Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5 : qualité front-end, coût par tâche et examen du battage médiatique

Trois lancements ont convergé au cours de la même semaine d’octobre. Le 22 octobre, deux modèles anonymes, Kibitz et Kalmia, sont apparus à quelques heures d’intervalle dans Code Arena d’Arena. Des tests de tokenizer les ont associés respectivement à Kimi de Moonshot et à Qwen d’Alibaba. Le lendemain, Kimi a publié un aperçu de K3.1 créant une scène Three.js, puis le modèle a été lancé peu après : le billet de lancement de Moonshot a présenté Kimi K3.1 Pro dans l’application Kimi, Kimi Code et l’API Kimi. Du côté d’Anthropic, une entrée claude-fable-5-5 est apparue dans un catalogue cloud le 13 octobre, et des partenaires auraient eu un accès anticipé. Alibaba n’a pas encore lancé Qwen 4 ; ses différentes versions ont été nommées à Apsara en septembre. Fable 5.5 n’est apparu que dans des fuites.

La réponse courte comporte deux volets. Selon les chiffres de lancement de Moonshot, K3.1 Pro dépasse Claude Fable 5.1 en programmation agentique (65.7 contre 57.9 sur Terminal-Bench 4.0) et est derrière sur ProgramBench et en raisonnement difficile sans outils. Ces chiffres sont autodéclarés, obtenus avec des bancs de test différents selon le modèle, et comparés à Fable avant la version 5.5. Les résultats indépendants disponibles concernent encore la génération précédente et favorisent Fable : Fable 5.1 obtient 53 contre 44 pour Kimi K3 dans l’index actuel d’Artificial Analysis. Mais son coût par tâche de l’index était de $7.63, contre $2.00 pour K3. Les atouts de Kimi sont son prix, la recherche d’informations dans un long contexte et, face à Qwen, la qualité de son code front-end selon les évaluations humaines. Qwen se distingue par le prix de ses tokens : les tokens de sortie de Qwen3.8-Max coûtent environ un tiers de ceux de K3 et moins de la moitié de ceux de K3.1 Pro. Et l’avantage tarifaire de Kimi face à Fable se creuse : AIHubMix affiche K3.1 Pro à $2.00 en entrée et $10.50 en sortie par million de tokens, contre $2.84 et $14.20 pour K3. La question de cette semaine de lancement est de savoir si K3.1 Pro et Qwen 4 peuvent combler l’écart avec Fable 5.5 sans renoncer à leur avantage tarifaire. En attendant les tests indépendants et l’arrivée des deux autres modèles, les éléments ci-dessous sont ce que nous avons de mieux.

Pourquoi ces trois modèles

• Qwen 4 est le rival de même catégorie annoncé la même semaine. Kibitz et Kalmia ont été testés côte à côte en mode duel dans Code Arena. K3 et Qwen3.8-Max étaient les deux modèles phares chinois à mille milliards de paramètres de l’été, tous deux avec des poids téléchargeables.
• Fable 5.5 est le modèle que les deux autres cherchent à rattraper. Au lancement, Moonshot a comparé K3 à Claude Fable 5, puis K3.1 Pro à Fable 5.1. Les développeurs qui utilisent Claude posent la même question à chaque sortie de Kimi : peut-il faire le travail de Fable pour une fraction du prix ?
• Une tâche permet de les départager : créer une interface 3D dans Three.js à partir d’une seule consigne. C’est exactement ce que montre l’aperçu de Kimi, et Moonshot cite la création 3D parmi les principales améliorations de K3.1 Pro. Les testeurs d’Arena ont donné à Kalmia des consignes comme « un cycle en 3D chevauchant une vache avec three.js ». Le front-end est aussi le domaine où Kimi bénéficie de résultats indépendants.

Ce que chaque laboratoire a montré jusqu’ici

La colonne Kimi s’appuie désormais sur le billet de lancement et la documentation de l’API de Moonshot. K3.1 Pro est « le premier modèle de notre nouvelle série K3.1 », une version de K3 affinée après entraînement, dotée de 3T paramètres (K3 en compte 2.8T) et capable de traiter des images et des vidéos. Le mode réflexion est toujours activé, le niveau d’effort peut être faible, élevé ou maximal et est réglé par défaut sur maximal, et la sortie peut atteindre 1,048,576 tokens. Moonshot indique que « les poids complets du modèle seront publiés d’ici au 4 novembre ». La cellule de prix provient de la grille tarifaire d’AIHubMix pour Kimi K3.1 Pro, par million de tokens : $2.00 en entrée, $10.50 en sortie et $0.20 pour les tokens mis en cache, contre $2.84, $14.20 et $0.284 pour K3, soit environ 30% de moins en entrée et 26% de moins en sortie.

Les deux autres colonnes reposent encore sur des fuites ou des annonces faites lors d’événements. Les quatre noms de versions de Qwen 4 (Max, Plus, Flash, 27B) proviennent des comptes rendus de participants à la keynote d’Alibaba à Apsara. L’aperçu de son architecture, Qwen3.8-Flash-Next, est disponible avec des poids ouverts : 125B de paramètres principaux, plus 51B d’embeddings n-gram, et environ 6B actifs à chaque étape.

La colonne Fable 5.5 est la moins fiable. L’entrée claude-fable-5-5 a été ajoutée à la liste de prix de LiteLLM à partir d’un catalogue Azure le 13 octobre. Ses champs de prix, de contexte et de sortie reprenaient ceux de Fable 5.1 ($10 / $50, contexte de 1M, sortie de 128K). L’entrée a été supprimée le lendemain, alors que personne ne parvenait à trouver de déploiement. TestingCatalog a rapporté le 17 octobre que des partenaires disposaient du modèle. Un modèle de test appelé claude-onigiri-eap a brièvement été visible sur Artificial Analysis et constitue le candidat le plus probable.

Le battage médiatique à l’épreuve des faits

Trois précisions. L’affirmation sur le prix venait d’une entrée de registre publiée en septembre qui indiquait le prix de K3, probablement une valeur provisoire. Au lancement, AIHubMix affichait K3.1 Pro environ 30% moins cher que K3 en entrée et 26% moins cher en sortie. L’affirmation concernant Minecraft vient de @ChrisGPT sur X : K3.1 a placé 13,707 blocs pour $0.38, contre 5,738 blocs pour $5.31 avec un modèle GPT-6. Personne n’a publié la consigne ni le nombre de tokens utilisés. Et les identifiants anonymes se sont déjà révélés trompeurs : en août, un modèle de Code Arena a été pris pour K3.1 avant qu’une empreinte du tokenizer ne l’attribue à la famille Qwen. K3.1 Pro est désormais lancé, mais Moonshot n’a pas indiqué qu’il s’agissait de Kibitz ; considérez donc Kibitz, Kalmia et Onigiri comme des hypothèses solides jusqu’à confirmation des laboratoires.

La dernière génération : K3, Qwen3.8-Max et Fable 5.1

Les seuls chiffres disponibles pour K3.1 Pro viennent de Moonshot, et les deux autres modèles ne sont pas encore sortis. Commençons donc par les résultats indépendants de la génération qu’ils remplacent.

Les prix sont indiqués par million de tokens. Les deux modèles à poids ouverts sont soumis à des licences personnalisées.

Kimi face à Fable. Les chiffres de cette comparaison proviennent d’Artificial Analysis, Intelligence Index v4.3.2, avec les deux modèles réglés sur l’effort maximal.

Fable 5.1 est nettement en tête en raisonnement difficile et en tâches sur terminal. Kimi ne l’emporte que pour la recherche d’informations dans un long contexte et fait jeu égal en automatisation des processus métier. L’écart de coût est plus grand que ne le suggèrent les tarifs affichés : Fable 5.1 a également utilisé plus de tokens par tâche, ce qui rend chaque tâche presque quatre fois plus coûteuse.

Kimi face à Qwen. Les chiffres indépendants disponibles ici sont plus anciens : les résultats d’Artificial Analysis d’août 2026 (Intelligence Index v4.1.1), compilés par Qubrid. K3 a obtenu 57 et Qwen3.8-Max 56 ; K3 était moins cher par tâche ($0.86 contre $1.14), car Qwen a utilisé davantage de tokens. Dans le test StackPerf de TrilogyAI, évalué à l’aveugle, chaque modèle a disposé d’une heure pour analyser le même codebase de 269 fichiers (Qwen utilisait l’aperçu 3.8-Max). K3 a obtenu 83 et Qwen 80, et les évaluateurs ont qualifié les deux modèles de « complémentaires ». Ne comparez pas les deux versions de l’index : Artificial Analysis a recalibré l’index entre les deux.

Kimi K3.1 Pro face à Fable 5.1 selon les chiffres de Moonshot

Les chiffres sont ceux du lancement, autodéclarés par Moonshot ; les bancs de test diffèrent selon le modèle et personne ne les a encore reproduits. Moonshot a effectué la plupart des tests de programmation de K3.1 Pro avec le banc de test Claude Code et a évalué Fable 5.1 à l’effort maximal avec solution de repli. Le tableau de Moonshot inclut Fable 5.1, pas la version 5.5, et aucun modèle Qwen.

La ligne sur les hallucinations correspond au test interne de Moonshot, Kimi Hallu Bench (difficile, avec outils), où un résultat plus faible est préférable.

Selon ces chiffres, K3.1 Pro dépasse Fable 5.1 sur les longs tests de programmation agentique et commet nettement moins d’erreurs factuelles lors du test propre à Moonshot. Il est largement derrière sur ProgramBench, derrière sur Humanity’s Last Exam sans outils et à peu près à égalité sur l’utilisation d’un ordinateur dans OSWorld. Par rapport à son prédécesseur sur la même version du test, le score de K3 sur DeepSWE est passé de 67.5 à 75.5.

Interprétez avec prudence la ligne Terminal-Bench. Sur son propre banc de test, Artificial Analysis a mesuré K3 à 13% sur Terminal-Bench 4.0, contre 52% pour Fable 5.1. Le score de 65.7 de Moonshot provient d’un banc différent : il ne s’agit donc pas d’une progression de 13 à 65.7, et ce résultat ne remet pas en cause l’avance indépendante de Fable tant qu’il n’a pas été reproduit indépendamment.

La tâche décisive : qui crée la meilleure interface front-end ?

Ce que les testeurs d’Arena ont observé cette semaine. Arena ne publie pas les scores des modèles anonymes ; les seuls éléments disponibles sur les deux nouveaux modèles sont les duels sur une seule consigne publiés par les testeurs sur X. TestingCatalog a rassemblé les comptes rendus sur Kibitz le 23 octobre ; les entrées concernant Kalmia proviennent des publications des testeurs eux-mêmes :

Le test de l’hélicoptère, publié par LuminaBench, est ce qui se rapproche le plus de la tâche décisive de cet article. À partir de la même consigne, les deux modèles ont créé des vues de décollage, d’atterrissage et des pièces éclatées. Kibitz a ajouté des modes radiographie et filaire, tandis que Kalmia a ajouté un index des composants et des données de télémétrie de vol. Le testeur a conclu que les deux modèles étaient « très performants ». Chaque compte rendu repose sur une seule consigne et une seule tentative ; aucun ne permet donc de classer les modèles. Aucun Fable 5.5 anonyme n’a été signalé sur Arena. Son nom de code probable, Onigiri, n’est apparu que dans le code du site d’Artificial Analysis.

Face à Qwen, Kimi a des résultats à l’appui. À son lancement, K3 a pris la première place du classement Frontend Code d’Arena, avec 1,679 points, devant Claude Fable 5 (1,631). Il a dominé six des sept domaines front-end, Fable 5 ne conservant que le jeu vidéo. Les sources divergent sur le classement de Qwen3.8-Max sur le même tableau, allant de non classé à quatrième : aucun chiffre ne sera donc indiqué ici.

Face à Fable, le verdict est moins évident. Dans les évaluations WebDev de LMArena affichées aujourd’hui par AIHubMix, Fable 5.1 obtient 1,743 points, contre 1,655 pour K3. Il s’agit d’un classement différent de l’arène Frontend Code que K3 a dominée en juillet ; ces deux résultats ne permettent donc pas de dégager une tendance. Mais, sur le classement suivi par AIHubMix, Fable est devant aujourd’hui. Le seul résultat de Moonshot en front-end est son Design Bench interne, une évaluation Elo : K3.1 Pro obtient 957 points, derrière GPT-6 Astra (1,076) et devant Claude Opus 5.5 (927), tandis que Fable 5.1 n’a pas été évalué. La première chose à vérifier, dès que les deux auront des résultats indépendants, sera le classement de K3.1 Pro face à Fable 5.5.

Le coût d’une génération. Le test de K3 réalisé par AIHubMix pour créer un jeu à partir d’un seul prompt (un fichier HTML, une image de référence) a utilisé 74,994 tokens de sortie, dont 73% consacrés à la réflexion, en environ 42 minutes. Le nombre de tokens d’entrée n’ayant pas été relevé, les estimations ci-dessous partent sur 5,000 tokens. Les tarifs sont ceux d’AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro, mêmes nombres de tokens : 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max, mêmes nombres de tokens : ≈ $0.39
• Claude Fable 5.1, mêmes nombres de tokens : ≈ $4.18
• Kimi K3.1 Pro, Qwen 4 et Fable 5.5, évalués en conditions réelles : AIHubMix exécutera le même prompt sur les trois dès qu’ils seront tous disponibles

Partir du principe que le nombre de tokens sera identique reste une hypothèse, et les chiffres réels peuvent faire varier le résultat dans les deux sens. Dans les tâches d’Artificial Analysis, Fable 5.1 a utilisé plus de tokens de sortie que K3, et Qwen3.8-Max en a utilisé plus que K3. Lors d’une génération pratique de Chase AI, K3 a consommé environ six fois plus de tokens que Fable 5. K3.1 Pro ne réfléchit pas moins que K3 : lors d’un test ponctuel d’AIHubMix à faible niveau d’effort, les deux modèles ont raisonné sur plusieurs milliers de tokens avec le même prompt (5,561–7,356 pour K3.1 Pro, 3,013–7,051 pour K3), même si K3.1 Pro a terminé environ deux fois plus vite. Mesurez la génération : ne vous contentez pas d’extrapoler.

Les autres différences entre ces modèles

• Le temps d’attente. Artificial Analysis a mesuré un délai de 255 secondes avant le premier token de Fable 5.1, car son raisonnement n’est pas diffusé au fil de l’eau, contre 3.6 secondes pour K3. Pourtant, Fable a terminé une tâche moyenne en 722 secondes, contre 1,231 pour K3. Fable semble lent à démarrer, mais termine plus vite. Prévoyez des délais d’expiration et des indicateurs de progression pour les deux. Pour réduire l’attente, Kimi propose K3.1 Pro Highspeed, dont les capacités seraient identiques à une vitesse 2–3× supérieure, selon Moonshot (lors d’un test ponctuel d’AIHubMix, il a diffusé 138–150 tokens par seconde, mais les appels d’outils et les scripts ne s’exécutent pas plus vite ; l’article Highspeed ci-dessous compare cet avantage à son prix).
• Les refus. Fable utilise des classificateurs de sécurité qui peuvent rejeter une requête avec une réponse HTTP 200 normale et stop_reason: "refusal". La documentation d’Anthropic sur les motifs d’arrêt recommande de réessayer avec un autre modèle Claude. Dans les propres tests de Moonshot, Fable 5 a dû recourir à une solution de repli pour 35% des tâches SWE-Marathon. Ces chiffres viennent d’un concurrent, mais il est conseillé de tester ce comportement dès le début pour les tâches de programmation touchant à la sécurité.
• La longueur de sortie. Fable 5.1 limite la sortie à 128K tokens. K3 et K3.1 Pro acceptent jusqu’à 1,048,576 tokens, ce qui compte pour générer des fichiers entiers et de longs rapports, même si la valeur par défaut de K3.1 Pro est de 131,072, sauf si vous l’augmentez.
• Les options d’hébergement. Les poids de K3 pèsent environ 1.56 TB et nécessitent un grand cluster multi-accélérateurs, mais vous pouvez l’héberger vous-même, et Moonshot affirme que les poids complets de K3.1 Pro seront disponibles d’ici le 4 novembre. Qwen 4 27B est le modèle présenté comme ouvert, et son prédécesseur tient sur un seul GPU de 80 GB. Fable ne fonctionne que via l’API d’Anthropic et les clouds qui la revendent.

Quel modèle choisir ?

Ces recommandations s’appuient sur les résultats indépendants de K3, Qwen3.8-Max et Fable 5.1, mis en regard des chiffres de K3.1 Pro publiés par Moonshot. Réévaluez-les lorsque des tests indépendants de K3.1 Pro seront disponibles et que les deux autres modèles auront été lancés.

• Pour les tâches agentiques et terminal les plus difficiles, où un échec coûte plus cher que les tokens : Claude Fable 5.5, en attendant que des tests indépendants confirment les résultats de Moonshot. Moonshot place K3.1 Pro devant Fable 5.1 sur Terminal-Bench, mais le dernier test indépendant classait Fable 5.1 largement devant K3.
• Pour la génération front-end et d’interfaces à grande échelle : commencez par Kimi K3.1 Pro et testez Three.js avec Fable 5.5 avant de vous engager. Kimi a battu Qwen dans ce domaine, mais Fable 5.1 est aujourd’hui en tête sur WebDev, et Fable n’a pas été évalué sur le Design Bench de Moonshot.
• Pour un grand volume de tâches courtes : Qwen 4, s’il conserve les tarifs de Qwen3.8.
• Pour les longs documents et la recherche dans un contexte de 1M tokens : Kimi K3.1 Pro, dont le tarif reste fixe quelle que soit la taille du contexte. K3 a devancé Fable 5.1 en recherche dans un long contexte, pour un coût par tâche quatre fois inférieur.
• Pour l’auto-hébergement ou la résidence des données : Kimi ou Qwen, les poids de K3.1 Pro étant prévus d’ici le 4 novembre. Fable ne fournit pas ses poids.

Exécuter les trois modèles avec une seule clé

AIHubMix donne accès aux modèles Kimi, Qwen et Claude via le même endpoint compatible avec OpenAI ; il suffit donc de comparer les résultats d’une seule boucle. kimi-k3.1-pro est disponible sur AIHubMix et correspond à l’identifiant API de Moonshot ; les identifiants Qwen et Claude du script sont des suppositions tant que ces modèles ne sont pas lancés. Le 24 octobre, AIHubMix a renvoyé une erreur 400 pour les deux : tel qu’il est écrit, le script s’arrête donc après Kimi. Pour utiliser les modèles actuels dès aujourd’hui, remplacez-les par qwen3.8-max et claude-fable-5-1, répertoriés par AIHubMix. Restez sur Chat Completions, comme dans le script : l’endpoint Responses d’AIHubMix a renvoyé une erreur 404 pour kimi-k3.1-pro le soir de son lancement.

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)

N’indiquez pas temperature. La documentation de Moonshot la fixe à 1.0 pour K3.1 Pro, comme pour K3 ; lors d’un test d’AIHubMix, la valeur 0.2 envoyée à kimi-k3.1-pro a entraîné l’erreur 400 invalid temperature: only 1 is allowed for this model. Conservez également un délai d’expiration élevé : K3.1 Pro réfléchit au niveau d’effort maximal, sauf indication contraire. Affichez les trois fichiers HTML côte à côte, puis comparez ce que vous voyez aux nombres de tokens affichés. La page de comparaison d’AIHubMix entre Kimi K3.1 Pro et Claude Fable 5.1 présente les deux modèles actuels côte à côte.

FAQ

Kimi K3.1 Pro, Qwen 4 et Claude Fable 5.5 sont-ils disponibles ?
Kimi K3.1 Pro l’est : Moonshot l’a lancé les 23–24 octobre dans l’application Kimi, Kimi Code et son API. Au moment de la rédaction, Qwen 4 avait seulement été annoncé sur scène et Fable 5.5 n’était apparu que dans des fuites et une fiche de catalogue retirée par la suite.

Kimi K3.1 Pro peut-il remplacer Claude Fable 5.5 ?
Selon les propres chiffres de Moonshot, K3.1 Pro devance Fable 5.1 sur plusieurs tests de programmation agentique, mais reste derrière sur ProgramBench et le raisonnement difficile sans outils. Ces résultats sont auto-déclarés et portent sur la version précédente de Fable ; le dernier test indépendant plaçait Fable nettement devant. Testez les deux modèles sur vos propres tâches.

Combien Kimi coûte-t-il de moins que Fable par tâche ?
Sur les tâches d’index d’Artificial Analysis, K3 coûtait $2.00 par tâche et Fable 5.1, $7.63, soit un peu plus d’un quart du coût. Le coût par tâche de K3.1 Pro n’a pas encore été mesuré, mais AIHubMix le facture $2.00 par million de tokens en entrée et $10.50 en sortie, contre $11.00 et $55.00 pour Fable 5.1.

Quel modèle est le meilleur pour le code front-end ?
Au lancement, K3 était en tête du classement Frontend Code d’Arena, devant Fable 5. Aujourd’hui, Fable 5.1 devance K3 dans les évaluations WebDev de LMArena. Le Design Bench interne de Moonshot classe K3.1 Pro derrière GPT-6 Astra et n’évalue pas Fable. Le score de Qwen3.8-Max ne fait pas consensus.

Pourquoi Fable met-il plusieurs minutes à répondre ?
Le raisonnement de Fable n’est pas diffusé au fil de l’eau : le premier token visible n’arrive donc qu’une fois sa réflexion terminée. Artificial Analysis a mesuré environ 255 secondes pour Fable 5.1.

Kimi K3.1 Pro sera-t-il disponible avec des poids ouverts ?
Moonshot affirme que les poids complets du modèle seront publiés d’ici le 4 novembre 2026. Qwen 4 27B a été présenté comme un modèle ouvert, tandis que Fable ne propose pas de poids téléchargeables.

Puis-je tester les trois avec une seule clé API ?
Oui, dès que les trois modèles seront répertoriés. AIHubMix donne accès aux modèles Kimi, Qwen et Claude via le même endpoint compatible avec OpenAI : il suffit donc de changer l’identifiant du modèle. Kimi K3.1 Pro y est déjà répertorié.

Poursuivre la lecture : la série Kimi K3.1 Pro

• Si vous utilisez déjà Kimi et que vous vous demandez surtout s’il faut passer de K3 à la version supérieure, commencez par examiner la mise à niveau : Kimi K3.1 Pro vs K3 : ce qui a changé, ce que cela coûte et qui devrait passer à la nouvelle version
• Si la comparaison vous oriente vers K3.1 Pro, voici les erreurs et les pièges de facturation à éviter d’abord : Passer à Kimi K3.1 Pro : corriger les erreurs 400, tenir compte du niveau d’effort maximal par défaut et ne pas mal saisir Highspeed
• Si la rapidité de Fable à terminer vous tente, découvrez si la variante plus rapide de Kimi peut combler l’écart à ce prix : Kimi K3.1 Pro vs K3.1 Pro Highspeed : une vitesse 2–3× supérieure vaut-elle un prix 2× plus élevé ?

Sources

• Moonshot AI : article technique sur Kimi K3.1 Pro
• Moonshot AI : fiche technique et évaluations 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 est proposé à des partenaires