跳到正文

Claude Fable 5

数据来源:AIHOT

← 模型榜
Anthropic

上线日期: 2026-06-09 · 上下文: 100万 Token

68.7

综合排名 15

官方 API 价格 ¥ / 百万 Token

输入
¥66.66 ($10)
输出
¥333.31 ($50)
缓存命中
¥6.67 ($1)
官方价格页 ↗

领域能力

榜单名次评分评测数
综合1568.738
编程146811
科研1569.58
专业办公15698
知识问答1269.86

编程 · 68

评测机构公布的成绩折算分原榜名次核实日期备注
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI2.0%77.2112026-11-18
备注

通过率低于 5%,只说明“至多这么强”。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MirrorCode ↗

看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。

Epoch AI70.0%71.992026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierSWE v2 ↗

每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。

Proximal Labs49.4%71.2102026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI90.4%70.852026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor58.9%69.452026-11-18
备注

代表配置:Max 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。

Terminal-Bench44.9%69.1282026-11-18
备注

代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI41.4%68.2192026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 21%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis42.4%68.1512026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Coding ↗

写函数、补全代码,题目定期换新,答案自动跑测试核对。

LiveBench86.0%67.652026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

WeirdML v3 ↗

面对陌生数据,弄清问题并做出机器学习或数据分析方案。

Håvard Tveit Ihle14.4%64.7132026-11-18
备注

代表配置:xHigh 推理 · claude_code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

LiveBench Agentic Coding ↗

在真实代码仓库里查找并修复问题,再用测试检查改动。

LiveBench62.2%64.552026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis61.0%63.882026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

科研 · 69.5

评测机构公布的成绩折算分原榜名次核实日期备注
FrontierMath T1–3 ↗

解数学家原创的高难数学题,给出可以核对的答案。

Epoch AI87.0%74.2132026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize89.2%73.8292026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis55.5%70.4132026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis28.6%70.2302026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Mystery Game Puzzles ↗

看文字描述的游戏局面,找出最好的下一步。

Epoch AI52.0%69.9152026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Vals AI15.7%66.4162026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 11%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Reasoning ↗

斑马谜题、空间推理、情境推理这类题,答案自动核对。

LiveBench89.7%65.2112026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI47.0%64.7272026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

专业办公 · 69

评测机构公布的成绩折算分原榜名次核实日期备注
Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI49.5%71.8112026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方公布受影响的题目占 10%。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI38.3%71.7152026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Analyst Agent ↗

分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。

Artificial Analysis48.8%69.5222026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor63.6%69.4222026-11-18
备注

代表配置:Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis1,535.668.9452026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Data Analysis ↗

处理表格重排、表格连接和连续事件分析等数据题。

LiveBench80.5%68.372026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis1,61866.8382026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis54.1%64.21002026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI56.1%—42026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

知识问答 · 69.8

评测机构公布的成绩折算分原榜名次核实日期备注
LiveBench Language ↗

纠正错字、把打乱的情节排回原序、给词语分组等语言题。

LiveBench90.7%79.922026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SimpleQA Verified ↗

一句话就能答的事实问题,看答得对不对。

Epoch AI70.7%77.8102026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur92.7%74.2232026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench IF ↗

按一串具体的格式和内容要求作答,看能不能条条做到。

LiveBench75.8%68.822026-11-18
备注

代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench56.0%64.9132026-11-18
备注

代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis20.6%64.6592026-11-18
备注

评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis82.3%57472026-11-18
备注

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。评测时厂商接口把部分请求转给了同厂商更早的型号,评测方没有公布受影响的比例。这类成绩照常计入并标注;受影响过半的不计。代表配置:Max 推理 · 含来源回退。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 68.4

评测机构公布的成绩折算分原榜名次核实日期备注
Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,50471.352026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,625.764.6282026-11-18
备注

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

还没有成绩的评测

  • Code Migration v1.1
  • CyberBench Patch v1.1
  • FrontierCode 2.0 · AA
  • FrontierCode 2.0 · Cognition
  • TapTap Maker
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • 司南 · 抽象
  • CritPt v2 Hard · AA
  • MysteryMechanism
  • Terminal-Bench Science · AA
  • BioMysteryBench
  • Vals Finance Agent v2.1
  • Harvey LAB 1.1 · Vals
  • Harvey LAB 1.1 · AA
  • τ³-Banking · Mercor
  • Excel Modeling v1.1
  • AA-Omniscience v1.1
  • 司南 · 知识

最近的新闻

10-23Kimi-K3 以 1679 分登顶 Arena 前端代码榜,超越 Claude Fable 5Arena

10-13Z.ai 发布法律模型 GLM-Legal,Harvey LAB 得分 19.17% 超越 Kimi K3 与 Claude Fable 5MarkTechPost

10-13Agent Arena 数据:7 月最强的 Claude Fable 5 如今只算平均水准Arena

09-18Balyasny 资产管理如何评测和治理 Claude Fable 5Claude:Blog

09-04GPT-6 Astar发布:价格涨至对标Claude fable5,osworld提升6.9%但思考过程被压缩公众号:卡尔的AI沃茨

08-22神秘 Ox Alpha AI 模型限免上架:DeepSWE 跑分碾压 Claude Fable 5,线索指向智谱IT之家·人工智能