Claude Fable5 对比 GPT-5.5——基准、价格与选型

这是一篇标注日期、过时的分析。 带来源基准与最新价格的、持续维护的对比，见 Claude Fable 5 对比 GPT-5.5 页面。

这是所有人最先问的对比，也是公布数字最一边倒的对比——而且朝两个方向各倒一边。Claude Fable5 拿出了前沿模型之间我们见过的最大基准差距；GPT-5.5 拿出的价格让这些差距对多数生产流量来说无关紧要。两件事同时为真。

基准表

三条诚实注记。第一——这些是厂商自己公布的数字、设置由厂商自己选，当方向性参考。第二，GPT-5.5 的视觉成绩（24.9%）赢了 Claude Opus 4.8（22.5%）——如果你的负载重视觉、且在中端模型里二选一，这一行比头条更重要。第三，网络安全和生物学评测上 Fable5 的护栏把分数压到接近 Opus 4.8——不设限的数字属于买不到的 Mythos 5。

FrontierCode 才是真正的故事

SWE-Bench Pro 领先 22 个百分点已经很大。FrontierCode 5 倍（29.3% 对 5.7%）是另一个量级的差距。 FrontierCode Diamond 是"当前会失败的工程任务"最接近的公开代理——跨仓库重构、新型 debug、长程自主工作。5.7% 意味着 GPT-5.5 在这一档基本上不了场；29.3% 意味着 Fable5 有时可以。如果你的路线图里有你亲眼看着前沿模型失败过的任务，这一行就是整个对比。

价格：GPT-5.5 的反击

• GPT-5.5： 每百万 token 输入 $1.25 / 输出 $10，缓存输入打 1 折。
• Fable5： 输入 $10 / 输出 $50，缓存输入打 1 折，Batch API 5 折。

输入差 8 倍，输出差 5 倍。 对话产品、抽取流水线、摘要——一切两个模型都做得好的事情，GPT-5.5 的价格直接终结讨论。基准差距只在 GPT-5.5 真的失败、且重试（或人工）要花真金白银的任务上才赚得回溢价。成本计算器可以把两个模型连缓存一起建模。

各自赢在哪里

Fable5：

1. 最难的工程。 FrontierCode 档——一次昂贵的尝试胜过 N 次便宜的失败。重试数学随价差扩大而更有力，但只在便宜模型真的解不出的地方成立。
2. 数小时自主 agent。 Fable5 在数百万 token 中保持连贯并靠进度笔记自我纠错；SWE-Bench Pro 的差距在这里复利。
3. 高风险知识工作。 GDPval-AA 领先 163 分，加上字面指令执行让输出契约真正具有约束力。

GPT-5.5：

1. 一切大流量场景。 输入价格只有 1/8，默认通道归它（想留在 Claude 生态就用 $5/$25 的 Opus 5）。
2. 预算内的视觉。 它对价格段之上模型也能赢的那一行。
3. OpenAI 栈产品。 Structured outputs、Assistants 工具链和既有 GPT 集成的切换成本，没有基准能抵消。

Prompt：不要粘贴，要移植

GPT-5.5 保留 temperature/top_p、原谅松散 prompt。Fable5 移除了两个旋钮并字面执行指令——含糊的 prompt 得到字面化的结果，精确的 prompt 得到你要的东西。把 GPT-5.5 的 prompt 移到 Fable5：删掉采样技巧，把角色/任务/格式/约束显式写出来，并把完整规格放进第一条消息。prompt 生成器直接搭好这套结构；迁移指南讲清原理。

结论

• 默认通道： GPT-5.5（或 Opus 5）——质量过线的地方，价格说了算。
• 升级通道： Fable5——最难的编码、长自主运行、错不起的工作。
• 重视觉的中端需求： 付 Claude 价格之前，先认真评测一轮 GPT-5.5。

做对这件事的团队不是在选冠军，而是在写路由规则。把分流建模算一遍。

FAQ

Fable5 比 GPT-5.5 强吗？ 按已公布基准，每一行都强，其中 FrontierCode 的 5 倍差距最有分量。价格上 GPT-5.5 完胜。

GPT-5.5 写代码够用吗？ 常规任务够用，成本只有零头。最难一档，公布的 5.7% FrontierCode 成绩说明不够。

能通过一个 API 同时 A/B 两个模型吗？ 能——两家都在 OpenRouter 上（anthropic/claude-fable-5），这是用同一套评测集跑两个模型摩擦最小的方式。

基准数字来自 Anthropic 2026 年 6 月 9 日公告及 OpenAI 已公布的 GPT-5.5 成绩，截至 2026 年 6 月 10 日。独立分析——另见完整 Fable5 指南与 Gemini 对比。