AA v4.2 max 57（含安全回退）、Astra max 55、Sol max 51。综合领先不保证每个任务领先；Fable 低至 xhigh 为估算，不当作实测等效。
AA v4.2：low 49 落在 Sol high 48 / xhigh 50 之间；medium 52 邻近 Sol max 51，high 53 至 max 55 更高。只作该题集参照，不换算智力百分比。
34 个资料项 · 25 个进入比较轨道
把真正关心的模型放到一起比较
一次选择 2—4 个模型，对照能力、编程、推理强度、价格、上下文和使用限制。没有账户，也不会调用模型。第一次比较：先选“日常实用”，只放入 2 个模型，看结论和限制。
需要技术细节：再切到旗舰或成本轨道，核对推理档、上下文与 API 单价。
第一步
先确定你要比较的问题
四条轨道使用不同标准。切换轨道会载入一组适合该问题的默认模型，你仍可以从全部已收录模型中替换。旗舰上限怎么比较
只比较版本明确、公开可用的通用旗舰最佳已测配置；最高得分不总在最高推理档。AA 估算和 Ultra 多代理不混入正式榜。
第二步
选择 2—4 个模型
已选择 4 个。第一个模型是手机端的固定基准；跨轨模型只作参考，不强行判定输赢。适合本轨直接比较
查看其他已收录模型（28 个）
这些模型不属于当前轨道的直接比较范围，选中后会明确标为“跨轨参考”。
对比结果
把差异放在同一张表里
这里提供证据对照，不自动宣布“全能冠军”。不同任务、预算和推理强度会改变最终选择。在较窄的电脑窗口中可左右滑动查看完整矩阵。
| 比较项目 | Fable 5.1Anthropic · 基准模型 | AstraOpenAI · 高难任务旗舰 | Grok 4.6xAI · 低价前沿旗舰 | Kimi K3Moonshot · 通用旗舰 · 新发布 |
|---|---|---|---|---|
| 本轨结论只解释当前轨道关心的问题，不作为全能总排名。 | AA v4.2 max 57（含安全回退）、Astra max 55、Sol max 51。综合领先不保证每个任务领先；Fable 低至 xhigh 为估算，不当作实测等效。 | AA v4.2：low 49 落在 Sol high 48 / xhigh 50 之间；medium 52 邻近 Sol max 51，high 53 至 max 55 更高。只作该题集参照，不换算智力百分比。 | AA v4.2 high 51，与 Sol max 同分；xhigh 49 并非更高。Vals Index v2 为 59.17%，显示专业任务表现不能由综合分直接外推。 | AA v4.2 max 50、GLM-5.3 max 49；开放权重高端。完整应用、终端与长程任务方向不同，不固化为通用第三名。 |
| 比较口径跨轨模型仍可查看，但不能与本轨模型直接判定高低。 | 适合本轨直接比较 | 适合本轨直接比较 | 适合本轨直接比较 | 适合本轨直接比较 |
| 模型定位厂商、产品角色及是否为当前旗舰。 | Anthropic高难任务旗舰 · 当前旗舰 | OpenAI高难任务旗舰 · 当前旗舰 | xAI低价前沿旗舰 · 当前旗舰 | Moonshot通用旗舰 · 新发布 · 当前旗舰 |
| 综合推理证据AA v4.2 与 Vals v2 使用不同方法，不能把两项简单相加；估算分不等同实测。 | AA v4.2：57max · 含安全回退 · 2026-09-05Vals v2：68.83 | AA v4.2：55max · 2026-09-05Vals v2：66.61 | AA v4.2：51high · 2026-09-05Vals v2：59.17 | AA v4.2：50max · 2026-09-05Vals v2：暂无已核实的同版本分数 |
| 实际编程代码题、仓库修复和完整应用是不同能力。 | CursorBench 3.2：max 73.4%、xhigh 72.8%；最高档仅多 0.6 个百分点却贵约 39%，日常先 high，难题再 xhigh/max。 | DeepSWE：xhigh 74%±3、Sol max 73%±3，同一领先档；Astra 输出约少一半、步骤约少一半，两者单题费用约 $6.5。 | CursorBench xhigh 70.8% / $2.81；DeepSWE 最佳 medium 67%±2% / $3.45，低于 Astra/Sol 点估计。两方法支持低价工程候选，不支持所有任务第一。 | DeepSWE 为 69%±5，与 Opus、Sol、Fable、Terra 的区间重叠；CursorBench max 为 60.8% / $2.70，低于 Opus、Sol 高档位。完整应用和网页专项突出，但终端与网络安全并非首选 |
| 适合做什么基于本报告证据给出的主要使用场景。 | 高难规划、含糊多文件实现、长程专业工作与异家复核 | 复杂推理、代码与终端闭环、资料分析、少返工的端到端任务 | 低价前沿编程、工具代理、知识工作，以及需要 X 搜索的实时信息调研 | 网页与 React 原型、长资料、并行调研、图片 / 视频理解、长程 Agent，以及具备大型推理基础设施的开放权重部署 |
| 推理强度默认档适合日常；最高档不一定最划算。 | 默认：high单模型最高：max | 默认：high单模型最高：max | 默认：high单模型最高：xhigh | 默认：max单模型最高：max |
| API 挂牌价美元/百万 token，不是 ChatGPT、Claude 等 App 会员费。 | 输入 $10 · 输出 $50缓存输入 $0.25标准 API 每百万 Token；缓存读取 $0.25，5 分钟缓存写入 $12.50，1 小时写入 $20。会员额度另计。 | 输入 $10 · 输出 $50缓存输入 $1标准 API 每百万 Token；>272K 输入时整请求输入/缓存翻倍、输出 1.5 倍；缓存写入为普通输入 1.25 倍。Batch/Flex 半价，Fast 2 倍；会员额度另计。 | 输入 $2 · 输出 $6缓存输入 $0.5 | 输入 $3 · 输出 $15缓存输入 $0.3官方统一价；100 万上下文不另设长上下文阶梯 |
| 上下文与部署上下文表示单次最多能处理的内容量；开放权重不等于免费运行。 | 1M 上下文闭源服务 | 1.05M 上下文闭源服务 | 500K 上下文闭源服务 | 1M 上下文开放权重 · Kimi K3 License（商业使用有条件） |
| 限制与风险使用前最容易忽略、却可能影响最终成本或结果的事项。 | AA 与 Vals 使用默认安全回退，不能视为纯 Fable 无回退成绩；新版本长程实战与独立 DeepSWE 仍待补。 | API 最高单模型 effort 是 max，Ultra 多代理没有同口径成绩；工具调用需 Responses API。刚发布的长期稳定性仍需实际项目检验。 | AA、Vals、CursorBench 与 DeepSWE 已形成四种独立信号，支持“前沿档且价格突出”，不支持“所有任务第一”。输入超过 200K 后整次请求按 $4 / $12 计费；事实性、长期无人值守和发布初期稳定性仍要单独复核。2026-08-12 发布；API、Grok Build 与部分第三方开发工具已可用 | 重要事实必须回到来源核对；短任务不必开集群，日常 Code 先用 k3-256k + high。1M 档通常约消耗 2 倍额度，高速模式约 3 倍额度；官方权重约 1.42 TiB，不是普通个人电脑可轻松部署的模型。网页、App、Agent、K3 集群、Kimi Code 和开发者 API 均已上线；2026-07-27 已发布完整权重、技术报告和 Kimi K3 License |
| 证据状态把握表示本报告的判断把握，不是模型正确率。 | 已核验 · 把握 中高核验日期 2026-09-05 | 已核验 · 把握 中高核验日期 2026-09-05 | 已核验 · 把握 中高核验日期 2026-08-15 | 已核验 · 把握 中高核验日期 2026-08-15 |
与 Fable 5.1 对比
Fable 5.1固定基准
Astra当前候选
适合本轨直接比较
适合本轨直接比较
Anthropic高难任务旗舰 · 当前旗舰
OpenAI高难任务旗舰 · 当前旗舰
AA v4.2：57max · 含安全回退 · 2026-09-05Vals v2：68.83
AA v4.2：55max · 2026-09-05Vals v2：66.61
CursorBench 3.2：max 73.4%、xhigh 72.8%；最高档仅多 0.6 个百分点却贵约 39%，日常先 high，难题再 xhigh/max。
DeepSWE：xhigh 74%±3、Sol max 73%±3，同一领先档；Astra 输出约少一半、步骤约少一半，两者单题费用约 $6.5。
高难规划、含糊多文件实现、长程专业工作与异家复核
复杂推理、代码与终端闭环、资料分析、少返工的端到端任务
默认：high单模型最高：max
默认：high单模型最高：max
输入 $10 · 输出 $50缓存输入 $0.25标准 API 每百万 Token；缓存读取 $0.25，5 分钟缓存写入 $12.50，1 小时写入 $20。会员额度另计。
输入 $10 · 输出 $50缓存输入 $1标准 API 每百万 Token；>272K 输入时整请求输入/缓存翻倍、输出 1.5 倍；缓存写入为普通输入 1.25 倍。Batch/Flex 半价，Fast 2 倍；会员额度另计。
1M 上下文闭源服务
1.05M 上下文闭源服务
AA 与 Vals 使用默认安全回退，不能视为纯 Fable 无回退成绩；新版本长程实战与独立 DeepSWE 仍待补。
API 最高单模型 effort 是 max，Ultra 多代理没有同口径成绩；工具调用需 Responses API。刚发布的长期稳定性仍需实际项目检验。
已核验 · 把握 中高核验日期 2026-09-05
已核验 · 把握 中高核验日期 2026-09-05