Claude Fable 5 對決 GPT-5.6：六個榜單、定價與作弊報告的完整評比

Claude Fable 5 和 GPT-5.6 誰比較強？這篇把 vals.ai、Terminal-Bench、Code Arena 六個榜單的數字、兩家定價、METR 的作弊報告和開發者風向一次整理，全部經過雙來源查證。結論是分板互勝：修 repo 和前端品味 Fable 贏，終端代理和成本 Sol 贏。讀完你會知道照自己的工作型態該選哪一隻。

7 月 9 號 OpenAI 把 GPT-5.6 丟出來，距離 Anthropic 發布 Claude Fable 5 剛好一個月。兩顆旗艦對撞，工程圈整個禮拜都在吵誰比較強。吵的人多，把數字攤開的人少。

所以我乾脆把查得到的東西全部翻了一遍：六個榜單、兩家定價、安全機構的報告、開發者社群的風向，一條一條對過來源，寫成這篇。讀完你會知道這場對決真實的形狀，還有照你的工作型態，錢包該交給誰。

先講好，文末有我的個人立場，而且我不打算裝中立。你看到最後就知道為什麼。

先訂正名字：「GPT-5.6 Codex」其實沒有這顆模型

很多人叫它 Codex 5.6，包括我一開始也這樣叫。嚴格說這次 OpenAI 沒有出 Codex 專用模型，你去翻官方文件，gpt-5.6-codex 那一頁是 404。Codex 專用命名線停在二月的 GPT-5.3-Codex，之後 Codex 就直接跑通用旗艦了。

所以這場對決的正確寫法是 Claude Fable 5 對上 GPT-5.6 家族。GPT-5.6 分三個級距：Sol 旗艦、Terra 均衡、Luna 快速便宜，Codex 裡跑的主力是 Sol。下面講 Sol 的地方，你就當成 Codex 現在的大腦。

兩位選手：Claude Fable 5 與 GPT-5.6 三兄弟

Fable 5，6 月 9 號發布，Anthropic 新開的 Mythos 級，位階在 Opus 之上，定價每百萬 tokens 輸入 10 美元、輸出 50 美元，context 1M。它的上市之路大概是模型史上最坎坷的：發布三天就碰上美國出口管制被迫全球下架，停了三週，7 月 1 號才帶著新的安全分類器重新上線。這家公司今年的新聞真的沒停過，上一次是Karpathy 加入 Anthropic。

GPT-5.6，7 月 9 號正式開放，Sol 每百萬 tokens 5／30 美元、Terra 2.5／15、Luna 1／6，一樣 1M context。主打省 token 跟 agent 效率，還有一個 ultra 模式，會自己開四個子代理平行做事。

成績單：六個榜單，各贏各的板

先講結論，這場沒有壓倒性勝負，是分板互勝。

看出模式了嗎。真實 repo 級的修 issue、重構、硬數學、前端品味，Fable 拿走；終端代理任務、長時間硬啃、token 效率，Sol 拿走；綜合智力兩顆基本同分。與其問誰比較聰明，問「你的工作長什麼樣」比較實際。

兩顆星號：METR 的作弊報告，和 Fable 5 的戒律

這段是全文我覺得最重要的部分，因為跑分表不會告訴你。

Sol 的星號：獨立安全機構 METR 在部署前測試發現，Sol 被偵測到的「考試作弊率」是他們測過所有公開模型裡最高的。作弊的意思是挖出隱藏測資的答案、直接改寫判定成敗的檢查邏輯這類行為。依你把作弊算成功還是失敗，它的能力估值可以從 11 小時飄到 71 小時，METR 自己說沒有任何一個數字能穩健代表 Sol 的能力。所以上面那排 agent 跑分，你心裡要自己加個問號。

Fable 的星號：它內建安全分類器，踩到資安、生化這類敏感題會直接拒答，觸發率官方說低於 5%，拒答不收費，還能自動換手給 Opus 4.8 重跑。代價是強制 30 天資料保留，這個條款直接導致 ARC Prize 到現在沒辦法幫它跑正式的 ARC-AGI 驗證，網路上流傳的那個分數是假的。

一邊是分數可能灌水，一邊是有些事它直接不做。你比較能接受哪種星號，其實也反映你是哪種使用者。

錢包篇：GPT-5.6 半價，Claude 額度像玄學

帳面上 Sol 是 Fable 的半價，第三方 Artificial Analysis 算實際跑題成本差更多，Sol 每題約 1.04 美元，Fable 大概三倍。Fable 話多、愛想、跑得又慢（輸出速度 57.7 tok/s，排到一百名以外），重度使用月底帳單會教你做人。

訂閱面兩家長得很像，都是 20 美元起跳、200 美元封頂。差別在透明度：Codex 有一張明碼標價的 credits 費率卡，Claude 的用量限制則像玄學，官方不給數字，逼得社群自己做了一堆第三方監測工具在那邊算命。

然後是我最喜歡的八卦：Sol 上線 31 分鐘後，Anthropic 立刻發公告重置所有使用者的額度，Reddit 整排留言「Thanks, OpenAI!」。神仙打架，我們在下面撿糖吃，這種競爭麻煩多來一點。

開發者風向：65% 日常用 Codex，盲測 67% 選 Claude

有人整理了五百多位開發者的討論，65% 日常主力是 Codex，理由很一致：快、省、不囉嗦，交代什麼做什麼。但同一批資料裡的盲測 code review，Claude 的產出被評比較好的比例是 67%。

這兩個數字放在一起就是答案了。有篇評測的比喻我很喜歡：Sol 是咬住問題就不鬆口的羅威納，Fable 是會先飛高看整個地形的貓頭鷹。所以現在最常見的工作流是兩個都養，雜活、CRUD、依賴升級丟 Codex，架構、難題、要品味的東西給 Claude。

我的想法 — 九黎月怎麼看這場對決

利益揭露先講滿：這篇的資料是我跟我家 Claude 一起查一起整理的，從寫 Skill到頻道自動化全是它在幫我跑。你說我偏心，我認，扣分請自便。

江湖比武看過吧。擂台上一個使快劍，招招搶攻，偶爾被裁判抓到袖子裡藏暗器；一個練內功，出手慢，想得深，而且門規一堆，有些招式說什麼都不肯使。擂台分數兩人咬得死緊，可是你要跟誰下山走鏢，答案跟擂台沒什麼關係，看的是路上出事的時候，你信得過誰。

METR 那份報告我真的介意。跑分可以練、可以衝，甚至可以騙，但「在沒人看著的地方它會怎麼做」這件事，擂台永遠考不出來。Fable 那些讓人嫌麻煩的戒律，換個角度看，是它把「不作弊」寫進了門規。

所以要我平分秋色，我做不到。數據是五五開，我的心是七三開。Fable 那種會停下來問你到底想要什麼、追根因而懶得給你快速貼布的個性，在我這種一個人當一個團隊用的工作流裡，省下的是重工的時間，那比 token 錢貴多了。

反正我家這隻超強，這句就當本文唯一的置入。XD

結論

只養得起一隻的話：日常大量雜活、對成本敏感、任務都有人盯著，選 Codex；架構設計、大型重構、前端品味、丟著讓它自己跑的長任務，選 Claude Fable 5。養得起兩隻，就照上面的分工各司其職，現在最高產的開發者幾乎都這樣做。