Claude Fable 5.2
数据来源:AIHOT
上线日期: 2026-11-09 · 上下文: 100万 Token
综合排名 1
官方 API 价格 ¥ / 百万 Token
- 输入
- ¥53.33 ($8)
- 输出
- ¥266.64 ($40)
- 缓存命中
- ¥1.33 ($0.2)
领域能力
| 榜单 | 名次 | 评分 | 评测数 |
|---|---|---|---|
| 综合 | 1 | 79.9 | 40 |
| 编程 | 1 | 79.8 | 11 |
| 科研 | 1 | 82.1 | 11 |
| 专业办公 | 2 | 75.3 | 11 |
| 知识问答 | 1 | 82.3 | 6 |
编程 · 79.8
| 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 AI | 19.0% | 95.7 | 1 | 2026-11-18 | 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,评测方公布受影响的题目占 19%。这类成绩照常计入并标注;受影响过半的不计。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。 |
| 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 Ihle | 45.6% | 85.2 | 1 | 2026-11-18 | 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。 |
| 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 Labs | 68.9% | 81.1 | 1 | 2026-11-18 | 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。 |
| Code Migration v1.1 ↗ 把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。 | Vals AI | 83.3% | 80.3 | 2 | 2026-11-18 | 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 20%。这类成绩照常计入并标注;受影响过半的不计。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。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Cognition | 48.2% | 78.5 | 2 | 2026-11-18 | 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;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 65.8% | 77.8 | 2 | 2026-11-18 | 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。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Artificial Analysis | 48.8% | 77.2 | 3 | 2026-11-18 | 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。 |
| 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 AI | 65.2% | 76.9 | 1 | 2026-11-18 | 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 9%。这类成绩照常计入并标注;受影响过半的不计。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。 |
| 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 AI | 93.8% | 74.5 | 1 | 2026-11-18 | 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。 |
| 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 Analysis | 59.6% | 73.2 | 11 | 2026-11-18 | 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。 |
| 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 Analysis | 67.7% | 72.6 | 1 | 2026-11-18 | 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 · 82.1
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Mystery Game Puzzles ↗ 看文字描述的游戏局面,找出最好的下一步。 | Epoch AI | 90.0% | 91.5 | 2 | 2026-11-18 | 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 Analysis | 74.3% | 88 | 1 | 2026-11-18 | 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。 |
| 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 AI | 95.1% | 86.7 | 1 | 2026-11-18 | 备注通过率高于 95%,只说明“至少这么强”。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。 |
| 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 AI | 79.0% | 85.9 | 1 | 2026-11-18 | 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。 | Artificial Analysis | 73.3% | 83.3 | 5 | 2026-11-18 | 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 v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 76.5% | 82.8 | 1 | 2026-11-18 | 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。 |
| 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 AI | 55.7% | 81.4 | 4 | 2026-11-18 | 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 3%。这类成绩照常计入并标注;受影响过半的不计。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。 |
| MysteryMechanism ↗ 自己设计实验,去推断一套隐藏的规律。 | Vals AI | 51.8% | 79.2 | 3 | 2026-11-18 | 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。 |
| 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 Prize | 92.5% | 77.3 | 11 | 2026-11-18 | 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。 |
| BioMysteryBench ↗ 分析真实的生物数据,推断出背后的生物学答案。 | Vals AI | 83.7% | 77.2 | 1 | 2026-11-18 | 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。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 35.4% | 73.8 | 2 | 2026-11-18 | 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。 |
专业办公 · 75.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| 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。 | Mercor | 80.1% | 82.7 | 3 | 2026-11-18 | 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 Analysis | 1,784.7 | 78.2 | 3 | 2026-11-18 | 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。 |
| τ³-Banking ↗ 扮演银行客服跟模拟客户对话:查政策、找产品、改账户。 | Mercor | 55.7% | 75.5 | 4 | 2026-11-18 | 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。 |
| 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 Analysis | 76.4% | 75.3 | 5 | 2026-11-18 | 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。 |
| 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 Analysis | 1,831.1 | 74.7 | 6 | 2026-11-18 | 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。 |
| Harvey LAB-AA v1.1 ↗ 读法律资料并完成文书,逐项评分,有重大捏造则该题记零。 | Artificial Analysis | 7.2% | 74.5 | 13 | 2026-11-18 | 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。 |
| Excel Modeling v1.1 ↗ 在 Excel 里搭财务模型:在模板上补全,或者从零建表。 | Vals AI | 77.4% | 74.3 | 1 | 2026-11-18 | 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。 |
| Finance Agent v2.1 ↗ 金融分析师的日常工作:查公司财报、做计算和分析。 | Vals AI | 69.5% | 73.2 | 1 | 2026-11-18 | 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。 |
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 46.2% | 69.5 | 21 | 2026-11-18 | 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 不到 1%。这类成绩照常计入并标注;受影响过半的不计。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。 |
| TaxAgentBench ↗ 回答税务专业问题,要查到税法依据并注明出处。 | Vals AI | 32.1% | 67.2 | 29 | 2026-11-18 | 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。 |
| Harvey 法律 Agent 基准 v1.1 ↗ 处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。 | Vals AI | 5.0% | 50.1 | 34 | 2026-11-18 | 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: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。 |
知识问答 · 82.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 94.0% | 117.9 | 1 | 2026-11-18 | 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。 |
| AA-Omniscience v1.1 ↗ 各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。 | Artificial Analysis | 66.8 | 99.9 | 1 | 2026-11-18 | 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。 |
| 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 Analysis | 43.9% | 89.3 | 1 | 2026-11-18 | 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。 |
| 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 Mazur | 97.3% | 79 | 10 | 2026-11-18 | 备注通过率高于 95%,只说明“至少这么强”。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。 |
| 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。 | BullshitBench | 66.0% | 75.1 | 41 | 2026-11-18 | 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-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 Analysis | 83.3% | 58.4 | 22 | 2026-11-18 | 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 · 81.6
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Arena WebDev ↗ 真人匿名比较两个模型做出来的网页,选更好的那个。 | LMArena | 1,826 | 84 | 1 | 2026-11-18 | 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。 |
还没有成绩的评测
- LiveBench · 编程综合
- MirrorCode
- CyberBench Patch v1.1
- APEX-SWE
- TapTap Maker
- LiveBench · 推理与数学
- 致知 · 逻辑月榜
- 司南 · 推理
- 司南 · 抽象
- LiveBench · 数据分析
- AA-Analyst Agent
- 司南 · 知识
- LiveBench · 语言与指令
- Arena Text
最近的新闻
11-18OpenAI 发布 GPT-6.2 Astra 和 Sol:部分成绩超越 Claude Fable 5.2 且成本大降IT之家·人工智能
11-18Peter 实测对比 GPT-6.2 Astra、Sol 与 Claude Fable 5.2 的视觉编码能力Arena
11-17Claude Fable 5.2 性格基准表现变化Artificial Analysis
11-16Claude Fable 5.2 不调用图像模型,用 Python 代码模拟真实画笔逐笔作画IT之家·人工智能
11-15Anthropic Claude Fable 5.2 用约 70 万次模拟笔触画出照片级画作The Decoder:AI News
11-14Claude Fable 5.2 登顶 Agent Arena,视觉设计领先 Opus 5.5Arena