.2% 比 78.3%中
推理Claude Fable 5.1类别得分 69 比 67;Chess Puzzles 48.0% 比 45.0%中
知识Claude Fable 5.1类别得分 69 比 66;SimpleQA Verified 70.8% 比 62.2%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
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 60.0。
  • Claude Fable 5.1 (max) 在知识、数学、推理方面更强。

概览

规格Claude Fable 5.1Kimi K3.1 Pro Together
提供商AnthropicMoonshot AI
发布日期2026年9月1日2026年10月23日
上下文窗口(token)1,000,000–
对比时的配置Claude Fable 5.1 (max)Kimi K3.1 Pro Together (max)
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 5.1 (max)Kimi K3.1 Pro Together (max)领先者
推理69.466.9Claude Fable 5.1
编程69.7–无法比较
智能体与工具59.7–无法比较
数学72.065.2Claude Fable 5.1
知识68.666.0Claude Fable 5.1
人类偏好69.7–无法比较
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推理数学知识Claude Fable 5.1, 推理: 69.4Claude Fable 5.1, 数学: 72.0Claude Fable 5.1, 知识: 68.6Kimi K3.1 Pro Together, 推理: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知识: 66.0

未绘制(测得的模型少于两个):编程, 智能体与工具, 指令遵循, 长上下文, 多模态, 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 7 项基准测试中,Claude Fable 5.1 领先 6 项,Kimi K3.1 Pro Together 领先 0 项,1 项持平。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 5.1 (max)Kimi K3.1 Pro Together (max)领先者
BenchLeader Index66.760.0Claude 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)Kimi K3.1 Pro Together (max)
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–
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–
首次回答时间151.4 秒–
完整回答耗时(最近一次测量 2026年11月13日)386.7 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)。Kimi K3.1 Pro Together (max) 得分 60.0。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)Kimi K3.1 Pro Together (max)
BenchLeader IndexBenchLeader66.760.0
智能体与工具得分BenchLeader59.7–
编程得分BenchLeader69.7–
综合得分BenchLeader70.8–
人类偏好得分BenchLeader69.7–
知识得分BenchLeader68.666.0
长上下文得分BenchLeader67.4–
数学得分BenchLeader72.065.2
多模态得分BenchLeader67.5–
推理得分BenchLeader69.466.9
混合价格(美元/百万 token)BenchLeader$20.00–
输出速度BenchLeader89 tok/s–
首次回答时间BenchLeader151.4 秒–
上下文窗口BenchLeader1,000,000 token–
推理
GPQA DiamondEpoch AI Benchmarking Hub–94.2%
Humanity's Last ExamScale AI / CAIS46.5%†–
SimpleBenchSimpleBench86.6%†–
Arena Hard PromptsArena (LMArena)1522–
LiveBench 2.0 ReasoningLiveBench91.7%–
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%–
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%–
MysteryMechanismVals AI47.8%–
HLE-Diamond (Scale)Scale AI SEAL51.3%†–
Arena ExpertArena (LMArena)1533–
Chess PuzzlesEpoch AI Benchmarking Hub48.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%42.0%
LMCAEpoch AI Benchmarking Hub65.5%†–
DTBenchEpoch AI Benchmarking Hub97.6%†–
ForecastBenchForecastBench65.7%†–
编程
SciCodeSciCode63.1%–
WeirdMLWeirdML92.9%–
FrontierCodeCognition50.9%†–
显示全部 161 项基准测试
指标发布方Claude Fable 5.1 (max)Kimi K3.1 Pro Together (max)
编程
GSO-BenchGSO-Bench88.2%†–
Arena CodingArena (LMArena)1534–
Arena WebDevArena (LMArena)1742–
LiveBench 2.0 CodingLiveBench89.7%–
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 SEAL76.4%†–
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%–
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†–
FrontierCode 1.1 (AA)Artificial Analysis49.0%–
FrontierCode 2.0 (AA)Artificial Analysis31.6%–
智能体与工具
Terminal-BenchTerminal-Bench57.3%–
Remote Labor IndexScale AI / CAIS17.9%†–
APEX-AgentsMercor68.6%†–
Arena AgentArena (LMArena)14.8–
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)14.4–
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 Analysis1671–
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1338†–
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%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub87.8%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench97.0%–
Arena MathsArena (LMArena)1526–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.8%62.2%
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%–
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 Hub27.6%–
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%–
Arena Instruction FollowingArena (LMArena)1501–
人类偏好
Arena TextArena (LMArena)1502–
EQ-Bench Creative Writing v3EQ-Bench2155†–
Arena Creative WritingArena (LMArena)1490–
Arena Multi-turnArena (LMArena)1485–
Arena Longer QueriesArena (LMArena)1510–
多模态
Arena VisionArena (LMArena)1322–
LiveBench DesignLiveBench81.6%–
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%55.8%
Code2Video-AAArtificial Analysis1325–
AA-3DArtificial Analysis1139–
长上下文
AA-LCR v1.1Artificial Analysis85.3%–
Arena DocumentArena (LMArena)1498–
MLCRArtificial Analysis15.6%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.0†–
LiveBench 2.0LiveBench84.0%–
LiveBench 1.0LiveBench83.4%–
AA Intelligence Index v5.0.1Artificial Analysis49.2–
AA Intelligence Index v4.3.2Artificial Analysis53.4–
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。
  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • 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。
  • Kimi K3.1 Pro Together (max):首批结果。
  • 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 Kimi K3.1 Pro Together:常见问题

Claude Fable 5.1 比 Kimi K3.1 Pro Together 更好吗?
质量上 Claude Fable 5.1 (max) 领先:66.7 比 60.0。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。
第三方基准测试对 Claude Fable 5.1 和 Kimi K3.1 Pro Together 的看法一致吗?
在两者都有结果的 7 项基准测试中,Claude Fable 5.1 领先 6 项,Kimi K3.1 Pro Together 领先 0 项,1 项持平。所有同时评测两者的综合评分都认为 Claude Fable 5.1 更强。
Kimi K3.1 Pro Together 是什么时候发布的?
Kimi K3.1 Pro Together 于 2026年10月23日 发布。