Direktvergleich

Claude Fable 5 vs. Grok 4.6

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 44
verschiedene Benchmarks: 22
jüngster Abruf: 04.09.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Claude Fable 5 und Grok 4.6
Merkmal	Claude Fable 5	Grok 4.6
Anbieter	Anthropic	xAI
Erschienen	9. Juni 2026	12. Aug. 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	1.000.000 Token	500.000 Token
Wissensstand	Januar 2026	1. Februar 2026
Technische Quellen	Modell, Kontext, Wissensstand	Modell

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Claude Fable 5 und Grok 4.6
Preisart	Claude Fable 5	Grok 4.6
API-Eingabe	10 $	2 $ ≤200K / 4 $ >200K
API-Ausgabe	50 $	6 $ ≤200K / 12 $ >200K
Cache lesen	1 $	0,5 $ ≤200K / 1 $ >200K
Cache schreiben (5 Min.)	12,5 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	20 $	Nicht ausgewiesen
Preis geprüft	30.07.2026 Quelle	16.08.2026 Quelle

Claude Fable 5Grok 4.6

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Fable 510 $

Grok 4.62 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Fable 550 $

Grok 4.66 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Claude Fable 51 $

Grok 4.60,5 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Claude Fable 5 und Grok 4.6
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Fable 5	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle30.07.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle07.09.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle07.09.2026
	Azure	Über OpenRouterazure	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle07.09.2026
	Claude Platform on AWS	Über OpenRouterclaude-on-aws	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle07.09.2026
	Google	Über OpenRoutergoogle-vertex/europe	11 $	55 $	Quelle07.09.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle07.09.2026
Grok 4.6	xAI	Direkt beim EntwicklerBis 200.000 Kontext-Token	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle16.08.2026
	xAI	Direkt beim EntwicklerÜber 200.000 Kontext-Token	4 $	12 $	Quelle16.08.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-west-2	2,2 $	6,6 $	Quelle07.09.2026
	xAI	Über OpenRouterxai	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle07.09.2026
	xAI	Über OpenRouterxai/priority	4 $	12 $	Quelle07.09.2026
	xAI	Über OpenRouterxai/zdr	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle07.09.2026
	xAI	Über OpenRouterxai/zdr/priority	4 $	12 $	Quelle07.09.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Claude Fable 5

Grok 4.6

Coding: 99,8 / 90,9 (4 Benchmarkfamilien)

Reasoning: 98,4 / 100 (1 Benchmarkfamilie)

Mathematik: 100 / 53,7 (1 Benchmarkfamilie)

Wissen: 100 / 97,7 (1 Benchmarkfamilie)

Finanzen: 100 / 91,6 (5 Benchmarkfamilien)

Recht: 90,4 / 98,2 (3 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 97,2 (1 Benchmarkfamilie)

Produktivität: 100 / 94,9 (1 Benchmarkfamilie)

21 passende Messreihen aus 21 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 11 vergleichbaren Kategorien.

Claude Fable 5Grok 4.6

Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 555,065 %

Grok 4.644,572 %

CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 571,834 %

Grok 4.666,161 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 573,666 %

Grok 4.662,727 %

Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 556,314 %

Grok 4.653,682 %

GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 593,182 %

Grok 4.694,697 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 511,25 %

Grok 4.615,833 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 549,519 %

Grok 4.648,077 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 588,561 %

Grok 4.686,307 %

LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 589,778 %

Grok 4.688,224 %

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 51.507,405

Grok 4.61.461,115

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 556,07 %

Grok 4.644,712 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Claude Fable 588,522 %

Grok 4.686,534 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Fable 5 und Grok 4.6
Benchmark und Aufgabe	Claude Fable 5	Grok 4.6	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner55,065 %	44,572 %	Vals AI Quellendetails Datenstand: 03.09.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner71,834 %	66,161 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner73,666 %	62,727 %	Vals AI Quellendetails Datenstand: 03.09.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner56,314 %	53,682 %	Vals AI Quellendetails Datenstand: 03.09.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	93,182 %	Gewinner94,697 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser	11,25 %	Gewinner15,833 %	Vals AI Quellendetails Datenstand: 03.09.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser	Gewinner49,519 %	48,077 %	Vals AI Quellendetails Datenstand: 03.09.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,561 %	86,307 %	Vals AI Quellendetails Datenstand: 01.09.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner89,778 %	88,224 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 26.977 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 3.453 anonymen Paarvergleichen.	Höherer Messwert1.507,405 95-%-Konfidenzintervall: ±4,978Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.461,115 95-%-Konfidenzintervall: ±10,144Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MedCodeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner56,07 %	44,712 %	Vals AI Quellendetails Datenstand: 03.09.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner88,522 %	86,534 %	Vals AI Quellendetails Datenstand: 03.09.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner91,502 %	89,4 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner68,919 %	64,189 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProofBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner95 %	51 %	Vals AI Quellendetails Datenstand: 01.09.2026
Public Benefits Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner70,433 %	66,847 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner51,89 %	28,9 %	Vals AI Quellendetails Datenstand: 03.09.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	95 %	Gewinner95,6 %	Vals AI Quellendetails Datenstand: 01.09.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner76,942 %	71,096 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner80,524 %	78,277 %	Vals AI Quellendetails Datenstand: 03.09.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner66,036 %	59,167 %	Vals AI Quellendetails Datenstand: 03.09.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	Gewinner90,352 %	76,239 %	Vals AI Quellendetails Datenstand: 03.09.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 5.567 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 705 anonymen Paarvergleichen.	Höherer Messwert1.501,942 95-%-Konfidenzintervall: ±8,642Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.467,318 95-%-Konfidenzintervall: ±22,146Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 1.671 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 291 anonymen Paarvergleichen.	Höherer Messwert1.554,267 95-%-Konfidenzintervall: ±15,295Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.538,386 95-%-Konfidenzintervall: ±33,69Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 7.243 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 838 anonymen Paarvergleichen.	Höherer Messwert1.551,491 95-%-Konfidenzintervall: ±7,795Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.510,751 95-%-Konfidenzintervall: ±20,826Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlCreative writing Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 5.445 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 651 anonymen Paarvergleichen.	Höherer Messwert1.504,764 95-%-Konfidenzintervall: ±9,059Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.458,096 95-%-Konfidenzintervall: ±23,926Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 11.838 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 1.434 anonymen Paarvergleichen.	Höherer Messwert1.513,407 95-%-Konfidenzintervall: ±6,421Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.459,46 95-%-Konfidenzintervall: ±15,407Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 6.828 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 777 anonymen Paarvergleichen.	Höherer Messwert1.496,204 95-%-Konfidenzintervall: ±8,179Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.443,149 95-%-Konfidenzintervall: ±21,821Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlExcluding ties Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 20.363 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 2.522 anonymen Paarvergleichen.	Höherer Messwert1.527,857 95-%-Konfidenzintervall: ±6,475Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.465,128 95-%-Konfidenzintervall: ±14,002Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlExpert prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 2.926 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 401 anonymen Paarvergleichen.	Höherer Messwert1.548,761 95-%-Konfidenzintervall: ±11,468Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.479,844 95-%-Konfidenzintervall: ±28,841Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlHard prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 17.731 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 2.312 anonymen Paarvergleichen.	Höherer Messwert1.533,415 95-%-Konfidenzintervall: ±5,772Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.484,219 95-%-Konfidenzintervall: ±12,5Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlHard prompts, English Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 7.856 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 927 anonymen Paarvergleichen.	Höherer Messwert1.532,86 95-%-Konfidenzintervall: ±7,54Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.475,235 95-%-Konfidenzintervall: ±19,394Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlInstruction following Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 9.525 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 1.223 anonymen Paarvergleichen.	Höherer Messwert1.511,932 95-%-Konfidenzintervall: ±7,102Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.458,276 95-%-Konfidenzintervall: ±17,043Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlLegal and government Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 2.227 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 284 anonymen Paarvergleichen.	Höherer Messwert1.506,797 95-%-Konfidenzintervall: ±13,238Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.475,664 95-%-Konfidenzintervall: ±33,128Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlLife, physical and social science Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 4.321 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 512 anonymen Paarvergleichen.	Höherer Messwert1.526,369 95-%-Konfidenzintervall: ±9,499Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.492,359 95-%-Konfidenzintervall: ±25,684Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlLonger queries Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 12.438 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 1.609 anonymen Paarvergleichen.	Höherer Messwert1.522,21 95-%-Konfidenzintervall: ±6,615Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.478,218 95-%-Konfidenzintervall: ±15,132Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlMath Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 1.320 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 216 anonymen Paarvergleichen.	Höherer Messwert1.529,506 95-%-Konfidenzintervall: ±16,344Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.426,012 95-%-Konfidenzintervall: ±40,021Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlMathematical professions Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 1.483 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 212 anonymen Paarvergleichen.	Höherer Messwert1.517,861 95-%-Konfidenzintervall: ±15,778Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.456,037 95-%-Konfidenzintervall: ±39,211Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlMedicine and healthcare Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 1.891 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 225 anonymen Paarvergleichen.	Höherer Messwert1.502,631 95-%-Konfidenzintervall: ±14,403Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.460,477 95-%-Konfidenzintervall: ±37,871Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlMulti-turn Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 4.573 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 569 anonymen Paarvergleichen.	Höherer Messwert1.514,446 95-%-Konfidenzintervall: ±9,496Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.446,12 95-%-Konfidenzintervall: ±25,079Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlNon-English Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 15.138 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 2.019 anonymen Paarvergleichen.	Höherer Messwert1.497,926 95-%-Konfidenzintervall: ±5,948Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.456,123 95-%-Konfidenzintervall: ±13,128Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlRussian Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 2.690 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 413 anonymen Paarvergleichen.	Höherer Messwert1.520,631 95-%-Konfidenzintervall: ±11,958Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.446,297 95-%-Konfidenzintervall: ±28,9Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlSoftware and IT services Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 10.351 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 1.379 anonymen Paarvergleichen.	Höherer Messwert1.540,361 95-%-Konfidenzintervall: ±6,751Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.503,685 95-%-Konfidenzintervall: ±16,15Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlWriting, literature and language Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5: Snapshot: claude-fable-5, Harness: Arena text, style control Grok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style controlClaude Fable 5: Stilbereinigte Arena-Bewertung aus 7.270 anonymen Paarvergleichen.Grok 4.6: Stilbereinigte Arena-Bewertung aus 921 anonymen Paarvergleichen.	Höherer Messwert1.512,826 95-%-Konfidenzintervall: ±7,927Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.445,223 95-%-Konfidenzintervall: ±19,746Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche Claude Fable 5 und Grok 4.6 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich