Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5: 프런트엔드 품질, 작업당 비용, 그리고 과장된 기대 검증

세 가지 출시 소식이 10월 같은 주에 몰렸다. 10월 22일, 익명 모델 Kibitz와 Kalmia가 몇 시간 간격으로 Arena의 Code Arena에 등장했다. 토크나이저 테스트 결과 두 모델은 각각 Moonshot의 Kimi와 Alibaba의 Qwen으로 확인됐다. 하루 뒤 Kimi는 Three.js 장면을 만드는 K3.1 티저를 공개했고, 얼마 지나지 않아 모델이 출시됐다. Moonshot의 출시 게시물에서는 Kimi 앱, Kimi Code, Kimi API에 Kimi K3.1 Pro를 선보였다. Anthropic 쪽에서는 10월 13일 클라우드 카탈로그에 claude-fable-5-5 항목이 나타났고, 파트너들이 일찍부터 이용할 수 있었다는 보도가 나왔다. Alibaba는 아직 Qwen 4를 출시하지 않았으며, 9월 Apsara에서 모델 등급 이름을 공개했다. Fable 5.5는 유출 정보로만 알려져 있다.

짧게 답하면 두 가지다. Moonshot이 자체적으로 공개한 수치에서 K3.1 Pro는 에이전트형 코딩에서 Claude Fable 5.1을 앞서고(Terminal-Bench 4.0에서 65.7 대 57.9), ProgramBench와 도구를 사용하지 않는 어려운 추론에서는 뒤처진다. 이 수치는 모델별로 서로 다른 하네스를 사용해 측정한 자체 보고 결과이며, Fable 5.5가 아닌 이전 버전과의 비교다. 독립적인 평가 결과는 여전히 이전 세대 기준이며, Fable에 유리하다. Artificial Analysis의 최신 지수에서 Fable 5.1은 Kimi K3의 44점보다 높은 53점을 기록했다. 다만 지수 작업당 비용은 Fable이 $7.63, Kimi가 $2.00이었다. Kimi의 강점은 가격, 긴 컨텍스트 검색, 그리고 Qwen 대비 사람 평가를 거친 프런트엔드 코드다. Qwen의 강점은 토큰 가격이다. Qwen3.8-Max의 출력 비용은 K3의 약 3분의 1, K3.1 Pro의 절반에도 못 미친다. 그리고 Fable 대비 Kimi의 가격 우위는 더 커졌다. AIHubMix에서 K3.1 Pro는 입력 백만 토큰당 $2.00, 출력 백만 토큰당 $10.50이며, K3는 각각 $2.84와 $14.20이다. 이번 출시 주간의 핵심 질문은 K3.1 Pro와 Qwen 4가 가격 차이를 유지하면서 Fable 5.5와의 성능 격차를 좁힐 수 있느냐는 것이다. 독립 평가 결과와 나머지 두 모델이 나오기 전까지는 아래 증거가 현재로서는 최선이다.

세 모델을 비교하는 이유

• Qwen 4는 같은 주에 공개된 동급 경쟁 모델이다. Kibitz와 Kalmia는 Code Arena의 배틀 모드에서 나란히 테스트됐다. K3와 Qwen3.8-Max는 여름에 나온 중국의 두 조 개 파라미터 플래그십 모델이며, 둘 다 가중치를 내려받을 수 있다.
• Fable 5.5는 두 모델이 모두 따라잡으려는 대상이다. Moonshot은 K3 출시 당시 Claude Fable 5와 비교했고, K3.1 Pro는 Fable 5.1과 비교했다. Claude를 사용하는 개발자들은 Kimi가 새 버전을 내놓을 때마다 같은 질문을 한다. Fable이 하는 일을 훨씬 저렴한 비용으로 해낼 수 있을까?
• 결판을 가를 작업은 프롬프트 하나로 Three.js 3D 프런트엔드를 만드는 것이다. Kimi의 티저가 바로 그런 작업이며, Moonshot은 K3.1 Pro의 주요 개선 사항으로 3D 생성을 꼽았다. Arena 테스터들은 Kalmia에 "three.js를 사용해 소를 타고 달리는 3D 자전거" 같은 프롬프트를 입력했다. 프런트엔드는 Kimi에 유리한 독립 평가 증거가 있는 분야이기도 하다.

각 연구소가 지금까지 공개한 내용

Kimi 열의 정보는 이제 Moonshot의 출시 게시물과 API 문서에서 가져왔다. K3.1 Pro는 "새로운 K3.1 시리즈의 첫 번째 모델"로, 파라미터가 3T인 K3의 후속 학습 버전이다(K3는 2.8T). 이미지와 동영상 입력도 지원한다. 추론은 항상 켜져 있고, 추론 강도는 낮음·높음·최대로 설정할 수 있으며 기본값은 최대다. 출력은 최대 1,048,576토큰까지 가능하다. Moonshot은 "전체 모델 가중치를 11월 4일까지 공개할 것"이라고 밝혔다. 가격 항목은 백만 토큰당 AIHubMix에 등록된 Kimi K3.1 Pro 가격이다. 입력 $2.00, 출력 $10.50, 캐시 입력 $0.20이며, K3는 각각 $2.84, $14.20, $0.284다. 따라서 입력은 약 30%, 출력은 26% 저렴하다.

나머지 두 열은 아직 유출 정보거나 행사에서 발표된 내용에 불과하다. Qwen 4의 네 가지 등급 이름(Max, Plus, Flash, 27B)은 Alibaba의 Apsara 기조연설 참석자들의 제보에서 나왔다. 아키텍처 미리보기인 Qwen3.8-Flash-Next는 오픈 웨이트 모델이다. 주 파라미터는 125B, n-그램 임베딩은 51B이며 단계당 활성화되는 파라미터는 약 6B다.

Fable 5.5 열의 신뢰도가 가장 낮다. claude-fable-5-5 항목은 10월 13일 Azure 카탈로그를 바탕으로 LiteLLM 가격 목록에 추가됐다. 가격, 컨텍스트, 출력 필드에는 Fable 5.1의 값($10 / $50, 컨텍스트 1M, 출력 128K)이 복사돼 있었다. 실제 배포를 찾을 수 없자 하루 뒤 해당 항목은 삭제됐다. TestingCatalog는 10월 17일 파트너들이 이 모델을 사용 중이라고 보도했다. claude-onigiri-eap라는 테스트 모델이 Artificial Analysis에 잠시 표시됐으며, 이 모델일 가능성이 가장 높다.

과장된 기대, 사실 확인

세 가지를 짚고 넘어가자. 가격 주장은 9월에 K3 가격을 보여 준 레지스트리 항목에서 나왔으며, 임시값이었을 가능성이 높다. 출시 당시 AIHubMix는 K3.1 Pro의 입력 가격이 K3보다 약 30%, 출력 가격은 26% 낮다고 표시했다. Minecraft 주장은 X의 @ChrisGPT가 전했다. K3.1은 $0.38로 블록 13,707개를 배치했고, GPT-6 모델은 $5.31로 블록 5,738개를 배치했다는 내용이다. 프롬프트나 토큰 수를 공개한 사람은 없다. 익명 모델 이름이 틀린 사례도 이미 있었다. 8월에는 Code Arena 모델이 K3.1로 오인됐지만, 토크나이저 지문 분석 결과 Qwen 계열로 확인됐다. K3.1 Pro는 이제 출시됐지만, Moonshot은 Kibitz가 K3.1이었다고 밝히지 않았다. 따라서 연구소들이 확인하기 전까지 Kibitz, Kalmia, Onigiri는 가능성 높은 추정으로 봐야 한다.

지난 세대 비교: K3, Qwen3.8-Max, Fable 5.1

현재 K3.1 Pro의 수치는 Moonshot 자체 결과뿐이고 나머지 두 모델은 출시되지 않았으므로, 대체 대상이 되는 세대의 독립 평가 결과부터 살펴보자.

가격은 백만 토큰당 기준이다. 두 오픈 웨이트 모델 모두 별도의 라이선스가 적용된다.

Kimi 대 Fable. 이 비교의 수치는 Artificial Analysis Intelligence Index v4.3.2에서 가져왔으며, 두 모델 모두 추론 강도를 최대로 설정했다.

Fable 5.1은 어려운 추론과 터미널 작업에서 확실히 앞선다. Kimi가 우세한 분야는 긴 컨텍스트 검색뿐이며, 비즈니스 자동화에서는 동률이다. 가격 격차는 표시된 가격보다 더 크다. Fable 5.1은 작업당 토큰도 더 많이 사용해 작업 하나의 비용이 거의 네 배였다.

Kimi와 Qwen 비교. 여기서 독립적인 수치는 더 오래된 자료입니다. Qubrid가 취합한 2026년 8월 Artificial Analysis 결과(Intelligence Index v4.1.1)를 보면 K3는 57점, Qwen3.8-Max는 56점이었으며, Qwen이 더 많은 토큰을 사용해 K3의 작업당 비용이 더 저렴했습니다($0.86~$1.14). TrilogyAI의 블라인드 리뷰 StackPerf 테스트에서는 두 모델에 동일한 269개 파일로 구성된 코드베이스를 분석할 시간이 각각 한 시간씩 주어졌습니다(Qwen은 3.8-Max 프리뷰로 실행). K3는 83점, Qwen은 80점을 받았으며 리뷰어들은 두 모델이 “상호 보완적”이라고 평가했습니다. 두 지수 버전의 점수를 서로 비교하지 마세요. Artificial Analysis가 두 버전 사이에 지수를 재조정했기 때문입니다.

Moonshot 수치로 비교한 Kimi K3.1 Pro와 Fable 5.1

수치는 Moonshot이 출시 당시 자체 보고한 결과다. 모델마다 하네스가 다르며 아직 누구도 재현하지 않았다. Moonshot은 K3.1 Pro의 코딩 테스트 대부분을 Claude Code 하네스에서 실행했고, Fable 5.1은 대체 모델을 활용해 추론 강도를 최대로 설정했다. 비교표에는 Fable 5.5가 아닌 Fable 5.1이 들어 있으며, Qwen 모델은 포함되지 않았다.

환각률 항목은 도구를 사용하는 어려운 테스트인 Moonshot 자체 Kimi Hallu Bench 결과이며, 낮을수록 좋다.

이 수치에서는 K3.1 Pro가 장시간 에이전트형 코딩 테스트에서 Fable 5.1을 앞서며, Moonshot 자체 테스트에서 사실 오류도 훨씬 적게 냈다. ProgramBench에서는 크게 뒤처지고, 도구 없이 진행한 Humanity's Last Exam에서도 뒤처지며, OSWorld 컴퓨터 사용 테스트에서는 대체로 비슷하다. 동일한 테스트 버전으로 비교하면 K3.1 Pro의 전작인 K3의 DeepSWE 점수는 67.5에서 75.5로 올랐다.

Terminal-Bench 항목은 주의해서 읽어야 한다. Artificial Analysis가 자체 하네스로 측정한 K3의 Terminal-Bench 4.0 점수는 13%였고, Fable 5.1은 52%였다. Moonshot의 65.7은 다른 하네스에서 나온 수치이므로, 13점에서 65.7점으로 오른 것이 아니며 독립적으로 다시 측정되기 전까지는 Fable의 독립 평가상 우위를 뒤집지 못한다.

결판을 가를 작업: 더 나은 프런트엔드를 만드는 모델은?

이번 주 Arena 테스터들이 확인한 내용. Arena는 익명 모델의 점수를 공개하지 않으므로, 새 모델 쌍에 관한 증거는 테스터들이 X에 게시한 단발성 배틀 결과뿐이다. TestingCatalog는 10월 23일 Kibitz 관련 제보를 모았고, Kalmia 관련 항목은 테스터들의 게시물에서 가져왔다.

LuminaBench가 게시한 헬리콥터 테스트는 이 글에서 결판을 가를 작업에 가장 가까운 사례다. 두 모델 모두 같은 프롬프트를 바탕으로 이륙, 착륙, 분해 부품 뷰를 만들었다. Kibitz는 X선 및 와이어프레임 모드를 추가했고, Kalmia는 부품 색인과 비행 원격 측정 정보를 넣었다. 테스터는 두 모델 모두 "매우 뛰어나다"고 평가했다. 각 보고는 프롬프트 하나와 시도 한 번에 불과하므로 어느 쪽도 모델 순위를 매기지는 못한다. 익명 모델로 Fable 5.5를 Arena에서 테스트했다는 보고는 없다. Fable 5.5의 유력한 코드명인 Onigiri는 Artificial Analysis 사이트 코드에만 등장했다.

Qwen과 비교하면 Kimi 쪽에는 근거가 있습니다. K3는 출시 당시 Arena의 Frontend Code 리더보드에서 1,679점으로 1위를 차지해 Claude Fable 5(1,631점)보다 앞섰습니다. 프런트엔드 7개 분야 중 6개에서 앞섰고, Fable 5는 Gaming 분야에서만 우위를 지켰습니다. 같은 보드에서 Qwen3.8-Max가 어디에 있었는지는 출처마다 미등재부터 4위까지 엇갈리므로, 여기서는 점수를 제시하지 않습니다.

Fable과 비교하면 이제 결론이 분명하지 않습니다. AIHubMix가 현재 공개하는 LMArena WebDev 평점에서는 Fable 5.1이 1,743점으로 K3의 1,655점보다 높습니다. 이는 K3가 7월에 1위를 차지한 Frontend Code 아레나와는 다른 보드이므로, 두 결과를 추세로 해석할 수는 없습니다. 하지만 AIHubMix가 추적하는 보드에서는 현재 Fable이 앞섭니다. Moonshot이 공개한 자체 프런트엔드 근거는 내부 Design Bench의 Elo 평점입니다. 여기서 K3.1 Pro는 957점으로 GPT-6 Astra(1,076점)보다 낮고 Claude Opus 5.5(927점)보다 높으며, Fable 5.1은 평가되지 않았습니다. K3.1 Pro가 Fable 5.5와 비교해 어떤 결과를 내는지는 두 모델의 독립 평가 결과가 나오면 가장 먼저 확인해야 할 사항입니다.

빌드 비용은 얼마일까. AIHubMix가 직접 실행한 K3 테스트에서는 프롬프트 하나로 게임을 빌드하는 작업(단일 HTML 파일, 참조 이미지 1개)에 완료 토큰 74,994개가 사용됐고, 이 중 73%가 추론 토큰이었으며 약 42분이 걸렸습니다. 입력 토큰 수는 기록되지 않았으므로, 아래 추정치는 5,000토큰을 가정합니다. 가격은 AIHubMix 기준입니다.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro, 토큰 수 동일 가정: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max, 토큰 수 동일 가정: ≈ $0.39
• Claude Fable 5.1, 토큰 수 동일 가정: ≈ $4.18
• Kimi K3.1 Pro, Qwen 4, Fable 5.5 실측 비교: 세 모델을 모두 사용할 수 있게 되면 AIHubMix가 동일한 프롬프트를 각각 실행할 예정입니다

토큰 수가 같다는 것은 가정일 뿐이며, 실제 토큰 수에 따라 결과는 양쪽으로 달라질 수 있습니다. Artificial Analysis의 작업에서는 Fable 5.1이 K3보다 더 많은 출력 토큰을 사용했고, Qwen3.8-Max도 K3보다 많이 사용했습니다. Chase AI가 직접 빌드한 사례에서는 K3의 토큰 사용량이 Fable 5보다 약 6배 많았습니다. K3.1 Pro가 K3보다 추론을 적게 하는 것은 아닙니다. AIHubMix가 낮은 추론 강도로 현장에서 확인한 결과, 두 모델 모두 같은 프롬프트에 수천 개의 토큰을 사용해 추론했습니다(K3.1 Pro 5,561–7,356개, K3 3,013–7,051개). 다만 K3.1 Pro는 약 2배 빨리 완료했습니다. 빌드를 직접 측정하고, 결과를 다른 작업에 그대로 적용하지 마세요.

두 모델 사이를 바꿔 쓸 때 달라지는 점

• 응답 대기 시간. Artificial Analysis의 측정에 따르면 Fable 5.1은 추론 과정이 스트리밍되지 않아 첫 토큰까지 255초가 걸렸고, K3는 3.6초였습니다. 하지만 Fable은 평균 작업을 722초 만에 끝낸 반면 K3는 1,231초가 걸렸습니다. Fable은 시작이 느리지만 완료는 더 빠릅니다. 두 모델 모두 타임아웃과 진행률 표시를 고려해 설정하세요. 대기 시간에 대한 Kimi의 자체 해법은 K3.1 Pro Highspeed입니다. Moonshot은 성능은 동일하고 속도는 2–3배라고 설명합니다(AIHubMix 현장 확인에서 초당 138–150개 토큰을 스트리밍했지만, 도구 호출과 스크립트 실행은 빨라지지 않았습니다. 아래 Highspeed 관련 글에서 가격을 고려해 이 차이를 따져봅니다).
• 거부 응답. Fable은 안전성 분류기를 사용하며, 정상적인 200 응답과 stop_reason: "refusal"을 반환해 요청을 거부할 수 있습니다. Anthropic의 stop-reason 문서는 다른 Claude 모델로 재시도할 것을 권장합니다. Moonshot 자체 벤치마크 실행에서 Fable 5는 SWE-Marathon 작업의 35%에서 대체 모델로 전환됐습니다. 경쟁사에서 공개한 수치이지만, 보안과 관련된 코딩 작업이라면 초기에 이를 테스트해야 합니다.
• 출력 길이. Fable 5.1의 출력 한도는 128K 토큰입니다. K3와 K3.1 Pro는 최대 1,048,576토큰까지 허용하므로 파일 전체 생성이나 장문의 보고서 작성에 유용합니다. 다만 K3.1 Pro의 기본값은 131,072이므로 직접 높여야 합니다.
• 실행할 수 있는 환경. K3의 가중치는 약 1.56 TB로 대규모 멀티 가속기 클러스터가 필요하지만, 직접 호스팅할 수 있습니다. Moonshot은 K3.1 Pro 전체 가중치도 11월 4일까지 공개할 예정이라고 밝혔습니다. 오픈 모델로 공개된 티어는 Qwen 4 27B이며, 이전 버전은 80 GB GPU 한 대에 올릴 수 있습니다. Fable은 Anthropic API와 이를 재판매하는 클라우드에서만 실행할 수 있습니다.

어떤 모델을 선택해야 할까

다음 권장 사항은 독립 평가를 거친 K3, Qwen3.8-Max, Fable 5.1의 결과를 Moonshot이 공개한 K3.1 Pro 자체 수치와 비교해 내린 것입니다. K3.1 Pro의 독립 테스트가 공개되고 나머지 두 모델이 출시되면 다시 확인하세요.

• 실패한 실행에 드는 비용이 토큰 비용보다 큰, 가장 까다로운 에이전트 및 터미널 작업: Moonshot의 수치를 독립 평가가 뒷받침할 때까지는 Claude Fable 5.5를 선택하세요. Moonshot은 K3.1 Pro가 Terminal-Bench에서 Fable 5.1보다 앞선다고 하지만, 가장 최근의 독립 평가에서는 Fable 5.1이 이 분야에서 K3를 크게 앞섰습니다.
• 프런트엔드 및 UI 대량 생성: Kimi K3.1 Pro로 시작하고, 도입을 결정하기 전에 Fable 5.5와 Three.js 테스트를 실행하세요. Kimi는 해당 테스트에서 Qwen을 앞섰지만, 현재 WebDev에서는 Fable 5.1이 앞서며 Moonshot의 Design Bench는 Fable을 평가하지 않았습니다.
• 대량의 짧은 작업: Qwen3.8의 가격이 유지된다면 Qwen 4를 선택하세요.
• 1M 토큰 컨텍스트에서 긴 문서를 처리하고 검색하는 작업: 컨텍스트 길이에 따라 가격이 달라지지 않는 Kimi K3.1 Pro를 선택하세요. 긴 컨텍스트 검색에서 K3는 Fable 5.1보다 우수했고 작업당 비용은 4분의 1이었습니다.
• 자체 호스팅 또는 데이터 레지던시: Kimi 또는 Qwen을 선택하세요. K3.1 Pro 가중치는 11월 4일까지 공개될 예정입니다. Fable은 가중치를 공개하지 않습니다.

API 키 하나로 세 모델 실행하기

AIHubMix는 Kimi, Qwen, Claude 모델을 동일한 OpenAI 호환 엔드포인트로 제공하므로, 어떤 모델이 작업에 가장 적합한지 한 번의 반복 실행으로 비교할 수 있습니다. kimi-k3.1-pro는 AIHubMix에서 사용할 수 있으며 Moonshot의 API ID와 일치합니다. 스크립트에 적힌 Qwen 및 Claude ID는 해당 모델이 출시되기 전까지는 추정치입니다. 10월 24일 AIHubMix는 두 ID 모두에 400 오류를 반환했으므로, 그대로 실행하면 Kimi 테스트 후 스크립트가 중단됩니다. 현재 세대 모델을 테스트하려면 AIHubMix에 등록된 qwen3.8-max와 claude-fable-5-1로 바꾸세요. 스크립트처럼 Chat Completions를 사용하세요. 출시 당일 밤 AIHubMix의 Responses 엔드포인트는 kimi-k3.1-pro에 404를 반환했습니다.

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)

temperature는 지정하지 마세요. K3와 마찬가지로 Moonshot 문서에서는 K3.1 Pro의 값을 1.0으로 고정합니다. AIHubMix 테스트에서 kimi-k3.1-pro에 0.2를 전달했을 때 400 invalid temperature: only 1 is allowed for this model 오류가 반환됐습니다. 시간 제한도 길게 설정하세요. 별도로 지정하지 않으면 K3.1 Pro는 최대 추론 강도로 작동합니다. HTML 파일 세 개를 나란히 열어 보고, 출력된 토큰 수와 함께 결과를 비교하세요. AIHubMix의 Kimi K3.1 Pro와 Claude Fable 5.1 비교 페이지에서 현재 두 모델을 나란히 비교할 수 있습니다.

자주 묻는 질문

Kimi K3.1 Pro, Qwen 4, Claude Fable 5.5는 출시됐나요?
Kimi K3.1 Pro는 출시됐습니다. Moonshot은 10월 23~24일에 Kimi 앱, Kimi Code, API를 통해 공개했습니다. 이 글을 작성할 당시 Qwen 4는 무대에서 이름만 언급됐고, Fable 5.5는 유출 정보와 이후 삭제된 카탈로그 목록에만 등장했습니다.

Kimi K3.1 Pro가 Claude Fable 5.5를 대체할 수 있나요?
Moonshot 자체 수치에서는 에이전트 코딩 테스트 여러 항목에서 K3.1 Pro가 Fable 5.1보다 앞섰고, ProgramBench와 도구를 사용하지 않는 어려운 추론에서는 뒤처졌습니다. 이는 자체 보고 수치이며 이전 Fable 모델과 비교한 결과입니다. 가장 최근 독립 평가에서는 Fable이 크게 앞섰습니다. 실제 작업을 두 모델에서 직접 테스트하세요.

작업당 비용은 Kimi가 Fable보다 얼마나 저렴한가요?
Artificial Analysis의 인덱스 작업에서 K3는 작업당 $2.00, Fable 5.1은 $7.63으로 K3의 비용은 Fable의 4분의 1을 조금 넘는 수준이었습니다. K3.1 Pro의 작업당 비용은 아직 측정되지 않았지만, AIHubMix 가격은 입력 토큰 1M개당 $2.00, 출력 토큰 1M개당 $10.50입니다. Fable 5.1은 각각 $11.00, $55.00입니다.

프런트엔드 코딩에 더 뛰어난 모델은 무엇인가요?
K3는 출시 당시 Arena의 Frontend Code 보드에서 Fable 5를 앞서며 1위를 차지했습니다. 현재 LMArena의 WebDev 평점에서는 Fable 5.1이 K3보다 앞섭니다. Moonshot 내부 Design Bench에서 K3.1 Pro는 GPT-6 Astra보다 낮은 평점을 받았으며, Fable은 평가되지 않았습니다. Qwen3.8-Max는 확정된 점수가 없습니다.

Fable이 답변하는 데 몇 분씩 걸리는 이유는 무엇인가요?
Fable은 추론 과정을 스트리밍하지 않으므로, 추론이 끝나야 첫 토큰이 화면에 표시됩니다. Artificial Analysis가 측정한 Fable 5.1의 대기 시간은 약 255초였습니다.

Kimi K3.1 Pro의 가중치가 공개되나요?
Moonshot은 전체 모델 가중치를 2026년 11월 4일까지 공개하겠다고 밝혔습니다. Qwen 4 27B는 오픈 티어로 공개됐으며, Fable은 다운로드 가능한 가중치를 제공하지 않습니다.

API 키 하나로 세 모델을 모두 테스트할 수 있나요?
네, 세 모델이 모두 등록되면 가능합니다. AIHubMix는 Kimi, Qwen, Claude 모델을 동일한 OpenAI 호환 엔드포인트로 제공하므로 모델 ID만 바꾸면 됩니다. Kimi K3.1 Pro는 이미 등록돼 있습니다.

계속 읽기: Kimi K3.1 Pro 시리즈

• 이미 Kimi를 사용 중이고 K3에서 업그레이드할지 고민하고 있다면, 업그레이드 자체부터 살펴보세요: Kimi K3.1 Pro vs K3: 달라진 점, 비용, 전환을 고려해야 할 사용자
• 비교 결과 K3.1 Pro로 마음이 기운다면, 먼저 오류와 요금 관련 함정을 확인하세요: Kimi K3.1 Pro로 마이그레이션하기: 400 오류 해결, 최대 추론 기본값 확인, Highspeed 오타 주의
• Fable이 더 빨리 작업을 끝내는 점이 매력적이라면, Kimi의 고속 버전이 그 가격으로 격차를 좁힐 수 있는지 확인해 보세요: Kimi K3.1 Pro vs K3.1 Pro Highspeed: 2–3배 속도에 2배 가격을 지불할 가치가 있을까?

출처

• Moonshot AI: Kimi K3.1 Pro 기술 블로그
• Moonshot AI: Kimi K3 모델 카드 및 평가
• Artificial Analysis: Claude Fable 5.1 vs Kimi K3
• AIHubMix: Kimi K3 vs Claude Fable 5.1
• TestingCatalog: Claude Fable 5.5 파트너사에 제공