趋势跟踪 · AI 软件研究档案

模型能力继续上移但每任务成本与现金回报仍须分开验证

全球模型观察｜首期基线｜2026年11月10日

2026-11-10 · 公开研究 · 事件 2026-10-23—2026-11-10

10秒快速结论

Fable 5.2带来新的独立能力证据；Google在偏好榜仍有优势，Kimi开放权重扩展部署选择。没有统一的全球冠军，也没有由技术排名直接推出的投资结论。

新能力证据

Fable 5.2已进入独立评测

榜单分歧

综合任务与用户偏好给出不同结果

成本边界

基准成本不是生产成功任务成本

01 · 研究摘要

1分钟研究摘要

本期深核Anthropic Fable 5.2、Google Gemini 4 Carbon、Moonshot Kimi K3.1 Pro。首次建立有来源基线，不将此前聊天印象当作历史实测值。能力、任务成本、生产采用与资金分别核验。AA使用v5.0.1，Arena使用11月9日总体文本榜；两者分数不合并。

浏览器语音 · 点击即可播放

语音文字稿

本期全球模型观察首次建立基线。新模型能力增强，但成本和商业回报仍要分开验证。综合任务榜和用户偏好榜给出的领先者不同。开放权重扩大部署选择，但许可证和运维成本仍重要。

已知事实与待确认事项

系列: 全球模型观察
范围: 3项深核，其余登记
基线日期: 2026年11月10日

从能力到现金的验证顺序

独立能力

核对版本、推理档位与评测环境

生产任务

核对成功率、重试、耗时与人工复核

商业兑现

核对付费、留存、收入与现金归属

每一环需要独立证据；能力分数不能替代生产可靠性或财务结果。

关键模型比较

模型及档位	AA外部分数	基准美元每任务	分钟每任务
Claude Fable 5.2 max	65	26.54	46.4
Claude Fable 5.2 high	62	9.08	17.6
Gemini 4 Carbon high	60	7.76	26.5
GPT-6 Astra max	57	6.24	23.0
GPT-6.1 Sol max	55	1.27	19.7
Kimi K3.1 Pro	46	3.68	37.7

提取于2026年11月10日；AA页面未给出这些行的统一评测日期及置信区间，均记未知。Kimi行的精确推理档位未从该表核实。成本为AA混合评测成本，不是成功任务全成本。

02 · 事实、影响与判断

这次变化为什么重要？

首次基线

已确认事实: 尚无本系列可复算历史快照
为什么重要: 独立榜单、厂商公告与许可证交叉核对
ACIS判断: 本轮作为后续变化比较起点，不虚构周度分数变化

03 · 事实与分析

事实与深度分析

01｜能力领先与任务经济性分开判断

11月9日发布的Fable 5.2已经进入独立综合评测。最高推理档位的更高分数伴随更高任务开销，不能据此认定生产成本改善。Fable与Mythos是同一底层模型的不同安全与访问配置，不计作两个自主预训练突破。厂商代码与科学成绩属于自测，不与独立分数混排。

02｜Google的偏好榜领先不等于全面领先

11月9日Arena总体文本榜中，Carbon High为1526±10，初步结果，排名区间1至3；Argon High为1522±5，区间1至3。区间重叠，不能认定Carbon显著胜出。该榜衡量用户偏好，与AA任务评测不同；Fable 5.2没有同版本可核实Arena条目，不拿Fable 5或5.1替代。Google 10月28日公告描述受控分阶段开放，本轮未独立验证所有账户均可调用。