BenchLeader

Claude Fable 5 vs GPT-5.6 Sol

完整资料:Claude Fable 5(Anthropic)和 GPT-5.6 Sol(OpenAI),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,Claude Fable 5 与 GPT-5.6 Sol 的质量不相上下(BenchLeader Index 65.4 比 65.3,在 ±5.9 的误差范围内)。GPT-5.6 Sol 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $8.00 比 $20.00)。看重推理(80 比 65)、编程(76 比 66)和知识(66 比 64)选 Claude Fable 5;看重智能体与工具(68 比 61)选 GPT-5.6 Sol。Claude Fable 5 的首次回答更快(3.2 秒 比 33.5 秒)。GPT-5.6 Sol 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Fable 5 的 BenchLeader Index 为 65.4,GPT-5.6 Sol 为 65.3(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)。
  • GPT-5.6 Sol 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • GPT-5.6 Sol 比 Claude Fable 5 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 3 项基准测试中,Claude Fable 5 领先 2 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类别得分 76 比 66高
智能体与工具调用GPT-5.6 Sol类别得分 68 比 61中
推理Claude Fable 5类别得分 80 比 65高
知识Claude Fable 5类别得分 66 比 64;PRBench Finance 53.9% 比 50.5%中
对话质量(人类偏好)–只有 Claude Fable 5 有 Arena 评分(类别得分 68)无法比较
成本最低GPT-5.6 Sol每百万 token 混合价格 $8.00 比 $20.00;智能体编程会话 $0.320 比 $0.800–
首次回答最快Claude Fable 5首个回答 token 3.2 秒(Claude Fable 5)比 33.5 秒(GPT-5.6 Sol (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

  • Claude Fable 5 与 GPT-5.6 Sol (max) 的质量不相上下(65.4 比 65.3,在 ±5.9 的误差范围内)。
  • Claude Fable 5 在编程、知识、推理方面更强。
  • GPT-5.6 Sol (max) 在智能体与工具方面更强。
  • GPT-5.6 Sol (max) 更便宜,对方的价格是它的 2.5 倍(每百万 token 混合价格 $8.00 比 $20.00)。
  • GPT-5.6 Sol (max) 的输出速度是对方的 2.0 倍(100 比 50 token/秒)。

概览

规格Claude Fable 5GPT-5.6 Sol
提供商AnthropicOpenAI
发布日期2026年6月9日2026年7月9日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Fable 5GPT-5.6 Sol (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 / $1.00$4.00 / $20.00 / $0.400

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 5GPT-5.6 Sol (max)领先者
推理80.164.7Claude Fable 5
编程75.565.8Claude Fable 5
智能体与工具60.567.5GPT-5.6 Sol
数学–70.0无法比较
知识66.463.8Claude Fable 5
指令遵循–71.2无法比较
人类偏好67.7–无法比较
多模态–65.9无法比较
长上下文–66.7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知识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: 66.4GPT-5.6 Sol, 推理: 64.7GPT-5.6 Sol, 编程: 65.8GPT-5.6 Sol, 智能体与工具: 67.5GPT-5.6 Sol, 知识: 63.8

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, 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 3 项基准测试中,Claude Fable 5 领先 2 项,GPT-5.6 Sol 领先 1 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 5GPT-5.6 Sol (max)领先者
BenchLeader Index65.465.3不相上下
Arena Text1504†1485Claude 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 5GPT-5.6 Sol (max)
每百万 token 混合价格$20.00$8.00
每百万 token 输入 / 输出$10.00 / $50.00$4.00 / $20.00
每百万 token 缓存输入$1.00$0.400
每项任务价格:聊天回复$0.019$0.0076
每项任务价格:总结一份 30 页的报告$0.150$0.060
每项任务价格:代码编辑$0.135$0.054
每项任务价格:智能体编程会话$0.800$0.320
每项任务价格:结构化信息提取$0.030$0.012
智能体编程会话(输入大多命中缓存)$0.395$0.158
输出速度50 tok/s100 tok/s
首次回答时间3.2 秒33.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–157.3 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)。GPT-5.6 Sol (max) 得分 65.3,首个回答 token 需 34 秒;GPT-5.6 Sol (xhigh) 为 63.9(17 秒),GPT-5.6 Sol (high) 为 63.4(10 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 153 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 5GPT-5.6 Sol (max)
BenchLeader IndexBenchLeader65.465.3
智能体与工具得分BenchLeader60.567.5
编程得分BenchLeader75.565.8
人类偏好得分BenchLeader67.7–
知识得分BenchLeader66.463.8
推理得分BenchLeader80.164.7
指令遵循得分BenchLeader–71.2
长上下文得分BenchLeader–66.7
数学得分BenchLeader–70.0
多模态得分BenchLeader–65.9
混合价格(美元/百万 token)BenchLeader$20.00$8.00
输出速度BenchLeader50 tok/s100 tok/s
首次回答时间BenchLeader3.2 秒33.5 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub85.9%†93.5%
SimpleBenchSimpleBench81.9%†64.8%†
Arena Hard PromptsArena (LMArena)1530†1511†
LiveBench 1.0 ReasoningLiveBench89.7%†91.7%
GPQA Diamond (AA)Artificial Analysis92.6%†94.1%
Humanity's Last Exam (AA)Artificial Analysis55.5%†49.5%
GPQA Diamond (Vals)Vals AI93.2%†95.2%
EnigmaEvalScale AI SEAL39.3%†37.1%†
Kagi LLM BenchmarkKagi LLM Benchmark88.8%67.0%†
ARC-AGI-1ARC Prize98.5%†96.5%
ARC-AGI-2ARC Prize89.2%†92.5%
ARC-AGI-3ARC Prize–7.8%
CritPtArtificial Analysis28.6%†32.3%
CritPt v2 hard subset (AA)Artificial Analysis–60.0%
MysteryMechanismVals AI–33.3%
HLE-Diamond (Scale)Scale AI SEAL–31.2%†
Arena ExpertArena (LMArena)1550†1532†
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†59.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub52.0%†58.0%
LMCAEpoch AI Benchmarking Hub60.3%†58.4%
DTBenchEpoch AI Benchmarking Hub98.4%†95.5%
ForecastBenchForecastBench65.9%†65.7%
BTF-3Epoch AI Benchmarking Hub13.0%†13.7%
编程
SciCodeSciCode61.0%†57.1%
WeirdMLWeirdML91.9%†87.0%
显示全部 153 项基准测试
指标发布方Claude Fable 5GPT-5.6 Sol (max)
编程
FrontierCodeCognition53.5%47.5%†
GSO-BenchGSO-Bench78.4%76.5%†
Arena CodingArena (LMArena)1552†1533†
Arena WebDevArena (LMArena)1625†1615†
LiveBench 1.0 CodingLiveBench86.0%†83.9%
LiveCodeBenchVals AI89.8%†82.6%
IOIVals AI–91.2%
SWE-bench (Vals)Vals AI95.0%†96.2%
Code MigrationVals AI55.1%†52.9%
ProgramBenchVals AI2.0%†1.5%
Vibe Code Bench 1-100Vals AI–20.0%
Vibe Code Bench v1.1Vals AI90.3%†80.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL39.0%†46.0%†
SWE Atlas v1.0: RefactoringScale AI SEAL54.8%†–
SWE Atlas v1.0: Test WritingScale AI SEAL55.6%†45.9%†
SWE-Bench Pro V2Scale AI SEAL–95.5%†
SWE-Bench Pro V2 HARDScale AI SEAL–82.4%†
MirrorCodeEpoch AI Benchmarking Hub70.0%†20.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%†93.1%†
DeepSWE v1.1Epoch AI Benchmarking Hub69.7%†72.7%
CursorBenchCursor–41.7%
ALE-BenchEpoch AI Benchmarking Hub2041.3†2176.9
FrontierSWEEpoch AI Benchmarking Hub47.0%†32.2%
WeirdML v3WeirdML15.6%†15.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis42.4%†39.9%
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%†88.0%
Startrise FrontendStartrise73.8%†66.2%†
GameBench 2 OverallDuelLab GameBench 265.867.0†
GameBench 2 by reasoning settingDuelLab GameBench 258.1†80.0†
Design Arena WebsiteDesign Arena12881319†
智能体与工具
Terminal-BenchTerminal-Bench44.9%†38.5%
OSWorld-Verified 2.0OSWorld–27.3%
Remote Labor IndexScale AI / CAIS16.1%–
APEX-AgentsMercor63.6%51.4%†
Arena AgentArena (LMArena)7.3†4.6†
LiveBench Agentic CodingLiveBench62.2%†56.2%
Terminal-Bench HardArtificial Analysis62.9%†65.9%
τ²-Bench Telecom (AA)Artificial Analysis98.5%†85.1%
Terminal-Bench 2.1 (Vals)Vals AI80.5%†85.8%
MCP AtlasScale AI SEAL83.3%–
HiL-BenchScale AI SEAL56.3%32.3%†
τ³-bench Bankingτ²-bench39.7%†46.9%†
GDPval-AA v2.1Artificial Analysis1618†1619
τ³-Banking (AA)Artificial Analysis38.1%†44.3%
ITBench SRE (AA)Artificial Analysis–56.2%
Analyst Agent (AA)Artificial Analysis48.8%†47.5%
CUA-benchVals AI–8.3%
CyberBenchVals AI–76.3%
Finance Agent v2Vals AI56.3%†53.8%
Harvey's Legal Agent Benchmark v1Vals AI11.3%†2.5%
Legal Research BenchVals AI49.5%†48.1%
SkillsBenchVals AI–54.1%
SREBenchVals AI–30.5%
Tax Agent BenchVals AI38.3%†31.1%
Terminal-Bench 4.0 (Vals)Vals AI41.4%†37.9%
Terminal-Bench ScienceVals AI15.7%†20.0%
Time Horizon Index: KSPVals AI–23.8%
Web Search IndexVals AI46.9%†43.6%
Arena SearchArena (LMArena)1229†1255†
Arena Agent Task CompletionArena (LMArena)5.1†2.3†
BALROGBALROG–60.0%
PostTrainBenchEpoch AI Benchmarking Hub37.3%†31.0%
GBAEvalEpoch AI Benchmarking Hub74.5%52.6%†
Vending-Bench 2Andon Labs4529.99619.4†
AutomationBenchArtificial Analysis54.1%†60.1%
GDP.pdf (AA)Artificial Analysis24.0%†27.2%
EnterpriseOps-GymArtificial Analysis51.1%†42.9%
AA-Briefcase v1.1Artificial Analysis1536†1479
Design Arena AgenticDesign Arena12751238†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–22.4%
FACTS SearchGoogle–92.9%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub87.0%†89.1%
FrontierMath Tier 4Epoch AI Benchmarking Hub90.2%†82.9%
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†100.0%
ProofBenchVals AI95.0%†83.0%
LiveBench MathematicsLiveBench96.0%†96.2%
Arena MathsArena (LMArena)1520†1494†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†0.0%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.7%†69.7%
LiveBench 1.0 Data AnalysisLiveBench80.5%†79.8%
MMLU-ProVals AI91.5%†89.1%
LegalBenchVals AI88.6%†87.0%
CorpFinVals AI71.8%†64.4%
TaxEvalVals AI76.9%†74.8%
PRBench FinanceScale AI SEAL53.9%50.5%
PRBench LegalScale AI SEAL52.6%50.5%
BioMysteryBenchVals AI–71.1%
Excel Modeling BenchmarkVals AI73.7%†72.3%
MedCodeVals AI56.1%†44.0%
MedScribeVals AI88.5%†85.2%
Public Benefits Bench v1.1Vals AI70.4%†66.5%
Financial Coaching BenchVals AI–74.9%
DrugDiscoveryBenchScale AI SEAL–56.5%
EBR-benchEpoch AI Benchmarking Hub39.5%†44.8%
GDP.pdfEpoch AI Benchmarking Hub30.0%30.7%
FACTS ParametricGoogle–81.1%†
指令遵循
LiveBench LanguageLiveBench90.7%†87.7%
LiveBench Instruction FollowingLiveBench75.8%†71.8%
IFBenchArtificial Analysis63.5%†72.7%
Arena Instruction FollowingArena (LMArena)1509†1490†
人类偏好
Arena TextArena (LMArena)1504†1485†
EQ-Bench 4EQ-Bench13131236†
EQ-Bench Creative Writing v3EQ-Bench19441974†
Arena Creative WritingArena (LMArena)1501†1471†
Arena Multi-turnArena (LMArena)1517†1491†
Arena Longer QueriesArena (LMArena)1522†1498†
多模态
Arena VisionArena (LMArena)1326†1282†
MMMU-ProArtificial Analysis–83.4%
MMMU-Pro (Vals)Vals AI89.3%†88.8%
MortgageTaxVals AI68.9%†67.3%
Humanity's Sixth SenseScale AI SEAL34.5%†30.0%
GeoBenchGeoBench89.0%†73.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%33.6%†
Furniture AssemblyEpoch AI Benchmarking Hub35.8%†56.7%
FACTS MultimodalGoogle–46.4%†
长上下文
AA-LCR v1.1Artificial Analysis82.3%†84.0%
Arena DocumentArena (LMArena)1500†1487†
MLCRArtificial Analysis20.6%†30.0%
FACTS GroundingGoogle–61.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.1163.0†
LiveBench 1.0LiveBench83.0%†81.0%
AA Intelligence Index v4.3.2Artificial Analysis49.6†47.0
AA Progress Index v1Artificial Analysis329.3†331.5
Vals RSI IndexVals AI24.3%†23.9%
Vals Science IndexVals AI–41.5%
Vals Multimodal IndexVals AI74.2%†72.6%
安全与诚实
FORTRESSScale AI SEAL–20.1%†
DistressBenchScale AI SEAL69.4%73.6%†

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:BenchLeader Index 66.5 → 65.4。
  • Claude Fable 5:1 项分数修订。
  • GPT-5.6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • GPT-5.6 Sol (max):1 项分数修订。
  • GPT-5.6 Sol (max):2 项新结果(AA Progress Index v1, CritPt v2 hard subset (AA))。

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 GPT-5.6 Sol:常见问题

Claude Fable 5 比 GPT-5.6 Sol 更好吗?
Claude Fable 5 与 GPT-5.6 Sol (max) 的质量不相上下(65.4 比 65.3,在 ±5.9 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 GPT-5.6 Sol 哪个更便宜?价格会变吗?
目前 GPT-5.6 Sol 更便宜:每百万 token $8.00 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 GPT-5.6 Sol 更好?
Claude Fable 5 在编程方面得分更高(类别得分 76 比 66,50 为平均水平)。
Claude Fable 5 和 GPT-5.6 Sol 哪个更快?
GPT-5.6 Sol 输出更快(约 2 倍;输出 100 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 GPT-5.6 Sol 更好?
GPT-5.6 Sol 在智能体任务方面得分更高(类别得分 68 比 61,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(Claude Fable 5 为 1,000,000,GPT-5.6 Sol 为 1,050,000)。
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 33.5 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 和 GPT-5.6 Sol 的看法一致吗?
在两者都有结果的 3 项基准测试中,Claude Fable 5 领先 2 项,GPT-5.6 Sol 领先 1 项。所有同时评测两者的综合评分都认为 Claude Fable 5 更强。
GPT-5.6 Sol 是什么时候发布的?
GPT-5.6 Sol 于 2026年7月9日 发布。