Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5: qualidade de front-end, custo por tarefa e o hype posto à prova

Três lançamentos convergiram na mesma semana de outubro. Em 22 de outubro, dois modelos anônimos, Kibitz e Kalmia, apareceram na Code Arena da Arena com poucas horas de diferença. Testes de tokenizador os associaram ao Kimi, da Moonshot, e ao Qwen, da Alibaba. Um dia depois, o Kimi publicou uma prévia do K3.1 criando uma cena em Three.js, e logo em seguida o modelo foi lançado: a publicação de lançamento da Moonshot apresentou o Kimi K3.1 Pro no app Kimi, no Kimi Code e na API Kimi. Do lado da Anthropic, uma listagem de claude-fable-5-5 apareceu em um catálogo de nuvem em 13 de outubro, e houve relatos de que parceiros tinham acesso antecipado. A Alibaba ainda não lançou o Qwen 4; seus níveis foram anunciados no Apsara em setembro. O Fable 5.5 só apareceu em vazamentos.

A resposta curta tem duas partes. Segundo os números de lançamento da própria Moonshot, o K3.1 Pro supera o Claude Fable 5.1 em programação agentiva (65.7 contra 57.9 no Terminal-Bench 4.0) e fica atrás dele no ProgramBench e em raciocínio difícil sem ferramentas. Esses números são autorrelatados, obtidos com harnesses diferentes para cada modelo e comparados ao Fable anterior ao 5.5. Os resultados independentes ainda são os da geração anterior, e favorecem o Fable: o Fable 5.1 marca 53, contra 44 do Kimi K3, no índice atual da Artificial Analysis. Mas seu custo foi de $7.63 por tarefa do índice, contra $2.00. As vantagens do Kimi são o preço, a recuperação em contextos longos e, em relação ao Qwen, o código de front-end avaliado por humanos. A vantagem do Qwen é o preço dos tokens: a saída do Qwen3.8-Max custa cerca de um terço da do K3 e menos da metade da do K3.1 Pro. E a vantagem de preço do Kimi em relação ao Fable aumenta: a AIHubMix lista o K3.1 Pro por $2.00 de entrada e $10.50 de saída por milhão de tokens, contra $2.84 e $14.20 para o K3. A questão nesta semana de lançamento é se o K3.1 Pro e o Qwen 4 conseguem diminuir a distância em relação ao Fable 5.5 sem abrir mão da vantagem de preço. Até a chegada de testes independentes e dos outros dois modelos, as evidências abaixo são o melhor que temos.

Por que esses três

• O Qwen 4 é o rival da mesma semana e da mesma categoria. Kibitz e Kalmia foram testados lado a lado no modo de batalha da Code Arena. K3 e Qwen3.8-Max eram os dois modelos chineses de ponta, com um trilhão de parâmetros, lançados no verão, ambos com pesos disponíveis para download.
• O Fable 5.5 é o modelo que os dois tentam alcançar. A Moonshot comparou o K3 ao Claude Fable 5 no lançamento e o K3.1 Pro ao Fable 5.1. Desenvolvedores que usam o Claude fazem a mesma pergunta a cada lançamento do Kimi: ele consegue fazer o trabalho do Fable por uma fração do preço?
• Uma tarefa decide: criar um front-end 3D em Three.js com um único prompt. A prévia do Kimi mostra exatamente isso, e a Moonshot lista a criação 3D entre os principais avanços do K3.1 Pro. Testadores da Arena deram ao Kalmia prompts como "uma moto 3D andando sobre uma vaca usando three.js". O front-end também é a área em que as evidências independentes favorecem o Kimi.

O que cada laboratório mostrou até agora

A coluna do Kimi agora se baseia na publicação de lançamento e na documentação da API da Moonshot. O K3.1 Pro é "o primeiro modelo da nossa nova série K3.1", uma versão do K3 pós-treinada com 3T de parâmetros (o K3 tem 2.8T) e entrada de imagens e vídeos. O modo de raciocínio está sempre ativado, o nível de esforço pode ser baixo, alto ou máximo e, por padrão, é máximo; a saída pode chegar a 1,048,576 tokens. A Moonshot afirma que "os pesos completos do modelo serão lançados até 4 de nov.". O preço na tabela é o valor listado pela AIHubMix para o Kimi K3.1 Pro, por milhão de tokens: $2.00 para entrada, $10.50 para saída e $0.20 para tokens em cache, contra $2.84, $14.20 e $0.284 para o K3 — cerca de 30% menos na entrada e 26% menos na saída.

As outras duas colunas ainda se baseiam em vazamentos ou anúncios feitos em eventos. Os quatro nomes de níveis do Qwen 4 (Max, Plus, Flash, 27B) vêm de relatos de participantes da palestra principal da Alibaba no Apsara. A prévia de arquitetura, Qwen3.8-Flash-Next, tem pesos abertos: 125B de parâmetros principais, mais 51B de embeddings de n-gramas, com cerca de 6B ativos por etapa.

A coluna do Fable 5.5 é a mais incerta. A entrada claude-fable-5-5 foi adicionada à tabela de preços do LiteLLM a partir de um catálogo do Azure em 13 de outubro. Os campos de preço, contexto e saída foram copiados do Fable 5.1 ($10 / $50, contexto de 1M, saída de 128K). A entrada foi removida um dia depois, quando ninguém conseguiu encontrar uma implantação. Em 17 de outubro, a TestingCatalog informou que parceiros tinham acesso ao modelo. Um modelo de teste chamado claude-onigiri-eap ficou brevemente visível na Artificial Analysis e é o candidato mais provável.

O hype, posto à prova

Três observações. A alegação sobre o preço veio de uma listagem em um registro, em setembro, que mostrava o preço do K3 — provavelmente um valor provisório. No lançamento, a AIHubMix listou o K3.1 Pro por cerca de 30% menos que o K3 na entrada e 26% menos na saída. A alegação sobre Minecraft veio de @ChrisGPT no X: o K3.1 colocou 13,707 blocos por $0.38, contra 5,738 blocos por $5.31 de um modelo GPT-6. Ninguém publicou o prompt nem a contagem de tokens. E identificações anônimas já falharam antes: em agosto, acharam que um modelo da Code Arena era o K3.1, até que uma impressão digital do tokenizador o identificou como pertencente à família Qwen. O K3.1 Pro já foi lançado, mas a Moonshot não confirmou que era o Kibitz; portanto, trate Kibitz, Kalmia e Onigiri como hipóteses fortes até que os laboratórios confirmem.

A rodada anterior: K3, Qwen3.8-Max e Fable 5.1

Até agora, os únicos números do K3.1 Pro são os da própria Moonshot, e os outros dois ainda não foram lançados. Por isso, vamos começar pelos resultados independentes da geração que eles substituem.

Preços por milhão de tokens. Os dois modelos com pesos abertos têm licenças personalizadas.

Kimi vs Fable. Os números desta comparação vêm do Artificial Analysis, Intelligence Index v4.3.2, com ambos os modelos no nível máximo de esforço.

O Fable 5.1 está claramente à frente em raciocínio difícil e trabalho em terminal. O Kimi só lidera na recuperação em contextos longos e empata na automação empresarial. A diferença de custo é maior do que os preços de tabela sugerem: o Fable 5.1 também usou mais tokens por tarefa, então cada tarefa custou quase quatro vezes mais.

Kimi vs Qwen. Aqui, os números independentes são mais antigos: resultados da Artificial Analysis de agosto de 2026 (Intelligence Index v4.1.1), compilados pela Qubrid. O K3 marcou 57 e o Qwen3.8-Max, 56; o K3 custou menos por tarefa ($0.86 contra $1.14), porque o Qwen usou mais tokens. No teste StackPerf, revisado às cegas pela TrilogyAI, cada modelo teve uma hora para analisar a mesma base de código com 269 arquivos (o Qwen foi executado como a prévia do 3.8-Max). O K3 marcou 83 e o Qwen, 80; os revisores classificaram os dois como "complementares". Não compare as duas versões do índice entre si: a Artificial Analysis reescalonou o índice entre elas.

Kimi K3.1 Pro vs Fable 5.1 nos números da Moonshot

Os números são autorrelatados pela Moonshot no lançamento; os harnesses variam entre modelos e ninguém os reproduziu ainda. A Moonshot executou a maioria dos testes de programação do K3.1 Pro em um harness do Claude Code e testou o Fable 5.1 no nível máximo de esforço, com fallback. A tabela mostra o Fable 5.1, não o 5.5, e não inclui nenhum modelo Qwen.

A linha de alucinações vem do teste interno da Moonshot, Kimi Hallu Bench (difícil, com ferramentas), em que um valor menor é melhor.

Segundo esses números, o K3.1 Pro supera o Fable 5.1 nos testes longos de programação agentiva e comete bem menos erros factuais no teste da própria Moonshot. Fica bem atrás no ProgramBench, atrás no Humanity's Last Exam sem ferramentas e praticamente empata no uso do computador avaliado pelo OSWorld. Em comparação com seu antecessor na mesma versão do teste, o DeepSWE subiu de 67.5 no K3 para 75.5.

Interprete com cautela a linha do Terminal-Bench. No seu próprio harness, a Artificial Analysis mediu o K3 em 13% no Terminal-Bench 4.0, contra 52% do Fable 5.1. Os 65.7 da Moonshot vêm de outro harness, portanto não representam um salto de 13 para 65.7 e não anulam a liderança independente do Fable até que alguém repita o teste de forma independente.

A tarefa decisiva: quem cria o melhor front-end?

O que os testadores da Arena viram nesta semana. A Arena não publica pontuações de modelos anônimos, então as únicas evidências sobre a nova dupla são batalhas com um único prompt, publicadas por testadores no X. A TestingCatalog reuniu os relatos sobre o Kibitz em 23 de outubro; as linhas sobre o Kalmia vêm das próprias publicações dos testadores:

O teste do helicóptero, publicado pela LuminaBench, é o mais próximo da tarefa decisiva deste artigo. Ambos os modelos criaram visualizações de decolagem, pouso e peças explodidas a partir do mesmo prompt. O Kibitz adicionou modos de raio X e de arame, e o Kalmia, um índice de componentes e telemetria de voo. O veredito do testador foi que ambos são "muito fortes". Cada relato corresponde a um prompt e uma tentativa, então nenhum deles classifica os modelos. Nenhum Fable 5.5 anônimo foi relatado na Arena. Seu provável codinome, Onigiri, apareceu apenas no código do site da Artificial Analysis.

Em comparação com o Qwen, o Kimi tem dados que o comprovam. O K3 ficou em primeiro lugar no lançamento do ranking Frontend Code da Arena, com 1,679 pontos, à frente do Claude Fable 5 (1,631). Liderou seis dos sete domínios de front-end, e o Fable 5 ficou apenas com Gaming. As fontes divergem sobre a posição do Qwen3.8-Max no mesmo ranking, variando de não classificado a quarto lugar, por isso não atribuímos uma posição aqui.

Em comparação com o Fable, já não é tão claro. Nas classificações do LMArena WebDev exibidas hoje pela AIHubMix, o Fable 5.1 marca 1,743, contra 1,655 do K3. Esse é um ranking diferente da arena Frontend Code em que o K3 liderou em julho, portanto os dois resultados não indicam uma tendência. Mas, no ranking acompanhado pela AIHubMix, o Fable está à frente hoje. Os dados próprios da Moonshot sobre front-end vêm do Design Bench interno, uma classificação Elo: o K3.1 Pro marca 957, atrás do GPT-6 Astra (1,076) e à frente do Claude Opus 5.5 (927); o Fable 5.1 não foi avaliado. O primeiro ponto a verificar quando ambos tiverem resultados independentes é a posição do K3.1 Pro em relação ao Fable 5.5.

Quanto custa gerar o projeto. A execução do K3 feita pela própria AIHubMix para criar um jogo com um único prompt (um arquivo HTML, uma imagem de referência) usou 74,994 tokens de conclusão, 73% deles dedicados ao raciocínio, ao longo de cerca de 42 minutos. O número de tokens de entrada não foi registrado, então as estimativas abaixo presumem 5,000 tokens. Os preços são os da AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro, com as mesmas quantidades de tokens: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max, com as mesmas quantidades de tokens: ≈ $0.39
• Claude Fable 5.1, com as mesmas quantidades de tokens: ≈ $4.18
• Kimi K3.1 Pro, Qwen 4 e Fable 5.5, medidos: a AIHubMix executará o mesmo prompt nos três assim que todos estiverem disponíveis

Usar as mesmas quantidades de tokens é uma suposição, e as contagens reais podem alterar o resultado para mais ou para menos. Nas tarefas da Artificial Analysis, o Fable 5.1 usou mais tokens de saída que o K3, e o Qwen3.8-Max usou mais que o K3. Em uma criação prática feita por Chase AI, o K3 usou cerca de seis vezes mais tokens que o Fable 5. O K3.1 Pro não raciocina menos que o K3: em uma verificação pontual da AIHubMix com baixo esforço, ambos raciocinaram por vários milhares de tokens no mesmo prompt (K3.1 Pro 5,561–7,356, K3 3,013–7,051), embora o K3.1 Pro tenha terminado em cerca de metade do tempo. Meça a criação; não extrapole os resultados.

O que mais muda quando você troca de modelo

• Tempo de espera. A Artificial Analysis mediu 255 segundos até o primeiro token do Fable 5.1, porque o raciocínio não é transmitido em fluxo, contra 3.6 segundos do K3. Ainda assim, o Fable concluiu uma tarefa média em 722 segundos, contra 1,231 do K3. O Fable demora a começar, mas termina antes. Configure limites de tempo e indicadores de progresso para ambos. A resposta da própria Kimi à espera é o K3.1 Pro Highspeed, que, segundo a Moonshot, tem recursos idênticos, mas é 2–3× mais rápido (em uma verificação pontual da AIHubMix, transmitiu 138–150 tokens por segundo, embora chamadas de ferramentas e scripts não rodem mais rápido; a publicação sobre o Highspeed abaixo compara essa velocidade com o preço).
• Recusas. O Fable usa classificadores de segurança que podem recusar uma solicitação com uma resposta 200 normal e stop_reason: "refusal". A documentação da Anthropic sobre os motivos de parada recomenda tentar novamente com outro modelo Claude. Nas próprias execuções de benchmark da Moonshot, o Fable 5 recorreu a uma alternativa em 35% das tarefas do SWE-Marathon. Esses números vêm de um concorrente, mas vale testar isso logo no início para tarefas de programação relacionadas à segurança.
• Comprimento da saída. O Fable 5.1 limita a saída a 128K tokens. O K3 e o K3.1 Pro permitem até 1,048,576, o que é importante para gerar arquivos inteiros e relatórios longos, embora o padrão do K3.1 Pro seja 131,072, a menos que você aumente esse valor.
• Onde pode ser executado. Os pesos do K3 têm cerca de 1.56 TB e exigem um grande cluster com vários aceleradores, mas você pode hospedá-los; a Moonshot afirma que os pesos completos do K3.1 Pro estarão disponíveis até 4 de novembro. O Qwen 4 27B é a versão apresentada como aberta, e seu antecessor cabe em uma única GPU de 80 GB. O Fable só funciona na API da Anthropic e nas nuvens que o revendem.

Qual escolher

Estas recomendações se baseiam nos resultados independentes do K3, Qwen3.8-Max e Fable 5.1, ponderados em relação aos números do K3.1 Pro divulgados pela Moonshot. Reavalie-as quando saírem testes independentes do K3.1 Pro e os outros dois modelos forem lançados.

• As tarefas agênticas e de terminal mais difíceis, em que uma execução malsucedida custa mais que os tokens: Claude Fable 5.5, até que testes independentes confirmem os números da Moonshot. A Moonshot coloca o K3.1 Pro à frente do Fable 5.1 no Terminal-Bench, mas a última avaliação independente deixou o Fable 5.1 bem à frente do K3 nesse benchmark.
• Geração de interfaces e front-end em grande volume: comece com o Kimi K3.1 Pro e faça o teste com Three.js contra o Fable 5.5 antes de se comprometer. O Kimi superou o Qwen nesse teste, mas hoje o Fable 5.1 lidera no WebDev, e o Design Bench da Moonshot não avaliou o Fable.
• Tarefas curtas em grande volume: Qwen 4, se mantiver os preços do Qwen3.8.
• Documentos longos e recuperação de informações em um contexto de 1M de tokens: Kimi K3.1 Pro, com preço fixo em todo o contexto. O K3 superou o Fable 5.1 na recuperação em contextos longos, a um quarto do custo por tarefa.
• Auto-hospedagem ou residência de dados: Kimi ou Qwen, com os pesos do K3.1 Pro previstos para 4 de novembro. O Fable não tem pesos disponíveis.

Execute os três usando uma única chave

A AIHubMix oferece modelos Kimi, Qwen e Claude pelo mesmo endpoint compatível com OpenAI, então basta executar uma tarefa decisiva. O kimi-k3.1-pro já está disponível na AIHubMix e corresponde ao ID da API da Moonshot; os IDs do Qwen e do Claude no script são suposições até o lançamento desses modelos. Em 24 de outubro, a AIHubMix retornou um erro 400 para ambos, então, como está escrito, o script para depois do Kimi. Para executar hoje a geração atual, substitua-os por qwen3.8-max e claude-fable-5-1, que constam na lista da AIHubMix. Use Chat Completions, como faz o script: na noite do lançamento, o endpoint Responses da AIHubMix retornou 404 para 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)

Não inclua temperature. A documentação da Moonshot fixa esse parâmetro em 1.0 para o K3.1 Pro, assim como para o K3, e, quando um teste da AIHubMix enviou 0.2 para kimi-k3.1-pro, recebeu 400 invalid temperature: only 1 is allowed for this model. Mantenha também um tempo limite longo: o K3.1 Pro raciocina no nível máximo de esforço, a menos que seja instruído de outra forma. Abra os três arquivos HTML lado a lado e compare o que vê com as contagens de tokens exibidas. A página de comparação do Kimi K3.1 Pro com o Claude Fable 5.1 da AIHubMix coloca os dois modelos atuais lado a lado.

Perguntas frequentes

Kimi K3.1 Pro, Qwen 4 e Claude Fable 5.5 já foram lançados?
O Kimi K3.1 Pro já foi: a Moonshot lançou-o em 23–24 de outubro no aplicativo Kimi, no Kimi Code e na API. Quando este artigo foi escrito, o Qwen 4 só havia sido anunciado em um evento, e o Fable 5.5 só havia aparecido em vazamentos e em uma listagem de catálogo que foi removida posteriormente.

O Kimi K3.1 Pro pode substituir o Claude Fable 5.5?
Os números da própria Moonshot colocam o K3.1 Pro à frente do Fable 5.1 em vários testes de programação agêntica e atrás dele no ProgramBench e em raciocínio difícil sem ferramentas. Esses resultados são autodeclarados e comparam o modelo com a versão anterior do Fable; a última avaliação independente deixou o Fable bem à frente. Teste os dois com sua própria carga de trabalho.

Quanto o Kimi custa a menos que o Fable por tarefa?
Nas tarefas de índice da Artificial Analysis, o K3 custou $2.00 por tarefa e o Fable 5.1 custou $7.63, pouco mais de um quarto do custo. O custo por tarefa do K3.1 Pro ainda não foi medido, mas a AIHubMix cobra $2.00 por milhão de tokens de entrada e $10.50 por milhão de tokens de saída, contra $11.00 e $55.00 do Fable 5.1.

Qual é melhor para código de front-end?
O K3 liderou o ranking Frontend Code da Arena no lançamento, à frente do Fable 5. Hoje, nas classificações WebDev do LMArena, o Fable 5.1 está à frente do K3. O Design Bench interno da Moonshot classifica o K3.1 Pro abaixo do GPT-6 Astra e não avalia o Fable. Não há uma pontuação consensual para o Qwen3.8-Max.

Por que o Fable leva minutos para responder?
O raciocínio do Fable não é transmitido em fluxo, então o primeiro token visível só aparece depois que ele termina de pensar. A Artificial Analysis mediu cerca de 255 segundos para o Fable 5.1.

O Kimi K3.1 Pro terá pesos abertos?
A Moonshot afirma que os pesos completos do modelo serão lançados até 4 de novembro de 2026. O Qwen 4 27B foi apresentado como uma versão aberta, e o Fable não tem pesos para download.

Posso testar os três com uma única chave de API?
Sim, assim que os três estiverem listados. A AIHubMix oferece modelos Kimi, Qwen e Claude pelo mesmo endpoint compatível com OpenAI, então basta alterar o ID do modelo. O Kimi K3.1 Pro já está listado.

Continue lendo: a série Kimi K3.1 Pro

• Se você já usa o Kimi e a dúvida real é se vale a pena passar do K3 para uma versão superior, comece pela própria atualização: Kimi K3.1 Pro vs K3: o que mudou, quanto custa e para quem vale a troca
• Se a comparação levar você ao K3.1 Pro, resolva primeiro estes erros e armadilhas de cobrança: Migrando para o Kimi K3.1 Pro: corrija os erros 400, fique atento ao padrão de esforço máximo e não digite Highspeed incorretamente
• Se o término mais rápido do Fable é o que atrai você, veja se a variante mais rápida do Kimi diminui a diferença pelo preço cobrado: Kimi K3.1 Pro vs K3.1 Pro Highspeed: vale a pena pagar 2× o preço por 2–3× mais velocidade?

Fontes

• Moonshot AI: artigo técnico do Kimi K3.1 Pro
• Moonshot AI: ficha do modelo Kimi K3 e avaliações
• Artificial Analysis: Claude Fable 5.1 vs Kimi K3
• AIHubMix: Kimi K3 vs Claude Fable 5.1
• TestingCatalog: Claude Fable 5.5 chega a parceiros