BenchLeader

Claude Fable 5 vs Gemini 4 Hydrogen

完整资料:Claude Fable 5(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,Claude Fable 5 与 Gemini 4 Hydrogen 的质量不相上下(BenchLeader Index 65.4 比 63.4,在 ±5.3 的误差范围内)。Gemini 4 Hydrogen 更便宜,对方的价格是它的 6.7 倍(每百万 token 混合价格 $3.00 比 $20.00)。看重推理(80 比 70)和编程(76 比 69)选 Claude Fable 5;看重知识(69 比 66)和智能体与工具(62 比 61)选 Gemini 4 Hydrogen。Claude Fable 5 的首次回答更快(3.2 秒 比 16.2 秒)。Gemini 4 Hydrogen 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Claude Fable 5 的 BenchLeader Index 为 65.4,Gemini 4 Hydrogen 为 63.4(BenchLeader,2026年11月16日)。
  • Claude Fable 5 每百万 token 混合价格为 $20.00(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 输出更快(3 倍以上;Artificial Analysis,7 日中位数,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类别得分 76 比 69中
智能体与工具调用Gemini 4 Hydrogen类别得分 62 比 61中
推理Claude Fable 5类别得分 80 比 70高
知识Gemini 4 Hydrogen类别得分 69 比 66中
对话质量(人类偏好)均可Arena 投票 68 比 68均可
成本最低Gemini 4 Hydrogen每百万 token 混合价格 $3.00 比 $20.00;智能体编程会话 $0.120 比 $0.800–
首次回答最快Claude Fable 5首个回答 token 3.2 秒(Claude Fable 5)比 16.2 秒(Gemini 4 Hydrogen (high))–
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 与 Gemini 4 Hydrogen (high) 的质量不相上下(65.4 比 63.4,在 ±5.3 的误差范围内)。
  • Claude Fable 5 在编程、推理方面更强。
  • Gemini 4 Hydrogen (high) 在智能体与工具、人类偏好、知识方面更强。
  • Gemini 4 Hydrogen (high) 更便宜,对方的价格是它的 6.7 倍(每百万 token 混合价格 $3.00 比 $20.00)。
  • Gemini 4 Hydrogen (high) 的输出速度是对方的 3.4 倍(170 比 50 token/秒)。

概览

规格Claude Fable 5Gemini 4 Hydrogen
提供商AnthropicGoogle
发布日期2026年6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 5Gemini 4 Hydrogen (high)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$10.00 / $50.00 / $1.00$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 5Gemini 4 Hydrogen (high)领先者
推理80.169.6Claude Fable 5
编程75.568.8Claude Fable 5
智能体与工具60.561.7Gemini 4 Hydrogen
数学–67.8无法比较
知识66.468.5Gemini 4 Hydrogen
人类偏好67.768.2持平

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知识人类偏好Claude Fable 5, 推理: 80.1Claude Fable 5, 编程: 75.5Claude Fable 5, 智能体与工具: 60.5Claude Fable 5, 知识: 66.4Claude Fable 5, 人类偏好: 67.7Gemini 4 Hydrogen, 推理: 69.6Gemini 4 Hydrogen, 编程: 68.8Gemini 4 Hydrogen, 智能体与工具: 61.7Gemini 4 Hydrogen, 知识: 68.5Gemini 4 Hydrogen, 人类偏好: 68.2

未绘制(测得的模型少于两个):数学, 指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 0 项基准测试中,Claude Fable 5 领先 0 项,Gemini 4 Hydrogen 领先 0 项。所有同时评测两者的综合评分都认为 Claude Fable 5 更强。

综合 IndexClaude Fable 5Gemini 4 Hydrogen (high)领先者
BenchLeader Index65.463.4不相上下
Arena Text1504†1490Claude Fable 5

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 5Gemini 4 Hydrogen (high)
每百万 token 混合价格$20.00$3.00
每百万 token 输入 / 输出$10.00 / $50.00$1.50 / $7.50
每百万 token 缓存输入$1.00$0.075
每项任务价格:聊天回复$0.019$0.0029
每项任务价格:总结一份 30 页的报告$0.150$0.022
每项任务价格:代码编辑$0.135$0.020
每项任务价格:智能体编程会话$0.800$0.120
每项任务价格:结构化信息提取$0.030$0.0045
智能体编程会话(输入大多命中缓存)$0.395$0.056
每项基准测试任务成本(AA Index)–$1.87
每项任务输出 token(AA Index)–85k
其中推理部分–48k
每项任务耗时(AA Index)–8 min
输出速度50 tok/s170 tok/s
首次回答时间3.2 秒16.2 秒
完整回答耗时(最近一次测量 2026年11月13日)–63.3 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 得分 65.4,首个回答 token 需 3 秒;Claude Fable 5 (max) 为 65.1(95 秒),Claude Fable 5 (high) 为 63.9(3 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 147 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 5Gemini 4 Hydrogen (high)
BenchLeader IndexBenchLeader65.463.4
智能体与工具得分BenchLeader60.561.7
编程得分BenchLeader75.568.8
人类偏好得分BenchLeader67.768.2
知识得分BenchLeader66.468.5
推理得分BenchLeader80.169.6
数学得分BenchLeader–67.8
混合价格(美元/百万 token)BenchLeader$20.00$3.00
输出速度BenchLeader50 tok/s170 tok/s
首次回答时间BenchLeader3.2 秒16.2 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub85.9%†–
SimpleBenchSimpleBench81.9%†–
Arena Hard PromptsArena (LMArena)1530†1514
LiveBench 2.0 ReasoningLiveBench–88.6%†
LiveBench 1.0 ReasoningLiveBench89.7%†–
GPQA Diamond (AA)Artificial Analysis92.6%†–
Humanity's Last Exam (AA)Artificial Analysis55.5%†–
HLE-Diamond (AA)Artificial Analysis–54.9%
GPQA Diamond (Vals)Vals AI93.2%†–
EnigmaEvalScale AI SEAL39.3%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%–
ARC-AGI-1ARC Prize98.5%†–
ARC-AGI-2ARC Prize89.2%†–
CritPtArtificial Analysis28.6%†–
CritPt v2 hard subset (AA)Artificial Analysis–61.5%
Arena ExpertArena (LMArena)1550†1542
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub52.0%†–
LMCAEpoch AI Benchmarking Hub60.3%†–
DTBenchEpoch AI Benchmarking Hub98.4%†–
ForecastBenchForecastBench65.9%†–
BTF-3Epoch AI Benchmarking Hub13.0%†–
编程
SciCodeSciCode61.0%†–
WeirdMLWeirdML91.9%†–
FrontierCodeCognition53.5%–
显示全部 147 项基准测试
指标发布方Claude Fable 5Gemini 4 Hydrogen (high)
编程
GSO-BenchGSO-Bench78.4%–
Arena CodingArena (LMArena)1552†1518
Arena WebDevArena (LMArena)1625†1704
LiveBench 2.0 CodingLiveBench–78.5%†
LiveBench 1.0 CodingLiveBench86.0%†–
LiveCodeBenchVals AI89.8%†–
SWE-bench (Vals)Vals AI95.0%†–
Code MigrationVals AI55.1%†–
ProgramBenchVals AI2.0%†–
Vibe Code Bench v1.1Vals AI90.3%†87.8%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL39.0%†–
SWE Atlas v1.0: RefactoringScale AI SEAL54.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL55.6%†–
MirrorCodeEpoch AI Benchmarking Hub70.0%†–
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub69.7%†–
ALE-BenchEpoch AI Benchmarking Hub2041.3†–
FrontierSWEEpoch AI Benchmarking Hub47.0%†–
WeirdML v3WeirdML15.6%†–
Terminal-Bench 4.0 (AA)Artificial Analysis42.4%†54.0%
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%†–
Startrise FrontendStartrise73.8%†–
GameBench 2 OverallDuelLab GameBench 265.8–
GameBench 2 by reasoning settingDuelLab GameBench 258.1†–
Design Arena WebsiteDesign Arena12881320†
FrontierCode 2.0 (AA)Artificial Analysis–36.3%
智能体与工具
Terminal-BenchTerminal-Bench44.9%†56.4%
Remote Labor IndexScale AI / CAIS16.1%–
APEX-AgentsMercor63.6%–
Arena AgentArena (LMArena)7.3†–
LiveBench Long AgenticLiveBench–61.8%†
LiveBench BrowserLiveBench–77.1%†
LiveBench Agentic CodingLiveBench62.2%†–
Terminal-Bench HardArtificial Analysis62.9%†–
τ²-Bench Telecom (AA)Artificial Analysis98.5%†–
Terminal-Bench 2.1 (Vals)Vals AI80.5%†–
MCP AtlasScale AI SEAL83.3%–
HiL-BenchScale AI SEAL56.3%–
τ³-bench Bankingτ²-bench39.7%†–
GDPval-AA v2.1Artificial Analysis1618†–
τ³-Banking (AA)Artificial Analysis38.1%†–
Analyst Agent (AA)Artificial Analysis48.8%†–
Finance Agent v2Vals AI56.3%†–
Finance Agent v2.1Vals AI–65.1%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.3%†
Harvey's Legal Agent Benchmark v1Vals AI11.3%†–
Legal Research BenchVals AI49.5%†53.9%†
Tax Agent BenchVals AI38.3%†52.3%†
Terminal-Bench 4.0 (Vals)Vals AI41.4%†54.0%†
Terminal-Bench ScienceVals AI15.7%†–
Web Search IndexVals AI46.9%†–
Arena SearchArena (LMArena)1229†–
Arena Agent Task CompletionArena (LMArena)5.1†–
PostTrainBenchEpoch AI Benchmarking Hub37.3%†–
GBAEvalEpoch AI Benchmarking Hub74.5%–
Vending-Bench 2Andon Labs4529.9–
AutomationBenchArtificial Analysis54.1%†74.4%
GDP.pdf (AA)Artificial Analysis24.0%†30.0%
EnterpriseOps-GymArtificial Analysis51.1%†–
AA-Briefcase v1.1Artificial Analysis1536†1497
Design Arena AgenticDesign Arena12751262†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–41.4%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub87.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub90.2%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†–
ProofBenchVals AI95.0%†–
LiveBench MathematicsLiveBench96.0%†–
Arena MathsArena (LMArena)1520†1495
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.7%†–
LiveBench 2.0 Data AnalysisLiveBench–83.2%†
LiveBench ResearchLiveBench–86.8%†
LiveBench 1.0 Data AnalysisLiveBench80.5%†–
AA-Omniscience v1.1Artificial Analysis–43.7
MMLU-ProVals AI91.5%†–
LegalBenchVals AI88.6%†–
CorpFinVals AI71.8%†–
TaxEvalVals AI76.9%†–
PRBench FinanceScale AI SEAL53.9%–
PRBench LegalScale AI SEAL52.6%–
Excel Modeling BenchmarkVals AI73.7%†–
Excel Modeling Benchmark v1.1Vals AI–75.8%†
MedCodeVals AI56.1%†–
MedScribeVals AI88.5%†–
Public Benefits Bench v1.1Vals AI70.4%†–
EBR-benchEpoch AI Benchmarking Hub39.5%†–
GDP.pdfEpoch AI Benchmarking Hub30.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–91.3%
指令遵循
LiveBench LanguageLiveBench90.7%†–
LiveBench Instruction FollowingLiveBench75.8%†–
IFBenchArtificial Analysis63.5%†–
Arena Instruction FollowingArena (LMArena)1509†1503
人类偏好
Arena TextArena (LMArena)1504†1490
EQ-Bench 4EQ-Bench1313–
EQ-Bench Creative Writing v3EQ-Bench1944–
Arena Creative WritingArena (LMArena)1501†1492
Arena Multi-turnArena (LMArena)1517†1476
Arena Longer QueriesArena (LMArena)1522†1514
多模态
Arena VisionArena (LMArena)1326†–
LiveBench DesignLiveBench–77.3%†
MMMU-Pro (Vals)Vals AI89.3%†–
MortgageTaxVals AI68.9%†–
Humanity's Sixth SenseScale AI SEAL34.5%†–
GeoBenchGeoBench89.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%–
Furniture AssemblyEpoch AI Benchmarking Hub35.8%†–
长上下文
AA-LCR v1.1Artificial Analysis82.3%†–
Arena DocumentArena (LMArena)1500†–
MLCRArtificial Analysis20.6%†21.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.1–
LiveBench 2.0LiveBench–77.0%†
LiveBench 1.0LiveBench83.0%†–
AA Intelligence Index v5.0.1Artificial Analysis–50.8
AA Intelligence Index v4.3.2Artificial Analysis49.6†–
AA Progress Index v1Artificial Analysis329.3†–
Vals IndexVals AI–68.5†
Vals Finance IndexVals AI–66.1%†
Vals RSI IndexVals AI24.3%†–
Vals Multimodal IndexVals AI74.2%†–
Vals Legal IndexVals AI–73.6%†
安全与诚实
DistressBenchScale AI SEAL69.4%–

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:BenchLeader Index 66.5 → 65.4。
  • Claude Fable 5:1 项分数修订。
  • Gemini 4 Hydrogen (high):10 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…)。
  • Claude Fable 5:1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Claude Fable 5:BenchLeader Index 67.3 → 66.5。
  • Claude Fable 5:1 项分数修订。
  • Claude Fable 5:1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Claude Fable 5:1 项分数修订。
  • Claude Fable 5:8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。

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 vs Gemini 4 Hydrogen:常见问题

Claude Fable 5 比 Gemini 4 Hydrogen 更好吗?
Claude Fable 5 与 Gemini 4 Hydrogen (high) 的质量不相上下(65.4 比 63.4,在 ±5.3 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 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 $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 还是 Gemini 4 Hydrogen 更好?
Claude Fable 5 在编程方面得分更高(类别得分 76 比 69,50 为平均水平)。
Claude Fable 5 和 Gemini 4 Hydrogen 哪个更快?
Gemini 4 Hydrogen 输出更快(3 倍以上;输出 170 比 50 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Fable 5 还是 Gemini 4 Hydrogen 更好?
Gemini 4 Hydrogen 在智能体任务方面得分更高(类别得分 62 比 61,50 为平均水平)。
更多问题(3)
处理长文档哪个更好?
两者都约为 1M token(Claude Fable 5 为 1,000,000,Gemini 4 Hydrogen 为 1,048,576)。
哪个延迟更低?
Claude Fable 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 3.2 秒比 16.2 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
Gemini 4 Hydrogen 是什么时候发布的?
Gemini 4 Hydrogen 于 2026年11月12日 发布。