为‘Claude Fable 5.1 vs Grok 4.6’自制的主视觉标题卡,副标题为‘九个指数点,八倍输出价格’。两个面板:‘Claude Fable 5.1’(Anthropic,闭源 API,0.00 / 0.00 每 1M tokens,AA 智能指数 53,#1(共 201))和‘Grok 4.6’(SpaceXAI,闭源 API,.00 / .00 每 1M tokens,AA 智能指数 44,#20(共 201))。页脚显示:‘Claude Fable 5.1 发布于 2026 年 9 月 1 日 · Grok 4.6 发布于 2026 年 8 月 12 日 · 独立数据,当前 Artificial Analysis 指数,采集于 2026 年 9 月 10 日’;OrcaRouter 标志位于右下角。
Guides & Insights

Claude Fable 5.1 对比 Grok 4.6:九项指标与八倍输出价格——这个差距究竟能买到什么

作者

Elias Hawthorne

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Claude Fable 5.1 和 Grok 4.6 是两款闭源前沿模型,正好处于当前这一代产品价格区间的两端。Anthropic 的新旗舰模型于 2026 年 9 月 1 日发布,每百万输入 token 收费 10.00 美元,每百万输出 token 收费 50.00 美元;在 Artificial Analysis 智能指数当前版本中,它得分 53——在该指数追踪的 201 个模型中排名第一。SpaceXAI 的 Grok 4.6 于 8 月 12 日推出,同样单位分别收费 2.00 美元和 6.00 美元,得分 44,在 201 个模型中排名第二十。两者相差 9 个指数点,输出价格则相差 8 倍。某个工作负载究竟应该关注这两个数字中的哪一个,这才是全部问题的关键;而答案因你让模型执行的任务不同而指向不同的方向。

先说明来源:Artificial Analysis 在9月份重新评定了其 Intelligence Index,因此这里的数据取自当前版本(2026年9月10日抓取),而非8月许多报道中仍引用的旧版评分。不同版本的指数分数不可直接比较,因此下文数字可能比你读到的两款模型发布时的数据要低。所有标注为“厂商自报”的内容均来自发布实验室自身的评估表,未经中立方复现。这一保留意见在此处的分量并不相同——Grok 4.6 已有一个月的外部审查,而 Claude Fable 5.1 发布仅九天,其关键数字的公开信息大多仍只有 Anthropic 的单方面说法。

两家实验室,两件不同的商品在促销

Anthropic 九月的发布是一次能力展示,并附带了一个安全叙事。Claude Fable 5.1 是 Claude Mythos 5.1 的正式发布孪生版,后者是受安全限制的兄弟版本,仅提供给通过审查的网络安全和生命科学组织——相同的基础模型,不同的防护机制。Anthropic 所推销的是独立排行榜的榜首、100 万 token 的上下文窗口、单次响应最多 128K 输出 token,以及围绕 Claude Code 和 Claude 应用构建的智能体生态系统。宣传语很直白:当任务足够困难、一个错误答案的代价高于 token 成本时,这就是你该调用的模型。

SpaceXAI 正在推销的东西更为聚焦,而且随着时间推移更具进攻性——即仍属前沿级别的最便宜模型,其定价低到让在其他任何平台上构建智能体都显得奢侈。Grok 4.6 并非升级版:它与 Grok 4.5 基于相同的基础,只是进行了更长时间的补充训练和更重的强化学习。供应商称,这带来了“可与 GPT-5.6 Sol 和 Claude Fable 5 相媲美的智能”。在 $2/$6 的价格下,且仍稳居指数前二十,这就是全部论据。这也是一种策略,而不仅仅是价格。SpaceXAI 拥有 Cursor,在模型发布前一天推出了其 Grok Bot 浏览器代理,并运营着自己的消费级聊天应用;一个以商品化价格提供的前沿模型,就是这些产品的燃料。埃隆·马斯克公开的算法——AI 收入超过公司所有其他业务板块,10 GW 的计算能力——也指向同一方向。这款模型的定价并不是为了最大化 API 利润率。

规格表,逐项解读

• 每100万Token价格 — Claude Fable 5.1 输入$10.00 / 输出$50.00 vs Grok 4.6 输入$2.00 / 输出$6.00。

缓存输入 — Claude Fable 5.1 每1M $0.25,而Grok 4.6为$0.50,Artificial Analysis列出的有效缓存折扣为98%对比75%。

• 长上下文定价——Claude Fable 5.1 的窗口定价一路持平直至 100 万 token;而 Grok 4.6 一旦超过 20 万输入 token,就会将整个请求重新定价为 $4.00 / $12.00 / $1.00,因此其折扣恰恰在长时 agent 运行真正发生之处被削薄。

• 上下文与输出 — Claude Fable 5.1 拥有 1M-token 的上下文窗口和高达 128K 的输出 token,而 Grok 4.6 则提供 500K 的上下文窗口、从低到超高(xhigh)的推理强度调节档位,以及一个速度翻倍的快速变体。

• 独立评分、速度和成本——Artificial Analysis 将 Claude Fable 5.1 在当前智能指数上评为 53 分(201 个中排名第 1),输出速度为每秒 67.2 个 token,每个指数任务成本为 7.63 美元;Grok 4.6 为 44 分(201 个中排名第 20),每秒 52.8 个 token,每个任务成本为 1.86 美元。根据该衡量标准,两者均被评为“非常冗长”或“有些冗长”——Claude 模型的输出 token 为 190M,而 Grok 为 94M。

• 厂商基准测试声明 — Anthropic 报告在 Terminal-Bench-Science 0.1 上取得 52.6%(是 Claude Fable 5 的 24.7% 的两倍多),在 Terminal-Bench 4.0 上取得 55.8%,以及在 GDPval-AA v2 上为 Claude Fable 5.1 取得 1,853。SpaceXAI 报告在 DeepSWE v1.1 上取得 65.9%,在 CursorBench v3.2 上为 Grok 4.6 取得 69.9%,此外还自称在 Terminal-Bench v3.0 上取得 26%——这是该厂商自己表格中明显较弱的一项。

• 每个产品的运行平台 — Anthropic 的 API、Claude 应用、Claude Code、Amazon Bedrock、Google Cloud 和 Microsoft Foundry,对比 SpaceXAI API、Cursor、Grok Build、Grok Bot 智能体、Grok 消费者应用及 Amazon Bedrock GovCloud。

• 已发布 — Claude Fable 5.1 于2026年9月1日;Grok 4.6 于2026年8月12日。

A self-built two-column scoreboard titled 'Claude Fable 5.1 vs Grok 4.6 \u2014 the scoreboard'. Left column 'Claude Fable 5.1 (Anthropic)': 'AA Intelligence Index 53 (#1 of 201)', 'Price in / out 0.00 / 0.00 per 1M tokens', 'Cost per index task .63', 'Context / max output 1M / 128K', 'AA output speed 67.2 tok/s', 'Released Sep 1, 2026'. Right column 'Grok 4.6 (SpaceXAI)': 'AA Intelligence Index 44 (#20 of 201)', 'Price in / out .00 / .00 per 1M tokens', 'Cost per index task .86', 'Context / max output 500K, repriced above 200K', 'AA output speed 52.8 tok/s', 'Released Aug 12, 2026'. Footer: 'AA figures per Artificial Analysis, current index version, captured Sep 10 2026.'

九个指数点实际上代表什么

在当前的独立指数上,九月份的排名是明确的:Claude Fable 5.1 得分53,在201个模型中位列第一;Grok 4.6 得分44,位列第二十。重新评分的指数需要澄清一点,因为这种事情会让发布周的数字在事后看来是错误的:Artificial Analysis 在九月份重新调整了其 Intelligence Index,两个模型的已公布分数随之下调。九分的差距是真实的,但该指数是一个加权综合指标——严重偏向智能体工作,编码、科学推理和通用能力排在其次——因此它将一个混合的多维度图景压缩成一条单一的线。

按维度的证据噪声更大,但也更有用。Anthropic 自己的 Terminal-Bench-Science 0.1 数据——52.6%,是上一代 24.7% 的两倍多——精准针对智能体买家所关心的长周期科研工作流,而目前没有任何模型在该特定基准上接近这一水平。SpaceXAI 的厂商对比表在软件工程方面最强(DeepSWE v1.1 为 65.9%,CursorBench v3.2 为 69.9%),在以终端为主的智能体循环方面最弱;在该项上,Grok 4.6 在 Terminal-Bench v3.0 上的 26% 低于 GPT-5.6 Sol Max 的 34.6% 和 Claude Fable 5 Max 的 34.1%。两份表格均为厂商自行报告且未经复现;它们描述的是各实验室自认为强的领域,而非谁胜出。

Screenshot of the Artificial Analysis model page for Claude Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback), captured September 10, 2026, showing Intelligence Index 53 ranked #1 of 201, output speed 67.2 tokens per second, a .63 cost per Intelligence Index task, a 98% cache discount against 0.00 input and 0.00 output pricing, 190M output tokens of verbosity, and a 1M-token context window.

廉价代币的细则

Grok 4.6 的价格优势是实实在在的,在短上下文和中上下文场景下尤其巨大:输出密集型工作负载每生成一个 token 要比 Claude Fable 5.1 少付约 83% 的费用。不过,这张费率卡上有三个前沿模型对比通常会忽略的边角。

第一个是20万(200K)token的门槛。输入token超过20万后,重新定价的是整个请求,价格为$4/$12,而不仅仅是超出部分的token。对于长时间运行的agent任务——上下文会不断累积,而这正是这两款模型所针对的工作负载——实际费率会在毫无预警的情况下翻倍,不再是Claude价格的五分之一。第二个是更快的变体,其费用是基础费率的两倍,也是官方宣传的唯一能解决模型输出速度低于平均水平的方式。第三个是服务端工具调用,按每千次调用单独计费。

Claude Fable 5.1 九月的定价变化则作用相反。名义上的 10 美元/50 美元价格未动,但缓存读取价格下降了 75%,降至每百万 token 0.25 美元,而这正是长时间代理会话真正的开销所在:反复重读工具输出、文件内容和之前的对话轮次。Artificial Analysis 显示,由此产生的有效缓存折扣为 98%,而 Grok 为 75%。每百万个重读 token 仅需支付 25 美分,这改变了多小时代理的算账方式,而这是头条价格永远无法体现的。

诚实的抵消因素是冗长度,这也是实际成本差距并非八倍的原因。因为Claude模型完成同样的索引任务时输出的token数量约为Grok的两倍——1.9亿对Grok的9400万——Artificial Analysis的每任务成本指标显示,Claude Fable 5.1为7.63美元,而Grok 4.6为1.86美元。这大约是四倍,而非八倍,这才是制定预算时应该参照的数字。

永远不会上桌的差异

延迟是这两款模型在交互式产品上的分水岭,而结果与价格标签所暗示的恰恰相反。Artificial Analysis 测得 Claude Fable 5.1 每秒输出 67.2 个 token——高于其类别的平均水平——而 Grok 4.6 为每秒 52.8 个 token,该评测将其评为低于平均水平;Grok 的指数总结直言不讳地指出它比同类产品更慢,这正是 SpaceXAI 以双倍价格出售更快版本的原因。按照同一份独立评测,Anthropic 的模型也是这两者中更冗长的一个。所以便宜的那款更慢,而贵的那款写得比必要更多:两笔成本朝相反方向拉扯,且都不在价目表上体现。

今天呼吁双方,但不承诺任何一方

九个百分点差距、每任务成本相差四倍以及满是价格档次的价目表,其实际后果是:大多数团队应该同时运行两者,而有趣的问题在于切换点在哪里。这样做比听起来更便宜:Claude Fable 5.1 和 Grok 4.6 都以提供商标价、零加价的形式出现在 OrcaRouter 上——上文提到的 $2/$6 和 $10/$50 就是发票上出现的数字,任何供应商价格变动都会在当天传导,而不是被吸收进转售利润。一个端点同时覆盖两者,因此升级模式是一条路由规则,而不是第二份合同:将高容量、范围界定清晰的工作发送给 Grok 4.6,当任务需要推理上限时升级到 Claude Fable 5.1,并让自动故障转移覆盖更便宜模型吞吐量太慢而无法满足截止日期的情况。路由 DSL 在一个地方表达这条链路,模型融合则让一组模型在任务重要到需要多个意见时共同作答。价格差距于是不再是你要做一次的决定,而变成一条随工作负载结构变化而调整的线。

Screenshot of the OrcaRouter model page for Grok 4.6 (model id grok/grok-4.6) showing .00 input and .00 output per 1M tokens, the SpaceXAI provider listed as of 2026-08-12, a 500K-token context window with text, image and file input, Vision, Tools, JSON and Reasoning capability badges, endpoints /v1/chat/completions and /v1/responses, and a p50 time-to-first-token of 10.00 seconds.

谁应该选哪个

{{1}}当错误或中途放弃的答案所付出的代价高于 token 本身的成本时,选择 Claude Fable 5.1:{{/1}}{{2}}长周期智能体研究、高难度推理、Anthropic 安全边界及其分阶段零数据留存控制至关重要的受监管工作,以及一切运行在 Claude Code 中的任务。{{/2}}{{3}}当工作量大、范围明确且能承受高吞吐时,选择 Grok 4.6——{{/3}}{{4}}批量编码、信息提取、内容生成,以及轮次足够短、可保持在 200K 重新定价线以下的智能体循环——{{/4}}{{5}}以及当你构建的智能体以模型为组件、且单任务成本决定整个业务成败时。{{/5}}

两个未决问题值得在任一选择固化之前密切关注。SpaceXAI 已在近期再次预告了 Grok 4.7;如果它能在更高能力下维持相同价位,今天的高性价比产品几周内就会沦为中端产品。与此同时,Anthropic 展现出大约每月一次的发布节奏,且愿意在不触及标价的前提下下调缓存价格,这表明这场对决的下一步可能落在成本端而非指标端。这两个变数都不会改变模型当前的实际能力,但都是将模型 ID 保留为配置项的理由。在带透传定价和故障转移的单一端点上,这应当是默认做法,而非一个专项项目。

本文中的对比2

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新