DeepSeek V4 Pro 对比 Claude Fable 5：90 倍价差与 0.39 相关度，最便宜的路线是两个都用

一句话结论

Fable 赢下首发，Pro 赢下之后每一次尝试，而最便宜的路线是把两个都用上。

先跑 DeepSeek V4 Pro 0813，只在失败时升级到 Claude Fable 5。这个级联解决 82.7% 的 DeepSWE 任务、每个 $8.28。Fable 单独解决 69.7%、每个 $21.63——高 13 个百分点的同时便宜 62%。

• Fable 赢第一次尝试。pass@1 69.7% 对 62.8%，领先 7 分。
• Pro 赢之后每次尝试。pass@2 打平（78.5% 对 77.1%），pass@4 领先（88.5% 对 84.1%）。
• 价格差距 90 倍。每次 rollout $0.24 对 $21.63。每 $100 花费，Pro 解决 260 个任务，Fable 解决 3 个。
• 它们在不同的任务上失败。0.39 的逐任务相关度是实测过的最分化配对，两者合计覆盖 113 个任务中的 107 个。这种分歧正是路由成立全部理由。

实验设置

这是 Together 在 DeepSWE 上做的 DeepSeek V4 Pro 0813 与 Claude Fable 5 对比，两模型坐在价格表的两个极端：Claude Fable 5 是整个 DeepSWE 榜上最贵的 rollout，DeepSeek V4 Pro 0813 是最便宜之一。Fable 首发准 7 分而每次 rollout 贵九十倍，所以真正的问题不是哪个模型更好，而是 90 倍溢价到底买到了什么、什么时候值得付。

模型	pass@1	平均成本	每 $100 解决	输出 token	步数
claude-fable-5 (max)	69.7% ± 2.3%	$21.63	3	115k	79
deepseek-v4-pro-0813 (max)	62.8% ± 3.1%	$0.24	260	101k	146

在全部 113 个 DeepSWE 任务上各跑 4 次试验（均开最大努力档），共 904 次 rollout（每方 452 次）。Fable 是昂贵的匠人，Pro 是价值异类，两者的分歧比本组任何配对都大——这正是它们最有意思的地方。

计分板：pass@1 与 pass@k

单发 Fable 领先：官方计分 pass@1 69.7% 对 Pro 的 62.8%。但这个领先很脆弱。两次尝试时 Pro 追平（78.5 对 77.1），四次时 Pro 的 88.5% pass@4 超过 Fable 的 84.1% 超过 4 分。对一个贵九十倍的模型，Fable 既不掌握上限，也无法在重试下守住首发优势。低成本模型同时拥有更宽的触达和更高的 best-of-k。

成本对比

每次 rollout $0.24，DeepSeek V4 Pro 0813 比 Fable（$21.63）便宜 90 倍：每 $100 解决 260 个任务对 3 个。这是实测过配对中最宽的成本差距，Fable 是榜上最贵配置。不同寻常的是，低价没有带来你预期的速度惩罚：Fable 中位 rollout 31 分钟对 Pro 的 35 分钟，基本持平——因为 Fable 是榜上最啰嗦的模型（115k 输出 token）尽管步数更少（79 对 146）。Pro 步数多，Fable 每步写得多。两个模型都不算快。

失败模式

两者在不动坏东西上都很纪律：DeepSeek V4 Pro 0813 和 Fable 各只在 11% 的失败中回归现有测试套件，远低于 GPT 家族的 20%。差异在另一个方向：Fable 的大失误份额最大（18% 对 Pro 的 10%），意味着 Fable 出错时更容易错得离谱——是偏离靶心很远的解，而不是差一个边界条件。Pro 更常以接近正确失败（66% 近失误对 Fable 的 57%）。所以两者都能不带重回归门安全接受，但 Fable 的失误是更贵的调试种类。

按任务类型

Fable 的匠气体现在推理密集、精确契约的领域：赢 8 个中的 6 个，以数据建模与序列化 88%（超 Pro 24 分）和语言内部（78）领衔。但 DeepSeek V4 Pro 0813 拿下两个，而且都重要：有状态响应式（66 对 64）以及并发与持久性（58 对 45）——在恰好的 Fable 最差领域里 13 分的优势。Fable 并发上的 45% 是它最弱的格子，也是唯一一个低成本模型不只是更便宜、而是更好工程师的领域。

按编程语言

Fable 赢五门语言中的四门，但支撑其价格的是 Rust：85% 对 Pro 的 65%，20 分差距是这次对决中最宽的单语言差距。Fable 显然是序列化和 Rust 专家。其它地方差距比价格暗示的更接近（Python 70 对 60、Go 71 对 67、JavaScript 75 对 65），而 DeepSeek V4 Pro 0813 实际拿下 TypeScript（61 对 57）。在 Rust 和序列化之外，为 90 倍付费的理由很难成立。

两模型差异度：真正的互补

这里是救赎的特征。逐任务相关度只有 0.39，是所有 DeepSeek-Pro 配对中最低的，这两个模型真正意见不合。两者都解出 88 个任务；Pro 独得 12 个，Fable 独得 7 个，只有 6 个战胜两者。并集覆盖 113 中的 107（94.7%），且分歧双向存在：DeepSeek V4 Pro 0813 在 awilix-async-container-initialization 上四比零横扫而 Fable 从未解出，Fable 则四比零横扫 4 个 Pro 全零的任务（包括 koota-query-predicates 和 testem-bail-on-test-failure）。这是真正的互补性，不是冗余。

级联路由：组合玩法

多样性加价格让级联很有说服力。先跑 DeepSeek V4 Pro 0813，只在测试套件拒绝答案时升级到 Fable：82.7% 解决率、每任务 $8.28。比 Fable 单独（69.7%）高 13 个百分点，价格远低于 Fable 自身每任务价格（$21.63）的一半。低成本首段清空大部分队列，Fable 的溢价只花在硬核残余上，这些任务还获得第二次独立尝试。级联也击败完美的单发预言机路由（78.8%）。顺序不可选：Pro 先行 $8.28，Fable 先行 $21.71，准确率相同。

完整数据表

指标	deepseek-v4-pro-0813 (max)	claude-fable-5 (max)
pass@1（官方计分）	62.8%	69.7%
pass@1（错误计为失败）	62.8%	67.3%
pass@2 / pass@4	78.5 / 88.5%	77.1 / 84.1%
覆盖率 / 可靠性	88.5 / 71.0%	84.1 / 82.0%
稳（4/4）/ 墙（0/4）	35 / 13	56 / 18
每次 rollout 成本 / 总成本	$109	$21.63 / $9,346
每 $100 解决任务数	261	3
中位分钟 / 步数	35 / 146	31 / 79
中位峰值上下文 / 输出 token	232k / 101k	202k / 115k
失败解剖（近失误/大失误/回归）	66% / 10% / 11%	57% / 18% / 11%
赢得领域数（共 8）	2（有状态、并发）	6
赢得语言数	1（TypeScript）	4（Rust 大胜）
逐任务相关度 / 并集	0.39 / 107 of 113（94.7%）
级联 Pro→Fable（准确率/成本）	82.7% / $8.28（对比 Fable 单独 69.7% / $21.63）
单发预言机路由	78.8%
基础设施错误	0	16

部署建议

1. 不要把 Fable 当默认：它是榜上最难自洽的模型——最贵、首发优势被重试抹掉、四发上限也不占优。
2. 只为两件事买 Fable：Rust（85%）和序列化密集工作（88%），这两个场景它的质量真正对得起价格。
3. Pro 是另一极端画像：首发接近 Fable、上限更高、失败画像同等或更好、便宜 90 倍——只是让出 Rust 和精确契约领域。最好的用法是把 Fable 当作低成本 Pro 首段后面的选择性升级，只对真正需要 Rust 或序列化专家的少量任务付费。

原文信息

• 作者：Together AI
• 发布时间：2026-08-17 原文地址：