Gemini 4 Carbon 对比 Claude Fable 5.2:基准测试、价格与单任务成本

对比 Google Gemini 4 Carbon 与 Anthropic Claude Fable 5.2 的规格、官方与独立基准测试分数及单任务成本,并提供 A/B 测试工作流。

用 Apifox,节省研发团队的每一分钟

Gemini 4 Carbon 对比 Claude Fable 5.2:基准测试、价格与单任务成本

免费使用 Apifox

相关推荐

最新文章

API

一体化协作平台

API 设计

API 文档

API 调试

自动化测试

API Mock

API Hub

立即体验 Apifox
目录

截至 2026 年 11 月 11 日,Google 的 Gemini 4 Carbon 价格更低,而 Claude Fable 5.2 在大多数已公开的编码与 Agent 基准测试中表现更强。Carbon 在 11 月 30 日前的挂牌价为每百万输入/输出 token $2 / $10(之后恢复为 $4 / $20),Fable 5.2 为 $8 / $40,而 Artificial Analysis 测得的单任务成本分别为 $7.76 与 $26.54。

这两款模型前后相隔一天发布(Fable 5.2 于 11 月 9 日发布,Carbon 于 11 月 10 日正式上线 GA),各家厂商给出的对比表格都偏向自家模型。本文将所有数据按测试来源拆开对比,并展示如何在你自己的请求上对两者进行 A/B 测试。

AI Coding 交流群

如果你也在用 AI 写代码,或者正在研究 Cursor、Claude Code 这些工具,欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流,还有各种新工具和新玩法。

AI Coding 交流群二维码

Gemini 4 Carbon 对比 Claude Fable 5.2:快速结论

如果你最看重单任务成本,或者用于业务自动化流程与安全分析工作,选择 Gemini 4 Carbon。如果你需要在高难度编码、终端操作与计算机使用(computer-use)任务上拿到最高分,并且能够接受单任务约 3.4 倍的成本,选择 Claude Fable 5.2。至于日常工程任务,两家厂商都建议优先使用更便宜的默认模型。

Google 在 GA 发布公告中表示,“Argon 依然是绝大多数软件工程与知识工作的理想选择”,并将 Carbon 定位于需要花费更多 token 去探索和验证的高难度任务。Anthropic 的模型文档也表达了同样的意思:大多数工作负载先从 Claude Opus 5.5 起步,面对高要求的推理与长周期 Agent 任务时再切换到 Fable 5.2。

因此,只有当默认模型不够用时,才需要调用这两款模型。还没选好默认模型?可以先阅读 Gemini 4 Carbon 与 Argon 的对比。

Gemini 4 Carbon 与 Claude Fable 5.2 的价格和规格对比

以下是两家厂商公布的核心规格,每行均注明了来源。

规格 Gemini 4 Carbon Claude Fable 5.2 来源
模型 ID gemini-4-carbon claude-fable-5-2 Google、Anthropic
发布时间 2026 年 11 月 10 日 GA 2026 年 11 月 9 日 Google、Anthropic
每百万输入 token 价格 11 月 30 日前 $2,之后 $4 $8(fast 模式下为 $16) Google 脚注、Anthropic
每百万输出 token 价格 11 月 30 日前 $10,之后 $20 $40(fast 模式下为 $80) Google 脚注、Anthropic
上下文窗口 1M tokens 1M tokens AI Studio 模型卡、Anthropic 文档
最大输出长度 标注为 65K / 1M [待核实] 128K tokens AI Studio 模型卡、Anthropic 文档
思考机制(Thinking) 可配置思考等级 自适应、始终开启,默认 effort 为 high Google 快速入门、Anthropic 文档
获取渠道 Gemini API 付费层级、AI Studio、Android Studio、Gemini 企业版、Antigravity、CodeMender、Google AI Ultra Claude Platform、Amazon Web Services、Google Cloud、Microsoft Azure Google、Anthropic
免费 API 层级 未说明 未说明 Google、Anthropic

Google 的 GA 公告没有提及 Vertex AI、Gemini CLI 或 GitHub Copilot,因此暂时不要围绕这些渠道做接入规划。Carbon 的首发价格与 Argon 一致,这让 11 月成为运行评估测试成本最低的月份。

完整费率可参考 Claude Fable 5.2 定价说明,以及 Google 的 Gemini 4 Carbon 发布公告。

哪个模型在基准测试中胜出?

这取决于你看哪一方的表格,因此下面将三份表格分开列出。

Anthropic 公布的表格(随 Fable 5.2 发布)

Anthropic 的 Fable 5.2 发布公告 包含了一列 Gemini 4 Carbon 的对比数据。页面并未说明 Carbon 的分数由谁跑出,因此请将其视为厂商报告数据。

基准测试(Anthropic 表格) Fable 5.2 Gemini 4 Carbon
FrontierSWE v2 69.9% 61.2%
FrontierCode 2.0 49.1%(xhigh effort) 41.1%(medium effort)
Terminal-Bench-Science 0.1 74.6% 64.8%
OSWorld 2.1(离线集,部分) 89.3% 81.5%
AA-Briefcase v1.1(评分量表) 66.1% 61.8%
Chartography(无工具) 73.4% 72.5%
AutomationBench 51.4% 53.9%
Anthropic 公布的基准测试柱状图:Claude Fable 5.2 在 FrontierSWE v2、FrontierCode 2.0、Terminal-Bench-Science、OSWorld 2.1、AA-Briefcase 与 Chartography 上领先 Gemini 4 Carbon,而 Carbon 在 AutomationBench 上领先

留意 FrontierCode 这一行:Fable 运行在 xhigh effort 下,而 Carbon 运行在 medium effort 下。配置档位上的差距与分数本身的差距同样重要。

Google 公布的表格(随 Carbon GA 发布)

Google 没有公布与 Fable 5.2 的直接头对头对比,而是引用了合作伙伴排行榜:Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,且“单任务成本比排名第二的外部模型低 2 倍以上”。在 Multimodal Knowledge Agent 基准测试中,它排名第二,平均单任务成本比第一名低 6 倍以上。Google 在这些表述中没有点名竞争对手的具体模型。

Artificial Analysis(独立评测)

Artificial Analysis 对比页面 使用同一套 Intelligence Index v5.0.1 测试了这两款模型:

指标(Artificial Analysis) Fable 5.2(max) Gemini 4 Carbon(high)
Intelligence Index(智能指数) 65 60
单任务成本 $26.54 $7.76
运行完整指数的成本 $22,191 $8,240
输出速度 103 tokens/s 82 tokens/s

Fable 5.2(max)目前在该指数上排名第一。Carbon 低了 5 分,但单任务成本只有前者的约 29%。Artificial Analysis 按 Carbon 11 月之后的恢复价 $4 / $20 计算,因此这里的成本数据已经反映了 12 月的价格水平。

Claude Fable 5.2 强在哪里?

根据 Anthropic 公布的数据,Fable 5.2 在最高难度的编码与计算机使用任务上胜出:

  • 仓库级编码:在 FrontierSWE v2 上为 69.9% 对比 61.2%。
  • 终端与科研工作:在 Terminal-Bench-Science 0.1 上为 74.6% 对比 64.8%。
  • 计算机使用:在 OSWorld 2.1 上为 89.3% 对比 81.5%。
  • 独立指数:在不由任何一方厂商主导的 Artificial Analysis 上为 65 对比 60。
  • 最大输出长度:文档明确支持单次请求最高 128K 输出。

如果一次任务失败会耽误工程师一下午的时间,FrontierSWE 上高出的 8 个百分点往往比省下的 token 账单更有价值。接入方式可参考 Claude Fable 5.2 API 指南。

Gemini 4 Carbon 强在哪里?

Carbon 在单任务成本以及 Google 重点打造的场景中胜出:

  • 单任务成本:在 Artificial Analysis 上为 $7.76 对比 $26.54,便宜约 3.4 倍。
  • 业务自动化:即使在 Anthropic 自己的表格里,Carbon 在 AutomationBench 上也以 53.9% 对比 51.4% 领先。
  • 安全能力:据 Google 介绍,它在 SEC-bench Pro、ExploitGym 和 CWE-bench v1 上领先,并通过 Fairwind 计划向防守方提供受控访问的专用网络安全版 Carbon 模型。
  • 11 月促销价:11 月 30 日前为 $2 / $10,输入和输出单价都只有 Fable 的四分之一。
  • Agent 团队协作:Google Antigravity 中的 /swarm 预览功能可以将一条提示词转化为协同工作的团队,由 Carbon 负责规划与审查,同时让轻量模型并行执行。

刚接触这款模型?可以先了解 Gemini 4 Carbon 是什么。

单次任务实际要花多少钱?

挂牌价只代表费率,不等于最终账单。一次任务的实际成本等于单价乘以模型决定消耗的 token 数量,而 Google 表示 Carbon 会花费更多 token 用于探索和验证。

假设一次请求包含 50,000 输入 token 和 10,000 输出 token:

  1. Carbon(首发优惠价):(0.05 x $2) + (0.01 x $10) = $0.20
  2. Carbon(12 月 1 日起):(0.05 x $4) + (0.01 x $20) = $0.40
  3. Fable 5.2:(0.05 x $8) + (0.01 x $40) = $0.80

上述计算假设两款模型都只输出 10,000 token。但实际情况往往不同。如果 Carbon 在推理过程中生成了 30,000 token,而 Fable 只生成了 10,000 token,那么 Carbon 在 12 月的成本就会涨到 $0.80,价格优势随之抹平。不过,Artificial Analysis 在整套评测集上测量了真实消耗后,依然发现 Carbon 的单任务成本便宜约 3.4 倍——在你用自己的任务实测之前,这是最有参考价值的信号。

每百万输出 token 价格(Carbon 11 月 30 日前 $10、之后 $20;Fable 5.2 $40)与 Artificial Analysis 单任务成本(Carbon $7.76、Fable 5.2 $26.54)对比图

如何在你自己的请求上对 Gemini 4 Carbon 和 Claude Fable 5.2 做 A/B 测试?

公开基准测试跑的是别人的任务。最公平的测试方式是把同一条提示词同时发给两个 API,并排记录 token 消耗和响应延迟。

两个接口都是标准 HTTP 调用。以下是根据 Google Interactions API 快速入门构建的 Carbon 请求示例,模型名称保存在变量中:

MODEL="gemini-4-carbon"
curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Api-Revision: 2026-05-20" \
  -d "{\"model\": \"$MODEL\", \"input\": \"Review this diff and list the bugs.\"}"

Fable 5.2 则通过 Anthropic 的 Messages API 调用,模型设为 claude-fable-5-2。

让编码 Agent 用 Apifox CLI 运行 A/B 测试

手动成对发送请求很快就会变得繁琐。你可以让 Claude Code、Codex 或 Cursor 驱动 Apifox CLI 来执行对比。先安装 CLI 并完成登录与分类查询:

npm install -g apifox-cli@latest
apifox auth login --with-token <YOUR_APIFOX_TOKEN>
apifox test-case category --project <PROJECT_ID>

然后给你的 Agent 一条提示词:

In Apifox project <PROJECT_ID>, create two test cases: one that sends
our code-review prompt to gemini-4-carbon through the Gemini API, and
one that sends the same prompt to claude-fable-5-2 through the Claude
Messages API. Keep both API keys in private environment variables.
Assert a 200 status and a non-empty answer, record token usage and
response time, run each case 5 times and summarize cost per run.
Validate every payload before you write it.

Agent 会先检查 schema、写入用例并运行。以下命令参数来自 Apifox CLI 2.2.12:

apifox cli-schema get test-case-create
apifox cli-schema validate test-case-create --file carbon-case.json
apifox test-case create --project <PROJECT_ID> --file carbon-case.json
apifox test-case create --project <PROJECT_ID> --file fable-case.json
apifox test-case run <CARBON_CASE_ID> --project <PROJECT_ID> \
  -e <ENV_ID> -n 5 -r cli,json --out-dir ab-results
apifox test-case run <FABLE_CASE_ID> --project <PROJECT_ID> \
  -e <ENV_ID> -n 5 -r cli,json --out-dir ab-results

-n 5 会将每个用例重复运行 5 次,避免单次偶发的慢响应影响结论。加上 --upload-report 还可以在 Apifox 客户端中查看运行报告。这是一个工作流模板,我们尚未在本机针对 Carbon 实际运行。

常见问题

Gemini 4 Carbon 比 Claude Fable 5.2 更好吗?

并非全面占优。Fable 5.2 在 Anthropic 的大多数基准测试以及 Artificial Analysis 指数(65 对比 60)上得分更高;而 Carbon 在单任务成本($7.76 对比 $26.54)和 AutomationBench 上表现更好。

Gemini 4 Carbon 比 Claude Fable 5.2 便宜多少?

按挂牌单价计算,2026 年 11 月 30 日前 Carbon 便宜 4 倍(每百万 token $2 / $10 对比 $8 / $40),12 月 1 日起便宜 2 倍($4 / $20)。按 Artificial Analysis 实测的单任务成本计算,Carbon 大约便宜 3.4 倍。

两款模型都有 1M token 的上下文窗口吗?

是的。Google 的 AI Studio 模型卡为 Carbon 标注了 1M token,Anthropic 文档也为 Fable 5.2 标注了 1M token。Fable 的最大输出长度为 128K token;Carbon 的确切输出上限请以 Google 开发者指南为准。

Gemini 4 Carbon 或 Claude Fable 5.2 在 API 上有免费层级吗?

两家厂商均未说明提供免费 API 层级。Carbon 位于 Gemini API 付费层级和 Google AI Ultra 应用中;Fable 5.2 则按 token 计费。

我应该把默认模型切换成其中之一吗?

通常不需要。Google 表示 Argon 仍是大多数软件工程和知识工作的合适选择,Anthropic 也建议大多数工作负载使用 Opus 5.5。建议只把默认模型处理失败的任务路由给 Carbon 或 Fable,然后在你自己的请求上对比结果。