Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5：フロントエンドの品質、タスクあたりのコスト、そして誇大宣伝を検証する

3つの発表が、10月の同じ週に重なった。10月22日、匿名モデルのKibitzとKalmiaが、数時間差でArenaのCode Arenaに登場した。トークナイザーのテストから、両者はMoonshotのKimiとAlibabaのQwenに結び付けられた。その翌日、KimiはThree.jsのシーンを作成するK3.1のティーザーを投稿し、間もなくモデルが公開された。Moonshotの発表記事では、Kimiアプリ、Kimi Code、Kimi APIで利用できるKimi K3.1 Proが紹介された。一方Anthropicでは、10月13日にクラウドカタログでclaude-fable-5-5の掲載が見つかり、パートナーが早期アクセスを得ているとの報道もあった。AlibabaはまだQwen 4をリリースしていないが、9月のApsaraで各ティアの名称を発表している。Fable 5.5はリーク情報にしか登場していない。

結論は2つに分けられる。Moonshotが発表した数値では、エージェント型コーディングでK3.1 ProはClaude Fable 5.1を上回り（Terminal-Bench 4.0で65.7対57.9）、ProgramBenchとツールなしの難しい推論では劣る。ただし、これらはモデルごとに異なるハーネスを使った自己申告の数値で、比較対象も5.5以前のFableだ。独立評価で確認できるのは前世代までで、結果はFable優位だ。Artificial Analysisの現行インデックスでは、Fable 5.1が53、Kimi K3が44を記録している。ただし、インデックスのタスクあたりのコストはFableが$7.63、Kimiが$2.00だった。Kimiの強みは価格、長文コンテキスト検索、そしてQwenと比べた人間評価でのフロントエンドコードだ。Qwenの強みはトークン単価で、Qwen3.8-Maxの出力コストはK3の約3分の1、K3.1 Proの半分未満だ。そしてKimiのFableに対する価格優位はさらに広がっている。AIHubMixでのK3.1 Proの価格は、100万トークンあたり入力$2.00、出力$10.50で、K3の$2.84、$14.20を下回る。今回のローンチ週に問われるのは、K3.1 ProとQwen 4が価格差を維持したままFable 5.5との差を縮められるかどうかだ。独立テストの結果が出て、残る2モデルが登場するまでは、以下の情報が得られる最善の材料となる。

なぜこの3モデルなのか

• Qwen 4は、同じ週に登場した同じティアのライバルだ。KibitzとKalmiaは、Code Arenaの対戦モードで並行してテストされた。K3とQwen3.8-Maxは、夏に登場した中国製の兆単位パラメーターを持つ2つのフラッグシップモデルで、どちらも重みをダウンロードできる。
• Fable 5.5は、両者が追いかけているモデルだ。MoonshotはK3のローンチ時にClaude Fable 5と、K3.1 Proのローンチ時にはFable 5.1と比較した。Claudeを使う開発者がKimiの新作ごとに尋ねるのは、同じことだ。Fableの仕事を、ほんの一部の価格でこなせるのか？
• 勝敗を決めるのは、1つのタスクだ。1つのプロンプトでThree.jsの3Dフロントエンドを構築する。Kimiのティーザーはまさにそれで、Moonshotは3D作成をK3.1 Proの主な改善点の1つに挙げている。ArenaのテスターはKalmiaに「three.jsを使って牛に乗る3Dのサイクリスト」のようなプロンプトを与えた。Kimiに独立した評価の裏付けがあるのも、フロントエンド分野だ。

各社がこれまでに明らかにしたこと

Kimiの欄は、現在ではMoonshotの発表記事とAPIドキュメントに基づいている。K3.1 Proは「新しいK3.1シリーズの最初のモデル」であり、3Tパラメーター（K3は2.8T）と画像・動画入力に対応した、K3のポストトレーニング版だ。Thinkingは常時有効で、推論の強度はlow、high、maxから選べ、デフォルトはmax。出力は最大1,048,576トークンに達する。Moonshotは「モデルの全重みを11月4日までに公開する」としている。価格欄は、100万トークンあたりのAIHubMixにおけるKimi K3.1 Proの料金で、入力$2.00、出力$10.50、キャッシュ入力$0.20。K3の入力$2.84、出力$14.20、キャッシュ入力$0.284と比べて、入力は約30%、出力は26%安い。

残る2つの欄は、まだリーク情報かイベントでの発表にとどまっている。Qwen 4の4つのティア名（Max、Plus、Flash、27B）は、AlibabaのApsara基調講演に参加した人々の報告に基づく。そのアーキテクチャのプレビュー版であるQwen3.8-Flash-Nextはオープンウェイトで、メインパラメーターが125B、n-gram埋め込みが51B、1ステップあたりのアクティブパラメーターは約6Bだ。

Fable 5.5の欄は、最も不確かな情報だ。claude-fable-5-5の項目は、10月13日にAzureカタログをもとにLiteLLMの価格リストへ追加された。価格、コンテキスト、出力の各欄はFable 5.1の数値（$10 / $50、コンテキスト1M、出力128K）がそのまま転記されていた。翌日には項目が削除され、デプロイ先を見つけた人はいなかった。TestingCatalogは10月17日、パートナーがこのモデルを利用できると報じた。claude-onigiri-eapというテストモデルがArtificial Analysis上で一時的に確認され、これが該当モデルである可能性が最も高い。

誇大宣伝を検証する

補足は3点。価格に関する主張は、9月のレジストリ掲載に由来するもので、そこにはK3の価格が示されていたが、おそらく暫定値だった。ローンチ時、AIHubMixはK3.1 ProをK3より入力で約30%、出力で26%安く掲載した。Minecraftの主張は、Xの@ChrisGPTによるものだ。K3.1は$0.38でブロックを13,707個配置し、GPT-6モデルは$5.31で5,738個だったという。プロンプトもトークン数も公開されていない。また、匿名のモデル名が間違っていたことは過去にもある。8月にはCode ArenaのモデルがK3.1だと思われていたが、トークナイザーのフィンガープリントからQwen系と判明した。K3.1 Proはすでにリリースされたものの、MoonshotはKibitzだったとは述べていない。各社が確認するまでは、Kibitz、Kalmia、Onigiriはいずれも有力な推測として扱うべきだ。

前回の世代：K3、Qwen3.8-Max、Fable 5.1

K3.1 Proについて現時点で得られる数値はMoonshotの自社発表のみで、残る2モデルもまだリリースされていない。まずは、置き換え対象となる世代の独立評価を見てみよう。

価格は100万トークンあたり。どちらのオープンウェイトモデルにも独自ライセンスが適用される。

Kimi対Fable。この比較の数値はArtificial AnalysisのIntelligence Index v4.3.2から取得したもので、両モデルとも推論強度はmaxに設定されている。

難しい推論とターミナル作業では、Fable 5.1が明らかに優勢だ。Kimiが勝るのは長文コンテキスト検索のみで、業務自動化では同点。価格差はリスト価格から想像する以上に大きい。Fable 5.1はタスクあたりのトークン数も多く、そのためタスクあたりのコストはほぼ4倍に達した。

Kimi対Qwen。こちらの独立評価の数値は古く、Qubridがまとめた2026年8月のArtificial Analysisの結果（Intelligence Index v4.1.1）を使用している。K3は57、Qwen3.8-Maxは56で、Qwenのほうが多くのトークンを使ったため、K3のタスクあたりのコストも安かった（$0.86対$1.14）。TrilogyAIのブラインド評価付きStackPerfテストでは、両モデルに同じ269ファイルのコードベースを分析する時間が1時間与えられた（Qwenは3.8-Maxのプレビュー版を使用）。K3は83、Qwenは80を記録し、評価者は両者を「相補的」と評した。Artificial Analysisはこの2つのバージョン間でインデックスを再スケーリングしているため、異なるバージョンの数値を比較してはいけない。

Moonshotの数値によるKimi K3.1 ProとFable 5.1の比較

数値はMoonshotがローンチ時に自己申告したもので、モデルごとにハーネスが異なり、まだ再現されていない。MoonshotはK3.1 Proのコーディングテストの大半をClaude Codeのハーネスで実施し、Fable 5.1はフォールバックを有効にして推論強度maxでテストした。同社の表にあるのはFable 5.1であり、5.5ではない。また、Qwenモデルも含まれていない。

幻覚率の行は、Moonshot独自のKimi Hallu Bench（難問、ツールあり）の結果で、数値が低いほどよい。

この数値では、長時間のエージェント型コーディングテストでK3.1 ProがFable 5.1を上回り、Moonshot独自のテストでは事実誤認も大幅に少ない。一方、ProgramBenchでは大きく劣り、ツールなしのHumanity's Last Examでも劣る。OSWorldでのコンピューター操作はほぼ同点だ。同じバージョンのテストで前世代と比べると、DeepSWEのスコアはK3の67.5から75.5に上昇した。

Terminal-Benchの行は注意して読む必要がある。Artificial Analysisが独自のハーネスで測定したところ、Terminal-Bench 4.0のスコアはK3が13%、Fable 5.1が52%だった。Moonshotの65.7は別のハーネスで得た数値なので、13から65.7に向上したという意味ではない。また、誰かが独立に再テストするまでは、Fableが独立評価で優位という結果を覆すものでもない。

勝敗を決めるタスク：より優れたフロントエンドを作るのはどちらか？

今週、Arenaのテスターが見たもの。Arenaは匿名モデルのスコアを公開していないため、新しい2モデルについて得られる証拠は、テスターがXに投稿した一発勝負の結果だけだ。TestingCatalogは10月23日にKibitzの報告をまとめている。Kalmiaの結果はテスター自身の投稿に基づく。

LuminaBenchが投稿したヘリコプターのテストは、この記事で勝敗を決めるタスクに最も近い。両モデルは同じプロンプトから、離陸、着陸、分解パーツの表示を構築した。KibitzはX線モードとワイヤーフレームモードを追加し、Kalmiaはコンポーネント一覧と飛行テレメトリーを追加した。テスターの評価は、どちらも「非常に優秀」だった。各レポートはプロンプト1つ、試行1回に基づいており、どちらのモデルが上かを判断できるものではない。匿名モデルのFable 5.5は、Arenaで報告されていない。有力なコードネームのOnigiriが確認されたのも、Artificial Analysisのサイトコード内だけだ。

Qwenとの比較では、Kimiには実績があります。 K3は公開時にArenaのFrontend Codeリーダーボードで1,679ポイントを獲得し、Claude Fable 5（1,631）を上回って首位に立ちました。フロントエンドの7分野中6分野でトップとなり、Fable 5が勝ったのはGamingだけでした。同じランキングにおけるQwen3.8-Maxの順位については、圏外から4位まで情報源によって見解が分かれているため、ここでは数値を挙げません。

Fableとの比較では、もはや明確ではありません。 AIHubMixが現在掲載しているLMArena WebDevの評価では、Fable 5.1は1,743点で、K3の1,655点を上回っています。これはK3が7月に首位を獲得したFrontend Codeアリーナとは別のランキングなので、この2つの結果から傾向を判断することはできません。ただし、AIHubMixが追跡しているランキングでは、現在Fableが上回っています。Moonshotが示しているフロントエンド分野のデータは、Elo評価による社内のDesign Benchです。K3.1 Proは957点で、GPT-6 Astra（1,076）を下回り、Claude Opus 5.5（927）を上回っています。Fable 5.1は評価対象になっていません。K3.1 ProとFable 5.5の比較でどちらが上になるかは、両者に独立した評価結果が出たら最初に確認すべき点です。

ビルドにかかる費用。 1つのプロンプトでゲームを作るAIHubMix独自のK3実行テスト（HTML単一ファイル、参照画像1枚）では、約42分かけて完了トークンを74,994個使用し、その73%が思考トークンでした。入力トークン数は記録されていないため、以下の試算では5,000トークンと仮定しています。価格はAIHubMixのものです。

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro、トークン数は同じと仮定：5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max、トークン数は同じと仮定：≈ $0.39
• Claude Fable 5.1、トークン数は同じと仮定：≈ $4.18
• Kimi K3.1 Pro、Qwen 4、Fable 5.5の実測：3モデルすべてが利用可能になったら、AIHubMixが同じプロンプトを使って実行します。

トークン数が同じというのは仮定であり、実際のトークン数によって結果は上下します。Artificial Analysisのタスクでは、Fable 5.1はK3より多くの出力トークンを使い、Qwen3.8-MaxもK3より多く使いました。Chase AIが実際にビルドを試した例では、K3のトークン数はFable 5の約6倍でした。K3.1 Proの思考量はK3より少なくありません。AIHubMixが低いeffort設定で行った抜き取りテストでは、同じプロンプトに対して両モデルが数千トークンを使って推論しました（K3.1 Proは5,561–7,356、K3は3,013–7,051）。ただし、K3.1 Proは約2倍の速さで完了しました。推測で外挿せず、ビルドを実測してください。

切り替えたときに異なるその他の点

• 待ち時間。Artificial Analysisの測定では、Fable 5.1は推論がストリーミングされないため、最初のトークンが出るまで255秒かかりました。一方、K3は3.6秒でした。しかし、平均的なタスクを完了するまでの時間は、Fableが722秒、K3が1,231秒でした。Fableは応答開始までが遅いものの、完了は早めです。どちらを使う場合も、タイムアウトと進捗表示を考慮してください。待ち時間に対するKimi自身の回答はK3.1 Pro Highspeedです。Moonshotによると、性能は同一で速度は2–3倍です（AIHubMixの抜き取りテストでは毎秒138–150トークンを出力しましたが、ツール呼び出しやスクリプトの実行は速くなりません。価格との比較は以下のHighspeed記事をご覧ください）。
• 拒否。 Fableは安全性分類器を実行しており、通常の200レスポンスとstop_reason: "refusal"を返してリクエストを拒否する場合があります。Anthropicのstop reasonに関するドキュメントでは、別のClaudeモデルで再試行することを推奨しています。Moonshot独自のベンチマーク実行では、Fable 5はSWE-Marathonのタスクの35%でフォールバックしました。これは競合他社による数値ですが、セキュリティに関わる可能性のあるコーディングでは、早い段階で検証すべきです。
• 出力長。 Fable 5.1の出力上限は128Kトークンです。K3とK3.1 Proは最大1,048,576トークンに対応しており、ファイル全体の生成や長いレポートでは重要な違いになります。ただし、K3.1 Proのデフォルト値は131,072で、引き上げる必要があります。
• 実行できる場所。 K3の重みは約1.56 TBで、大規模なマルチアクセラレータクラスターが必要ですが、自分でホストすることもできます。Moonshotによると、K3.1 Proの全重みは11月4日までに公開される予定です。オープンモデルとして示されているのはQwen 4 27Bのティアで、前世代モデルは80 GBのGPU 1基で動作します。Fableを実行できるのはAnthropicのAPIと、同APIを再販するクラウドだけです。

どのモデルを選ぶべきか

以下の判断は、独立したK3、Qwen3.8-Max、Fable 5.1の実績と、Moonshot独自のK3.1 Proの数値を照らし合わせたものです。K3.1 Proの独立評価が公開され、残る2モデルもリリースされたら、内容を見直してください。

• 失敗した実行にかかるコストがトークン代を上回る、最も難易度の高いエージェント型タスクやターミナル作業：独立評価でMoonshotの数値が裏付けられるまではClaude Fable 5.5を選びましょう。MoonshotはTerminal-BenchでK3.1 ProがFable 5.1を上回るとしていますが、直近の独立評価ではFable 5.1がK3を大きく上回っていました。
• 大量のフロントエンドやUIの生成：まずKimi K3.1 Proを試し、導入を決める前にFable 5.5でThree.jsのテストを実施してください。KimiはそこでQwenを上回りましたが、現在のWebDevではFable 5.1がリードしており、MoonshotのDesign BenchではFableは評価されていません。
• 大量の短いタスク：Qwen3.8の価格が維持されるならQwen 4を選びましょう。
• 1Mトークンのコンテキストを活用した長文書の処理と検索：コンテキストの長さにかかわらず料金が一定のKimi K3.1 Proがおすすめです。長文脈検索ではK3がFable 5.1を上回り、タスクあたりのコストも4分の1でした。
• セルフホスティングやデータレジデンシー：KimiまたはQwenを選びましょう。K3.1 Proの重みは11月4日までに公開される予定です。Fableの重みは公開されていません。

1つのキーで3モデルを実行する

AIHubMixは、OpenAI互換の同じエンドポイントからKimi、Qwen、Claudeのモデルを提供しているため、どのモデルを選ぶかは1つのループで決められます。kimi-k3.1-proはAIHubMixで利用可能で、MoonshotのAPI IDと一致します。スクリプト内のQwenとClaudeのIDは、モデルがリリースされるまでは推測にすぎません。10月24日時点では、AIHubMixは両方に400を返したため、スクリプトをそのまま実行するとKimiの後で停止します。現行世代のモデルを今すぐ実行するには、AIHubMixに掲載されているqwen3.8-maxとclaude-fable-5-1に置き換えてください。スクリプトと同様に、Chat Completionsを使い続けてください。AIHubMixのResponsesエンドポイントは、リリース当日の夜にkimi-k3.1-proに対して404を返しました。

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)

temperatureは指定しないでください。Moonshotのドキュメントでは、K3と同様にK3.1 Proの値は1.0に固定されています。AIHubMixのテストでkimi-k3.1-proに0.2を送信したところ、400 invalid temperature: only 1 is allowed for this modelが返されました。タイムアウトも長めに設定してください。K3.1 Proは、別途指定がない限り最大effortで思考します。3つのHTMLファイルを並べて開き、出力されたトークン数と見比べてください。AIHubMixのKimi K3.1 ProとClaude Fable 5.1の比較ページでは、現在利用できる2モデルを並べて比較できます。

よくある質問

Kimi K3.1 Pro、Qwen 4、Claude Fable 5.5はリリースされていますか？
Kimi K3.1 Proはリリース済みです。Moonshotは10月23～24日に、Kimiアプリ、Kimi Code、APIで公開しました。この記事の執筆時点では、Qwen 4はイベントで名称が発表されたのみで、Fable 5.5はリーク情報と、後に削除されたカタログ掲載に登場しただけでした。

Kimi K3.1 ProはClaude Fable 5.5の代わりになりますか？
Moonshot独自の数値では、K3.1 Proは複数のエージェント型コーディングテストでFable 5.1を上回り、ProgramBenchとツールを使わない難易度の高い推論では下回っています。これらは自己申告による結果であり、比較対象も前世代のFableです。直近の独立評価ではFableが大きく上回っていました。実際のワークロードで両方をテストしてください。

タスクあたりのコストは、KimiのほうがFableよりどれくらい安いですか？
Artificial Analysisのインデックスタスクでは、K3はタスクあたり$2.00、Fable 5.1は$7.63で、K3は4分の1強のコストでした。K3.1 Proのタスクあたりのコストはまだ測定されていませんが、AIHubMixでの価格は100万トークンあたり入力$2.00、出力$10.50で、Fable 5.1の入力$11.00、出力$55.00より安価です。

フロントエンドコードに最も優れているのはどれですか？
K3は公開時にArenaのFrontend Codeランキングで首位となり、Fable 5を上回りました。現在のLMArena WebDev評価では、Fable 5.1がK3を上回っています。Moonshotの社内Design BenchではK3.1 ProはGPT-6 Astraを下回り、Fableは評価されていません。Qwen3.8-Maxには、異論のない評価スコアがありません。

Fableの応答にはなぜ何分もかかるのですか？
Fableの推論はストリーミングされないため、思考を終えるまで最初のトークンが表示されません。Artificial Analysisの測定では、Fable 5.1は約255秒かかりました。

Kimi K3.1 Proの重みはオープンになりますか？
Moonshotによると、モデルの全重みは2026年11月4日までに公開される予定です。Qwen 4 27Bはオープンなティアとして紹介されており、Fableにはダウンロード可能な重みがありません。

1つのAPIキーで3モデルすべてをテストできますか？
3モデルすべてが掲載されたら可能です。AIHubMixはOpenAI互換の同じエンドポイントからKimi、Qwen、Claudeのモデルを提供しているため、変更するのはモデルIDだけです。Kimi K3.1 Proはすでに掲載されています。

続けて読む：Kimi K3.1 Proシリーズ

• すでにKimiを利用していて、K3からアップグレードするかどうかが本当の検討事項なら、まずアップグレード自体についての記事をご覧ください。Kimi K3.1 ProとK3の比較：変更点、コスト、乗り換えるべき人
• 比較の結果、K3.1 Proを使うことにしたなら、まず以下の記事でエラーや料金に関する落とし穴を解消してください。Kimi K3.1 Proへの移行：400エラーを修正し、最大effortのデフォルト設定に注意し、Highspeedの入力ミスを防ぐ
• Fableの完了の速さに魅力を感じたなら、Kimiの高速版がその価格で差を縮められるか確認しましょう。Kimi K3.1 ProとK3.1 Pro Highspeedの比較：速度2–3倍に価格2倍の価値はあるか？

出典

• Moonshot AI：Kimi K3.1 Pro技術ブログ
• Moonshot AI：Kimi K3モデルカードと評価
• Artificial Analysis：Claude Fable 5.1とKimi K3の比較
• AIHubMix：Kimi K3とClaude Fable 5.1の比較
• TestingCatalog：Claude Fable 5.5がパートナーに提供開始