BenchLeader

Claude Fable 5.2 vs Gemini 4 Argon

完整资料:Claude Fable 5.2(Anthropic)和 Gemini 4 Argon(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,质量上 Claude Fable 5.2 领先 Gemini 4 Argon(BenchLeader Index 72.7 比 65.3)。不过,Gemini 4 Argon 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。在两者都有成绩的所有类别中,Claude Fable 5.2 均领先。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。

要点(截至 2026年11月16日)

  • Claude Fable 5.2 的 BenchLeader Index 为 72.7,Gemini 4 Argon 为 65.3(BenchLeader,2026年11月16日)。
  • Claude Fable 5.2 每百万 token 混合价格为 $16.00(标价,2026年11月16日)。
  • Gemini 4 Argon 每百万 token 混合价格为 $4.00(截至 2026年11月30日,之后为 $8.00)(https://ai.google.dev/gemini-api/docs/pricing,2026年10月20日 核实)。
  • Claude Fable 5.2 比 Gemini 4 Argon 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 44 项基准测试中,Claude Fable 5.2 领先 38 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 5.2类别得分 80 比 67;FrontierCode 2.0 (AA) 48.8% 比 25.7%高
智能体与工具调用Claude Fable 5.2类别得分 77 比 59;Terminal-Bench 65.8% 比 55.5%高
数学Claude Fable 5.2类别得分 75 比 70;FrontierMath Tiers 1–3 95.1% 比 86.0%中
推理Claude Fable 5.2类别得分 76 比 70;HLE-Diamond (AA) 80.2% 比 56.7%中
知识Claude Fable 5.2类别得分 86 比 72;SimpleQA Verified 94.0% 比 76.0%高
长文档Claude Fable 5.2类别得分 66 比 65;AA-LCR v1.1 83.3% 比 79.7%中
对话质量(人类偏好)–只有 Gemini 4 Argon 有 Arena 评分(类别得分 72)无法比较
成本最低Gemini 4 Argon每百万 token 混合价格 $4.00 比 $16.00;智能体编程会话 $0.160 比 $0.640;2026年12月1日 起:$8.00 比 $16.00–
首次回答最快Gemini 4 Argon首个回答 token 45.7 秒(Gemini 4 Argon (high))比 232.1 秒(Claude Fable 5.2 (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 5.2 (max) 领先:72.7 比 65.3。
  • Claude Fable 5.2 (max) 在智能体与工具、编程、知识、长上下文、数学、推理方面更强。
  • 截至 2026年11月30日,Gemini 4 Argon (high) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00);自 2026年12月1日 起为 $8.00 比 $16.00。
  • Claude Fable 5.2 (max) 的输出速度是对方的 1.7 倍(109 比 66 token/秒)。

概览

规格Claude Fable 5.2Gemini 4 Argon
提供商AnthropicGoogle
发布日期2026年11月9日2026年9月30日
正式发布2026年11月9日2026年10月13日
上下文窗口(token)1,000,0001,048,576
最大输出(token)–65,536 (up to 1,048,576 with long decode)
输入类型–文本、图像、视频、音频、PDF
推理强度设置–low, medium, high
对比时的配置Claude Fable 5.2 (max)Gemini 4 Argon (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$8.00 / $40.00 / $0.200$2.00 / $10.00 / $0.100
已公布的价格调整暂无公布自 2026年12月1日 起为 $4.00 / $20.00 / $0.200
API 模型 ID–gemini-4-argon
使用渠道–Gemini API (AI Studio), Gemini Enterprise Agent Platform, Gemini app

上限、可用性和已公布的价格均来自厂商官方页面: ai.google.dev、ai.google.dev 定价页 (2026年10月20日 核实)。其余内容均来自当日数据。

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 5.2 (max)Gemini 4 Argon (high)领先者
推理75.769.5Claude Fable 5.2
编程79.766.7Claude Fable 5.2
智能体与工具77.358.6Claude Fable 5.2
数学74.569.9Claude Fable 5.2
知识86.371.9Claude Fable 5.2
人类偏好–72.1无法比较
长上下文66.464.5Claude Fable 5.2
综合–63.8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长上下文Claude Fable 5.2, 推理: 75.7Claude Fable 5.2, 编程: 79.7Claude Fable 5.2, 智能体与工具: 77.3Claude Fable 5.2, 数学: 74.5Claude Fable 5.2, 知识: 86.3Claude Fable 5.2, 长上下文: 66.4Gemini 4 Argon, 推理: 69.5Gemini 4 Argon, 编程: 66.7Gemini 4 Argon, 智能体与工具: 58.6Gemini 4 Argon, 数学: 69.9Gemini 4 Argon, 知识: 71.9Gemini 4 Argon, 长上下文: 64.5

未绘制(测得的模型少于两个):指令遵循, 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 44 项基准测试中,Claude Fable 5.2 领先 38 项,Gemini 4 Argon 领先 6 项。所有同时评测两者的综合评分都认为 Claude Fable 5.2 更强。

综合 IndexClaude Fable 5.2 (max)Gemini 4 Argon (high)领先者
BenchLeader Index72.765.3Claude Fable 5.2
AA Intelligence Index v5.0.164.650.4Claude Fable 5.2
Vals Index71.3†69.4Claude Fable 5.2

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 5.2 (max)Gemini 4 Argon (high)
每百万 token 混合价格(截至 2026年11月30日)$16.00$4.00
每百万 token 输入 / 输出$8.00 / $40.00$2.00 / $10.00
自 2026年12月1日 起每百万 token 混合价格$16.00$8.00
自 2026年12月1日 起每百万 token 输入 / 输出$8.00 / $40.00$4.00 / $20.00
每百万 token 缓存输入$0.200$0.100
每项任务价格:聊天回复$0.015$0.0038
每项任务价格:总结一份 30 页的报告$0.120$0.030
每项任务价格:代码编辑$0.108$0.027
每项任务价格:智能体编程会话$0.640$0.160
每项任务价格:结构化信息提取$0.024$0.0060
智能体编程会话(输入大多命中缓存)$0.289$0.074
每项基准测试任务成本(AA Index)$26.54$4.97
每项任务输出 token(AA Index)274k116k
其中推理部分193k68k
每项任务耗时(AA Index)42 min29 min
输出速度109 tok/s66 tok/s
首次回答时间232.1 秒45.7 秒
完整回答耗时(最近一次测量 2026年11月13日)456.8 秒122.1 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 5.2 (max) 上花费 $26.54,在 Gemini 4 Argon (high) 上花费 $4.97;完成同样的工作,Claude Fable 5.2 (max) 输出的 token 是对方的 2.4 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 5.2 (max) 得分 72.7,首个回答 token 需 232 秒;Claude Fable 5.2 (xhigh) 为 69.7(73 秒),Claude Fable 5.2 (high) 为 68.4(27 秒)。Gemini 4 Argon (high) 得分 65.3,首个回答 token 需 46 秒;Gemini 4 Argon 为 64.4(5 秒),Gemini 4 Argon (medium) 为 61.6(13 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 152 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 5.2 (max)Gemini 4 Argon (high)
BenchLeader IndexBenchLeader72.765.3
智能体与工具得分BenchLeader77.358.6
编程得分BenchLeader79.766.7
知识得分BenchLeader86.371.9
长上下文得分BenchLeader66.464.5
数学得分BenchLeader74.569.9
推理得分BenchLeader75.769.5
综合得分BenchLeader–63.8
人类偏好得分BenchLeader–72.1
混合价格(美元/百万 token)BenchLeader$16.00$4.00
输出速度BenchLeader109 tok/s66 tok/s
首次回答时间BenchLeader232.1 秒45.7 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%96.4%
SimpleBenchSimpleBench94.9%†91.7%†
Arena Hard PromptsArena (LMArena)–1545
LiveBench 2.0 ReasoningLiveBench88.8%†95.1%
Humanity's Last Exam (AA)Artificial Analysis74.3%57.1%
HLE-Diamond (AA)Artificial Analysis80.2%56.7%
ARC-AGI-1ARC Prize97.5%98.5%
ARC-AGI-2ARC Prize92.5%91.3%
ARC-AGI-3ARC Prize94.9%97.3%
CritPtArtificial Analysis35.4%27.1%
CritPt v2 hard subset (AA)Artificial Analysis76.5%52.5%
MysteryMechanismVals AI51.8%†45.5%
HLE-Diamond (Scale)Scale AI SEAL72.4%†53.2%†
Arena ExpertArena (LMArena)–1549
Chess PuzzlesEpoch AI Benchmarking Hub79.0%59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub90.0%64.0%
LMCAEpoch AI Benchmarking Hub70.1%†63.7%
DTBenchEpoch AI Benchmarking Hub99.2%†97.3%
编程
SciCodeSciCode67.7%61.8%
FrontierCodeCognition–47.5%†
Arena CodingArena (LMArena)–1553
Arena WebDevArena (LMArena)1838†1681
LiveBench 2.0 CodingLiveBench79.2%†85.7%
IOIVals AI–100.0%
Code MigrationVals AI–68.2%
显示全部 152 项基准测试
指标发布方Claude Fable 5.2 (max)Gemini 4 Argon (high)
编程
Code Migration v1.1Vals AI83.3%†70.8%
ProgramBenchVals AI19.0%†2.5%
SWE-bench MultimodalVals AI62.3%†56.0%
Vibe Code Bench 1-100Vals AI–21.2%
Vibe Code Bench v1.1Vals AI93.8%†91.9%
SWE Atlas v1.1Scale AI SEAL80.5%†70.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL83.9%†65.3%†
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†77.8%†
SWE Atlas v1.1: RefactoringScale AI SEAL80.0%†67.1%†
SWE-Bench Pro V2Scale AI SEAL–99.2%
SWE-Bench Pro V2 HARDScale AI SEAL–92.2%
MirrorCodeEpoch AI Benchmarking Hub–58.9%
CursorBenchCursor60.0%52.9%
ALE-BenchEpoch AI Benchmarking Hub2509.8†2100.1
FrontierSWEEpoch AI Benchmarking Hub69.9%55.0%
WeirdML v3WeirdML–20.3%
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%57.1%
GameBench 2 OverallDuelLab GameBench 295.0†81.7†
GameBench 2 by reasoning settingDuelLab GameBench 299.1†89.2
Design Arena WebsiteDesign Arena1352†1316†
FrontierCode 1.1 (AA)Artificial Analysis56.2%43.5%
FrontierCode 2.0 (AA)Artificial Analysis48.8%25.7%
智能体与工具
Terminal-BenchTerminal-Bench65.8%55.5%
Remote Labor IndexScale AI / CAIS41.3%†17.1%†
APEX-AgentsMercor80.1%†82.4%†
Arena AgentArena (LMArena)30.410.7
LiveBench Long AgenticLiveBench82.9%†58.5%
LiveBench BrowserLiveBench86.9%†82.8%
Terminal-Bench 2.1 (Vals)Vals AI–57.7%
MCP AtlasScale AI SEAL–90.7%†
HiL-BenchScale AI SEAL80.0%†62.0%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.2%
GDPval-AA v2.1Artificial Analysis18311634
Analyst Agent (AA)Artificial Analysis–48.8%
CUA-benchVals AI–4.8%
CyberBenchVals AI–77.9%
Finance Agent v2Vals AI–65.4%
Finance Agent v2.1Vals AI69.5%†67.7%
Harvey's Legal Agent Benchmark v1.1Vals AI5.0%†27.1%
Harvey's Legal Agent Benchmark v1Vals AI–19.6%
Legal Research BenchVals AI46.1%†54.8%
Robo-benchVals AI–0.8%
SREBenchVals AI–44.3%
Tax Agent BenchVals AI32.1%†49.2%
Terminal-Bench 4.0 (Vals)Vals AI65.2%†57.6%
Terminal-Bench ScienceVals AI55.7%†44.3%
Time Horizon Index: KSPVals AI–52.5%
Arena Agent Task CompletionArena (LMArena)2213.2
PostTrainBenchEpoch AI Benchmarking Hub–40.4%
Vending-Bench 2Andon Labs–13718.2†
SpireClimbEpoch AI Benchmarking Hub15.3%–
AutomationBenchArtificial Analysis76.4%77.5%
GDP.pdf (AA)Artificial Analysis24.2%21.8%
Harvey LAB-AA v1.1Harvey7.2%3.9%
AA-Briefcase v1.1Artificial Analysis17851485
GDPxGDPx by SemiAnalysis16.4%7.3%
Design Arena AgenticDesign Arena1373†1274†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis73.3%52.9%
MKA (AA)Artificial Analysis56.6%51.3%
FACTS SearchGoogle–89.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub95.1%86.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%78.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%100.0%
ProofBenchVals AI100.0%99.0%†
ArXivMathMathArena–84.4%
BrokenArXivMathArena–47.9%
Arena MathsArena (LMArena)–1536
FrontierMath ErdősEpoch AI Benchmarking Hub–1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub94.0%76.0%
LiveBench 2.0 Data AnalysisLiveBench81.5%†85.2%
LiveBench ResearchLiveBench94.5%†86.8%
AA-Omniscience v1.1Artificial Analysis66.846.1
LegalBenchVals AI–88.3%
PRBench FinanceScale AI SEAL47.1%†49.9%†
PRBench LegalScale AI SEAL49.0%†49.4%†
BioMysteryBenchVals AI83.7%†76.3%
Excel Modeling BenchmarkVals AI–75.2%
Excel Modeling Benchmark v1.1Vals AI77.4%†74.8%
MedCodeVals AI–58.8%
MedScribeVals AI–87.4%
Public Benefits Bench v1.1Vals AI–69.8%
Access to Justice BenchmarkVals AI–68.5%
Financial Coaching BenchVals AI–73.1%
Immigration BenchVals AI74.0%†68.1%
DrugDiscoveryBenchScale AI SEAL–65.4%
EBR-benchEpoch AI Benchmarking Hub90.5%64.8%
GDP.pdfEpoch AI Benchmarking Hub–28.4%
AA-Omniscience v1.1: accuracyArtificial Analysis79.1%48.3%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.7%95.7%
HealthBench Professional (AA)OpenAI67.7%55.0%
FACTS ParametricGoogle–72.2%†
指令遵循
MultiChallengeScale AI SEAL–78.7%†
Arena Instruction FollowingArena (LMArena)–1528
人类偏好
Arena TextArena (LMArena)–1522
EQ-Bench 4EQ-Bench–1236†
EQ-Bench Creative Writing v3EQ-Bench–1758†
Arena Creative WritingArena (LMArena)–1523
Arena Multi-turnArena (LMArena)–1545
Arena Longer QueriesArena (LMArena)–1544
多模态
LiveBench DesignLiveBench85.1%†69.2%
MMMU-ProArtificial Analysis–88.3%†
SAGEVals AI–89.5%
AudioMCScale AI SEAL–58.4%
AudioMC (text output)Scale AI SEAL–58.4%
Humanity's Sixth SenseScale AI SEAL59.5%55.4%
Blueprint-Bench 2Epoch AI Benchmarking Hub–54.5%†
Furniture AssemblyEpoch AI Benchmarking Hub90.0%72.5%
VIALS-AAHandshake AI67.1%59.6%
Code2Video-AAArtificial Analysis–1259
AA-3DArtificial Analysis12711147
FACTS MultimodalGoogle–54.2%†
长上下文
AA-LCR v1.1Artificial Analysis83.3%79.7%
MLCRArtificial Analysis43.9%13.9%
FACTS GroundingGoogle–73.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub173.4†166.5†
LiveBench 2.0LiveBench84.9%†77.7%
AA Intelligence Index v5.0.1Artificial Analysis64.650.4
AA Intelligence Index v4.3.2Artificial Analysis–52.6
AA Progress Index v1Artificial Analysis358341.8
Vals IndexVals AI71.3†69.4
Vals Finance IndexVals AI63.6%†66.0%
Vals RSI IndexVals AI37.9%30.6%
Vals Science IndexVals AI63.7%†55.4%
Vals Router IndexVals AI–69.2%†
Vals Legal IndexVals AI69.2%†76.8%
安全与诚实
FORTRESSScale AI SEAL15.6%†–
DistressBenchScale AI SEAL–68.6%†

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

  • Gemini 4 Argon:标价将调整为每百万 token 输入 $4.00 / 输出 $20.00(已公布)。
  • Gemini 4 Argon (high):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Fable 5.2 (max):1 项分数修订。
  • Gemini 4 Argon (high):1 项新结果(Terminal-Bench)。
  • Claude Fable 5.2 (max):BenchLeader Index 74.9 → 72.7。
  • Claude Fable 5.2 (max):1 项新结果(Terminal-Bench)。
  • Gemini 4 Argon (high):1 项分数修订。
  • Claude Fable 5.2 (max):BenchLeader Index 72.1 → 74.9。
  • Gemini 4 Argon (high):BenchLeader Index 65.9 → 65.3。
  • Claude Fable 5.2 (max):1 项新结果(Arena Agent)。

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 5.2 vs Gemini 4 Argon:常见问题

Claude Fable 5.2 比 Gemini 4 Argon 更好吗?
质量上 Claude Fable 5.2 (max) 领先:72.7 比 65.3。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 5.2 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Fable 5.2 和 Gemini 4 Argon 哪个更便宜?价格会变吗?
目前 Gemini 4 Argon 更便宜:每百万 token $4.00 比 $16.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。Gemini 4 Argon 的现价有效至 2026年11月30日,之后为 $8.00。
编程用 Claude Fable 5.2 还是 Gemini 4 Argon 更好?
Claude Fable 5.2 在编程方面得分更高(类别得分 80 比 67,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Claude Fable 5.2 为 48.8%,Gemini 4 Argon 为 25.7%。
Claude Fable 5.2 和 Gemini 4 Argon 哪个更快?
Claude Fable 5.2 输出更快(约 1.5 倍;输出 109 比 66 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Fable 5.2 还是 Gemini 4 Argon 更好?
Claude Fable 5.2 在智能体任务方面得分更高(类别得分 77 比 59,50 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 5.2 为 65.8%,Gemini 4 Argon 为 55.5%。
更多问题(4)
处理长文档哪个更好?
Claude Fable 5.2 在长上下文基准测试上得分更高(66 比 65)。两者都约为 1M token(Claude Fable 5.2 为 1,000,000,Gemini 4 Argon 为 1,048,576)。
哪个延迟更低?
Gemini 4 Argon 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 45.7 秒比 232.1 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 5.2 和 Gemini 4 Argon 的看法一致吗?
在两者都有结果的 44 项基准测试中,Claude Fable 5.2 领先 38 项,Gemini 4 Argon 领先 6 项。所有同时评测两者的综合评分都认为 Claude Fable 5.2 更强。
Claude Fable 5.2 是什么时候发布的?
Claude Fable 5.2 于 2026年11月9日 发布。