Claude Fable 5.2 和 Gemini 4 Carbon 怎么选
Claude Fable 5.2 是 Anthropic 目前对所有人开放的最强模型,2026 年 11 月 9 日发布。Gemini 4 Carbon 是 Gemini 4 里推理更深的一档,11 月 10 日向所有付费 Gemini API 开发者开放。两者前后只差一天,瞄准的也是同一类活:又长又难的推理和 agent 任务。这一页先列第三方测出来的数字,再列两家各自公布的数字,最后讲每个任务花多少钱、要多久。
我们运营 apimodels.app,两个模型都以低于官方价的价格提供,没有理由偏向哪一个。下面的跑分不是我们自己跑的,都来自 Artificial Analysis、Vals AI、Anthropic 或谷歌,出处链接放在页面末尾。
Claude Fable 5.2
上限更高,账单也更高
- ·Artificial Analysis 智能指数 65(Carbon 60)
- ·HLE-Diamond 80.2% 对 69.1%;FrontierCode-AA 2.0 48.8% 对 40.6%
- ·按我们的价格,每个 Artificial Analysis 任务约 $15.92
- ·输入文字和图片,单次最多输出 128K token
Gemini 4 Carbon
成绩接近,花费只是零头
- ·AutomationBench-AA(77.8%)和 Terminal-Bench 4.0(65.2%)胜出
- ·约 68 秒出第一个回答 token,Fable 5.2 要 246 秒
- ·按我们的价格,11 月 30 日前每个任务约 $2.13,12 月 1 日起约 $4.27
- ·可输入文字、图片、音频、视频和 PDF
最难的问题、结果比时间和花费更重要时,选 Claude Fable 5.2。自动化、终端和文档类工作,要输入视频或音频,或者要大批量跑,选 Gemini 4 Carbon。
第三方跑分
在 Artificial Analysis 上,下面 11 项里 Fable 5.2 领先 8 项,Carbon 领先 3 项。Fable 5.2 赢得最明显的是难的知识题和科学题:HLE-Diamond 80.2% 对 69.1%,AA-Omniscience 67 对 54(这项答对加分、乱猜扣分)。Carbon 赢的都是偏实用的项目:跨应用自动化、终端任务和生成文档。在 Vals Index 上两者只差 0.86 分,36 个模型里排第一和第三。
两边的设置不一样,这一点会影响花费:Artificial Analysis 用 max effort 跑 Fable 5.2,并开着 Anthropic 默认的兜底;Carbon 用的是 high。Vals 没有公布用的是哪一档。
| 评测 | 谁跑的 | Claude Fable 5.2 | Gemini 4 Carbon |
|---|---|---|---|
| 智能指数 v5.0.1 | Artificial Analysis | 65 | 60 |
| Vals Index v2.2 | Vals AI | 71.31%(36 个中第 1) | 70.45%(第 3) |
| HLE-Diamond | Artificial Analysis | 80.2% | 69.1% |
| CritPt v2(难题子集) | Artificial Analysis | 76.5% | 69.0% |
| Terminal-Bench-Science 0.1 | Artificial Analysis | 73.3% | 64.8% |
| FrontierCode-AA 2.0 | Artificial Analysis | 48.8% | 40.6% |
| AA-Omniscience v1.1 | Artificial Analysis | 67 | 54 |
| AA-Briefcase v1.1(Elo) | Artificial Analysis | 1785 | 1611 |
| AutomationBench-AA | Artificial Analysis | 76.4% | 77.8% |
| Terminal-Bench 4.0 | Artificial Analysis | 59.6% | 65.2% |
| GDP.pdf | Artificial Analysis | 24.2% | 28.4% |
两家厂商自己公布的数字
Anthropic 的发布表里也列了 Carbon,结论和第三方一致:编程、科学和电脑操作 Fable 5.2 领先,AutomationBench 是 Carbon 领先。注意 Anthropic 在 FrontierCode 2.0 上用的是 Carbon 的 medium effort。谷歌对 Carbon 的说法是在 10 月发布时给的,那时还没有 Fable 5.2:CursorBench 4.0 和 Perplexity 的 WANDR 第一,agentic 诚实度评测 92%(Gemini 4 Argon 是 70%)。谷歌同时说,大多数软件工程工作 Argon 仍然更合适,所以 Carbon 是遇到难题时升级用的模型,不是默认选项。
| 评测(Anthropic 公布) | Claude Fable 5.2 | Gemini 4 Carbon |
|---|---|---|
| FrontierCode 2.0 | 49.1%(xhigh) | 41.1%(medium) |
| FrontierSWE v2 | 69.9% | 61.2% |
| Terminal-Bench-Science 0.1 | 74.6% | 64.8% |
| OSWorld 2.1(离线集,按步骤给分) | 89.3% | 81.5% |
| Chartography(不用工具) | 73.4% | 72.5% |
| AutomationBench | 51.4% | 53.9% |
价格和每个任务的花费
按 token 单价,11 月 30 日前 Carbon 的官方价是 Fable 5.2 的四分之一,谷歌 12 月 1 日调价后是一半。按任务算差距更大,因为 Fable 5.2 写得更多:Artificial Analysis 统计,每个任务 Fable 5.2 输出 27.4 万 token(其中推理 19.3 万),Carbon 是 12.3 万(推理 7.22 万)。按 Artificial Analysis 用的价格,每个任务 Fable 5.2 花 $26.54,Carbon 花 $7.76;Vals 跑的是另一套任务,每次测试分别是 $17.94 和 $10.51。
apimodels.app 的折扣对每一类 token 都一样,所以这些任务成本可以直接按比例换算:Fable 5.2 每个任务约 $15.92;Carbon 在 11 月 30 日前约 $2.13(Artificial Analysis 给 Carbon 按谷歌 $4 / $20 的价格算),12 月 1 日起约 $4.27。把 Fable 5.2 的 effort 调到 max 以下会更省;据 OfficeChai 对 Artificial Analysis 结果的报道,high 档是 62 分,但那一档的花费没有公布。
| 每百万 token | Fable 5.2 官方 | Fable 5.2 在 apimodels.app | Carbon 官方 | Carbon 在 apimodels.app |
|---|---|---|---|---|
| 输入 | $8 | $4.80 | $2(12 月 1 日起 $4) | $1.10(12 月 1 日起 $2.20) |
| 输出 | $40 | $24 | $10(12 月 1 日起 $20) | $5.50(12 月 1 日起 $11) |
| 缓存输入 | $0.20 | $0.12 | $0.10(12 月 1 日起 $0.20) | $0.055(12 月 1 日起 $0.11) |
速度
Carbon 开口更早、做完任务更快;Fable 5.2 一旦开始输出,吐字更快。两者都是推理模型,难题上会想好几分钟,长回答建议流式返回,客户端超时也要放宽。下面的数字来自 Artificial Analysis,设置同上:Fable 5.2 用 max,Carbon 用 high。
| Artificial Analysis 测得 | Claude Fable 5.2 | Gemini 4 Carbon |
|---|---|---|
| 输出速度 | 95 token/秒 | 80 token/秒 |
| 第一个回答 token | 245.58 秒 | 67.83 秒 |
| 每个指数任务耗时 | 47.8 分钟 | 25.5 分钟 |
开发者拿同一件活实测
拿同一件真实的活分别交给两个模型的开发者,结论大多和跑分一致:Fable 5.2 做出来的更完整、更可靠,Carbon 在很多活上做得接近,花费只是零头。也有几次是 Carbon 直接赢,Fable 5.2 并不总是更好。这些都是不同的人在不同工具里各跑一次,当一线实测参考,不当跑分看。
两家工具厂商自己跑的编程评测里,两者基本持平。Cursor 的 CursorBench 4.0:Carbon high 档 60.4%、每个任务 $9.22,Fable 5.2 max 档 60.0%、$32.79(high 档 56.9%、$9.70)。Zapier 的 AutomationBench:Carbon high 档 53.88%、每个任务 $2.12,Fable 5.2 max 档 51.45%、$4.64。WebDev Arena(用户在两个生成的网页应用之间投票)上,Fable 5.2 排第 1(1836),Carbon 第 4(1768,初步数据)。
这些实测里 Carbon 最常见的问题是说的比做的多。AICodeKing 让它做 6 个应用,Carbon 每一次的收尾总结里都至少有一个功能,评测者打开后发现是坏的或被夸大了。用 Carbon 做东西,结果要自己跑一遍,或者让它先在浏览器里把应用点一遍再汇报。
| 测试(谁跑的) | Claude Fable 5.2 | Gemini 4 Carbon |
|---|---|---|
| 三个高难度构建,各跑一次(AI for Mortals) | 排在 Carbon 前面;合计 $883.30、1,024 分钟 | 四个模型里分别第 4、第 4、第 3;合计 $27.68、269 分钟 |
| 6 个应用构建,KingBench 4(AICodeKing) | 70%,13 个模型里第 1;约 $222 | 53.3%,第 8;约 $23 |
| 长时间 agent 编码会话(Bito) | 83.1%;每个会话 $8.13、约 15 分钟 | 79.5%;每个会话 $2.75、约 32 分钟 |
| 6 个已合并的修复各跑 20 次(paddo.dev) | 13 次全部测试通过;输出 45 万 token | 17 次;输出 182 万 token |
| 赛车游戏、体素小景、频道片头(KostiKoNeuro) | 片头赢;$41.71 | 赛车和小景赢;$7.54 |
| 一句长提示词做赛车游戏(Ediz Ege Mercan) | 约 16.6 小时、$300 以上、35,831 行 | 约 2.1 小时、约 $10、7,705 行;没有明确胜负 |
怎么选
难的编程、研究和科学问题,好一点的答案值得多花几倍钱:选 Claude Fable 5.2。它在 FrontierCode、Terminal-Bench-Science、HLE-Diamond、CritPt 上领先,在 Artificial Analysis 那项会扣乱猜分的知识测试上也领先。
跨应用自动化、命令行工作和文档类任务:选 Gemini 4 Carbon。它赢了 AutomationBench-AA、Terminal-Bench 4.0、GDP.pdf,也赢了 Anthropic 自己的 AutomationBench。
要输入视频、音频或 PDF:选 Gemini 4 Carbon,Fable 5.2 只接受文字和图片。
大批量跑、或者有人在等结果:选 Gemini 4 Carbon。按我们的价格,这个月每个任务的花费约是 Fable 5.2 的八分之一,12 月起约四分之一,第一个回答 token 大约 1 分钟就出来,Fable 5.2 要 4 分钟左右。
安全研究:默认两个都不合适。Fable 5.2 的安全防护会拒掉大部分高风险网络安全请求,谷歌最早也只把 Carbon 开放给审核过的网络防御方。
常见的分工是:大批量和第一遍交给 Carbon,只把它做不好的、或者结果最要紧的任务交给 Fable 5.2。在 apimodels.app 上这只需要一把 key,改一下 model 字段。
要注意的地方
两个模型用的 effort 不一样,而且 Artificial Analysis 跑 Fable 5.2 时开着 Anthropic 的兜底,一小部分被拦的请求是由别的模型回答的。第二张表是两家各自公布的数字,没有被独立复现。Carbon 默认单次最多输出 65,536 token,Fable 5.2 是 128K;Carbon 的价格 12 月 1 日起翻倍。这些跑分只有几天历史,今年榜首每隔几周就换一次。
出处
第三方跑分、速度和任务成本来自 Artificial Analysis 和 Vals AI(2026 年 11 月 12 日查阅),CursorBench、Zapier AutomationBench 和 WebDev Arena 同日查阅;实测报告来自 AI for Mortals、Bito、paddo.dev、KostiKoNeuro(均打开核对过),以及 AICodeKing 的视频说明和 Ediz Ege Mercan 的文章;厂商数字来自 Anthropic 的 Fable 5.2 发布公告和谷歌的 Gemini 4 Carbon 发布文;apimodels.app 的价格是我们自己的。
调用示例
cURL
curl https://api.apimodels.app/v1/chat/completions \
-H "Authorization: Bearer $APIMODELS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"messages": [{"role": "user", "content": "Find the race condition in this function: ..."}]
}'
# same key, same endpoint: change "model" to "claude-fable-5-2" to run Fable 5.2常见问题
Claude Fable 5.2 比 Gemini 4 Carbon 强吗?
大多数独立评测里 Claude Fable 5.2 分更高,Artificial Analysis 智能指数 65 比 60,领先最明显的是难的知识题、科学题和编程题。Gemini 4 Carbon 在自动化、Terminal-Bench 4.0 和文档任务上赢,Vals Index 上两者差距不到 1 分,所以哪个更好要看任务。
Fable 5.2 和 Gemini 4 Carbon 哪个更省钱?
Gemini 4 Carbon 每个任务的花费低得多。按 apimodels.app 的价格,一个 Artificial Analysis 任务在 Carbon 上 2026 年 11 月 30 日前约 $2.13、12 月 1 日起约 $4.27,Fable 5.2 约 $15.92。原因是 Carbon 每 token 单价更低,输出 token 也不到 Fable 5.2 的一半。
Fable 5.2 和 Gemini 4 Carbon 哪个快?
Gemini 4 Carbon 出结果更早:Artificial Analysis 测得第一个回答 token 66 秒,Fable 5.2 要 248 秒;每个任务 26 分钟对 45 分钟。Fable 5.2 开始输出后吐字更快,每秒 101 对 78 个 token。那次测试 Fable 5.2 用的是 max effort,调低之后差距会缩小。
Gemini 和 Fable 有什么区别?
Gemini 4 Carbon 是谷歌 Gemini 4 里推理更深的一档,能输入文字、图片、音频、视频和 PDF;Claude Fable 5.2 是 Anthropic 最强的模型,输入只支持文字和图片。难的知识题和编程题 Fable 5.2 更强,自动化和终端类工作 Carbon 更强,而且 Carbon 每个任务花费低得多。
能用一把 key 同时调这两个模型吗?
可以,一把 apimodels.app 的 key 就能调两个。调用 POST https://api.apimodels.app/v1/chat/completions,model 填 gemini-4-carbon 或 claude-fable-5-2;Fable 5.2 也能走原生 /v1/messages,Carbon 也能走原生 Gemini 的 /v1beta 路径。共用一份余额,不用注册 Anthropic 或 Google Cloud 账号。
Gemini 4 Carbon 和 Gemini 4 Argon 选哪个?
谷歌的建议是:大多数软件工程和知识类工作用 Gemini 4 Argon,多步调试、开放式研究这类更难的问题用 Carbon。两者在 apimodels.app 上每 token 同价,但 Carbon 每个任务想得更久、用的 token 更多,所以先用 Argon,做不好的任务再升级到 Carbon。
相关阅读
- Claude Fable 5.2 模型页
- Gemini 4 Carbon 模型页
- Claude Fable 5.2 和 GPT-6 Astra 怎么选
- Gemini 4 Carbon 和 Argon 怎么选
- Gemini 4 Carbon 案例库:223 个署名案例
- Fable 5.2 和 Opus 5.5 怎么选
- Gemini 4 Argon 模型页
- Claude Fable 5.2 提示词指南
