BenchLeader

Claude Fable 5 vs Muse Wonder

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

更新于 · 数据来自 9 个来源

截至 2026年11月16日,Claude Fable 5 与 Muse Wonder 的质量不相上下(BenchLeader Index 65.4 比 64.4,在 ±5.7 的误差范围内)。Muse Wonder 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)。在两者都有成绩的所有类别中,Muse Wonder 均领先。Muse Wonder 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Fable 5 的 BenchLeader Index 为 65.4,Muse Wonder 为 64.4(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)。
  • Muse Wonder 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Muse Wonder 比 Claude Fable 5 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 10 项基准测试中,Muse Wonder 领先 7 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
智能体与工具调用Muse Wonder类别得分 76 比 61;HiL-Bench 79.7% 比 56.3%高
知识Muse Wonder类别得分 77 比 66;PRBench Finance 58.7% 比 53.9%高
对话质量(人类偏好)Muse WonderArena 投票 70 比 68中
成本最低Muse Wonder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–
首次回答最快均可首个回答 token 3.2 秒(Claude Fable 5)比 3.3 秒(Muse Wonder)–
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 Muse Wonder 的质量不相上下(65.4 比 64.4,在 ±5.7 的误差范围内)。
  • Muse Wonder 在智能体与工具、人类偏好、知识方面更强。
  • Muse Wonder 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)。
  • Muse Wonder 的输出速度是对方的 1.4 倍(70 比 50 token/秒)。

概览

规格Claude Fable 5Muse Wonder
提供商AnthropicMeta
发布日期2026年6月9日2026年10月12日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Fable 5Muse Wonder
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 / $0.200

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 5Muse Wonder领先者
推理80.1–无法比较
编程75.5–无法比较
智能体与工具60.575.6Muse Wonder
数学–70.1无法比较
知识66.477.1Muse Wonder
人类偏好67.769.6Muse Wonder

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智能体与工具知识人类偏好Claude Fable 5, 智能体与工具: 60.5Claude Fable 5, 知识: 66.4Claude Fable 5, 人类偏好: 67.7Muse Wonder, 智能体与工具: 75.6Muse Wonder, 知识: 77.1Muse Wonder, 人类偏好: 69.6

未绘制(测得的模型少于两个):推理, 编程, 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 10 项基准测试中,Claude Fable 5 领先 3 项,Muse Wonder 领先 7 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。

综合 IndexClaude Fable 5Muse Wonder领先者
BenchLeader Index65.464.4不相上下
Arena Text1504†1511Muse Wonder

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 5Muse Wonder
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$0.200
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$0.149
输出速度50 tok/s70 tok/s
首次回答时间3.2 秒3.3 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)。Muse Wonder 得分 64.4,首个回答 token 需 3 秒;Muse Wonder (max) 为 60.8(20 秒),Muse Wonder (high) 为 56.2(13 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 176 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 5Muse Wonder
BenchLeader IndexBenchLeader65.464.4
智能体与工具得分BenchLeader60.575.6
编程得分BenchLeader75.5–
人类偏好得分BenchLeader67.769.6
知识得分BenchLeader66.477.1
推理得分BenchLeader80.1–
数学得分BenchLeader–70.1
混合价格(美元/百万 token)BenchLeader$20.00$8.00
输出速度BenchLeader50 tok/s70 tok/s
首次回答时间BenchLeader3.2 秒3.3 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†1531†
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench89.7%†90.6%†
GPQA Diamond (AA)Artificial Analysis92.6%†–
Humanity's Last Exam (AA)Artificial Analysis55.5%†50.1%†
HLE-Diamond (AA)Artificial Analysis–39.0%†
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%†28.3%†
CritPt v2 hard subset (AA)Artificial Analysis–50.5%†
MysteryMechanismVals AI–27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)1550†1525†
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub52.0%†51.0%†
LMCAEpoch AI Benchmarking Hub60.3%†56.8%
DTBenchEpoch AI Benchmarking Hub98.4%†95.2%
ForecastBenchForecastBench65.9%†–
BTF-3Epoch AI Benchmarking Hub13.0%†–
编程
SciCodeSciCode61.0%†60.3%†
显示全部 176 项基准测试
指标发布方Claude Fable 5Muse Wonder
编程
WeirdMLWeirdML91.9%†–
FrontierCodeCognition53.5%–
GSO-BenchGSO-Bench78.4%–
Arena CodingArena (LMArena)1552†1542†
Arena WebDevArena (LMArena)1625†1647†
LiveBench 2.0 CodingLiveBench–74.9%†
LiveBench 1.0 CodingLiveBench86.0%†80.7%†
LiveCodeBenchVals AI89.8%†–
IOIVals AI–66.9%†
SWE-bench (Vals)Vals AI95.0%†–
Code MigrationVals AI55.1%†62.5%†
Code Migration v1.1Vals AI–72.4%†
ProgramBenchVals AI2.0%†–
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
Vibe Code Bench v1.1Vals AI90.3%†83.1%†
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%†–
SWE Atlas v1.1Scale AI SEAL–64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL–61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub70.0%†45.6%†
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub69.7%†–
CursorBenchCursor–50.4%†
ALE-BenchEpoch AI Benchmarking Hub2041.3†–
FrontierSWEEpoch AI Benchmarking Hub47.0%†–
WeirdML v3WeirdML15.6%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis42.4%†52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis84.6%†–
Startrise FrontendStartrise73.8%†–
GameBench 2 OverallDuelLab GameBench 265.864.8
GameBench 2 by reasoning settingDuelLab GameBench 258.1†54.9†
Design Arena WebsiteDesign Arena12881378†
FrontierCode 1.1 (AA)Artificial Analysis–46.5%†
FrontierCode 2.0 (AA)Artificial Analysis–27.9%†
智能体与工具
Terminal-BenchTerminal-Bench44.9%†47.0%†
Remote Labor IndexScale AI / CAIS16.1%–
APEX-AgentsMercor63.6%66.1%†
Arena AgentArena (LMArena)7.3†1.8†
LiveBench Long AgenticLiveBench–46.2%†
LiveBench BrowserLiveBench–60.0%†
LiveBench Agentic CodingLiveBench62.2%†62.7%†
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%79.7%
τ³-bench Bankingτ²-bench39.7%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis1618†1770†
τ³-Banking (AA)Artificial Analysis38.1%†–
Analyst Agent (AA)Artificial Analysis48.8%†–
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI56.3%†56.6%†
Finance Agent v2.1Vals AI–65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–23.8%†
Harvey's Legal Agent Benchmark v1Vals AI11.3%†17.1%†
Legal Research BenchVals AI49.5%†50.5%†
Tax Agent BenchVals AI38.3%†36.3%†
Terminal-Bench 4.0 (Vals)Vals AI41.4%†49.5%†
Terminal-Bench ScienceVals AI15.7%†22.9%†
Web Search IndexVals AI46.9%†–
Arena SearchArena (LMArena)1229†–
Arena Agent Task CompletionArena (LMArena)5.1†5.4†
PostTrainBenchEpoch AI Benchmarking Hub37.3%†24.2%†
GBAEvalEpoch AI Benchmarking Hub74.5%–
Vending-Bench 2Andon Labs4529.99432.2
AutomationBenchArtificial Analysis54.1%†68.1%†
GDP.pdf (AA)Artificial Analysis24.0%†30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
EnterpriseOps-GymArtificial Analysis51.1%†–
AA-Briefcase v1.1Artificial Analysis1536†1659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena12751177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–25.7%†
MKA (AA)Artificial Analysis–47.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub87.0%†82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub90.2%†70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†99.4%†
ProofBenchVals AI95.0%†84.0%
LiveBench MathematicsLiveBench96.0%†96.5%†
Arena MathsArena (LMArena)1520†1490†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub70.7%†–
LiveBench 2.0 Data AnalysisLiveBench–81.6%†
LiveBench ResearchLiveBench–93.0%†
LiveBench 1.0 Data AnalysisLiveBench80.5%†81.6%†
AA-Omniscience v1.1Artificial Analysis–25.1†
MMLU-ProVals AI91.5%†–
LegalBenchVals AI88.6%†–
CorpFinVals AI71.8%†–
TaxEvalVals AI76.9%†–
PRBench FinanceScale AI SEAL53.9%58.7%
PRBench LegalScale AI SEAL52.6%58.4%
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI73.7%†67.1%†
Excel Modeling Benchmark v1.1Vals AI–72.5%†
MedCodeVals AI56.1%†–
MedScribeVals AI88.5%†–
Public Benefits Bench v1.1Vals AI70.4%†70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI–69.6%†
EBR-benchEpoch AI Benchmarking Hub39.5%†31.4%†
GDP.pdfEpoch AI Benchmarking Hub30.0%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–79.1%†
指令遵循
LiveBench LanguageLiveBench90.7%†82.9%†
LiveBench Instruction FollowingLiveBench75.8%†73.0%†
IFBenchArtificial Analysis63.5%†–
Arena Instruction FollowingArena (LMArena)1509†1498†
人类偏好
Arena TextArena (LMArena)1504†1511†
EQ-Bench 4EQ-Bench13131325
EQ-Bench Creative Writing v3EQ-Bench19442007
Arena Creative WritingArena (LMArena)1501†1491†
Arena Multi-turnArena (LMArena)1517†1525†
Arena Longer QueriesArena (LMArena)1522†1507†
多模态
Arena VisionArena (LMArena)1326†–
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis–83.8%†
MMMU-Pro (Vals)Vals AI89.3%†–
MortgageTaxVals AI68.9%†–
Humanity's Sixth SenseScale AI SEAL34.5%†43.7%†
GeoBenchGeoBench89.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub38.6%31.7%
Furniture AssemblyEpoch AI Benchmarking Hub35.8%†54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis–997†
长上下文
AA-LCR v1.1Artificial Analysis82.3%†80.7%†
Arena DocumentArena (LMArena)1500†–
MLCRArtificial Analysis20.6%†22.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.1161.7
LiveBench 2.0LiveBench–70.7%†
LiveBench 1.0LiveBench83.0%†81.2%†
AA Intelligence Index v5.0.1Artificial Analysis–43.6†
AA Intelligence Index v4.3.2Artificial Analysis49.6†52.4†
AA Progress Index v1Artificial Analysis329.3†335.8†
Vals IndexVals AI–64.9†
Vals Finance IndexVals AI–61.2%†
Vals RSI IndexVals AI24.3%†–
Vals Science IndexVals AI–39.1%†
Vals Multimodal IndexVals AI74.2%†–
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI–75.3%†
安全与诚实
DistressBenchScale AI SEAL69.4%85.9%

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。
  • Muse Wonder:BenchLeader Index 63.0 → 64.4。
  • Claude Fable 5:1 项分数修订。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • Muse Wonder:1 项新结果(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:5 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Claude Fable 5:1 项分数修订。
  • Muse Wonder: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 Muse Wonder:常见问题

Claude Fable 5 比 Muse Wonder 更好吗?
Claude Fable 5 与 Muse Wonder 的质量不相上下(65.4 比 64.4,在 ±5.7 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 Muse Wonder 哪个更便宜?价格会变吗?
目前 Muse Wonder 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。
Claude Fable 5 和 Muse Wonder 哪个更快?
Muse Wonder 输出更快(约 1.5 倍;输出 70 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 Muse Wonder 更好?
Muse Wonder 在智能体任务方面得分更高(类别得分 76 比 61,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 HiL-Bench 上,Claude Fable 5 为 56.3%,Muse Wonder 为 79.7%。
处理长文档哪个更好?
两者都约为 1M token(Claude Fable 5 为 1,000,000,Muse Wonder 为 1,048,576)。
更多问题(3)
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 3.3 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 Muse Wonder 的看法一致吗?
在两者都有结果的 10 项基准测试中,Claude Fable 5 领先 3 项,Muse Wonder 领先 7 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。
Muse Wonder 是什么时候发布的?
Muse Wonder 于 2026年10月12日 发布。