Kimi K3.1 Pro срещу Qwen 4 срещу Claude Fable 5.5: качество на фронтенда, цена на задача и проверка на шума около тях

Три премиери се случиха в една и съща седмица през октомври. На 22 октомври в Code Arena на Arena се появиха два анонимни модела — Kibitz и Kalmia — само с няколко часа разлика. Тестове на токенизатора ги свързаха съответно с Kimi на Moonshot и Qwen на Alibaba. Ден по-късно Kimi публикува тийзър, в който K3.1 създава сцена с Three.js, а скоро след това моделът вече беше пуснат: публикацията за премиерата на Moonshot представи Kimi K3.1 Pro в приложението Kimi, Kimi Code и Kimi API. От страна на Anthropic на 13 октомври в облачен каталог се появи записът claude-fable-5-5, а според съобщенията партньори са получили ранен достъп. Alibaba все още не е пуснала Qwen 4; имената на версиите му бяха обявени на Apsara през септември. Fable 5.5 засега се е появил само в изтекла информация.

Краткият отговор има две части. Според собствените данни на Moonshot при премиерата K3.1 Pro превъзхожда Claude Fable 5.1 при агентно програмиране (65.7 срещу 57.9 на Terminal-Bench 4.0), но изостава от него на ProgramBench и при сложни разсъждения без инструменти. Това са данни, обявени от самата компания, получени с различни за отделните модели тестови конфигурации и сравнени с Fable преди версия 5.5. Независимите данни все още са от предишното поколение и са в полза на Fable: Fable 5.1 има 53 точки срещу 44 за Kimi K3 в актуалния индекс на Artificial Analysis. Но цената му е била $7.63 за задача от индекса, срещу $2.00 за K3. Предимствата на Kimi са цената, извличането на информация от дълъг контекст и, в сравнение с Qwen, оцененото от хора качество на фронтенд кода. Предимството на Qwen е цената на токените: изходните токени на Qwen3.8-Max струват около една трета от цената на K3 и по-малко от половината от тази на K3.1 Pro. А ценовото предимство на Kimi спрямо Fable става още по-голямо: AIHubMix посочва цена за K3.1 Pro от $2.00 за входни и $10.50 за изходни токени на милион, срещу $2.84 и $14.20 за K3. Въпросът през седмицата на премиерата е дали K3.1 Pro и Qwen 4 могат да стопят изоставането спрямо Fable 5.5, без да се откажат от ценовото си предимство. Докато не се появят независими тестове и другите два модела, наличните по-долу данни са най-доброто, с което разполагаме.

Защо точно тези три

• Qwen 4 е конкурентът от същата седмица и същия клас. Kibitz и Kalmia бяха тествани един срещу друг в режим на двубой в Code Arena на Arena. K3 и Qwen3.8-Max бяха двата китайски флагмана с трилион параметри през лятото и за двата бяха налични тегла за изтегляне.
• Fable 5.5 е моделът, който и двата преследват. При премиерата Moonshot сравни K3 с Claude Fable 5, а K3.1 Pro — с Fable 5.1. Разработчиците, които използват Claude, задават един и същ въпрос за всяка нова версия на Kimi: може ли тя да върши работата на Fable на малка част от цената?
• Решаващата задача: създаване на 3D фронтенд с Three.js по една-единствена подкана. Точно това показва тийзърът на Kimi, а Moonshot посочва създаването на 3D съдържание сред основните подобрения на K3.1 Pro. Тестващите в Arena дадоха на Kalmia подкани като „3D велосипедист, който язди крава, с three.js“. Фронтендът е и областта, в която Kimi разполага с независими доказателства в своя полза.

Какво са показали лабораториите досега

Колоната за Kimi вече се основава на публикацията за премиерата на Moonshot и документацията за API. K3.1 Pro е „първият модел от новата ни серия K3.1“ — дообучена версия на K3 с 3T параметри (K3 има 2.8T), която приема изображения и видео. Режимът Thinking е винаги включен, нивото на усилие може да бъде low, high или max и по подразбиране е max, а изходът може да достигне 1,048,576 токена. Moonshot казва, че „пълните тегла на модела ще бъдат пуснати до 4 ноември“. Цените в таблицата са посочените от AIHubMix за Kimi K3.1 Pro, за милион токена: $2.00 за входни, $10.50 за изходни и $0.20 за кеширани токени, срещу съответно $2.84, $14.20 и $0.284 за K3 — приблизително 30% по-ниска цена за входните и 26% за изходните токени.

Другите две колони все още се основават на изтекла информация или съобщения от сцена. Имената на четирите версии на Qwen 4 (Max, Plus, Flash, 27B) идват от разкази на присъствали на основната презентация на Alibaba на Apsara. Предварителният преглед на архитектурата му, Qwen3.8-Flash-Next, е с отворени тегла: 125B основни параметри плюс 51B n-грамни вграждания, като на стъпка се активират около 6B параметъра.

Колоната за Fable 5.5 е най-несигурната. Записът claude-fable-5-5 е добавен към ценовата листа на LiteLLM от каталог на Azure на 13 октомври. Полетата за цена, контекст и изход са копирани от Fable 5.1 ($10 / $50, контекст 1M, изход 128K). Ден по-късно записът е премахнат, тъй като никой не е успял да открие работещо внедряване. На 17 октомври TestingCatalog съобщи, че партньори разполагат с модела. Тестов модел с името claude-onigiri-eap се появи за кратко в Artificial Analysis и е най-вероятният кандидат за него.

Проверка на шумните твърдения

Три уточнения. Твърдението за цената идва от запис в регистър през септември, в който е била посочена цената на K3 — вероятно като заместваща стойност. При премиерата AIHubMix посочи за K3.1 Pro цена с около 30% по-ниска от тази на K3 за входните токени и с 26% по-ниска за изходните. Твърдението за Minecraft дойде от @ChrisGPT в X: K3.1 поставил 13,707 блока за $0.38, докато GPT-6 модел поставил 5,738 блока за $5.31. Никой не е публикувал подканата или броя токени. Анонимните имена и преди са подвеждали: през август модел в Code Arena беше сметнат за K3.1, докато отпечатъкът на токенизатора не го свърза със семейството Qwen. K3.1 Pro вече е пуснат, но Moonshot не е потвърдил, че това е бил Kibitz, затова приемайте Kibitz, Kalmia и Onigiri за основателни предположения, докато лабораториите не ги потвърдят.

Предишният кръг: K3, Qwen3.8-Max и Fable 5.1

Засега единствените данни за K3.1 Pro са собствените на Moonshot, а другите два модела още не са пуснати, затова нека започнем с независимите резултати на поколението, което те заменят.

Цените са за милион токена. И двата модела с отворени тегла са с персонализирани лицензи.

Kimi срещу Fable. Данните в това сравнение са от Artificial Analysis, Intelligence Index v4.3.2, и за двата модела при максимално ниво на усилие.

Fable 5.1 има ясно предимство при сложните разсъждения и работата в терминал. Kimi води единствено при извличането на информация от дълъг контекст и изравнява резултата при бизнес автоматизацията. Разликата в цената е по-голяма, отколкото предполагат цените в списъка: Fable 5.1 е използвал и повече токени на задача, така че всяка задача е струвала почти четири пъти повече.

Kimi срещу Qwen. Тук независимите данни са по-стари: резултатите на Artificial Analysis от август 2026 г. (Intelligence Index v4.1.1), обобщени от Qubrid. K3 е получил 57 точки, а Qwen3.8-Max — 56, като K3 е бил по-евтин на задача ($0.86 срещу $1.14), защото Qwen е използвал повече токени. В сляп тест на TrilogyAI, StackPerf, всеки модел е получил по един час да анализира една и съща кодова база от 269 файла (Qwen е бил пуснат като предварителната версия 3.8-Max). K3 е получил 83 точки, а Qwen — 80, като оценяващите са нарекли двата модела „допълващи се“. Не сравнявайте версиите на индекса помежду им: Artificial Analysis е променила мащабирането му между двете версии.

Kimi K3.1 Pro срещу Fable 5.1 по данните на Moonshot

Данните са обявени от самата Moonshot при премиерата; тестовите конфигурации се различават между моделите и засега никой не ги е възпроизвел. Moonshot е провела повечето тестове за програмиране на K3.1 Pro в конфигурация с Claude Code, а Fable 5.1 — при максимално усилие с резервен вариант. В таблицата на компанията е посочен Fable 5.1, а не 5.5, и няма модел Qwen.

Редът за халюцинациите е от вътрешния тест Kimi Hallu Bench на Moonshot (сложен, с инструменти), при който по-ниската стойност е по-добра.

Според тези данни K3.1 Pro изпреварва Fable 5.1 при продължителните тестове за агентно програмиране и допуска много по-малко фактически грешки в собствения тест на Moonshot. Изостава значително на ProgramBench, изостава и на Humanity's Last Exam без инструменти, а при управлението на компютър в OSWorld резултатите са приблизително равни. Спрямо предшественика си в същата версия на теста, резултатът на K3.1 Pro в DeepSWE се е повишил от 67.5 при K3 до 75.5.

Подхождайте внимателно към реда за Terminal-Bench. В собствената си тестова конфигурация Artificial Analysis измерва резултат от 13% за K3 на Terminal-Bench 4.0 срещу 52% за Fable 5.1. Стойността 65.7 на Moonshot е получена с друга тестова конфигурация, затова не означава скок от 13 до 65.7 и не отменя независимо установеното предимство на Fable, докато някой не повтори теста независимо.

Решаващата задача: кой създава по-добър фронтенд?

Какво видяха тестващите в Arena тази седмица. Arena не публикува резултати за анонимните модели, затова единствените данни за новата двойка са двубои с една подкана, публикувани от тестващи в X. TestingCatalog събра съобщенията за Kibitz на 23 октомври; редовете за Kalmia идват от собствените публикации на тестващите:

Тестът с хеликоптера, публикуван от LuminaBench, е най-близкото до решаващата задача в тази статия. И двата модела създадоха изгледи за излитане, кацане и разглобени части по една и съща подкана. Kibitz добави рентгенов и телен мрежов режим, а Kalmia — индекс на компонентите и данни за полета. Тестващият заключи, че и двата са „много силни“. Всеки доклад е от една подкана и един опит, затова никой от тях не класира моделите. В Arena не е докладван анонимен Fable 5.5. Вероятното му кодово име, Onigiri, се появи само в кода на сайта на Artificial Analysis.

Спрямо Qwen Kimi разполага с доказателства. При премиерата си K3 зае първото място в класацията Frontend Code на Arena с 1,679 точки, пред Claude Fable 5 (1,631). Той водеше в шест от седемте направления за фронтенд разработка, а Fable 5 запази преднината само в Gaming. Източниците не са единодушни за мястото на Qwen3.8-Max в същата класация — от липса на позиция до четвърто място, затова тук не посочваме резултат.

Спрямо Fable вече няма ясен отговор. В оценките LMArena WebDev, които AIHubMix показва днес, Fable 5.1 има 1,743 точки срещу 1,655 за K3. Това е различна класация от арената Frontend Code, която K3 оглави през юли, така че двата резултата не очертават тенденция. Но в класацията, която проследява AIHubMix, днес води Fable. Единствените собствени данни на Moonshot за фронтенд разработка са вътрешният им Design Bench с Elo рейтинг: K3.1 Pro има 957 точки — зад GPT-6 Astra (1,076), но пред Claude Opus 5.5 (927); Fable 5.1 не е оценяван. Първо трябва да проверим къде се нарежда K3.1 Pro спрямо Fable 5.5, щом и за двата има независими резултати.

Колко струва изграждането. Собственият тест на AIHubMix с K3 за изграждане на игра с една подкана (един HTML файл и едно референтно изображение) използва 74,994 изходни токена, 73% от които са за разсъждение, за около 42 минути. Броят на входните токени не е записан, затова оценките по-долу приемат 5,000 токена. Цените са на AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro, при същия брой токени: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max, при същия брой токени: ≈ $0.39
• Claude Fable 5.1, при същия брой токени: ≈ $4.18
• Kimi K3.1 Pro, Qwen 4 и Fable 5.5, измерени: AIHubMix ще изпълни една и съща подкана и на трите модела, щом бъдат налични

Еднаквият брой токени е само допускане, а реалните стойности могат да променят резултата и в двете посоки. При задачите на Artificial Analysis Fable 5.1 използваше повече изходни токени от K3, а Qwen3.8-Max — повече от K3. В един практически тест на Chase AI K3 използва около шест пъти повече токени от Fable 5. K3.1 Pro не разсъждава по-малко от K3: при точкова проверка на AIHubMix с ниско ниво на усилие и двата модела разсъждаваха по няколко хиляди токена при една и съща подкана (K3.1 Pro — 5,561–7,356, K3 — 3,013–7,051), макар че K3.1 Pro приключи приблизително два пъти по-бързо. Измерете реалното изграждане, вместо да правите екстраполации.

Какво друго се променя, когато превключите между тях

• Изчакване. Artificial Analysis измери 255 секунди до първия токен при Fable 5.1, тъй като разсъжденията му не се предават поточно, срещу 3.6 секунди при K3. И все пак Fable изпълни средната задача за 722 секунди срещу 1,231 при K3. Fable изглежда бавен в началото, но приключва по-скоро. Предвидете достатъчно дълги изчаквания и индикатори за напредъка и при двата модела. Собственото решение на Kimi за дългото изчакване е K3.1 Pro Highspeed, който според Moonshot предлага същите възможности при 2–3× по-висока скорост (при точкова проверка на AIHubMix предаваше 138–150 токена в секунда, макар че извикванията на инструменти и скриптовете не се изпълняват по-бързо; публикацията за Highspeed по-долу сравнява това с цената му).
• Откази. Fable използва класификатори за безопасност, които могат да откажат заявка с обичаен отговор 200 и stop_reason: "refusal". В документацията на Anthropic за причините за спиране се препоръчва повторен опит с друг модел Claude. В собствените тестове на Moonshot Fable 5 прибягна до резервен вариант при 35% от задачите SWE-Marathon. Това са данни на конкурент, но при програмиране, свързано със сигурността, е добре да тествате това още в началото.
• Дължина на изхода. Fable 5.1 ограничава изхода до 128K токена. K3 и K3.1 Pro позволяват до 1,048,576 токена, което е важно при генериране на цели файлове и дълги отчети, макар че стойността по подразбиране за K3.1 Pro е 131,072, освен ако не я увеличите.
• Къде може да се изпълнява. Теглата на K3 са около 1.56 TB и за тях е необходим голям клъстер с множество ускорители, но можете да ги хоствате сами, а Moonshot съобщава, че пълните тегла на K3.1 Pro ще бъдат пуснати до 4 ноември. Qwen 4 27B е версията, посочена като отворена, а предшественикът му се побира на един 80 GB GPU. Fable работи само през API на Anthropic и облачните платформи, които го предлагат като услуга.

Кой кой модел трябва да избере

Тези препоръки се основават на независимите резултати за K3, Qwen3.8-Max и Fable 5.1, съпоставени със собствените данни на Moonshot за K3.1 Pro. Преразгледайте ги, когато станат налични независими тестове на K3.1 Pro и бъдат пуснати другите два модела.

• Най-трудните агентни задачи и задачи в терминала, при които неуспешното изпълнение струва повече от токените: Claude Fable 5.5, докато независими тестове не потвърдят данните на Moonshot. Moonshot поставя K3.1 Pro пред Fable 5.1 в Terminal-Bench, но при последната независима проверка Fable 5.1 имаше значителна преднина пред K3.
• Генериране на фронтенд и потребителски интерфейси в голям мащаб: започнете с Kimi K3.1 Pro и тествайте Three.js спрямо Fable 5.5, преди да вземете окончателно решение. Kimi победи Qwen в тази област, но днес Fable 5.1 води в WebDev, а Design Bench на Moonshot не е оценявал Fable.
• Голям обем кратки задачи: Qwen 4, ако запази цените на Qwen3.8.
• Дълги документи и извличане на информация в контекст от 1M токена: Kimi K3.1 Pro, с една и съща цена за целия контекст. K3 се представи по-добре от Fable 5.1 при извличане на информация от дълъг контекст, като цената за задача беше четири пъти по-ниска.
• Самостоятелно хостване или локализиране на данните: Kimi или Qwen, като теглата на K3.1 Pro трябва да бъдат пуснати до 4 ноември. Fable няма публично достъпни тегла.

Изпълнете и трите модела с един ключ

AIHubMix предоставя моделите Kimi, Qwen и Claude през една и съща OpenAI-съвместима крайна точка, така че да сравните моделите е достатъчен един цикъл. kimi-k3.1-pro е наличен в AIHubMix и съвпада с API идентификатора на Moonshot; идентификаторите на Qwen и Claude в скрипта са предположения, докато моделите не бъдат пуснати. На 24 октомври AIHubMix върна грешка 400 и за двата, затова скриптът, както е написан, спира след Kimi. За да изпълните наличното поколение модели още днес, заменете ги с qwen3.8-max и claude-fable-5-1, които са включени в каталога на AIHubMix. Използвайте Chat Completions, както прави скриптът: в нощта на премиерата Responses крайната точка на AIHubMix върна грешка 404 за kimi-k3.1-pro.

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = ("Build a single-file HTML page with Three.js: a low-poly cow riding a bicycle "
          "around a track, with orbit controls. Return only the HTML.")

for model in ["kimi-k3.1-pro", "qwen4-max", "claude-fable-5-5"]:  # Qwen 4 and Fable 5.5 IDs are guesses, not on AIHubMix yet
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        timeout=3600,
    )
    with open(f"{model}.html", "w") as f:
        f.write(r.choices[0].message.content)
    print(model, r.usage.prompt_tokens, r.usage.completion_tokens)

Не посочвайте temperature. Документацията на Moonshot фиксира стойността на 1.0 за K3.1 Pro, както и за K3, а когато тест на AIHubMix подаде 0.2 към kimi-k3.1-pro, моделът върна 400 invalid temperature: only 1 is allowed for this model. Оставете и дългия период на изчакване: K3.1 Pro разсъждава с максимално усилие, освен ако не му зададете друго. Отворете трите HTML файла един до друг и сравнете видяното с изведените стойности за токените. На страницата за сравнение на Kimi K3.1 Pro и Claude Fable 5.1 на AIHubMix двата налични модела са показани един до друг.

Често задавани въпроси

Пуснати ли са Kimi K3.1 Pro, Qwen 4 и Claude Fable 5.5?
Kimi K3.1 Pro е пуснат: Moonshot го представи на 23–24 октомври в приложението Kimi, Kimi Code и своето API. Към момента на написване Qwen 4 беше само обявен от сцената, а Fable 5.5 се беше появил единствено в изтичания на информация и в запис в каталог, който впоследствие беше премахнат.

Може ли Kimi K3.1 Pro да замени Claude Fable 5.5?
Според собствените данни на Moonshot K3.1 Pro превъзхожда Fable 5.1 в няколко теста за агентно програмиране, но отстъпва при ProgramBench и сложни задачи за разсъждение без инструменти. Това са данни, публикувани от самата компания, и сравнението е с предишния Fable; при последната независима проверка Fable имаше значителна преднина. Тествайте двата модела с вашите задачи.

Колко по-евтин е Kimi от Fable за всяка задача?
При индексните задачи на Artificial Analysis K3 струваше $2.00 за задача, а Fable 5.1 — $7.63, тоест цената беше малко над една четвърт. Цената за задача на K3.1 Pro все още не е измерена, но AIHubMix посочва $2.00 за входни и $10.50 за изходни токени на милион, спрямо $11.00 и $55.00 за Fable 5.1.

Кой модел е по-добър за фронтенд код?
При премиерата си K3 оглави класацията Frontend Code на Arena, пред Fable 5. В днешните оценки WebDev на LMArena Fable 5.1 води пред K3. Вътрешният Design Bench на Moonshot поставя K3.1 Pro под GPT-6 Astra, а Fable не е оценяван. За Qwen3.8-Max няма безспорен резултат.

Защо Fable отнема минути, преди да отговори?
Разсъжденията на Fable не се предават поточно, така че първият видим токен пристига едва след като моделът приключи с разсъждението. Artificial Analysis измери около 255 секунди за Fable 5.1.

Ще има ли отворени тегла за Kimi K3.1 Pro?
Moonshot съобщава, че пълните тегла на модела ще бъдат пуснати до 4 ноември 2026 г. Qwen 4 27B беше посочен като отворена версия, а Fable няма тегла за изтегляне.

Мога ли да тествам и трите модела с един API ключ?
Да, щом и трите бъдат добавени в каталога. AIHubMix предоставя моделите Kimi, Qwen и Claude през една и съща OpenAI-съвместима крайна точка, така че трябва само да смените идентификатора на модела. Kimi K3.1 Pro вече е включен в каталога.

Продължете с поредицата за Kimi K3.1 Pro

• Ако вече използвате Kimi и се чудите дали да преминете от K3 към по-нов модел, започнете със самото надграждане: Kimi K3.1 Pro срещу K3: какво се промени, колко струва и за кого си заслужава преминаването
• Ако сравнението ви насочва към K3.1 Pro, първо отстранете тези грешки и капани при таксуването: Преминаване към Kimi K3.1 Pro: отстранете грешките 400, имайте предвид настройката по подразбиране за максимално усилие и не изписвайте погрешно Highspeed
• Ако по-бързото приключване на Fable ви изкушава, вижте дали по-бързият вариант на Kimi ще навакса разликата при тази цена: Kimi K3.1 Pro срещу K3.1 Pro Highspeed: струва ли си 2–3× по-високата скорост два пъти по-високата цена?

Източници

• Moonshot AI: техническа публикация за Kimi K3.1 Pro
• Moonshot AI: описание на модела Kimi K3 и оценки
• Artificial Analysis: Claude Fable 5.1 срещу Kimi K3
• AIHubMix: Kimi K3 срещу Claude Fable 5.1
• TestingCatalog: Claude Fable 5.5 достига до партньорите