Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5: front-endkwaliteit, kosten per taak en de hype getoetst

Drie lanceringen vielen samen in dezelfde week in oktober. Op 22 oktober verschenen twee anonieme modellen, Kibitz en Kalmia, met een paar uur ertussen in Code Arena van Arena. Tokenizertests wezen ze toe aan Kimi van Moonshot en Qwen van Alibaba. Een dag later plaatste Kimi een teaser waarin K3.1 een Three.js-scène maakt, en kort daarna verscheen het model: Moonshots lanceringsbericht introduceerde Kimi K3.1 Pro in de Kimi-app, Kimi Code en de Kimi API. Aan de kant van Anthropic verscheen op 13 oktober een vermelding van claude-fable-5-5 in een cloudcatalogus, en naar verluidt hadden partners al vroeg toegang. Alibaba heeft Qwen 4 nog niet uitgebracht; de varianten werden in september aangekondigd op Apsara. Fable 5.5 is alleen in gelekte informatie opgedoken.

Het korte antwoord bestaat uit twee delen. Volgens de eigen lanceringscijfers van Moonshot verslaat K3.1 Pro Claude Fable 5.1 voor agentic coding (65.7 tegenover 57.9 op Terminal-Bench 4.0), maar scoort het lager op ProgramBench en op moeilijke redenering zonder tools. Die cijfers zijn zelfgerapporteerd, afkomstig van testharnassen die per model verschillen, en vergeleken met Fable van vóór versie 5.5. De onafhankelijke resultaten zijn nog die van de vorige generatie, en die vallen uit in het voordeel van Fable: Fable 5.1 scoort 53 tegenover 44 voor Kimi K3 op de huidige index van Artificial Analysis. Maar per indextaak kostte het $7.63, tegenover $2.00 voor K3. Kimi's sterke punten zijn de prijs, het ophalen van informatie uit lange contexten en, tegenover Qwen, front-endcode beoordeeld door mensen. Qwens sterke punt is de tokenprijs: de output van Qwen3.8-Max kost ongeveer een derde van die van K3 en minder dan de helft van die van K3.1 Pro. En Kimi's prijsvoordeel ten opzichte van Fable wordt groter: AIHubMix vermeldt K3.1 Pro voor $2.00 input en $10.50 output per miljoen tokens, tegenover $2.84 en $14.20 voor K3. De vraag tijdens deze lanceringsweek is of K3.1 Pro en Qwen 4 de achterstand op Fable 5.5 kunnen verkleinen zonder hun prijsvoordeel op te geven. Tot er onafhankelijke tests en de andere twee modellen beschikbaar zijn, is het onderstaande bewijs het beste dat we hebben.

Waarom juist deze drie

• Qwen 4 is de rivaal uit dezelfde week en dezelfde klasse. Kibitz en Kalmia werden naast elkaar getest in de gevechtsmodus van Code Arena. K3 en Qwen3.8-Max waren de twee Chinese vlaggenschepen met biljoenen parameters van de zomer, beide met downloadbare gewichten.
• Fable 5.5 is het model waar ze allebei naar streven. Moonshot vergeleek K3 bij de lancering met Claude Fable 5 en K3.1 Pro met Fable 5.1. Ontwikkelaars die Claude gebruiken, stellen bij elke release van Kimi dezelfde vraag: kan het het werk van Fable doen voor een fractie van de prijs?
• Er is één taak die de doorslag geeft: een 3D-front-end bouwen met één prompt in Three.js. Dat is precies wat Kimi in de teaser laat zien, en Moonshot noemt 3D-creatie als een van de belangrijkste verbeteringen van K3.1 Pro. Arena-testers gaven Kalmia prompts zoals "a 3D cycle riding a cow using three.js". Front-end is ook het gebied waarop Kimi onafhankelijke resultaten aan zijn kant heeft.

Wat elk lab tot nu toe heeft laten zien

De informatie in de kolom van Kimi komt nu uit Moonshots lanceringsbericht en API-documentatie. K3.1 Pro is "het eerste model in onze nieuwe K3.1-serie", een versie van K3 die na de training is aangepast, met 3T parameters (K3 heeft er 2.8T) en ondersteuning voor beeld- en video-invoer. De denkmodus staat altijd aan, de inspanning kan laag, hoog of maximaal zijn en staat standaard op maximaal, en de output kan oplopen tot 1,048,576 tokens. Moonshot zegt: "de volledige modelgewichten worden vóór 4 nov vrijgegeven". De prijs in de tabel is de prijsvermelding van AIHubMix voor Kimi K3.1 Pro, per miljoen tokens: $2.00 voor input, $10.50 voor output en $0.20 voor gecachte tokens, tegenover $2.84, $14.20 en $0.284 voor K3. Dat is ongeveer 30% minder voor input en 26% minder voor output.

De andere twee kolommen zijn nog gebaseerd op gelekte informatie of aankondigingen tijdens evenementen. De vier varianten van Qwen 4 (Max, Plus, Flash, 27B) zijn genoemd in verslagen van aanwezigen bij de Apsara-keynote van Alibaba. De preview van de architectuur, Qwen3.8-Flash-Next, heeft open gewichten: 125B hoofdparameters plus 51B n-gramembeddings, met ongeveer 6B actieve parameters per stap.

De informatie over Fable 5.5 is het minst betrouwbaar. De vermelding claude-fable-5-5 werd op 13 oktober aan de prijslijst van LiteLLM toegevoegd vanuit een Azure-catalogus. De prijs-, context- en outputvelden waren overgenomen van Fable 5.1 ($10 / $50, 1M context, 128K output). De vermelding werd een dag later verwijderd, toen niemand een implementatie kon vinden. TestingCatalog meldde op 17 oktober dat partners toegang hebben tot het model. Een testmodel met de naam claude-onigiri-eap was kort zichtbaar op Artificial Analysis en is de meest waarschijnlijke kandidaat.

De hype getoetst

Drie opmerkingen. De bewering over de prijs kwam uit een registervermelding in september, waarop de prijs van K3 stond; vermoedelijk was dat een tijdelijke aanduiding. Bij de lancering vermeldde AIHubMix K3.1 Pro voor input ongeveer 30% goedkoper en voor output 26% goedkoper dan K3. De bewering over Minecraft kwam van @ChrisGPT op X: K3.1 plaatste 13,707 blokken voor $0.38, tegenover 5,738 blokken voor $5.31 met een GPT-6-model. Niemand heeft de prompt of de tokentellingen gepubliceerd. En anonieme labels bleken eerder al onjuist: in augustus werd een model in Code Arena aangezien voor K3.1, totdat een tokenizer-fingerprint het aan de Qwen-familie koppelde. K3.1 Pro is inmiddels uitgebracht, maar Moonshot heeft niet gezegd dat het Kibitz was. Beschouw Kibitz, Kalmia en Onigiri dus als sterke vermoedens totdat de labs het bevestigen.

De vorige ronde: K3, Qwen3.8-Max en Fable 5.1

De enige cijfers voor K3.1 Pro tot nu toe komen van Moonshot zelf en de andere twee zijn nog niet uitgebracht, dus beginnen we met de onafhankelijke resultaten van de generatie die ze vervangen.

Prijzen zijn per miljoen tokens. Beide modellen met open gewichten hebben aangepaste licenties.

Kimi versus Fable. De cijfers in deze vergelijking komen van Artificial Analysis, Intelligence Index v4.3.2; beide modellen staan op maximale inspanning.

Fable 5.1 scoort duidelijk beter op moeilijke redenering en terminaltaken. Kimi loopt alleen voorop bij het ophalen van informatie uit lange contexten en is gelijkwaardig voor bedrijfsautomatisering. Het prijsverschil is groter dan de lijstprijzen doen vermoeden: Fable 5.1 gebruikte ook meer tokens per taak, waardoor elke taak bijna vier keer zo duur was.

Kimi versus Qwen. De onafhankelijke cijfers zijn hier ouder: resultaten van Artificial Analysis uit augustus 2026 (Intelligence Index v4.1.1), samengesteld door Qubrid. K3 scoorde 57 en Qwen3.8-Max 56. K3 was goedkoper per taak ($0.86 tegenover $1.14), omdat Qwen meer tokens gebruikte. In de blind beoordeelde StackPerf-test van TrilogyAI kreeg elk model een uur om dezelfde codebase van 269 bestanden te analyseren (Qwen draaide als de preview van 3.8-Max). K3 scoorde 83 en Qwen 80, en de reviewers noemden de twee "complementair". Vergelijk de twee indexversies niet met elkaar: Artificial Analysis heeft de index ertussen opnieuw geschaald.

Kimi K3.1 Pro versus Fable 5.1 volgens de cijfers van Moonshot

De cijfers komen uit de door Moonshot zelf gerapporteerde lanceringsresultaten; de testharnassen verschillen per model en niemand heeft de resultaten tot nu toe gereproduceerd. Moonshot voerde de meeste codeertests van K3.1 Pro uit in een Claude Code-harnas en testte Fable 5.1 met maximale inspanning en terugvaloptie. In de tabel van Moonshot staat Fable 5.1, niet 5.5, en er staat geen Qwen-model in.

De rij met hallucinaties is gebaseerd op Moonshots interne Kimi Hallu Bench (moeilijk, met tools), waarbij lager beter is.

Volgens deze cijfers verslaat K3.1 Pro Fable 5.1 bij de lange agentic-codingtests en maakt het op Moonshots eigen test veel minder feitelijke fouten. Het scoort flink lager op ProgramBench en lager op Humanity's Last Exam zonder tools, en is ongeveer gelijkwaardig bij computergebruik op OSWorld. Vergeleken met zijn voorganger op dezelfde testversie steeg DeepSWE van K3's 67.5 naar 75.5.

Lees de rij van Terminal-Bench zorgvuldig. Op het eigen testharnas van Artificial Analysis haalde K3 13% op Terminal-Bench 4.0, tegenover 52% voor Fable 5.1. Moonshots score van 65.7 komt uit een ander testharnas, dus het is geen sprong van 13 naar 65.7 en ook geen weerlegging van Fables onafhankelijke voorsprong, totdat iemand de test onafhankelijk opnieuw uitvoert.

De beslissende taak: wie bouwt de betere front-end?

Wat Arena-testers deze week zagen. Arena publiceert geen scores voor anonieme modellen, dus het enige bewijs voor het nieuwe duo bestaat uit éénmalige vergelijkingen die testers op X hebben geplaatst. TestingCatalog verzamelde de meldingen over Kibitz op 23 oktober; de regels over Kalmia komen uit de eigen berichten van de testers:

De helikoptertest van LuminaBench komt het dichtst in de buurt van de beslissende taak in dit artikel. Beide modellen maakten op basis van dezelfde prompt weergaven van het opstijgen, landen en de onderdelen uit elkaar. Kibitz voegde röntgen- en draadmodelmodi toe, en Kalmia een componentenindex en vluchttelemetrie. De tester vond beide "erg sterk". Elk verslag betreft één prompt en één poging, dus geen ervan rangschikt de modellen. Er is geen anonieme versie van Fable 5.5 op Arena gemeld. De vermoedelijke codenaam, Onigiri, verscheen alleen in de sitecode van Artificial Analysis.

Tegenover Qwen heeft Kimi de cijfers aan zijn kant. Bij de lancering veroverde K3 de eerste plaats op het Frontend Code-klassement van Arena, met 1,679 punten, vóór Claude Fable 5 (1,631). Het model stond bovenaan in zes van de zeven frontenddomeinen; Fable 5 behield alleen Gaming. Bronnen verschillen van mening over de positie van Qwen3.8-Max op hetzelfde klassement, van niet gerangschikt tot vierde, dus vermelden we hier geen score.

Tegenover Fable is het niet langer duidelijk. Op de LMArena WebDev-beoordelingen die AIHubMix vandaag toont, scoort Fable 5.1 1,743 tegenover 1,655 voor K3. Dat is een ander klassement dan de Frontend Code-arena waar K3 in juli bovenaan stond, dus deze twee resultaten vormen geen trend. Maar op het klassement dat AIHubMix bijhoudt, staat Fable vandaag voor. Moonshots eigen bewijs voor frontend is de interne Design Bench, een Elo-beoordeling: K3.1 Pro scoort 957, lager dan GPT-6 Astra (1,076) en hoger dan Claude Opus 5.5 (927), terwijl Fable 5.1 niet is beoordeeld. Zodra er voor beide onafhankelijke resultaten zijn, is de eerste vraag waar K3.1 Pro staat tegenover Fable 5.5.

Wat de build kost. AIHubMix' eigen K3-run voor een game die met één prompt werd gebouwd (één HTML-bestand, één referentieafbeelding) gebruikte 74,994 completion-tokens, waarvan 73% voor het denkproces, gedurende ongeveer 42 minuten. Het aantal inputtokens is niet geregistreerd, dus de onderstaande schattingen gaan uit van 5,000 tokens. Dit zijn de prijzen van AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro, dezelfde aantallen tokens: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max, dezelfde aantallen tokens: ≈ $0.39
• Claude Fable 5.1, dezelfde aantallen tokens: ≈ $4.18
• Kimi K3.1 Pro, Qwen 4 en Fable 5.5, gemeten: AIHubMix voert dezelfde prompt op alle drie uit zodra ze alle drie beschikbaar zijn

Uitgaan van dezelfde aantallen tokens is een aanname; in werkelijkheid kunnen de aantallen alle kanten opgaan. Bij de taken van Artificial Analysis gebruikte Fable 5.1 meer outputtokens dan K3, en Qwen3.8-Max meer dan K3. Bij een praktijktest van Chase AI gebruikte K3 ongeveer zes keer zoveel tokens als Fable 5. K3.1 Pro denkt niet minder lang na dan K3: bij een steekproef van AIHubMix redeneerden beide modellen met dezelfde prompt en op lage inspanning duizenden tokens (K3.1 Pro 5,561–7,356, K3 3,013–7,051), hoewel K3.1 Pro ongeveer twee keer zo snel klaar was. Meet de build; extrapoleer niet.

Wat verandert er nog meer als je tussen de modellen wisselt?

• Wachttijd. Artificial Analysis mat voor Fable 5.1 255 seconden tot de eerste token, omdat het redeneerproces niet wordt gestreamd, tegenover 3.6 seconden voor K3. Toch voltooide Fable een gemiddelde taak in 722 seconden, tegenover 1,231 voor K3. Fable komt langzaam op gang, maar is eerder klaar. Stel voor beide modellen time-outs en voortgangsindicatoren in. Kimi's eigen antwoord op de wachttijd is K3.1 Pro Highspeed, dat volgens Moonshot dezelfde mogelijkheden biedt met 2–3× de snelheid (bij een steekproef van AIHubMix streamde het 138–150 tokens per seconde, hoewel toolaanroepen en scripts niet sneller worden uitgevoerd; in het onderstaande artikel over Highspeed wordt die winst afgewogen tegen de prijs).
• Weigeringen. Fable gebruikt veiligheidsclassificatoren die een verzoek kunnen afwijzen met een normale 200-respons en stop_reason: "refusal". In de documentatie over stopredenen raadt Anthropic aan om het met een ander Claude-model opnieuw te proberen. In Moonshots eigen benchmarkruns viel Fable 5 bij 35% van de SWE-Marathon-taken terug op een alternatief. Dat zijn cijfers van een concurrent, maar codeerwerk dat aan beveiliging raakt, verdient een vroege test.
• Outputlengte. Fable 5.1 heeft een outputlimiet van 128K tokens. K3 en K3.1 Pro ondersteunen maximaal 1,048,576 tokens, wat van belang is voor het genereren van volledige bestanden en lange rapporten, al is de standaardlimiet van K3.1 Pro 131,072, tenzij je die verhoogt.
• Waar het kan draaien. De gewichten van K3 zijn ongeveer 1.56 TB groot en vereisen een groot cluster met meerdere accelerators, maar je kunt het model zelf hosten. Moonshot zegt dat de volledige gewichten van K3.1 Pro vóór 4 November beschikbaar komen. Qwen 4 27B is de versie die als open wordt aangeduid; de voorganger draait op één GPU van 80 GB. Fable is alleen beschikbaar via de API van Anthropic en de cloudproviders die die doorverkopen.

Wie welk model moet kiezen

Deze aanbevelingen zijn gebaseerd op de onafhankelijke resultaten van K3, Qwen3.8-Max en Fable 5.1, afgewogen tegen Moonshots eigen cijfers voor K3.1 Pro. Beoordeel ze opnieuw zodra onafhankelijke tests van K3.1 Pro beschikbaar zijn en de andere twee zijn gelanceerd.

• Het zwaarste agentische en terminalwerk, waarbij een mislukte run meer kost dan de tokens: Claude Fable 5.5, totdat onafhankelijke tests de cijfers van Moonshot bevestigen. Moonshot plaatst K3.1 Pro vóór Fable 5.1 op Terminal-Bench, maar bij de laatste onafhankelijke controle stond Fable 5.1 daar ruim voor K3.
• Frontend- en UI-generatie op grote schaal: begin met Kimi K3.1 Pro en voer de Three.js-test uit met Fable 5.5 voordat je een definitieve keuze maakt. Kimi versloeg Qwen daar, maar Fable 5.1 staat vandaag bovenaan op WebDev en Moonshots Design Bench beoordeelde Fable niet.
• Grote aantallen korte taken: Qwen 4, als het de prijzen van Qwen3.8 behoudt.
• Lange documenten en opvragingen over een context van 1M tokens: Kimi K3.1 Pro, met een vast tarief voor de volledige context. K3 presteerde beter dan Fable 5.1 bij het ophalen van informatie uit lange contexten, tegen een kwart van de kosten per taak.
• Zelf hosten of gegevenslokalisatie: Kimi of Qwen, waarbij de gewichten van K3.1 Pro vóór 4 November beschikbaar moeten komen. Fable heeft geen gewichten.

Voer alle drie uit met één sleutel

AIHubMix biedt Kimi-, Qwen- en Claude-modellen aan via hetzelfde OpenAI-compatibele endpoint, zodat je de beslissende taak in één loop kunt uitvoeren. kimi-k3.1-pro is beschikbaar op AIHubMix en komt overeen met Moonshots API-ID; de Qwen- en Claude-ID's in het script zijn voorlopige aannames totdat die modellen uitkomen. Op 24 October gaf AIHubMix voor beide een 400-fout, dus zoals het er nu staat stopt het script na Kimi. Wil je vandaag de huidige generatie uitvoeren, vervang ze dan door qwen3.8-max en claude-fable-5-1, die AIHubMix vermeldt. Gebruik Chat Completions, zoals het script doet: AIHubMix' Responses-endpoint gaf op de lanceringsavond een 404-fout voor 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)

Laat temperature weg. Volgens de documentatie van Moonshot staat deze voor K3.1 Pro vast op 1.0, net als voor K3. Toen een AIHubMix-test 0.2 meegaf aan kimi-k3.1-pro, kwam de respons terug als 400 invalid temperature: only 1 is allowed for this model. Houd ook de time-out lang: K3.1 Pro denkt standaard met maximale inspanning na, tenzij je anders aangeeft. Open de drie HTML-bestanden naast elkaar en vergelijk wat je ziet met de afgedrukte aantallen tokens. Op de vergelijkingspagina van AIHubMix voor Kimi K3.1 Pro en Claude Fable 5.1 staan de huidige modellen naast elkaar.

Veelgestelde vragen

Zijn Kimi K3.1 Pro, Qwen 4 en Claude Fable 5.5 uitgebracht?
Kimi K3.1 Pro wel: Moonshot bracht het model op 23–24 October uit in de Kimi-app, Kimi Code en zijn API. Toen dit werd geschreven, was Qwen 4 alleen op het podium genoemd en was Fable 5.5 alleen opgedoken in lekken en in een catalogusvermelding die later werd verwijderd.

Kan Kimi K3.1 Pro Claude Fable 5.5 vervangen?
Volgens de eigen cijfers van Moonshot presteert K3.1 Pro op verschillende agentische codeertests beter dan Fable 5.1, maar slechter op ProgramBench en bij moeilijke redeneertaken zonder tools. Die cijfers zijn zelfgerapporteerd en vergeleken met de vorige Fable; bij de laatste onafhankelijke controle presteerde Fable veel beter. Test je eigen workload met beide.

Hoeveel goedkoper is Kimi per taak dan Fable?
Bij de indextaken van Artificial Analysis kostte K3 $2.00 per taak en Fable 5.1 $7.63, iets meer dan vier keer zoveel. De kosten per taak van K3.1 Pro zijn nog niet gemeten, maar AIHubMix vermeldt tarieven van $2.00 voor input en $10.50 voor output per miljoen tokens, tegenover $11.00 en $55.00 voor Fable 5.1.

Welk model is beter in frontendcode?
Bij de lancering stond K3 bovenaan op het Frontend Code-klassement van Arena, vóór Fable 5. Op de huidige WebDev-beoordelingen van LMArena staat Fable 5.1 vóór K3. Moonshots interne Design Bench beoordeelt K3.1 Pro lager dan GPT-6 Astra en heeft Fable niet beoordeeld. Voor Qwen3.8-Max is er geen onbetwiste score.

Waarom duurt het minuten voordat Fable antwoord geeft?
Het redeneerproces van Fable wordt niet gestreamd, dus de eerste zichtbare token verschijnt pas nadat het model klaar is met nadenken. Artificial Analysis mat ongeveer 255 seconden voor Fable 5.1.

Krijgt Kimi K3.1 Pro open gewichten?
Moonshot zegt dat de volledige modelgewichten vóór 4 November 2026 worden uitgebracht. Qwen 4 27B werd als open versie getoond en Fable heeft geen downloadbare gewichten.

Kan ik alle drie testen met één API-sleutel?
Ja, zodra ze alle drie vermeld staan. AIHubMix biedt Kimi-, Qwen- en Claude-modellen aan via hetzelfde OpenAI-compatibele endpoint; je hoeft dus alleen de model-ID te wijzigen. Kimi K3.1 Pro staat daar al vermeld.

Lees verder: de Kimi K3.1 Pro-serie

• Gebruik je al Kimi en wil je vooral weten of je vanaf K3 moet upgraden? Begin dan met de upgrade zelf: Kimi K3.1 Pro vs K3: wat is er veranderd, wat kost het en wie kan het beste overstappen?
• Als je na de vergelijking voor K3.1 Pro kiest, los dan eerst deze fouten en factureringsvalkuilen op: Overstappen op Kimi K3.1 Pro: los de 400-fouten op, let op de standaardinstelling voor maximale inspanning en typ Highspeed correct
• Als de snellere afronding van Fable je aantrekt, lees dan of de snellere variant van Kimi de achterstand inhaalt voor die prijs: Kimi K3.1 Pro vs K3.1 Pro Highspeed: is 2–3× zoveel snelheid 2× de prijs waard?

Bronnen

• Moonshot AI: technisch blog over Kimi K3.1 Pro
• Moonshot AI: modelkaart en evaluaties van Kimi K3
• Artificial Analysis: Claude Fable 5.1 vs Kimi K3
• AIHubMix: Kimi K3 vs Claude Fable 5.1
• TestingCatalog: Claude Fable 5.5 bereikt partners