Claude Fable 5.1
Anthropic· 2026-09-01 上线
综合第 6 名
63.3
编程
65.5第 3 名
科研
64.8第 2 名
专业办公
58.2第 8 名
知识问答
62.0第 3 名
- 评测覆盖
- 18 / 25 项 · 72%
- 缓存输入
- ¥1.68
- 输入
- ¥67.25
- 输出
- ¥336.27
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierCode | 50.9% | 60.4 | medium | 46 |
| FrontierSWE | 56.3% | 62.1 | max | 21 |
| CursorBench | 51.8% | 60.5 | max | 17 |
| WebDev Arena | 1,758 | 69.5 | max | 96 |
| ALE-Bench | 2,143 | 68.1 | high | 88 |
| WeirdML | 92.9% | 69.0 | max | 60 |
| GSO | 88.2% | 68.8 | 未注明 | 16 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 90.2% | 63.6 | max | 66 |
| FrontierMath（4 级） | 87.8% | 66.5 | max | 57 |
| CritPt | 31.1% | 67.9 | xhigh | 101 |
| ProofBench | 100.0% | 68.6 | max | 77 |
| OTIS Mock AIME | 100.0% | 56.5 | max | 87 |
| SciCode | 63.1% | 65.7 | max | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 68.6% | 63.1 | 未注明 | 49 |
| Remote Labor Index | 17.9% | 62.0 | 未注明 | 12 |
| Vending-Bench 2 | $5,422 | 49.4 | 未注明 | 55 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 70.8% | 64.3 | max | 65 |
| Humanity's Last Exam | 46.5% | 59.7 | xhigh | 17 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 90.0% | 不计分 | max | 52 |
| ARC-AGI | 97.5% | 不计分 | max | 52 |
| 国际象棋谜题 | 48.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（medium、max、xhigh、high、low、未注明）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。