Gemini 4 Carbon 與 Fable 5.2：Agentic Coding 該選哪一款？

Anthropic 於 2026 年 11 月 9 日推出 Claude Fable 5.2。Google 則在隔天讓 Gemini 4 Carbon 正式上市。Anthropic 自家的發布基準測試表納入了 Carbon 欄位，因此很適合用來比較兩者處理相同長時程程式設計工作的表現。

這兩款模型的定位相同：長時程 Agentic Coding。Agent 會讀取程式碼儲存庫、編輯多個檔案、執行指令、讀取測試輸出，並在沒有真人介入的情況下持續工作 15 到 45 分鐘。本文評測的就是這項任務。聊天、自動補全和短篇腳本則是不同的測試。

簡短結論

Fable 5.2 在列出的高難度程式碼基準測試中領先，同等推理強度下速度也較快，包辦 AA 前三名，領先排名第 4 的 Carbon High。Carbon 在列出的 Terminal-Bench 4.0 和 AutomationBench-AA 項目得分較高；在 Google 的優惠價格於 11 月 30 日結束前，每項任務的成本也較低。Medium 推理強度下，Fable 價格更低、速度快得多，而 Carbon 的 AA 指數較高。

高難度程式碼推理選 Fable，終端機執行與自動化選 Carbon；使用任一款之前，請先確認輸入、資料保留和輸出限制。

同一套測試框架的結果

Artificial Analysis 使用相同的測試框架和任務執行所有模型；其 Carbon 和 Fable 頁面列有各項評測結果。數據取自 2026 年 11 月 11 日的快照；AA 採用標準牌價，未計入 Google 的優惠價格。

注意：AA Intelligence Index 與每項任務成本採標準價格，快照時間為 2026-11-11T05:23Z。Fable Max、Xhigh 和 High 分別排名第 1 至第 3；Carbon High 排名第 4；Opus 5.5 Max 排名第 5；Carbon Medium 排名第 6。首 token 時間是生成第一個回答 token 所需的時間。

High 推理強度下，Fable 領先 1.79 分，每項任務成本高出 17.0%（$9.08 對 $7.76），完成時間為 17.3 分鐘，而非 25.6 分鐘；首 token 時間為 30.4 秒，而非 67.1 秒。Max 每項任務成本為 $26.54，是 Carbon High 的 3.4 倍，等待時間則為 233.9 秒。

Medium 推理強度下，排名則有所不同：Fable 得分 56.41，低於 Carbon 的 58.26，差距為 1.85 分；但 Fable 成本為 $3.80，Carbon 則為 $6.59，完成時間分別是 7.8 分鐘和 23.3 分鐘。Carbon 較低的 token 價格在此並未讓每項任務更便宜，因為它消耗的 token 更多。

注意：Artificial Analysis 使用相同的測試框架和快照。未產生幻覺率是 Omniscience 回答中沒有捏造說法的比例；準確率是另一項獨立分數。所有項目都是越高越好。為了讓表格更易讀，省略 Fable Xhigh；其 FrontierCode 2.0 分數為 47.58。

High 推理強度下，哪款模型在各項測試中領先？下方的差距以 Carbon 減去 Fable 計算，讓勝負方向一目了然；上表則保留實際分數。

這些是各項獨立測試的百分點差距，不是綜合品質分數。某項基準測試的差距較大，不代表整體能力提升更多。尤其是未產生幻覺率和準確率，衡量的是不同結果。
High 推理強度下，Fable 在 FrontierCode 2.0 領先 8.57 分，在 HLE-Diamond 領先 4.7 分；Briefcase Elo 為 1677.4，Carbon 則為 1610.6。FrontierCode 最接近測試困難的多檔案程式碼變更。Carbon 在 Terminal-Bench 4.0 領先 5.55 分，在 AutomationBench 領先 6.46 分；這兩項測試著重於命令列執行、復原和自動化。

未產生幻覺率的差距是表中最大的一項：High 推理強度下，Carbon 為 88.58%，Fable 為 42.02%。準確率則相反，分別為 58.27% 和 77.23%。Carbon 較不容易捏造資訊，但答對的機率也較低。對不能虛構 API 的 Agent 來說，這可能值得取捨；對必須給出正確答案的 Agent，Fable 的準確率則是更好的參考指標。

推理強度提高並不一定全面帶來更好表現：Fable Max 的 FrontierCode 分數為 48.76，略低於 High 的 49.13；Terminal-Bench 則維持在 59.6。

Anthropic 自家的表格

Anthropic 的發布頁面公布了一份納入 Carbon 的跨供應商比較表。其設定與 AA 不同：Fable 使用 Xhigh，也就是其公布的最高推理強度；Carbon 則使用 Medium。請只在這份表格內進行比較。

注意：數據由 Anthropic 自行提供。Fable 使用 Xhigh，也就是可用的最高推理強度；Carbon 使用 Medium。Anthropic 的 AutomationBench 評分尺度與 AA 不同（51.4/53.9 對 71.36/77.82），因此請在這份表格內比較。Carbon 的 FrontierCode 分數 41.1 是 Medium 推理強度下的結果；AA 的 40.56 則是在不同測試框架下以 High 推理強度測得。

整體趨勢與 AA 相同：Fable 在 FrontierCode、FrontierSWE、OSWorld 和 TB-Science 領先；Carbon 在 AutomationBench 領先 2.5 分，雖然比 AA 的 6.5 分差距小，但勝負方向相同。這份表格支持「Carbon 在自動化方面具競爭力」，但不支持「Carbon 是更優秀的高難度程式碼模型」。

Anthropic 自家的建議讓「Fable 是升級版」這種說法變得更複雜：「對大多數程式設計和知識工作，我們建議使用者先從 Claude Opus 5.5 開始。」Anthropic 表示，在 High 推理強度下，Fable 的分數與 Opus 5.5 的最佳成績大致相同（45.3% 對 45.5%），但每項任務的成本約為一半。

token 的成本

注意：每 1M tokens 的美元價格，採官方價格。Fable 快取寫入：$10（5 分鐘）或 $16（1 小時）；Batch 享 50% 折扣。Carbon 的快取價格是讀取價格；Opus 5.5 的官方快取讀取價格為 $0.20。

Fable 的 token 價格是 Carbon 標準價格的兩倍，是其優惠價格的四倍。這個比率很簡單，但每項任務的帳單並非如此。AA 測得 Carbon High 在 $4/$20 價格下，每項任務成本為 $7.76；Fable High 則為 $9.08，相差 17.0%。以 Google 的 $2/$10 價格計算，同樣的使用量約需 $3.88，這是推算值。直到 11 月 30 日，Fable High 每項任務的成本約為 Carbon 的 2.3 倍；12 月 1 日起，差距將回到 17.0%。

按標準價格計算，Fable Medium 每項任務成本為 $3.80，Carbon 則為 $6.59；即使 token 價格高出一倍，Fable 仍便宜 42%。Carbon 需要 23.3 分鐘且消耗更多 token；Fable 則需 7.8 分鐘。按優惠價格計算，Carbon Medium 約需 $3.30，同樣是推算值，與 Fable 相近；這項優勢將在 12 月 1 日消失。

Max 每項任務成本為 $26.54，是 Carbon High 的 3.4 倍，耗時 45.2 分鐘。花更多錢不代表一定能得到更好的程式設計 Agent：Max 的 FrontierCode 分數略低於 High。
AIHubMix 以 Google 的優惠價格提供 Carbon。本文列出的 Fable 價格為 Anthropic 官方價格。

影響部署決策的行為差異

注意：*Carbon 較高的上限屬於 Google 原生的長輸出能力；AIHubMix 目前僅記載支援文字輸入和 Chat Completions，因此尚無法確認閘道是否支援。†Fable 支援的輸入模態來源為 AIHubMix 模型索引。*AIHubMix 文件記載 tool_choice="auto"，但尚無法確認 Carbon 是否支援。Fable 的 128,000 輸出上限為文件所載的模型限制。ZDR 指零資料保留。

強制工具呼叫是 Fable 的重大限制：「強制工具呼叫（tool_choice 類型為 any 和 tool）會回傳 400 錯誤。」若 Agent 每一輪都必須呼叫特定工具，就無法直接使用 Fable。Google 的 Carbon 指南建議逐輪執行工具；AIHubMix 的 Gemini 指南記載 tool_choice="auto"，但 Carbon 在此閘道上的工具支援情況仍未確認。

資料保留政策是 Fable 的一項限制，其概覽指出：「需要保留資料 30 天；除非經 Anthropic 明確授權，否則不支援零資料保留。」本文查閱的 Carbon 文件並未提及這類限制，但這不代表保證沒有此限制。受法規規範的團隊應在部署前確認兩款模型的政策。

Carbon 標準的 65,536-token 上限足以應付大多數編輯工作，但產生整個檔案時可能會觸及上限。Google 原生背景模式最多可達 1,048,576 減去輸入 token，會按區段跳轉計費，而且即使仍會收費，也可能回傳 incomplete，並附上空白文字。AIHubMix 尚未記載這項功能。Fable 則可在單次回應中輸出 128,000。

兩款模型都無法停用思考模式。Carbon 提供 low、medium 和 high，預設為 medium，並會忽略取樣參數。Fable 的「自適應思考模式一律開啟，無法關閉」，預設為 high，部分取樣值則會回傳 400。

Google 在 GA 前透過 Fairwind 計畫向防禦方推出 Carbon。Fable 的分類器會封鎖滲透測試和漏洞利用相關請求，並在處理網路安全與生物學工作時改用其他模型。進行安全測試時，拒答行為比基準測試中的一項分數更重要。

作為參考欄位的 Opus 5.5

Opus 5.5 並非競爭對手，但它是 Anthropic 自家的參考模型。按 $4/$20 計算，Opus 5.5 在 AA 得分 59.11，每項任務成本為 $10.04，耗時 25.0 分鐘，首 token 等待時間為 356.4 秒，是表中最慢的模型（AA 列出的結果為 Max 推理強度；預設值為 medium）。它在 Briefcase Elo 以 1800.6 領先，但 FrontierCode 分數落後 Fable High，Terminal-Bench 分數則落後 Carbon High。Anthropic 仍建議大多數程式設計工作從 Opus 5.5 開始。

該選哪一款

如果工作以高難度程式碼變更為主，而且你想要 FrontierCode 和 HLE 的最佳實測成績，請選 Fable 5.2。Medium 推理強度下，它更便宜、速度也更快：成本為 $3.80、耗時 7.8 分鐘；Carbon 則為 $6.59、耗時 23.3 分鐘，但 Carbon 的 AA 指數較高。若需要圖片輸入、知識截止日期為 2026 年 6 月，或能接受 30 天資料保留且不需要強制工具呼叫，也可以選擇 Fable。

若工作以終端機操作為主，請選 Carbon：測試與修正循環、Shell 自動化、多步驟操作。它在列出的 Terminal-Bench 4.0 和 AutomationBench-AA 項目中得分較高，而且在 11 月 30 日前以 High 推理強度使用更便宜。AIHubMix 尚未確認 Carbon 是否支援 Google 原生上下文和長輸出上限；確認 Carbon 支援工具後，再以純文字模式搭配 tool_choice="auto" 部署。它的非幻覺分數較高，但準確度較低。

若要採用 Anthropic 建議的起點並取得均衡的表現，請選 Opus 5.5；但要接受 Max 推理強度下較慢的首個 token。

若重視互動延遲，兩者都別選：Fable 在 High 推理強度下的首個 token 需 30.4 秒，Carbon 則需 67.1 秒；即使是 Carbon Medium 的 23.2 秒，也離聊天速度差得遠。

透過 AIHubMix 執行兩款模型

AIHubMix 讓兩款模型共用一把金鑰和同一個 Chat Completions 端點。Carbon 的 ID 是 gemini-4-carbon；模型頁面列出 Chat Completions、文字輸入和 Google 的推出優惠價格。Fable 5.2 的 ID 是 claude-fable-5-2；AIHubMix 列出 Chat Completions、Responses 和 Anthropic Messages，並提供 1M 上下文與 128K 最大輸出。Carbon 文件記載的功能較少：支援 Chat Completions，不支援原生 Gemini API。此閘道也會重試次佳供應商，因此行為可能與單一供應商部署不同。

快速入門說明了驗證方式和基礎 URL。可以執行冒煙測試，確認兩個 ID 是否都能透過同一把金鑰解析；本文初稿未執行即時測試：

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

for model in ("gemini-4-carbon", "claude-fable-5-2"):
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "Reply with OK."}],
        max_tokens=4096,
    )
    print(model, response.choices[0].message.content)

這只能確認路由，不能驗證功能：沒有工具，也沒有長輸出。若要真正比較，請對兩個 ID 執行相同的 Agent 執行軌跡，並記錄任務時間、token 用量和失敗情況。比較頁面並列呈現上下文、通訊協定和價格。

常見問題

Gemini 4 Carbon 比 Fable 5.2 更適合 Agentic Coding 嗎？

兩者都無法在工作的每個面向勝出。Fable 5.2 在 High 推理強度下，FrontierCode 2.0 和整體指數的表現領先；Carbon 則在 Terminal-Bench 4.0 和 AutomationBench 領先。請根據 Agent 實際執行的工作負載來選擇。

為什麼 Fable 5.2 的價格是 Carbon 的四倍？

以官方價格計算，Fable 每百萬 token 收費 $8/$40，而 Carbon 推出優惠價為 $2/$10，因此輸入和輸出價格都是四倍。若與 Carbon 自 12 月 1 日起的標準價格 $4/$20 相比，則是兩倍。

Fable 5.2 在 Medium 推理強度下，每項任務的成本真的比較低嗎？

以標準價格計算，是的：Fable 為 $3.80，Carbon Medium 則為 $6.59；耗時分別為 7.8 分鐘和 23.3 分鐘。Carbon 的推出優惠 token 價格會縮小差距；標準價格的比較才具有長期參考價值。

Fable 5.2 能強制呼叫工具嗎？

不行。Anthropic 文件指出，tool_choice 設為 any 或 tool 都會回傳 400 錯誤。需要強制呼叫工具的 Agent 必須採用不同的迴圈或改用其他模型。

Carbon 比較不容易對 Fable 5.2 產生幻覺嗎？

以 AA 的 Omniscience 非幻覺指標來看，是的：High 推理強度下，Carbon 為 88.58%，Fable 為 42.02%。但 Carbon 的準確度較低，為 58.27%，Fable 則為 77.23%，所以 Carbon 給出正確答案的可能性也比較低。

兩款模型都能透過 AIHubMix 使用同一把金鑰執行嗎？

可以。使用 gemini-4-carbon 和 claude-fable-5-2，搭配相同的金鑰和基礎 URL 即可。AIHubMix 為 Carbon 提供 Chat Completions；Fable 則支援 Chat Completions、Responses 和 Messages。

繼續閱讀：Gemini 4 Carbon 系列

• 選擇競品之前，先釐清同系列型號的差異：Gemini 4 Carbon vs Argon：價格相同，Carbon 何時值得選？
• 將 Carbon 納入工作流程後，最初遇到的 400 錯誤和逾時通常是設定問題，而非模型問題：Gemini 4 Carbon API 遷移：400 錯誤、逾時和輸出限制

資料來源

• Gemini 4 Carbon 現已推出 — Google，2026 年 11 月 10 日。
• Claude Fable 5.2 — Anthropic，2026 年 11 月 9 日。
• Claude Fable 5.2 概覽 — Anthropic 文件。
• Gemini 4 Carbon 和 Claude Fable 5.2 — Artificial Analysis，2026 年 11 月 11 日快照。
• AIHubMix 上的 Gemini 4 Carbon — 模型頁面與定價。