Kimi K3.1 Pro vs. Qwen 4 vs. Claude Fable 5.5: calidad del front-end, costo por tarea y una revisión del bombo

Tres lanzamientos coincidieron en la misma semana de octubre. El 22 de octubre, dos modelos anónimos, Kibitz y Kalmia, aparecieron en Code Arena de Arena con unas horas de diferencia. Las pruebas del tokenizador los vincularon con Kimi, de Moonshot, y Qwen, de Alibaba. Un día después, Kimi publicó un adelanto de K3.1 creando una escena en Three.js, y poco después salió el modelo: la publicación del lanzamiento de Moonshot presentó Kimi K3.1 Pro en la app de Kimi, Kimi Code y la API de Kimi. Por parte de Anthropic, el 13 de octubre apareció una entrada de claude-fable-5-5 en un catálogo en la nube, y se informó que algunos socios tenían acceso anticipado. Alibaba aún no ha lanzado Qwen 4; sus variantes se anunciaron en Apsara en septiembre. Fable 5.5 solo ha aparecido en filtraciones.

La respuesta breve tiene dos partes. Según las cifras del propio lanzamiento de Moonshot, K3.1 Pro supera a Claude Fable 5.1 en programación agéntica (65.7 frente a 57.9 en Terminal-Bench 4.0) y queda por detrás en ProgramBench y en razonamiento difícil sin herramientas. Esas cifras son autorreportadas y se obtuvieron con entornos de evaluación distintos según el modelo, frente a la versión de Fable anterior a la 5.5. Los datos independientes siguen siendo los de la generación anterior, y favorecen a Fable: Fable 5.1 obtiene 53 frente a los 44 de Kimi K3 en el índice actual de Artificial Analysis. Pero cada tarea del índice le costó $7.63, frente a $2.00 para K3. Las ventajas de Kimi son el precio, la recuperación de información en contextos largos y, frente a Qwen, el código front-end evaluado por personas. La ventaja de Qwen es el precio por token: la salida de Qwen3.8-Max cuesta aproximadamente un tercio de la de K3 y menos de la mitad de la de K3.1 Pro. Además, la ventaja de precio de Kimi frente a Fable aumenta: AIHubMix ofrece K3.1 Pro a $2.00 por millón de tokens de entrada y $10.50 por millón de tokens de salida, frente a $2.84 y $14.20 para K3. La pregunta de esta semana de lanzamientos es si K3.1 Pro y Qwen 4 pueden acortar distancias con Fable 5.5 sin perder la ventaja de precio. Hasta que lleguen pruebas independientes y los otros dos modelos, lo que sigue es la mejor evidencia disponible.

Por qué estos tres

• Qwen 4 es el rival de la misma semana y la misma categoría. Kibitz y Kalmia se probaron en paralelo en el modo de enfrentamiento de Code Arena. K3 y Qwen3.8-Max fueron los dos modelos insignia chinos de un billón de parámetros del verano, ambos con pesos descargables.
• Fable 5.5 es el modelo al que ambos quieren alcanzar. Moonshot comparó K3 con Claude Fable 5 en su lanzamiento, y K3.1 Pro con Fable 5.1. Los desarrolladores que usan Claude se hacen la misma pregunta con cada lanzamiento de Kimi: ¿puede hacer el trabajo de Fable por una fracción del precio?
• Una tarea lo decidirá: crear un front-end 3D en Three.js con un solo prompt. El adelanto de Kimi muestra exactamente eso, y Moonshot destaca la creación 3D entre las principales mejoras de K3.1 Pro. Los evaluadores de Arena dieron a Kalmia prompts como «una bicicleta 3D montando una vaca con three.js». El front-end también es el área en la que Kimi cuenta con evidencia independiente a su favor.

Lo que cada laboratorio ha mostrado hasta ahora

La columna de Kimi se basa ahora en la publicación del lanzamiento de Moonshot y en la documentación de la API. K3.1 Pro es «el primer modelo de nuestra nueva serie K3.1», una versión de K3 con postentrenamiento, 3T parámetros (K3 tiene 2.8T) y entrada de imágenes y video. El modo de razonamiento siempre está activado; el nivel de esfuerzo puede ser bajo, alto o máximo, y el predeterminado es máximo. La salida puede alcanzar 1,048,576 tokens. Moonshot afirma que «se publicarán los pesos completos del modelo antes del 4 de noviembre». El precio de la tabla corresponde a la tarifa de Kimi K3.1 Pro publicada por AIHubMix, por millón de tokens: $2.00 de entrada, $10.50 de salida y $0.20 en caché, frente a $2.84, $14.20 y $0.284 para K3; es decir, alrededor de un 30% menos en la entrada y un 26% menos en la salida.

Las otras dos columnas siguen basándose en filtraciones o anuncios de presentaciones. Los cuatro nombres de variantes de Qwen 4 (Max, Plus, Flash, 27B) proceden de los informes de asistentes a la ponencia de Alibaba en Apsara. La vista previa de su arquitectura, Qwen3.8-Flash-Next, tiene pesos abiertos: 125B parámetros principales más 51B de embeddings de n-gramas, con unos 6B activos por paso.

La columna de Fable 5.5 es la menos sólida. La entrada claude-fable-5-5 se añadió a la lista de precios de LiteLLM a partir de un catálogo de Azure el 13 de octubre. Los campos de precio, contexto y salida se copiaron de Fable 5.1 ($10 / $50, contexto de 1M, salida de 128K). La entrada se eliminó al día siguiente, cuando nadie pudo encontrar una implementación. TestingCatalog informó el 17 de octubre que algunos socios tenían el modelo. Un modelo de prueba llamado claude-onigiri-eap estuvo visible brevemente en Artificial Analysis y es el candidato más probable.

El bombo, puesto a prueba

Tres aclaraciones. La afirmación sobre el precio surgió de una entrada en un registro publicada en septiembre que mostraba el precio de K3, probablemente como marcador de posición. En su lanzamiento, AIHubMix ofrecía K3.1 Pro alrededor de un 30% más barato que K3 en la entrada y un 26% más barato en la salida. La afirmación sobre Minecraft la publicó @ChrisGPT en X: K3.1 colocó 13,707 bloques por $0.38, frente a 5,738 bloques por $5.31 con un modelo GPT-6. Nadie ha publicado el prompt ni el recuento de tokens. Además, los nombres anónimos ya han resultado ser incorrectos: en agosto se creyó que un modelo de Code Arena era K3.1, hasta que la huella del tokenizador lo ubicó en la familia Qwen. K3.1 Pro ya se lanzó, pero Moonshot no ha dicho que fuera Kibitz, así que hay que considerar Kibitz, Kalmia y Onigiri como hipótesis sólidas hasta que los laboratorios lo confirmen.

La ronda anterior: K3, Qwen3.8-Max y Fable 5.1

Hasta ahora, las únicas cifras de K3.1 Pro son las de Moonshot, y los otros dos aún no se han lanzado, así que empecemos por los datos independientes de la generación a la que reemplazan.

Los precios son por millón de tokens. Ambos modelos con pesos abiertos tienen licencias personalizadas.

Kimi frente a Fable. Las cifras de esta comparación proceden de Artificial Analysis, Intelligence Index v4.3.2, con ambos modelos en el nivel de esfuerzo máximo.

Fable 5.1 aventaja claramente a Kimi en razonamiento difícil y tareas de terminal. Kimi solo lidera en recuperación de información en contextos largos y empata en automatización empresarial. La diferencia de costo es mayor de lo que sugieren los precios de lista: Fable 5.1 también usó más tokens por tarea, por lo que cada una costó casi cuatro veces más.

Kimi frente a Qwen. En este caso, las cifras independientes son más antiguas: resultados de Artificial Analysis de agosto de 2026 (Intelligence Index v4.1.1), recopilados por Qubrid. K3 obtuvo 57 y Qwen3.8-Max, 56; K3 fue más barato por tarea ($0.86 frente a $1.14) porque Qwen usó más tokens. En la prueba StackPerf de TrilogyAI, revisada a ciegas, cada modelo tuvo una hora para analizar la misma base de código de 269 archivos (Qwen se ejecutó como la vista previa de 3.8-Max). K3 obtuvo 83 y Qwen, 80; los revisores describieron ambos como «complementarios». No compares entre sí las dos versiones del índice: Artificial Analysis cambió la escala del índice entre una y otra.

Kimi K3.1 Pro frente a Fable 5.1 según las cifras de Moonshot

Las cifras son las del lanzamiento autorreportadas por Moonshot; los entornos de evaluación varían según el modelo y nadie las ha reproducido todavía. Moonshot realizó la mayoría de las pruebas de programación de K3.1 Pro con un entorno de Claude Code, y probó Fable 5.1 con el nivel de esfuerzo máximo y una opción de respaldo. Su tabla incluye Fable 5.1, no la 5.5, y ningún modelo Qwen.

La fila de alucinaciones corresponde a Kimi Hallu Bench interno de Moonshot (difícil, con herramientas), donde un valor más bajo es mejor.

Según estas cifras, K3.1 Pro supera a Fable 5.1 en las pruebas largas de programación agéntica y comete muchos menos errores fácticos en la prueba interna de Moonshot. Queda muy por detrás en ProgramBench, también queda por detrás en Humanity's Last Exam sin herramientas y prácticamente empata en el uso del ordenador de OSWorld. Frente a su predecesor en la misma versión de la prueba, DeepSWE subió de 67.5 con K3 a 75.5.

Interpreta con cuidado la fila de Terminal-Bench. En su propio entorno de evaluación, Artificial Analysis midió a K3 con un 13% en Terminal-Bench 4.0, frente al 52% de Fable 5.1. El 65.7 de Moonshot proviene de un entorno distinto, así que no representa un salto del 13 al 65.7 ni revierte la ventaja independiente de Fable, al menos hasta que alguien repita la prueba de forma independiente.

La tarea decisiva: ¿quién crea el mejor front-end?

Lo que observaron esta semana los evaluadores de Arena. Arena no publica puntuaciones de modelos anónimos, así que la única evidencia sobre la nueva pareja son enfrentamientos de un solo intento que los evaluadores publicaron en X. TestingCatalog recopiló los informes sobre Kibitz el 23 de octubre; las filas de Kalmia proceden de las publicaciones de los propios evaluadores:

La prueba del helicóptero, publicada por LuminaBench, es lo más parecido a la tarea decisiva de este artículo. Ambos modelos crearon, a partir del mismo prompt, vistas de despegue, aterrizaje y piezas desmontadas. Kibitz añadió modos de rayos X y de estructura alámbrica; Kalmia, un índice de componentes y telemetría de vuelo. El evaluador concluyó que ambos son «muy sólidos». Cada informe se basa en un solo prompt y un solo intento, así que ninguno permite clasificar los modelos. No se ha informado de ningún Fable 5.5 anónimo en Arena. Su probable nombre en clave, Onigiri, solo apareció en el código del sitio de Artificial Analysis.

Frente a Qwen, Kimi tiene datos que lo respaldan. K3 ocupó el primer puesto de la clasificación Frontend Code de Arena en su lanzamiento, con 1,679 puntos, por delante de Claude Fable 5 (1,631). Lideró seis de los siete dominios de frontend y Fable 5 solo quedó por delante en Gaming. Las fuentes discrepan sobre la posición de Qwen3.8-Max en esa misma clasificación: algunas dicen que no apareció y otras que quedó cuarto, así que aquí no se le asigna ninguna puntuación.

Frente a Fable, ya no está tan claro. En las puntuaciones de WebDev de LMArena que AIHubMix muestra hoy, Fable 5.1 obtiene 1,743 puntos, frente a los 1,655 de K3. Es una clasificación distinta de la arena Frontend Code que K3 encabezó en julio, así que los dos resultados no marcan una tendencia. Pero en la clasificación que sigue AIHubMix, Fable va por delante hoy. La evidencia de Moonshot sobre frontend proviene de su Design Bench interno, que usa una puntuación Elo: K3.1 Pro obtiene 957 puntos, por detrás de GPT-6 Astra (1,076) y por delante de Claude Opus 5.5 (927); Fable 5.1 no recibió una puntuación. Lo primero que habrá que comprobar cuando ambos tengan resultados independientes es la posición de K3.1 Pro frente a Fable 5.5.

Cuánto cuesta generar la página. La ejecución de K3 realizada por AIHubMix para crear un juego con un solo prompt (un único archivo HTML y una imagen de referencia) utilizó 74,994 tokens de salida, de los cuales el 73% correspondía al razonamiento, en unos 42 minutos. No se registró la entrada, así que las estimaciones siguientes suponen 5,000 tokens. Los precios son los de AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro, con el mismo número de tokens: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max, con el mismo número de tokens: ≈ $0.39
• Claude Fable 5.1, con el mismo número de tokens: ≈ $4.18
• Kimi K3.1 Pro, Qwen 4 y Fable 5.5, medidos: AIHubMix ejecutará el mismo prompt en los tres modelos cuando estén disponibles.

Suponer que el número de tokens es el mismo es solo eso: una suposición, y las cifras reales pueden mover el resultado en cualquier dirección. En las tareas de Artificial Analysis, Fable 5.1 utilizó más tokens de salida que K3, y Qwen3.8-Max utilizó más que K3. En una prueba práctica de Chase AI, K3 utilizó aproximadamente seis veces más tokens que Fable 5. El razonamiento de K3.1 Pro no requiere menos que el de K3: en una comprobación puntual de AIHubMix con un nivel de esfuerzo bajo, ambos razonaron durante varios miles de tokens con el mismo prompt (K3.1 Pro, 5,561–7,356; K3, 3,013–7,051), aunque K3.1 Pro terminó aproximadamente el doble de rápido. Mide el proyecto; no extrapoles.

Qué más cambia al pasar de uno a otro

• La espera. Artificial Analysis midió 255 segundos hasta el primer token de Fable 5.1, porque su razonamiento no se transmite en flujo, frente a 3.6 segundos para K3. Sin embargo, Fable completó una tarea promedio en 722 segundos, frente a los 1,231 de K3. Fable tarda en arrancar, pero termina antes. Configura tiempos de espera y barras de progreso para ambos. La respuesta de Kimi a la espera es K3.1 Pro Highspeed, que, según Moonshot, ofrece las mismas capacidades a una velocidad entre 2 y 3 veces mayor (en una comprobación puntual de AIHubMix transmitió entre 138 y 150 tokens por segundo, aunque las llamadas a herramientas y la ejecución de scripts no se aceleran; la publicación de Highspeed que aparece más abajo compara esa ventaja con su precio).
• Rechazos. Fable ejecuta clasificadores de seguridad que pueden rechazar una solicitud con una respuesta normal de código 200 y stop_reason: "refusal". La documentación de Anthropic sobre motivos de detención recomienda volver a intentarlo con otro modelo de Claude. En las pruebas de referencia de Moonshot, Fable 5 recurrió a una alternativa en el 35% de las tareas de SWE-Marathon. Son cifras de un competidor, pero conviene probar pronto las tareas de programación relacionadas con la seguridad.
• Longitud de salida. Fable 5.1 limita la salida a 128K tokens. K3 y K3.1 Pro permiten hasta 1,048,576, algo importante para generar archivos completos e informes largos, aunque el límite predeterminado de K3.1 Pro es 131,072, a menos que lo aumentes.
• Dónde se puede ejecutar. Los pesos de K3 ocupan unos 1.56 TB y necesitan un clúster grande con varios aceleradores, pero puedes alojarlo por tu cuenta, y Moonshot dice que los pesos completos de K3.1 Pro estarán disponibles antes del 4 de noviembre. Qwen 4 27B es la versión que se presenta como abierta, y su predecesor cabe en una GPU de 80 GB. Fable solo funciona con la API de Anthropic y los proveedores de nube que la revenden.

Quién debería elegir cada uno

Estas recomendaciones se basan en los resultados independientes de K3, Qwen3.8-Max y Fable 5.1, contrastados con las cifras de K3.1 Pro publicadas por Moonshot. Vuelve a comprobarlas cuando haya pruebas independientes de K3.1 Pro y se hayan lanzado los otros dos modelos.

• Las tareas más exigentes con agentes y terminal, donde un intento fallido cuesta más que los tokens: Claude Fable 5.5, hasta que pruebas independientes respalden las cifras de Moonshot. Moonshot sitúa a K3.1 Pro por delante de Fable 5.1 en Terminal-Bench, pero en la última prueba independiente Fable 5.1 estaba muy por delante de K3.
• Generación de frontend e interfaces de usuario a gran escala: empieza con Kimi K3.1 Pro y prueba Three.js con Fable 5.5 antes de decidirte. Kimi superó a Qwen en esa prueba, pero Fable 5.1 lidera hoy en WebDev, y la Design Bench de Moonshot no evaluó a Fable.
• Tareas cortas y de gran volumen: Qwen 4, si mantiene los precios de Qwen3.8.
• Documentos largos y recuperación de información con un contexto de 1M tokens: Kimi K3.1 Pro, con un precio fijo en todo el contexto. K3 superó a Fable 5.1 en recuperación con contextos largos a un cuarto del costo por tarea.
• Alojamiento propio o residencia de datos: Kimi o Qwen, ya que los pesos de K3.1 Pro deberían estar disponibles antes del 4 de noviembre. Fable no ofrece pesos.

Ejecuta los tres con una sola clave

AIHubMix ofrece modelos de Kimi, Qwen y Claude a través del mismo endpoint compatible con OpenAI, así que basta con un ciclo de prueba para decidir. kimi-k3.1-pro ya está disponible en AIHubMix y coincide con el ID de API de Moonshot; los ID de Qwen y Claude del script son suposiciones hasta que se publiquen esos modelos. El 24 de octubre, AIHubMix devolvió un error 400 para ambos, así que tal como está escrito el script se detiene después de Kimi. Para probar hoy la generación actual, sustituye esos ID por qwen3.8-max y claude-fable-5-1, que AIHubMix sí ofrece. Usa Chat Completions, como hace el script: el endpoint Responses de AIHubMix devolvió un error 404 para kimi-k3.1-pro la noche del lanzamiento.

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)

No incluyas temperature. La documentación de Moonshot fija ese parámetro en 1.0 para K3.1 Pro, igual que para K3, y cuando una prueba de AIHubMix envió 0.2 a kimi-k3.1-pro, devolvió 400 invalid temperature: only 1 is allowed for this model. Mantén también un tiempo de espera largo: K3.1 Pro razona con el máximo nivel de esfuerzo, salvo que se indique lo contrario. Abre los tres archivos HTML uno junto a otro y luego compara lo que ves con las cantidades de tokens impresas. La página comparativa de Kimi K3.1 Pro y Claude Fable 5.1 de AIHubMix muestra lado a lado la pareja actual.

Preguntas frecuentes

¿Ya se han lanzado Kimi K3.1 Pro, Qwen 4 y Claude Fable 5.5?
Kimi K3.1 Pro sí: Moonshot lo lanzó el 23–24 de octubre en la aplicación Kimi, Kimi Code y su API. Al momento de redactar esto, Qwen 4 solo se había mencionado en el escenario, y Fable 5.5 solo había aparecido en filtraciones y en una ficha de catálogo que luego se retiró.

¿Puede Kimi K3.1 Pro sustituir a Claude Fable 5.5?
Las cifras de Moonshot sitúan a K3.1 Pro por delante de Fable 5.1 en varias pruebas de programación con agentes, y por detrás en ProgramBench y en razonamiento difícil sin herramientas. Son cifras autodeclaradas y corresponden a la versión anterior de Fable; en la última prueba independiente, Fable quedó muy por delante. Prueba ambos con tus propias cargas de trabajo.

¿Cuánto más barato es Kimi que Fable por tarea?
En las tareas del índice de Artificial Analysis, K3 costó $2.00 por tarea y Fable 5.1 costó $7.63, es decir, poco más de una cuarta parte. Aún no se ha medido el costo por tarea de K3.1 Pro, pero AIHubMix lo ofrece a $2.00 por millón de tokens de entrada y $10.50 por millón de salida, frente a $11.00 y $55.00 para Fable 5.1.

¿Cuál es mejor para programar en frontend?
K3 lideró la clasificación Frontend Code de Arena en su lanzamiento, por delante de Fable 5. En las puntuaciones de WebDev de LMArena de hoy, Fable 5.1 supera a K3. La Design Bench interna de Moonshot sitúa a K3.1 Pro por debajo de GPT-6 Astra y no evalúa a Fable. No hay una puntuación indiscutible para Qwen3.8-Max.

¿Por qué Fable tarda minutos en responder?
El razonamiento de Fable no se transmite en flujo, así que el primer token visible no llega hasta que termina de pensar. Artificial Analysis midió unos 255 segundos para Fable 5.1.

¿Kimi K3.1 Pro tendrá pesos abiertos?
Moonshot dice que los pesos completos del modelo se publicarán antes del 4 de noviembre de 2026. Qwen 4 27B se presentó como una versión abierta, y Fable no tiene pesos descargables.

¿Puedo probar los tres con una sola clave de API?
Sí, cuando los tres estén en la lista. AIHubMix ofrece modelos de Kimi, Qwen y Claude a través del mismo endpoint compatible con OpenAI, así que solo tienes que cambiar el ID del modelo. Kimi K3.1 Pro ya aparece en la lista.

Sigue leyendo: la serie Kimi K3.1 Pro

• Si ya usas Kimi y la verdadera decisión es si pasar de K3 a una versión superior, empieza por la actualización: Kimi K3.1 Pro vs K3: qué cambió, cuánto cuesta y quién debería cambiarse
• Si la comparación te lleva a K3.1 Pro, primero resuelve estos errores y problemas de facturación: Migrar a Kimi K3.1 Pro: soluciona los errores 400, ten en cuenta el esfuerzo máximo predeterminado y no escribas mal Highspeed
• Si te atrae la rapidez con la que termina Fable, descubre si la variante más rápida de Kimi acorta la diferencia a ese precio: Kimi K3.1 Pro vs K3.1 Pro Highspeed: ¿vale la pena pagar el doble por una velocidad de 2–3×?

Fuentes

• Moonshot AI: blog técnico de Kimi K3.1 Pro
• Moonshot AI: ficha de modelo y evaluaciones de Kimi K3
• Artificial Analysis: Claude Fable 5.1 vs Kimi K3
• AIHubMix: Kimi K3 vs Claude Fable 5.1
• TestingCatalog: Claude Fable 5.5 llega a socios