四大模型横评：GPT-6 Astra 与 Claude Fable 5.1 领跑 40 余项基准
HealthySkeptic2000 · reddit · 2026-09-22
一份截至 2026 年 9 月 21 日的大型横评，汇集 Artificial Analysis 与 Vals AI 的公开成绩，对比 Grok 4.7、Claude Fable 5.1、GPT-6 Astra 与 DeepSeek V4.1 Flash 四个前沿模型。要点：- 综合指数：AA Intelligence Index 上 GPT-6 Astra 与 Fable 5.1 并列最高（53），Grok 4.7 为 46，DeepSeek V4.1 Flash 为 39；Vals Index Fable 5.1 领先（68.83%）。- 编程：GPT-6 Astra 在 Terminal-Bench 4.0（AA 口径 59%）、IOI（满分）、代码迁移等项领先；Fable 5.1 在 Vibe Code Bench（90.26%）最强。- 知识推理：Fable 5.1 的 HLE 成绩最高（59%，带工具 65%），但幻觉率高达 73%；DeepSeek 幻觉率 96% 最差。- 专业工作：Fable 5.1 在法律、金融、Excel 建模多项第一，Grok 4.7 仅在 Harvey Legal Agent（19.58%）领先。整体上 Fable 5.1 与 GPT-6 Astra 各占大量星标，Grok 4.7 与 DeepSeek V4.1 Flash 明显掉队。
「模型」频道最新
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12
- 26B MoE 决策小模型 CPU 可跑，得分超 Jev 1.13 — gauravapiscean · 2026-11-12