BenchLeader

Claude Fable 5.2 vs Gemini 4 Hydrogen

完整资料:Claude Fable 5.2(Anthropic)和 Gemini 4 Hydrogen(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16日,质量上 Claude Fable 5.2 领先 Gemini 4 Hydrogen(BenchLeader Index 72.7 比 63.4)。不过,Gemini 4 Hydrogen 更便宜,对方的价格是它的 5.3 倍(每百万 token 混合价格 $3.00 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 Hydrogen 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Fable 5.2 的 BenchLeader Index 为 72.7,Gemini 4 Hydrogen 为 63.4(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 Hydrogen 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • Gemini 4 Hydrogen 比 Claude Fable 5.2 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 12 项基准测试中,Claude Fable 5.2 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 5.2类别得分 80 比 69;FrontierCode 2.0 (AA) 48.8% 比 36.3%高
智能体与工具调用Claude Fable 5.2类别得分 77 比 62;Terminal-Bench 65.8% 比 56.4%高
数学Claude Fable 5.2类别得分 75 比 68中
推理Claude Fable 5.2类别得分 76 比 70;HLE-Diamond (AA) 80.2% 比 54.9%中
知识Claude Fable 5.2类别得分 86 比 69;AA-Omniscience v1.1 66.8 比 43.7高
对话质量(人类偏好)–只有 Gemini 4 Hydrogen 有 Arena 评分(类别得分 68)无法比较
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $16.00;智能体编程会话 $0.120 比 $0.640–
首次回答最快Gemini 4 Hydrogen首个回答 token 16.2 秒(Gemini 4 Hydrogen (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 63.4。
  • Claude Fable 5.2 (max) 在智能体与工具、编程、知识、数学、推理方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 5.3 倍(每百万 token 混合价格 $3.00 比 $16.00)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 1.6 倍(170 比 109 token/秒)。

概览

规格Claude Fable 5.2Gemini 4 Hydrogen
提供商AnthropicGoogle
发布日期2026年11月9日2026年11月12日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Fable 5.2 (max)Gemini 4 Hydrogen (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$1.50 / $7.50 / $0.075

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 Hydrogen (high)领先者
推理75.769.6Claude Fable 5.2
编程79.768.8Claude Fable 5.2
智能体与工具77.361.7Claude Fable 5.2
数学74.567.8Claude Fable 5.2
知识86.368.5Claude Fable 5.2
人类偏好–68.2无法比较
长上下文66.4–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: 86.3Gemini 4 Hydrogen, 推理: 69.6Gemini 4 Hydrogen, 编程: 68.8Gemini 4 Hydrogen, 智能体与工具: 61.7Gemini 4 Hydrogen, 数学: 67.8Gemini 4 Hydrogen, 知识: 68.5

未绘制(测得的模型少于两个):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 12 项基准测试中,Claude Fable 5.2 领先 10 项,Gemini 4 Hydrogen 领先 2 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 Hydrogen (high)领先者
BenchLeader Index72.763.4Claude Fable 5.2
AA Intelligence Index v5.0.164.650.8Claude Fable 5.2
Vals Index71.3†68.5Claude 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 Hydrogen (high)
每百万 token 混合价格$16.00$3.00
每百万 token 输入 / 输出$8.00 / $40.00$1.50 / $7.50
每百万 token 缓存输入$0.200$0.075
每项任务价格:聊天回复$0.015$0.0029
每项任务价格:总结一份 30 页的报告$0.120$0.022
每项任务价格:代码编辑$0.108$0.020
每项任务价格:智能体编程会话$0.640$0.120
每项任务价格:结构化信息提取$0.024$0.0045
智能体编程会话(输入大多命中缓存)$0.289$0.056
每项基准测试任务成本(AA Index)$26.54$1.87
每项任务输出 token(AA Index)274k85k
其中推理部分193k48k
每项任务耗时(AA Index)42 min8 min
输出速度109 tok/s170 tok/s
首次回答时间232.1 秒16.2 秒
完整回答耗时(最近一次测量 2026年11月13日)456.8 秒63.3 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 Hydrogen (high) 上花费 $1.87;完成同样的工作,Claude Fable 5.2 (max) 输出的 token 是对方的 3.2 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 Hydrogen (high) 得分 63.4,首个回答 token 需 16 秒;Gemini 4 Hydrogen (xhigh) 为 61.8(42 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 103 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 Hydrogen (high)
BenchLeader IndexBenchLeader72.763.4
智能体与工具得分BenchLeader77.361.7
编程得分BenchLeader79.768.8
知识得分BenchLeader86.368.5
长上下文得分BenchLeader66.4–
数学得分BenchLeader74.567.8
推理得分BenchLeader75.769.6
人类偏好得分BenchLeader–68.2
混合价格(美元/百万 token)BenchLeader$16.00$3.00
输出速度BenchLeader109 tok/s170 tok/s
首次回答时间BenchLeader232.1 秒16.2 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%–
SimpleBenchSimpleBench94.9%†–
Arena Hard PromptsArena (LMArena)–1514
LiveBench 2.0 ReasoningLiveBench88.8%†88.6%†
Humanity's Last Exam (AA)Artificial Analysis74.3%–
HLE-Diamond (AA)Artificial Analysis80.2%54.9%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.5%–
ARC-AGI-3ARC Prize94.9%–
CritPtArtificial Analysis35.4%–
CritPt v2 hard subset (AA)Artificial Analysis76.5%61.5%
MysteryMechanismVals AI51.8%†–
HLE-Diamond (Scale)Scale AI SEAL72.4%†–
Arena ExpertArena (LMArena)–1542
Chess PuzzlesEpoch AI Benchmarking Hub79.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub90.0%–
LMCAEpoch AI Benchmarking Hub70.1%†–
DTBenchEpoch AI Benchmarking Hub99.2%†–
编程
SciCodeSciCode67.7%–
Arena CodingArena (LMArena)–1518
Arena WebDevArena (LMArena)1838†1704
LiveBench 2.0 CodingLiveBench79.2%†78.5%†
Code Migration v1.1Vals AI83.3%†–
ProgramBenchVals AI19.0%†–
SWE-bench MultimodalVals AI62.3%†–
显示全部 103 项基准测试
指标发布方Claude Fable 5.2 (max)Gemini 4 Hydrogen (high)
编程
Vibe Code Bench v1.1Vals AI93.8%†87.8%†
SWE Atlas v1.1Scale AI SEAL80.5%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL83.9%†–
SWE Atlas v1.1: Test WritingScale AI SEAL77.8%†–
SWE Atlas v1.1: RefactoringScale AI SEAL80.0%†–
CursorBenchCursor60.0%–
ALE-BenchEpoch AI Benchmarking Hub2509.8†–
FrontierSWEEpoch AI Benchmarking Hub69.9%–
Terminal-Bench 4.0 (AA)Artificial Analysis59.6%54.0%
GameBench 2 OverallDuelLab GameBench 295.0†–
GameBench 2 by reasoning settingDuelLab GameBench 299.1†–
Design Arena WebsiteDesign Arena1352†1320†
FrontierCode 1.1 (AA)Artificial Analysis56.2%–
FrontierCode 2.0 (AA)Artificial Analysis48.8%36.3%
智能体与工具
Terminal-BenchTerminal-Bench65.8%56.4%
Remote Labor IndexScale AI / CAIS41.3%†–
APEX-AgentsMercor80.1%†–
Arena AgentArena (LMArena)30.4–
LiveBench Long AgenticLiveBench82.9%†61.8%†
LiveBench BrowserLiveBench86.9%†77.1%†
HiL-BenchScale AI SEAL80.0%†–
GDPval-AA v2.1Artificial Analysis1831–
Finance Agent v2.1Vals AI69.5%†65.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI5.0%†11.3%†
Legal Research BenchVals AI46.1%†53.9%†
Tax Agent BenchVals AI32.1%†52.3%†
Terminal-Bench 4.0 (Vals)Vals AI65.2%†54.0%†
Terminal-Bench ScienceVals AI55.7%†–
Arena Agent Task CompletionArena (LMArena)22–
SpireClimbEpoch AI Benchmarking Hub15.3%–
AutomationBenchArtificial Analysis76.4%74.4%
GDP.pdf (AA)Artificial Analysis24.2%30.0%
Harvey LAB-AA v1.1Harvey7.2%–
AA-Briefcase v1.1Artificial Analysis17851497
GDPxGDPx by SemiAnalysis16.4%–
Design Arena AgenticDesign Arena1373†1262†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis73.3%41.4%
MKA (AA)Artificial Analysis56.6%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub95.1%–
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%–
ProofBenchVals AI100.0%–
Arena MathsArena (LMArena)–1495
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub94.0%–
LiveBench 2.0 Data AnalysisLiveBench81.5%†83.2%†
LiveBench ResearchLiveBench94.5%†86.8%†
AA-Omniscience v1.1Artificial Analysis66.843.7
PRBench FinanceScale AI SEAL47.1%†–
PRBench LegalScale AI SEAL49.0%†–
BioMysteryBenchVals AI83.7%†–
Excel Modeling Benchmark v1.1Vals AI77.4%†75.8%†
Immigration BenchVals AI74.0%†–
EBR-benchEpoch AI Benchmarking Hub90.5%–
AA-Omniscience v1.1: accuracyArtificial Analysis79.1%48.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.7%91.3%
HealthBench Professional (AA)OpenAI67.7%–
指令遵循
Arena Instruction FollowingArena (LMArena)–1503
人类偏好
Arena TextArena (LMArena)–1490
Arena Creative WritingArena (LMArena)–1492
Arena Multi-turnArena (LMArena)–1476
Arena Longer QueriesArena (LMArena)–1514
多模态
LiveBench DesignLiveBench85.1%†77.3%†
Humanity's Sixth SenseScale AI SEAL59.5%–
Furniture AssemblyEpoch AI Benchmarking Hub90.0%–
VIALS-AAHandshake AI67.1%–
AA-3DArtificial Analysis1271–
长上下文
AA-LCR v1.1Artificial Analysis83.3%–
MLCRArtificial Analysis43.9%21.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub173.4†–
LiveBench 2.0LiveBench84.9%†77.0%†
AA Intelligence Index v5.0.1Artificial Analysis64.650.8
AA Progress Index v1Artificial Analysis358–
Vals IndexVals AI71.3†68.5†
Vals Finance IndexVals AI63.6%†66.1%†
Vals RSI IndexVals AI37.9%–
Vals Science IndexVals AI63.7%†–
Vals Legal IndexVals AI69.2%†73.6%†
安全与诚实
FORTRESSScale AI SEAL15.6%†–

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

  • Claude Fable 5.2 (max):1 项分数修订。
  • 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 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • Claude Fable 5.2 (max):BenchLeader Index 72.1 → 74.9。
  • Claude Fable 5.2 (max):1 项新结果(Arena Agent)。
  • Claude Fable 5.2 (max):3 项新结果(SciCode, CursorBench, FrontierSWE)。
  • Claude Fable 5.2 (max):BenchLeader Index 69.4 → 72.1。
  • Claude Fable 5.2 (max):13 项新结果(GPQA Diamond, FrontierMath Tiers 1–3, FrontierMath Tier 4…)。

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 Hydrogen:常见问题

Claude Fable 5.2 比 Gemini 4 Hydrogen 更好吗?
质量上 Claude Fable 5.2 (max) 领先:72.7 比 63.4。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 Hydrogen 哪个更便宜?价格会变吗?
目前 Gemini 4 Hydrogen 更便宜:每百万 token $3.00 比 $16.00(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 5.2 还是 Gemini 4 Hydrogen 更好?
Claude Fable 5.2 在编程方面得分更高(类别得分 80 比 69,50 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 Hydrogen 为 36.3%。
Claude Fable 5.2 和 Gemini 4 Hydrogen 哪个更快?
Gemini 4 Hydrogen 输出更快(约 1.5 倍;输出 170 比 109 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 Hydrogen 更好?
Claude Fable 5.2 在智能体任务方面得分更高(类别得分 77 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 Terminal-Bench 上,Claude Fable 5.2 为 65.8%,Gemini 4 Hydrogen 为 56.4%。
更多问题(4)
处理长文档哪个更好?
两者都约为 1M token(Claude Fable 5.2 为 1,000,000,Gemini 4 Hydrogen 为 1,048,576)。
哪个延迟更低?
Gemini 4 Hydrogen 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 16.2 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 Hydrogen 的看法一致吗?
在两者都有结果的 12 项基准测试中,Claude Fable 5.2 领先 10 项,Gemini 4 Hydrogen 领先 2 项。所有同时评测两者的综合评分都认为 Claude Fable 5.2 更强。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。