Gemini 4 Carbon vs Claude Fable 5.2：基准、价格与怎么选

简短回答

在独立榜单上 Claude Fable 5.2 更聪明，而 Gemini 4 Carbon 更便宜、更快，并且在 Cursor 里胜出。截至 2026 年 11 月 11 日，Artificial Analysis 给 Fable 5.2（max）的 Intelligence Index v5 得分是 65，Carbon（high）是 60，Fable 在科学、知识和高难度编程上领先。Cursor 自家的 CursorBench 4.0 则把顺序小幅翻转：high 档的 Carbon 为 60.4%，max 档的 Fable 5.2 为 60.0%，而 Fable 这次测试每任务花费 32.79 美元，Carbon 只有 9.22 美元。

所以这个决定基本是一笔“用价格换准确率”的账。当任务是高难度科学问题、专家级知识，或是多花约三倍的钱换几个百分点就值得的难题编程时，选 Fable 5.2。当你想要接近顶级的智能体编程、终端操作或表格类自动化，又希望每个完成的任务更便宜，或者需要音频和视频输入时，选 Carbon。而在为任何一个付费之前，先读一下两家厂商在自己公告里写的那句话：Anthropic 建议先从 Claude Opus 5.5 开始，Google 则说 Gemini 4 Argon 才是大多数工作的更好默认选择。

这是同一系列的第三篇。想分别了解单个模型，请看 Claude Fable 5.2 完整指南和 Gemini 4 Carbon 完整指南。下文每一个基准数字都来自我们在 2026 年 11 月 11 日抓取的独立榜单，并注明榜单名称。凡是厂商自己发布的数据，都标注为“厂商自报”；下面的 YouTube 视频只作为二手来源，并明确归属。

视频：一位创作者在两款模型发布后，综合 58 个测试视频和公开榜单做的盘点。本文仅将其作为评论，不当作数据来源。

按场景怎么选

表格先给结论，再给证据。“平手”表示独立榜单结论不一，诚实的做法是在你自己的任务上测。除非该行另有说明，所有分数都截至 2026 年 11 月 11 日。

规格、接入方式与价格

两个模型在上下文长度上相当，在价格上相差悬殊。两者都提供 1M token 的上下文窗口。Fable 5.2 标价为每百万输入 token 8 美元、每百万输出 token 40 美元，比 Fable 5.1 的 10 美元和 50 美元低 20%。Carbon 标价为 4 美元和 20 美元，但在 2026 年 11 月 30 日前以 2 美元和 10 美元的推广价出售，与 Gemini 4 Argon 的安排一致。12 月 1 日之后，Carbon 与 Fable 在原始 token 价格上的差距会从四倍缩小到两倍。

表格来源包括 Anthropic 的发布公告和模型概览，Google 的开放公告、新增内容页和定价页，输入模态则来自 Artificial Analysis。有两点要留意。第一，Fable 5.2 的发布促销和具体的缓存写入价格在 Anthropic 页面上，我们没有在此重复。第二，Artificial Analysis 列出的 Carbon 价格是 4 美元和 20 美元，所以它的 Carbon 单任务成本似乎反映的是 12 月之后的标价，而不是推广价。这是我们对其页面的理解，并非 Artificial Analysis 的说明。

独立基准

两家厂商发布的图表都偏向自己。下面的视频指出，Google 的图表是和较旧的 Fable 5.1 对比，而 Anthropic 的表格在一项编程测试中让 Carbon 跑在 medium effort（我们在 Anthropic 的表格中确认了后一点）。所以这里的表格只用让两个模型跑同一批任务的榜单，每个数字都标明榜单和日期。

Artificial Analysis Intelligence Index v5.0.1

Artificial Analysis 把九项评测合成一个指数。它的对比页（2026 年 11 月 11 日抓取）把开启默认回退的 max effort Fable 5.2，与 Carbon 的最高档 high 进行比较。Fable 5.2 以 65 比 60 拿下指数。Google 10 月 28 日的文章给出 Carbon 发布时的指数为 59，所以 Carbon 自己的分数此后已上调一分。

在九项子评测里，Fable 5.2 赢六项，Carbon 赢三项。规律很清楚：凡是奖励深度推理、知识记忆和科学能力的项目（HLE、Omniscience、CritPt、Terminal-Bench-Science），再加上 FrontierCode 和 Briefcase，都是 Fable 领先；Carbon 则在 shell 与表格这一侧领先（Terminal-Bench 4.0、AutomationBench-AA、GDP.pdf）。Artificial Analysis 还指出，Fable 5.2 的 high 和 xhigh 档得 62 分，高于任何其他模型的任何 effort 档，每任务约用 98k 输出 token，而 Opus 5.5 max 为 173k，所以 Fable 不必开到 max 也能领先。

CursorBench 4.0

CursorBench 4.0 使用来自真实 Cursor 会话的、含糊且跨多个文件的任务。它由 Cursor 运行，而 Cursor 同时出售两个模型的使用权，所以它独立于两家实验室，但并不独立于 Cursor 自己的测试框架。Cursor 的榜单在 2026 年 11 月 11 日抓取。

有两点值得注意。第一，Carbon high 与 Fable max 之间 0.4 个百分点的差距很小，不应当被当成真正的胜负；真正的差别在成本（9.22 美元对 32.79 美元）和步数（71 对 218）。第二，在相同价位下 Carbon 明显胜出：Carbon high 花 9.22 美元得 60.4%，而 Fable 5.2 high 花 9.70 美元只得 56.9%。Carbon 最弱的一档，也就是 low effort 的 58.6%，仍然高于除 max 之外的所有 Fable 5.2 档位。Cursor 自己的帖子还说，Fable 5.2 默认 effort 下得 56.9%，高于 Fable 5.1 的 49.2%。

Vals 的 Terminal-Bench 4.0

Vals 的 Terminal-Bench 4.0 榜单更新于 2026 年 11 月 9 日，使用 Mini-SWE-agent 框架。Fable 5.2 与 Opus 5.5 以 65.15% 并列第一，Sonnet 5.5 为 64.14%，Carbon 为 63.13%。Carbon 每任务成本 7.45 美元，Fable 为 14.56 美元。Artificial Analysis 用自己的框架测得 Carbon 以 65.2% 比 59.6% 领先。两个榜单，两种顺序，结论一致：这在统计上是平手，而 Carbon 花的钱更少。

RidgeBench 在转述 Vals 测试时有一条提醒：Vals 称由于 Anthropic 的回退安全机制，Fable 的 198 次尝试中有 17 次由 Opus 5 或 Opus 4.8 响应。这是对 Vals 说明的二手转述，所以我们照此标注，但它提醒我们，Fable 在偏安全类任务上的分数里，掺有较旧模型给出的答案。

Arena 与其他榜单

Arena 在 2026 年 11 月 11 日的新发布面板中，把 Claude Fable 5.2（xhigh）列为 WebDev 第一。RidgeBench 在概括 Arena+ 时报告 Fable 为 1538、Carbon 为 1528，十分的 Elo 差距在日常使用中处于噪声范围。我们没有拿到包含两个模型的 Arena 文本榜完整表格，所以不给出文本榜分数。当天 Arena 的智能体榜仍是 Opus 5.5 第一、Carbon（high）第二，Fable 5.2 尚未上榜。

Artificial Analysis 的两个较新榜单提供了更多细节。在 Google DeepMind 与 Artificial Analysis 共同构建的 Multimodal Knowledge Agent 基准上，Fable 5.2（max）以 57% 的 Climb 得分领先，Carbon（high）以 54% 排第二，Opus 5.5 以 53% 排第三。每任务成本 Fable 为 31.97 美元，Carbon 为 6.29 美元，多花约五倍的钱换约三个百分点。Artificial Analysis 还报告没有哪个模型在全部十个行业垂直领域中领先：Fable 领先五个，Carbon 领先医疗健康。在针对生命科学图像的视觉推理测试 VIALS-AA 上，Fable 5.2 得 67%，Carbon 为 64%，GPT-6 Astra 为 63%。这两项结果我们是在 2026 年 11 月 10 日和 11 日于 Artificial Analysis 的 X 账号上看到的。

厂商自报数据

这些数字来自两家实验室自己的发布材料。它们有助于看出每家公司希望你注意什么，但没有一个是在相同条件下的正面对比。

当厂商数字与独立数字衡量的是同一件事时，二者在这里大多吻合。Terminal-Bench-Science 是最清楚的例子：Anthropic 给出的 Carbon 64.8% 与 Artificial Analysis 的 64.8% 精确到小数点一致，Fable 的数字只差 1.3 个百分点。这说明已发布的表格质量不错，唯一的例外，是像 medium effort 的 Carbon 这类 effort 档位的选择。

看单任务成本，不看单 token 价格

单 token 价格会误导人，因为两个模型消耗的 token 数量差别很大。Artificial Analysis 测得 max 档的 Fable 5.2 每个指数任务输出 274k token，其中 193k 是推理 token，而 high 档的 Carbon 输出 123k、推理 72k token。Fable 单价更高，在 max effort 下又更“啰嗦”，两个效应叠加。

Cursor 的测试用不同的框架得出同样的结论：Fable 5.2 max 每任务 32.79 美元，Carbon high 为 9.22 美元，差 3.6 倍，而分数基本相同。Vals 的 Terminal-Bench 测试是 14.56 美元对 7.45 美元，约 2 倍。

算一笔账：一个 token 很重的任务

假设一个任务读入 100 万输入 token，写出 10 万输出 token，不使用缓存。按 Fable 5.2 标价，输入 8.00 美元加输出 4.00 美元，共 12.00 美元。Carbon 按推广价是 2.00 美元加 1.00 美元，共 3.00 美元，只有四分之一。12 月 1 日之后，Carbon 的 4 美元和 20 美元算下来是 4.00 美元加 2.00 美元，共 6.00 美元，是 Fable 的一半。Fable 的 fast mode（16 美元和 80 美元）会把这个任务翻倍到 24.00 美元，换来最高 2.5 倍的输出速度。以上只是对标价的算术。真实任务会不同，因为 max 档的 Fable 往往想得更久，所以实际差距通常比单 token 价格的差距更大。

effort 档位带来的转折

Cursor 的榜单显示了一个有用的规律。Fable 5.2 medium 档得 54.8%，每任务 4.66 美元；low 档得 53.2%，每任务 3.94 美元。这些都很便宜，但 Carbon low（58.6%，11.89 美元）的成本比 Fable low 更高，得分也更高，而且 Carbon 用了 124 步，Fable 只用 30 步。所以 Carbon 并不总是单任务更便宜的那个：在 low effort 下，Fable 可以用更少的步数、更低的花费完成任务。视频称 Artificial Analysis 发现在两者得分相同的 low effort 下 Fable 更便宜，整个指数 310 美元对 719 美元。我们在抓取的页面上对不上这些数字，所以请把它当作视频的说法，而不是实测事实。

速度与延迟

在最高档位下，Artificial Analysis 的延迟数据偏向 Carbon。Carbon（high）每个指数任务用 25.6 分钟，Fable 5.2（max）用 45.2 分钟，首个回答 token 出现的时间是 67 秒对 234 秒。单次请求工作负载的平均端到端时间是 156 秒对 411 秒。Fable 的原始输出速度更高，每秒 101 个 token 对 80 个，所以一旦开始回答，它输出得更快。等待时间来自它在第一个回答 token 之前推理了多久。

如果延迟很重要，Fable 有 Carbon 没有的两个手段。较低的 effort 档位可以缩短思考时间，Anthropic 平台上的 fast mode 以两倍价格（16 美元和 80 美元）提供最高 2.5 倍的速度。就交互使用而言，预计 Carbon 在 high 档下更灵敏，而 Fable 在 max 档下更显得慢条斯理。

发布当天的官方推文

五条官方帖子勾勒了这次发布的轮廓。Anthropic 在 2026 年 11 月 9 日宣布了 Fable 5.2 及其受限的姊妹模型 Mythos 5.2。Artificial Analysis 当天晚上发布了指数结果，称 Fable 5.2 以 65 分排名第一，领先 Carbon 的 60 分五分。

Cursor 当天就上线了 Fable 5.2。其帖子称，Fable 5.2 在 max effort 下是 CursorBench 上的第一名，得分 60%，默认 effort 下得 56.9%，高于 Fable 5.1 的 49.2%。帖子还建议从默认 effort 开始，因为 effort 档位的表现与 Fable 5.1 不同。

Google 一天后作出回应。Google DeepMind 在 11 月 10 日的帖子里把 Carbon 定位为面向复杂、长周期任务的最强模型，随后 Cursor 宣布 high effort 的 Carbon 以 60.4% 在其榜单上超过了 Fable，并在 11 月 30 日前提供五折优惠。

视频怎么说

这段视频 Gemini 4 Carbon vs Claude Fable 5.2: The Internet Tested Both (Who Actually Wins?) 是我们找到的最有参考价值的评论。作者回顾了 58 个测试视频，并按回合给两个模型计分。我们把它当作有归属的评论，并已把每个数字与上文的一手榜单核对。

视频自己的结论是各赢两回合、两个平局：Fable 是更敏锐的大脑，Carbon 在代码上小胜，并且在满负荷时更便宜，而两家公司都建议大多数人先用各自的日常模型。它的前提说明是最重要的一句：Carbon 才上线一天，只有一位创作者让两个模型做过同一个任务。我们认同这个说法。这份记分表是一个故事，不是一次测量。

两家都建议先用别的模型

两家公司都没有把自己的旗舰模型定位为默认选择。Anthropic 的公告说，大多数日常编程和知识工作建议从 Claude Opus 5.5 开始，其 API 文档则告诉开发者先用最新的 Opus 模型，当 Opus 在 high effort 下的评测不达标时，再转到 Fable 5.2。Google 的文章说 Argon 仍是大多数软件工程和知识工作的理想选择，并把 Carbon 描述为面向极限任务的模型，会比 Argon 用更多 token 去探索、推理和验证。

独立数据印证了这一点。在 CursorBench 4.0 上，Opus 5.5 high 得 56.0%，每任务 3.97 美元，几乎等于 Fable 5.2 high（56.9%），而成本只有后者的 41%。Gemini 4 Argon high 得 52.9%，每任务 4.57 美元。如果在 Cursor 的任务上提升 4 到 8 个百分点并不会改变你的结果，那日常模型就更划算。想了解各自适合的位置，请看我们的 Opus 5.5 与 Sonnet 5.5 编程对比、Gemini 4 Argon 指南，以及更宽泛的最佳 AI 编程模型盘点。

关于上一代沿用下来的提示词与读榜习惯，请看 Claude Fable 5 基准与提示词指南，以及更早的 Claude Fable 5.1 指南（英文）。想看这一对之外的价格档位，GPT-6 Astra、Sol 与 Luna 价格指南是最接近的对照。GPT-6 Astra（max）在 Artificial Analysis 指数上得 57 分，落后于本文的两个模型。

网络安全与安全护栏

在安全工作上，两个模型最大的区别在于你能怎么接入，而不在于它们的分数。Fable 5.2 带有网络安全和生物方面的安全护栏。Anthropic 说，这些领域的许多查询在被标记后会自动路由到能力较弱的模型，而有正当用途的团队可以申请其 Cyber Verification Program 或 Life Sciences Verification Program。更强的网络安全模型是 Claude Mythos 5.2，只有获批的组织才能使用。Anthropic 自己的表格给出 Mythos 5.2 在 CyScenarioBench 上为 76.3%，在 CVE Rediscovery 上为 89.6%，均标注为厂商自报。

Google 在网络安全上走相反的路线。面向网络安全的 Carbon 通过 Fairwind 计划提供给防御者，Google 报告该途径下 SEC-bench Pro 为 88.2%，ExploitGym 为 54.8%，CWE-bench 为 71.0%，均为厂商自报。API 上的公开 Carbon 模型属于另一个接入层级，RidgeBench 指出尚未找到它的公开网络安全分数。Artificial Analysis 的网络安全榜单也还没有 Fable 5.2 的条目。所以在安全研究上没有公平的公开正面对比，实际问题是你能进入哪家厂商的验证计划。

另一个需要提前规划的差别是数据保留。Anthropic 表示，使用 Fable 模型默认要求 30 天数据保留，用于安全监测，Enterprise Frontier Safeguards 是实现与零数据保留兼容的途径。在为敏感数据选择 Fable 之前，请对照你的合规要求核实。

自己跑一轮对比测试

基准平均值会掩盖你的具体工作负载。花一个下午做测试，比选错默认模型便宜。

1. 从你的代码库或文档中收集 20 个真实任务，其中包括 5 个你当前模型做不好的任务。
2. 先在 Opus 5.5 或 Argon 上，用厂商推荐的默认设置跑每个任务，记录通过与否、token 用量和耗时。
3. 只把失败的任务放到 high 档的 Carbon 和 high 档的 Fable 5.2 上跑，使用相同的提示词和工具。
4. 对于 Fable 通过而 Carbon 未通过的任务，用 xhigh 或 max 再跑一次，看真正的差别来自 effort 还是模型。
5. 用总花费除以通过的任务数。该比较的是这个“每解决一个任务的成本”，而不是每百万 token 的价格。
6. 12 月再跑一遍。Carbon 的价格在 12 月 1 日翻倍，两个模型也会持续变化。

如果你在 Cursor 里工作，可以按次选择 effort 档位，而 Cursor 的公开榜单让你在花钱之前就能比较两个模型的每个 effort 档位。

局限

• 数据只有一天。收集这些数字时，Carbon 全面开放才约一天。榜单会更新，Carbon 在 Artificial Analysis 上的分数已从 10 月 28 日的 59（Google 文章）升到 60。
• 设置不同。Artificial Analysis 拿 max 档的 Fable 与 high 档的 Carbon 比较，因为 Carbon 没有 max 档。Cursor 同样没有 Carbon 的 max 测试。同等 effort 下的对比只是部分的。
• 框架不同。Artificial Analysis、Vals 和 Cursor 各自使用自己的智能体框架，它们在 Terminal-Bench 和编程上的排序并不一致。
• 回退造成的干扰。Fable 的安全护栏会把部分偏安全类的尝试路由到较旧的模型，影响对网络安全类任务得分的解读。
• 缺口。我们没有拿到完整的 Arena 文本榜表格，两个公开模型都没有独立的网络安全分数，游戏与 3D 也没有同等 effort 下的正面对比。
• 价格会变。Carbon 的推广价在 2026 年 11 月 30 日结束。Fable 5.2 的发布促销条款在 Anthropic 页面上，可能会变化。
• 媒体与创作者来源。RidgeBench、VentureBeat 和那段 YouTube 视频都是二手来源。我们用它们提供背景，并标注从中取用的每一个数字。

结论

如果今天只能为一个前沿模型付费，答案取决于出错的代价有多大。Fable 5.2 是更强的推理者：它在 Artificial Analysis 指数上领先五分，在科学、专家知识和高难度编程上胜出，而且它的 high 和 xhigh 档不需要开到 max 就已经领先。Carbon 是性价比更高的智能体：它在 CursorBench 上与 Fable 持平，在终端任务上打成平手，赢下 Artificial Analysis 九项子评测中的三项，完成任务的花费约为三分之一，耗时约为一半。

对大多数团队，一种务实的分工是：让 Opus 5.5 或 Argon 做日常主力。当编程或自动化智能体需要更多余量、又要成本可预期时，用 Carbon；当某个高难度的科学或知识任务值得付出溢价时，再用 Fable 5.2。11 月 30 日之后请重新评估，那时 Carbon 的价格翻倍，原始 token 成本的差距会从四倍缩小到两倍。想分别了解每个模型的接入、API 用法和迁移，请看 Claude Fable 5.2 完整指南和 Gemini 4 Carbon 完整指南。

常见问题

来源

来源核对于 2026 年 11 月 11 日。榜单数值会变化，决策前请查看实时榜单。

• Artificial Analysis：Claude Fable 5.2 (Max, Default Fallback) vs Gemini 4 Carbon (High)，以及 Fable 5.2 与 Gemini 4 Carbon 模型页（指数、子评测得分、成本、速度、模态）
• Cursor：CursorBench 4.0（得分、每任务成本和步数）
• Vals AI：Terminal-Bench 4.0 榜单，更新于 2026 年 11 月 9 日
• Arena 榜单（新发布与智能体面板）
• Anthropic：Claude Fable 5.2 与 Claude Mythos 5.2和 Claude API 模型概览（厂商自报基准表、价格、安全护栏、方案接入）
• Google：Gemini 4 Carbon is now available、Introducing Gemini 4 Carbon、Carbon 新增内容、模型页、定价和 DeepMind 模型卡（厂商自报）
• X 帖子：@AnthropicAI、@ArtificialAnlys、@cursor_ai（Fable 5.2）、@GoogleDeepMind、@cursor_ai（Carbon）
• RidgeBench：Fable 5.2 takes the top of the index the day Carbon goes on sale和 VentureBeat：Gemini 4 Carbon is now publicly available（媒体与二手分析）
• Gemini 4 Carbon vs Claude Fable 5.2: The Internet Tested Both (Who Actually Wins?)（YouTube，创作者综述；二手来源）