BenchLeader

Claude Fable 5 vs Grok 4.5

完整资料:Claude Fable 5(Anthropic)和 Grok 4.5(SpaceXAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,质量上 Claude Fable 5 领先 Grok 4.5(BenchLeader Index 65.4 比 59.3)。不过,Grok 4.5 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)。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 4.5 为 59.3(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)。
  • Grok 4.5 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • 在两者都有结果的 11 项基准测试中,Claude Fable 5 领先 11 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 57;FrontierCode 53.5% 比 42.4%高
智能体与工具调用Claude Fable 5类别得分 61 比 55;APEX-Agents 63.6% 比 56.2%中
推理Claude Fable 5类别得分 80 比 67;Kagi LLM Benchmark 88.8% 比 83.5%高
对话质量(人类偏好)Claude Fable 5Arena 投票 68 比 65中
成本最低Grok 4.5每百万 token 混合价格 $3.00 比 $20.00;智能体编程会话 $0.144 比 $0.800–
首次回答最快Grok 4.5首个回答 token 1.4 秒(Grok 4.5)比 3.2 秒(Claude Fable 5)–
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 59.3。
  • Claude Fable 5 在智能体与工具、编程、人类偏好、推理方面更强。
  • Grok 4.5 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)。

概览

规格Claude Fable 5Grok 4.5
提供商AnthropicSpaceXAI
发布日期2026年6月9日2026年7月8日
上下文窗口(token)1,000,000500,000
对比时的配置Claude Fable 5Grok 4.5
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$2.00 / $6.00 / $0.300

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 4.5领先者
推理80.166.5Claude Fable 5
编程75.556.7Claude Fable 5
智能体与工具60.554.5Claude Fable 5
数学–65.1无法比较
知识66.4–无法比较
人类偏好67.765.2Claude Fable 5
多模态–63.1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, 人类偏好: 67.7Grok 4.5, 推理: 66.5Grok 4.5, 编程: 56.7Grok 4.5, 智能体与工具: 54.5Grok 4.5, 人类偏好: 65.2

未绘制(测得的模型少于两个):数学, 知识, 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 11 项基准测试中,Claude Fable 5 领先 11 项,Grok 4.5 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 4.5领先者
BenchLeader Index65.459.3Claude Fable 5
Arena Text1504†1466Claude 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 4.5
每百万 token 混合价格$20.00$3.00
每百万 token 输入 / 输出$10.00 / $50.00$2.00 / $6.00
每百万 token 缓存输入$1.00$0.300
每项任务价格:聊天回复$0.019$0.0026
每项任务价格:总结一份 30 页的报告$0.150$0.028
每项任务价格:代码编辑$0.135$0.021
每项任务价格:智能体编程会话$0.800$0.144
每项任务价格:结构化信息提取$0.030$0.0052
智能体编程会话(输入大多命中缓存)$0.395$0.068
输出速度50 tok/s49 tok/s
首次回答时间3.2 秒1.4 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 4.5 得分 59.3,首个回答 token 需 1 秒;Grok 4.5 (high) 为 56.8(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 133 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 4.5
BenchLeader IndexBenchLeader65.459.3
智能体与工具得分BenchLeader60.554.5
编程得分BenchLeader75.556.7
人类偏好得分BenchLeader67.765.2
知识得分BenchLeader66.4–
推理得分BenchLeader80.166.5
数学得分BenchLeader–65.1
多模态得分BenchLeader–63.1
混合价格(美元/百万 token)BenchLeader$20.00$3.00
输出速度BenchLeader50 tok/s49 tok/s
首次回答时间BenchLeader3.2 秒1.4 秒
上下文窗口BenchLeader1,000,000 token500,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub85.9%†93.4%†
SimpleBenchSimpleBench81.9%†70.0%
Arena Hard PromptsArena (LMArena)1530†1488
LiveBench 1.0 ReasoningLiveBench89.7%†87.2%
GPQA Diamond (AA)Artificial Analysis92.6%†93.1%†
Humanity's Last Exam (AA)Artificial Analysis55.5%†42.7%†
GPQA Diamond (Vals)Vals AI93.2%†92.9%†
EnigmaEvalScale AI SEAL39.3%†–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%83.5%
ARC-AGI-1ARC Prize98.5%†85.7%†
ARC-AGI-2ARC Prize89.2%†52.6%†
ARC-AGI-3ARC Prize–0.3%†
CritPtArtificial Analysis28.6%†15.4%†
Arena ExpertArena (LMArena)1550†1489
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†35.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub52.0%†–
LMCAEpoch AI Benchmarking Hub60.3%†45.2%†
DTBenchEpoch AI Benchmarking Hub98.4%†96.5%†
ForecastBenchForecastBench65.9%†65.8%†
BTF-3Epoch AI Benchmarking Hub13.0%†–
编程
SciCodeSciCode61.0%†55.0%†
WeirdMLWeirdML91.9%†46.4%
FrontierCodeCognition53.5%42.4%
GSO-BenchGSO-Bench78.4%–
Arena CodingArena (LMArena)1552†1514
显示全部 133 项基准测试
指标发布方Claude Fable 5Grok 4.5
编程
Arena WebDevArena (LMArena)1625†1553
LiveBench 1.0 CodingLiveBench86.0%†68.6%
LiveCodeBenchVals AI89.8%†87.3%†
IOIVals AI–40.6%†
SWE-bench (Vals)Vals AI95.0%†86.6%†
Code MigrationVals AI55.1%†36.6%†
ProgramBenchVals AI2.0%†0.0%†
Vibe Code Bench v1.1Vals AI90.3%†69.0%†
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%†32.2%†
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%†74.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub69.7%†53.8%†
ALE-BenchEpoch AI Benchmarking Hub2041.3†1309.3†
FrontierSWEEpoch AI Benchmarking Hub47.0%†–
WeirdML v3WeirdML15.6%†–
Terminal-Bench 4.0 (AA)Artificial Analysis42.4%†10.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%†81.7%†
Startrise FrontendStartrise73.8%†68.0%
GameBench 2 OverallDuelLab GameBench 265.856.7
GameBench 2 by reasoning settingDuelLab GameBench 258.1†61.5†
Design Arena WebsiteDesign Arena12881273
智能体与工具
Terminal-BenchTerminal-Bench44.9%†12.4%†
Remote Labor IndexScale AI / CAIS16.1%–
APEX-AgentsMercor63.6%56.2%
Arena AgentArena (LMArena)7.3†–
LiveBench Agentic CodingLiveBench62.2%†56.5%
Terminal-Bench HardArtificial Analysis62.9%†–
τ²-Bench Telecom (AA)Artificial Analysis98.5%†–
Terminal-Bench 2.1 (Vals)Vals AI80.5%†67.8%†
MCP AtlasScale AI SEAL83.3%–
HiL-BenchScale AI SEAL56.3%–
τ³-bench Bankingτ²-bench39.7%†47.9%†
GDPval-AA v2.1Artificial Analysis1618†1388†
τ³-Banking (AA)Artificial Analysis38.1%†42.1%†
Analyst Agent (AA)Artificial Analysis48.8%†35.0%†
CyberBenchVals AI–71.0%†
Finance Agent v2Vals AI56.3%†48.4%†
Harvey's Legal Agent Benchmark v1Vals AI11.3%†12.9%†
Legal Research BenchVals AI49.5%†38.0%†
SkillsBenchVals AI–66.0%†
SREBenchVals AI–0.8%†
Tax Agent BenchVals AI38.3%†24.9%†
Terminal-Bench 4.0 (Vals)Vals AI41.4%†8.6%†
Terminal-Bench ScienceVals AI15.7%†–
Time Horizon Index: KSPVals AI–6.3%†
Web Search IndexVals AI46.9%†35.5%†
Arena SearchArena (LMArena)1229†1205
Arena Agent Task CompletionArena (LMArena)5.1†–
PostTrainBenchEpoch AI Benchmarking Hub37.3%†22.6%†
GBAEvalEpoch AI Benchmarking Hub74.5%65.4%
Vending-Bench 2Andon Labs4529.93887.4
AutomationBenchArtificial Analysis54.1%†57.9%†
GDP.pdf (AA)Artificial Analysis24.0%†18.8%†
EnterpriseOps-GymArtificial Analysis51.1%†40.8%†
AA-Briefcase v1.1Artificial Analysis1536†1277†
Design Arena AgenticDesign Arena12751221
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub87.0%†57.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub90.2%†24.4%†
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†97.8%†
ProofBenchVals AI95.0%†31.0%†
LiveBench MathematicsLiveBench96.0%†90.8%
Arena MathsArena (LMArena)1520†1470
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.7%†48.3%†
LiveBench 1.0 Data AnalysisLiveBench80.5%†73.0%
MMLU-ProVals AI91.5%†89.2%†
LegalBenchVals AI88.6%†86.0%†
CorpFinVals AI71.8%†67.4%†
TaxEvalVals AI76.9%†71.7%†
PRBench FinanceScale AI SEAL53.9%–
PRBench LegalScale AI SEAL52.6%–
Excel Modeling BenchmarkVals AI73.7%†52.9%†
MedCodeVals AI56.1%†43.3%†
MedScribeVals AI88.5%†86.9%†
Public Benefits Bench v1.1Vals AI70.4%†–
EBR-benchEpoch AI Benchmarking Hub39.5%†–
GDP.pdfEpoch AI Benchmarking Hub30.0%14.0%†
FACTS ParametricGoogle–42.5%
指令遵循
LiveBench LanguageLiveBench90.7%†82.8%
LiveBench Instruction FollowingLiveBench75.8%†71.5%
IFBenchArtificial Analysis63.5%†–
Arena Instruction FollowingArena (LMArena)1509†1462
人类偏好
Arena TextArena (LMArena)1504†1466
EQ-Bench 4EQ-Bench1313–
EQ-Bench Creative Writing v3EQ-Bench19441576
Arena Creative WritingArena (LMArena)1501†1452
Arena Multi-turnArena (LMArena)1517†1472
Arena Longer QueriesArena (LMArena)1522†1480
多模态
Arena VisionArena (LMArena)1326†1288
MMMU-ProArtificial Analysis–80.4%†
MMMU-Pro (Vals)Vals AI89.3%†61.8%†
MortgageTaxVals AI68.9%†61.8%†
Humanity's Sixth SenseScale AI SEAL34.5%†–
GeoBenchGeoBench89.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%27.3%
Furniture AssemblyEpoch AI Benchmarking Hub35.8%†22.5%†
长上下文
AA-LCR v1.1Artificial Analysis82.3%†79.3%†
Arena DocumentArena (LMArena)1500†1466
MLCRArtificial Analysis20.6%†16.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.1155.0
LiveBench 1.0LiveBench83.0%†75.8%
AA Intelligence Index v4.3.2Artificial Analysis49.6†38.8†
AA Progress Index v1Artificial Analysis329.3†312.3†
Vals RSI IndexVals AI24.3%†–
Vals Multimodal IndexVals AI74.2%†63.4%†
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。
  • Grok 4.5:BenchLeader Index 59.9 → 59.3。
  • Claude Fable 5:1 项分数修订。
  • Grok 4.5:1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Grok 4.5:1 项分数修订。
  • Grok 4.5:BenchLeader Index 59.1 → 59.9。
  • Claude Fable 5:BenchLeader Index 67.3 → 66.5。
  • Claude Fable 5:1 项分数修订。

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 4.5:常见问题

Claude Fable 5 比 Grok 4.5 更好吗?
质量上 Claude Fable 5 领先:65.4 比 59.3。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 总体领先,但请结合你的用途查看各类别得分。
Claude Fable 5 和 Grok 4.5 哪个更便宜?价格会变吗?
目前 Grok 4.5 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 Grok 4.5 更好?
Claude Fable 5 在编程方面得分更高(类别得分 76 比 57,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 上,Claude Fable 5 为 53.5%,Grok 4.5 为 42.4%。
Claude Fable 5 和 Grok 4.5 哪个更快?
Claude Fable 5 输出更快(输出 50 比 49 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Fable 5 还是 Grok 4.5 更好?
Claude Fable 5 在智能体任务方面得分更高(类别得分 61 比 55,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 APEX-Agents 上,Claude Fable 5 为 63.6%,Grok 4.5 为 56.2%。
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 4.5 为 500,000 token。
哪个延迟更低?
Grok 4.5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.4 秒比 3.2 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 4.5 的看法一致吗?
在两者都有结果的 11 项基准测试中,Claude Fable 5 领先 11 项,Grok 4.5 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。
Grok 4.5 是什么时候发布的?
Grok 4.5 于 2026年7月8日 发布。