BenchLeader

Claude Fable 5 vs Grok 4

完整资料:Claude Fable 5(Anthropic)和 Grok 4(SpaceXAI),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 领先 Grok 4(BenchLeader Index 65.4 比 58.1)。不过,Grok 4 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $6.00 比 $20.00)。在两者都有成绩的所有类别中,Claude Fable 5 均领先。

要点(截至 2026年11月16日)

  • Claude Fable 5 的 BenchLeader Index 为 65.4,Grok 4 为 58.1(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)。
  • Grok 4 每百万 token 混合价格为 $6.00(标价,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 3 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 56;Design Arena Website 1288 比 1006高
智能体与工具调用Claude Fable 5类别得分 61 比 59中
推理Claude Fable 5类别得分 80 比 60;Kagi LLM Benchmark 88.8% 比 73.6%高
知识Claude Fable 5类别得分 66 比 56高
对话质量(人类偏好)Claude Fable 5Arena 投票 68 比 59高
成本最低Grok 4每百万 token 混合价格 $6.00 比 $20.00;智能体编程会话 $0.240 比 $0.800–
首次回答最快Claude Fable 5首个回答 token 3.2 秒(Claude Fable 5)比 17.5 秒(Grok 4)–
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 领先:65.4 比 58.1。
  • Claude Fable 5 在智能体与工具、编程、人类偏好、知识、推理方面更强。
  • Grok 4 更便宜,对方的价格是它的 3.3 倍(每百万 token 混合价格 $6.00 比 $20.00)。
  • Grok 4 的输出速度是对方的 1.4 倍(69 比 50 token/秒)。

概览

规格Claude Fable 5Grok 4
提供商AnthropicSpaceXAI
发布日期2026年6月9日2025年7月9日
上下文窗口(token)1,000,000256,000
对比时的配置Claude Fable 5Grok 4
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$3.00 / $15.00 / –

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 5Grok 4领先者
推理80.160.0Claude Fable 5
编程75.555.9Claude Fable 5
智能体与工具60.558.6Claude Fable 5
数学–58.3无法比较
知识66.456.0Claude Fable 5
指令遵循–62.5无法比较
人类偏好67.758.5Claude Fable 5
多模态–52.0无法比较
长上下文–68.3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: 67.7Grok 4, 推理: 60.0Grok 4, 编程: 55.9Grok 4, 智能体与工具: 58.6Grok 4, 知识: 56.0Grok 4, 人类偏好: 58.5

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 3 项基准测试中,Claude Fable 5 领先 3 项,Grok 4 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 5Grok 4领先者
BenchLeader Index65.458.1Claude Fable 5
Arena Text1504†1411Claude 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 5Grok 4
每百万 token 混合价格$20.00$6.00
每百万 token 输入 / 输出$10.00 / $50.00$3.00 / $15.00
每百万 token 缓存输入$1.00–
每项任务价格:聊天回复$0.019$0.0057
每项任务价格:总结一份 30 页的报告$0.150$0.045
每项任务价格:代码编辑$0.135$0.041
每项任务价格:智能体编程会话$0.800$0.240
每项任务价格:结构化信息提取$0.030$0.0090
智能体编程会话(输入大多命中缓存)$0.395–
输出速度50 tok/s69 tok/s
首次回答时间3.2 秒17.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–42.8 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)。Grok 4 得分 58.1,首个回答 token 需 18 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 5Grok 4
BenchLeader IndexBenchLeader65.458.1
智能体与工具得分BenchLeader60.558.6
编程得分BenchLeader75.555.9
人类偏好得分BenchLeader67.758.5
知识得分BenchLeader66.456.0
推理得分BenchLeader80.160.0
指令遵循得分BenchLeader–62.5
长上下文得分BenchLeader–68.3
数学得分BenchLeader–58.3
多模态得分BenchLeader–52.0
混合价格(美元/百万 token)BenchLeader$20.00$6.00
输出速度BenchLeader50 tok/s69 tok/s
首次回答时间BenchLeader3.2 秒17.5 秒
上下文窗口BenchLeader1,000,000 token256,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub85.9%†87.0%
SimpleBenchSimpleBench81.9%†60.5%
Arena Hard PromptsArena (LMArena)1530†1421
LiveBench 1.0 ReasoningLiveBench89.7%†–
GPQA Diamond (AA)Artificial Analysis92.6%†87.7%
Humanity's Last Exam (AA)Artificial Analysis55.5%†26.7%
GPQA Diamond (Vals)Vals AI93.2%†88.1%
EnigmaEvalScale AI SEAL39.3%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%73.6%
GPQA Diamond (HELM)HELM Capabilities–72.6%
ARC-AGI-1ARC Prize98.5%†66.7%†
ARC-AGI-2ARC Prize89.2%†16.0%†
CritPtArtificial Analysis28.6%†2.0%
Arena ExpertArena (LMArena)1550†1429
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%†64.7%
BTF-3Epoch AI Benchmarking Hub13.0%†–
编程
SciCodeSciCode61.0%†–
WeirdMLWeirdML91.9%†45.7%
FrontierCodeCognition53.5%–
GSO-BenchGSO-Bench78.4%–
Arena CodingArena (LMArena)1552†1435
显示全部 153 项基准测试
指标发布方Claude Fable 5Grok 4
编程
Arena WebDevArena (LMArena)1625†–
LiveBench 1.0 CodingLiveBench86.0%†–
LiveCodeBenchVals AI89.8%†83.3%
SWE-bench (Vals)Vals AI95.0%†57.8%
Aider PolyglotAider polyglot leaderboard–79.6%†
Code MigrationVals AI55.1%†–
ProgramBenchVals AI2.0%†–
Vibe Code Bench v1.1Vals AI90.3%†–
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%†–
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 Arena12881006
LiveCodeBench (AA)Artificial Analysis–81.9%
智能体与工具
Terminal-BenchTerminal-Bench44.9%†27.2%
GDPvalOpenAI–21.1%†
CybenchCybench–43.0%
Remote Labor IndexScale AI / CAIS16.1%–
APEX-AgentsMercor63.6%–
Arena AgentArena (LMArena)7.3†–
LiveBench Agentic CodingLiveBench62.2%†–
Terminal-Bench HardArtificial Analysis62.9%†37.9%
τ²-Bench Telecom (AA)Artificial Analysis98.5%†74.8%
Terminal-Bench 2.1 (Vals)Vals AI80.5%†–
MCP AtlasScale AI SEAL83.3%–
HiL-BenchScale AI SEAL56.3%–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
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%†–
Harvey's Legal Agent Benchmark v1Vals AI11.3%†–
Legal Research BenchVals AI49.5%†–
Tax Agent BenchVals AI38.3%†–
Terminal-Bench 2.0 (Vals)Vals AI–28.1%
Terminal-Bench 4.0 (Vals)Vals AI41.4%†–
Terminal-Bench ScienceVals AI15.7%†–
Web Search IndexVals AI46.9%†–
Arena SearchArena (LMArena)1229†1123
Arena Agent Task CompletionArena (LMArena)5.1†–
BALROGBALROG–43.6%
DeepResearch BenchDeepResearch Bench–47.3%
PostTrainBenchEpoch AI Benchmarking Hub37.3%†–
METR Time HorizonsMETR–66.6%
GBAEvalEpoch AI Benchmarking Hub74.5%–
Vending-Bench 2Andon Labs4529.9–
AutomationBenchArtificial Analysis54.1%†–
GDP.pdf (AA)Artificial Analysis24.0%†–
EnterpriseOps-GymArtificial Analysis51.1%†–
AA-Briefcase v1.1Artificial Analysis1536†–
Design Arena AgenticDesign Arena1275–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub87.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub90.2%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†84.0%
ProofBenchVals AI95.0%†–
LiveBench MathematicsLiveBench96.0%†–
AIME (Vals)Vals AI–90.6%
MGSMVals AI–90.9%
IMO 2025MathArena–21.4%
MathArena ApexMathArena–2.1%
Omni-MATH (HELM)HELM Capabilities–60.3%
MATH 500Vals AI–96.2%
Arena MathsArena (LMArena)1520†1425
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
AIME 2025 (AA)Artificial Analysis–92.7%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.7%†–
LiveBench 1.0 Data AnalysisLiveBench80.5%†–
MMLU-ProVals AI91.5%†85.3%
LegalBenchVals AI88.6%†83.2%
CorpFinVals AI71.8%†66.0%
TaxEvalVals AI76.9%†65.1%
MedQAVals AI–92.5%
PRBench FinanceScale AI SEAL53.9%–
PRBench LegalScale AI SEAL52.6%–
MMLU-Pro (HELM)HELM Capabilities–85.1%
CaseLaw v2Vals AI–65.8%
Excel Modeling BenchmarkVals AI73.7%†–
MedCodeVals AI56.1%†38.1%
MedScribeVals AI88.5%†78.2%
Public Benefits Bench v1.1Vals AI70.4%†–
EBR-benchEpoch AI Benchmarking Hub39.5%†–
GDP.pdfEpoch AI Benchmarking Hub30.0%–
Global-MMLU-Lite (AA)Artificial Analysis–89.5%
指令遵循
LiveBench LanguageLiveBench90.7%†–
LiveBench Instruction FollowingLiveBench75.8%†–
IFBenchArtificial Analysis63.5%†53.7%
IFEval (HELM)HELM Capabilities–94.9%
WildBench (HELM)HELM Capabilities–79.7%
Arena Instruction FollowingArena (LMArena)1509†1396
人类偏好
Arena TextArena (LMArena)1504†1411
EQ-Bench 4EQ-Bench1313–
EQ-Bench Creative Writing v3EQ-Bench1944–
Arena Creative WritingArena (LMArena)1501†1394
Arena Multi-turnArena (LMArena)1517†1413
Arena Longer QueriesArena (LMArena)1522†1416
Lech Mazur Creative WritingLech Mazur–76.9%
多模态
Arena VisionArena (LMArena)1326†1210
MMMU-ProArtificial Analysis–68.8%
MMMU-Pro (Vals)Vals AI89.3%†76.3%
MortgageTaxVals AI68.9%†44.5%
Humanity's Sixth SenseScale AI SEAL34.5%†–
GeoBenchGeoBench89.0%†45.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%–
Furniture AssemblyEpoch AI Benchmarking Hub35.8%†–
长上下文
Fiction.LiveBench 120kFiction.live–96.9%
AA-LCR v1.1Artificial Analysis82.3%†68.0%
Arena DocumentArena (LMArena)1500†–
MLCRArtificial Analysis20.6%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.1146.9
LiveBench 1.0LiveBench83.0%†–
AA Intelligence Index v4.3.2Artificial Analysis49.6†22.5
AA Progress Index v1Artificial Analysis329.3†262.3
HELM Capabilities meanHELM Capabilities–78.5%
Vals RSI IndexVals AI24.3%†–
Vals Multimodal IndexVals AI74.2%†–
安全与诚实
DistressBenchScale AI SEAL69.4%–
元数据
AA Openness IndexArtificial Analysis–5.6

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。
  • Grok 4:1 项新结果(AIME 2025 (AA))。
  • Grok 4:1 项新结果(Arena Search)。
  • Claude Fable 5:1 项分数修订。
  • Grok 4:1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Grok 4:BenchLeader Index 58.8 → 58.3。
  • Grok 4:1 项新结果(AA Progress Index v1)。
  • Claude Fable 5:BenchLeader Index 67.3 → 66.5。

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 Grok 4:常见问题

Claude Fable 5 比 Grok 4 更好吗?
质量上 Claude Fable 5 领先:65.4 比 58.1。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 总体领先,但请结合你的用途查看各类别得分。
Claude Fable 5 和 Grok 4 哪个更便宜?价格会变吗?
目前 Grok 4 更便宜:每百万 token $6.00 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 Grok 4 更好?
Claude Fable 5 在编程方面得分更高(类别得分 76 比 56,50 为平均水平)。
Claude Fable 5 和 Grok 4 哪个更快?
Grok 4 输出更快(输出 69 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 Grok 4 更好?
Claude Fable 5 在智能体任务方面得分更高(类别得分 61 比 59,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
Claude Fable 5 支持更长的上下文:1,000,000 token,Grok 4 为 256,000 token。
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 17.5 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 Grok 4 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 3 项,Grok 4 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。
Claude Fable 5 是什么时候发布的?
Claude Fable 5 于 2026年6月9日 发布。