Kimi K3.1 Pro проти Qwen 4 і Claude Fable 5.5: перевіряємо якість фронтенду, вартість завдання та гучні заяви

Три запуски збіглися на одному жовтневому тижні. 22 жовтня на Code Arena від Arena з різницею в кілька годин з’явилися дві анонімні моделі — Kibitz і Kalmia. Тести токенізатора пов’язали їх із Kimi від Moonshot і Qwen від Alibaba. Наступного дня Kimi опублікувала тизер, де K3.1 створює сцену в Three.js, а невдовзі модель вийшла: допис про запуск від Moonshot представив Kimi K3.1 Pro у застосунку Kimi, Kimi Code та Kimi API. З боку Anthropic, 13 жовтня в хмарному каталозі з’явився запис claude-fable-5-5, а, за повідомленнями, партнери отримали ранній доступ. Alibaba ще не випустила Qwen 4; її лінійки моделей назвали на вересневій конференції Apsara. Fable 5.5 з’являлася лише у витоках.

Коротка відповідь складається з двох частин. За власними показниками Moonshot, K3.1 Pro випереджає Claude Fable 5.1 у програмуванні з агентами (65.7 проти 57.9 у Terminal-Bench 4.0), але поступається їй у ProgramBench і складних міркуваннях без інструментів. Ці цифри наводить сама компанія; тести запускалися на різних для кожної моделі тестових середовищах і порівнюють K3.1 Pro з Fable до версії 5.5. Незалежні дані досі стосуються моделей попереднього покоління, і в них перевага за Fable: у поточному індексі Artificial Analysis Fable 5.1 набирає 53 бали, а Kimi K3 — 44. Але одне завдання в індексі коштувало $7.63 для Fable проти $2.00 для K3. Сильні сторони Kimi — ціна, пошук у довгому контексті та, порівняно з Qwen, код фронтенду за оцінками людей. Перевага Qwen — ціна токенів: генерація в Qwen3.8-Max коштує приблизно третину від ціни K3 і менше половини ціни K3.1 Pro. Цінова перевага Kimi над Fable також зростає: AIHubMix указує ціну K3.1 Pro $2.00 за вхідні й $10.50 за вихідні токени на мільйон, порівняно з $2.84 і $14.20 для K3. Головне питання цього тижня запусків — чи зможуть K3.1 Pro і Qwen 4 скоротити відставання від Fable 5.5, не втративши цінової переваги. Поки не з’являться незалежні тести й дві інші моделі, наведені нижче дані — найкраще, що маємо.

Чому саме ці три моделі

• Qwen 4 — конкурент того самого тижня й тієї самої цінової категорії. Kibitz і Kalmia тестували пліч-о-пліч у режимі змагання Code Arena. K3 і Qwen3.8-Max були двома китайськими флагманськими моделями з трильйонами параметрів улітку, обидві з вагами для завантаження.
• Fable 5.5 — модель, яку намагаються наздогнати обидві. Під час запуску K3 компанія Moonshot порівнювала її з Claude Fable 5, а K3.1 Pro — з Fable 5.1. Розробники, які користуються Claude, ставлять те саме запитання про кожен реліз Kimi: чи здатна вона виконувати роботу Fable за частину її ціни?
• Вирішальне завдання: створити 3D-фронтенд у Three.js за одним промптом. Саме це демонструє тизер Kimi, а Moonshot називає створення 3D-сцен одним із головних покращень K3.1 Pro. Тестувальники Arena давали Kalmia промпти на кшталт «3D-велосипедист їде верхи на корові за допомогою three.js». Фронтенд — також та сфера, де Kimi має незалежні докази своєї переваги.

Що лабораторії показали на цей момент

Дані в колонці Kimi тепер узято з допису про запуск від Moonshot і документації API. K3.1 Pro — «перша модель у нашій новій серії K3.1», версія K3 після додаткового навчання з 3T параметрів (у K3 — 2.8T), що приймає зображення й відео. Режим Thinking завжди ввімкнено, рівень зусиль може бути low, high або max, а значенням за замовчуванням є max; обсяг виводу може сягати 1,048,576 токенів. Moonshot повідомляє, що «повні ваги моделі буде випущено до Nov 4». У ціновій клітинці вказано ціни Kimi K3.1 Pro на AIHubMix за мільйон токенів: $2.00 за вхідні, $10.50 за вихідні й $0.20 за кешовані токени; для K3 ціни становлять відповідно $2.84, $14.20 і $0.284. Отже, ціна вхідних токенів нижча приблизно на 30%, а вихідних — на 26%.

У двох інших колонках поки що лише витоки або оголошення зі сцени. Чотири назви лінійок Qwen 4 (Max, Plus, Flash, 27B) відомі зі слів учасників основної доповіді Alibaba на Apsara. Попередня версія архітектури — Qwen3.8-Flash-Next — має відкриті ваги: 125B основних параметрів і ще 51B n-грамних ембедингів, приблизно 6B активних на кожному кроці.

Дані в колонці Fable 5.5 найменш надійні. Запис claude-fable-5-5 додали до прайс-листа LiteLLM на основі каталогу Azure 13 жовтня. Поля ціни, контексту й обсягу виводу скопіювали з Fable 5.1 ($10 / $50, контекст 1M, вивід 128K). Наступного дня запис видалили, і знайти розгорнуту модель нікому не вдалося. 17 жовтня TestingCatalog повідомив, що партнери мають доступ до моделі. Тестова модель під назвою claude-onigiri-eap ненадовго з’явилася на Artificial Analysis і є найімовірнішим кандидатом на її роль.

Перевіряємо гучні заяви

Три уточнення. Заява про ціну походить із запису в реєстрі за вересень, де вказано ціну K3, і, найімовірніше, це був заповнювач. Під час запуску AIHubMix указав для K3.1 Pro ціну приблизно на 30% нижчу за K3 для вхідних токенів і на 26% нижчу для вихідних. Заява про Minecraft надійшла від @ChrisGPT у X: K3.1 розмістила 13,707 блоків за $0.38, тоді як модель GPT-6 розмістила 5,738 блоків за $5.31. Ніхто не опублікував промпт чи кількість токенів. Анонімні позначення й раніше виявлялися помилковими: у серпні модель на Code Arena прийняли за K3.1, доки відбиток токенізатора не вказав на сімейство Qwen. K3.1 Pro уже випущено, але Moonshot не підтвердила, що це була Kibitz, тож вважайте Kibitz, Kalmia й Onigiri обґрунтованими припущеннями, доки лабораторії їх не підтвердять.

Попередній раунд: K3, Qwen3.8-Max і Fable 5.1

Поки що єдині показники K3.1 Pro — власні дані Moonshot, а дві інші моделі ще не випущено. Тому почнімо з незалежних даних про покоління моделей, яким вони прийдуть на зміну.

Ціни вказано за мільйон токенів. Обидві моделі з відкритими вагами поширюються за спеціальними ліцензіями.

Kimi проти Fable. Дані для порівняння взято з Artificial Analysis, Intelligence Index v4.3.2; для обох моделей використано максимальний рівень зусиль.

Fable 5.1 помітно випереджає Kimi у складних міркуваннях і роботі в терміналі. Kimi лідирує лише в пошуку в довгому контексті, а в автоматизації бізнес-процесів вони мають однаковий результат. Різниця у вартості більша, ніж можна припустити з прайс-листів: Fable 5.1 також витратила більше токенів на завдання, тож кожне завдання обходилося майже вчетверо дорожче.

Kimi проти Qwen. Тут доступні давніші незалежні дані: результати Artificial Analysis за серпень 2026 року (Intelligence Index v4.1.1), зібрані Qubrid. K3 набрала 57 балів, а Qwen3.8-Max — 56; вартість завдання для K3 була нижчою ($0.86 проти $1.14), адже Qwen витратила більше токенів. У сліпому тесті StackPerf від TrilogyAI, оцінювання якого проводили рецензенти, кожна модель мала годину, щоб проаналізувати ту саму кодову базу з 269 файлами (Qwen працювала як попередня версія 3.8-Max). K3 набрала 83 бали, а Qwen — 80; рецензенти назвали їх «взаємодоповнювальними». Не порівнюйте між собою версії індексу: Artificial Analysis змінила шкалу між ними.

Kimi K3.1 Pro проти Fable 5.1 за даними Moonshot

Наведені тут результати запуску, які сама Moonshot повідомила; тестові середовища для моделей відрізнялися, і поки що ніхто їх не відтворив. Більшість тестів програмування K3.1 Pro Moonshot запускала в тестовому середовищі Claude Code, а Fable 5.1 — з максимальним рівнем зусиль і резервною моделлю. У таблиці Moonshot наведено Fable 5.1, а не 5.5, і немає жодної моделі Qwen.

Рядок із рівнем галюцинацій відображає результати внутрішнього тесту Moonshot — Kimi Hallu Bench (складний режим, з інструментами); нижчий показник кращий.

За цими даними K3.1 Pro випереджає Fable 5.1 у тривалих тестах програмування з агентами й робить набагато менше фактичних помилок у власному тесті Moonshot. Вона значно поступається в ProgramBench, програє в Humanity's Last Exam без інструментів і приблизно дорівнює їй у використанні комп’ютера за тестом OSWorld. У тій самій версії тесту DeepSWE показник зріс із 67.5 у K3 до 75.5 у K3.1 Pro.

Результат Terminal-Bench варто трактувати обережно. На власному тестовому середовищі Artificial Analysis виміряла для K3 результат 13% у Terminal-Bench 4.0 проти 52% у Fable 5.1. Показник 65.7 від Moonshot отримано в іншому тестовому середовищі, тож це не стрибок із 13 до 65.7 і не спростовує незалежної переваги Fable, доки хтось не повторить тест незалежно.

Вирішальне завдання: хто створить кращий фронтенд?

Що побачили тестувальники Arena цього тижня. Arena не публікує оцінок анонімних моделей, тож єдині свідчення про нову пару — змагання в один раунд, про які тестувальники написали в X. TestingCatalog зібрав повідомлення про Kibitz 23 жовтня; дані про Kalmia взято з дописів самих тестувальників:

Тест із вертольотом, опублікований LuminaBench, найбільше схожий на вирішальне завдання цієї статті. За однаковим промптом обидві моделі створили зображення зльоту й посадки та вигляд із розібраними деталями. Kibitz додала рентгенівський і каркасний режими, а Kalmia — перелік компонентів і телеметрію польоту. Тестувальник підсумував, що обидві моделі «дуже сильні». У кожному звіті описано лише один промпт і одну спробу, тому за цими даними не можна визначити, яка модель краща. На Arena не повідомляли про анонімну версію Fable 5.5. Її ймовірне кодове ім’я Onigiri з’явилося лише в коді сайту Artificial Analysis.

Порівняно з Qwen, у Kimi є підтверджені результати. Під час запуску K3 посіла перше місце в рейтингу Frontend Code на Arena, набравши 1,679 балів і випередивши Claude Fable 5 (1,631). Вона очолила шість із семи напрямів фронтенд-розробки, а Fable 5 залишила за собою лише Gaming. Джерела розходяться в оцінках місця Qwen3.8-Max у тому самому рейтингу: від відсутності в ньому до четвертого місця, тож тут не наводимо жодних цифр.

Порівняно з Fable, усе вже не так однозначно. У рейтингу LMArena WebDev, який сьогодні показує AIHubMix, Fable 5.1 набирає 1,743 бала проти 1,655 у K3. Це інший рейтинг, не той Frontend Code arena, де K3 посіла перше місце в липні, тож ці два результати не свідчать про тенденцію. Але в рейтингу, за яким стежить AIHubMix, сьогодні лідирує Fable. Власні дані Moonshot щодо фронтенд-розробки — це внутрішній рейтинг Elo Design Bench: K3.1 Pro набирає 957 балів, поступаючись GPT-6 Astra (1,076), але випереджаючи Claude Opus 5.5 (927); Fable 5.1 оцінки не отримала. Перше, що слід перевірити, щойно з’являться незалежні результати для обох моделей, — яке місце K3.1 Pro посяде порівняно з Fable 5.5.

Скільки коштує генерація. У власному тесті AIHubMix із K3 на створення гри за одним промптом (один HTML-файл, одне референсне зображення) модель використала 74,994 вихідних токени, 73% із яких припали на міркування; процес тривав близько 42 хвилин. Кількість вхідних токенів не зафіксували, тому наведені нижче оцінки розраховано з припущенням про 5,000 токенів. Ціни — від AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro, стільки ж токенів: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max, стільки ж токенів: ≈ $0.39
• Claude Fable 5.1, стільки ж токенів: ≈ $4.18
• Kimi K3.1 Pro, Qwen 4 і Fable 5.5 у тесті: AIHubMix запустить той самий промпт на всіх трьох моделях, щойно вони стануть доступними

Припущення про однакову кількість токенів може не справдитися, а реальні показники можуть відхилятися в обидва боки. У тестах Artificial Analysis Fable 5.1 використала більше вихідних токенів, ніж K3, а Qwen3.8-Max — більше, ніж K3. В одному практичному тесті від Chase AI K3 використала приблизно в шість разів більше токенів, ніж Fable 5. K3.1 Pro не витрачає на міркування менше, ніж K3: під час вибіркової перевірки AIHubMix із низьким рівнем зусиль обидві моделі витратили на той самий промпт кілька тисяч токенів на міркування (K3.1 Pro — 5,561–7,356, K3 — 3,013–7,051), хоча K3.1 Pro впоралася приблизно вдвічі швидше. Перевірте генерацію на практиці, а не робіть висновків навмання.

Що ще змінюється під час переходу з однієї моделі на іншу

• Очікування. За вимірами Artificial Analysis, перший токен від Fable 5.1 з’являвся через 255 секунд, оскільки міркування не передаються потоком; у K3 цей показник становив 3.6 секунди. Водночас Fable виконувала середнє завдання за 722 секунди, тоді як K3 — за 1,231. Fable повільно починає, але завершує швидше. Для обох моделей закладайте відповідні тайм-аути та індикатори прогресу. Власна відповідь Kimi на проблему очікування — K3.1 Pro Highspeed, яка, за словами Moonshot, має ті самі можливості, але працює у 2–3× швидше (під час вибіркової перевірки AIHubMix вона передавала 138–150 токенів за секунду, хоча виклики інструментів і скрипти швидше не виконуються; у статті про Highspeed нижче це зіставляють із її ціною).
• Відмови. У Fable працюють класифікатори безпеки, які можуть відхилити запит зі звичайною відповіддю 200 і значенням stop_reason: "refusal". У документації Anthropic щодо причин зупинки радять повторити запит в іншій моделі Claude. У власних тестах Moonshot Fable 5 перейшла на запасний варіант у 35% завдань SWE-Marathon. Це дані конкурента, але відмови у програмуванні, пов’язаному з безпекою, варто перевірити на ранньому етапі.
• Довжина відповіді. Fable 5.1 обмежує вихід до 128K токенів. K3 і K3.1 Pro допускають до 1,048,576 токенів, що важливо для генерації цілих файлів і довгих звітів, хоча значення за замовчуванням для K3.1 Pro — 131,072, якщо його не збільшити.
• Де її можна запускати. Ваги K3 займають близько 1.56 TB і потребують великого кластера з кількома прискорювачами, але модель можна розмістити на власній інфраструктурі; Moonshot каже, що повний набір ваг K3.1 Pro з’явиться до 4 листопада. Qwen 4 27B — рівень, позначений як відкритий, а попередню версію можна запустити на одному GPU з 80 GB пам’яті. Fable доступна лише через API Anthropic і хмарні платформи, які перепродають доступ до неї.

Кому яку модель обрати

Ці рекомендації спираються на незалежні результати K3, Qwen3.8-Max і Fable 5.1 з урахуванням власних даних Moonshot щодо K3.1 Pro. Перевірте їх повторно, коли з’являться незалежні тести K3.1 Pro і буде запущено дві інші моделі.

• Найскладніші агентні завдання та робота в терміналі, де невдалий запуск коштує дорожче за токени: Claude Fable 5.5 — доки незалежні тести не підтвердять цифри Moonshot. Moonshot стверджує, що K3.1 Pro випереджає Fable 5.1 у Terminal-Bench, але остання незалежна перевірка показала, що Fable 5.1 значно випереджає там K3.
• Масштабна генерація фронтенду та інтерфейсів: почніть із Kimi K3.1 Pro, але перш ніж зупинитися на ній, перевірте результат у тесті Three.js проти Fable 5.5. Kimi випередила Qwen у цьому тесті, але сьогодні Fable 5.1 лідирує у WebDev, а в Design Bench від Moonshot Fable не оцінювали.
• Великий обсяг коротких завдань: Qwen 4, якщо вона збереже ціни Qwen3.8.
• Довгі документи й пошук інформації в контексті на 1M токенів: Kimi K3.1 Pro з незмінною ціною для контексту будь-якого розміру. У пошуку інформації в довгому контексті K3 випередила Fable 5.1, а вартість завдання була вчетверо нижчою.
• Самостійне розміщення або вимоги до локалізації даних: Kimi або Qwen; ваги K3.1 Pro мають з’явитися до 4 листопада. Для Fable ваг немає.

Запустіть усі три моделі з одним ключем

AIHubMix надає доступ до моделей Kimi, Qwen і Claude через одну кінцеву точку, сумісну з OpenAI, тож вирішальним стане один цикл тестування. Модель kimi-k3.1-pro уже доступна на AIHubMix і має той самий API ID, що й у Moonshot; ідентифікатори Qwen і Claude у скрипті — припущення, доки ці моделі не вийдуть. 24 жовтня AIHubMix повернув помилку 400 для обох моделей, тож у поточному вигляді скрипт зупиниться після Kimi. Щоб запустити моделі поточного покоління вже сьогодні, замініть їх на qwen3.8-max і claude-fable-5-1, які є в каталозі AIHubMix. Як і скрипт, використовуйте Chat Completions: у ніч запуску кінцева точка Responses від AIHubMix повертала 404 для 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)

Не вказуйте temperature. У документації Moonshot для K3.1 Pro, як і для K3, зафіксовано значення 1.0, а коли під час тесту AIHubMix для kimi-k3.1-pro передали 0.2, модель повернула помилку 400 invalid temperature: only 1 is allowed for this model. Також установіть тривалий тайм-аут: K3.1 Pro міркує з максимальним рівнем зусиль, якщо не вказати інше. Відкрийте три HTML-файли поруч і зіставте побачене з надрукованою кількістю токенів. На сторінці порівняння Kimi K3.1 Pro та Claude Fable 5.1 від AIHubMix ці дві доступні зараз моделі показано поруч.

Поширені запитання

Чи випущено Kimi K3.1 Pro, Qwen 4 і Claude Fable 5.5?
Kimi K3.1 Pro — так: Moonshot випустила її 23–24 жовтня в застосунку Kimi, Kimi Code та своєму API. На момент написання статті Qwen 4 лише згадали на сцені, а Fable 5.5 фігурувала тільки у витоках і каталозі, звідки її згодом прибрали.

Чи може Kimi K3.1 Pro замінити Claude Fable 5.5?
За власними даними Moonshot, K3.1 Pro випереджає Fable 5.1 у кількох тестах агентного програмування, але поступається їй у ProgramBench і складних завданнях на міркування без інструментів. Це самостійно оприлюднені результати, до того ж порівняно з попередньою версією Fable; остання незалежна перевірка показала значну перевагу Fable. Перевірте обидві моделі на власних завданнях.

Наскільки Kimi дешевша за Fable за одне завдання?
У завданнях із набору Artificial Analysis K3 коштувала $2.00 за завдання, а Fable 5.1 — $7.63, тобто вартість була трохи більшою за чверть. Вартість одного завдання для K3.1 Pro ще не вимірювали, але AIHubMix указує ціну $2.00 за мільйон вхідних токенів і $10.50 за мільйон вихідних проти $11.00 і $55.00 відповідно для Fable 5.1.

Яка модель краще пише фронтенд-код?
Під час запуску K3 очолила рейтинг Frontend Code на Arena, випередивши Fable 5. У сьогоднішньому рейтингу WebDev на LMArena Fable 5.1 випереджає K3. У внутрішньому Design Bench від Moonshot K3.1 Pro поступається GPT-6 Astra, а Fable не оцінювали. Для Qwen3.8-Max немає беззаперечно підтвердженого результату.

Чому Fable відповідає через кілька хвилин?
Міркування Fable не передаються потоком, тому перший видимий токен з’являється лише після завершення цього процесу. За вимірами Artificial Analysis, для Fable 5.1 це близько 255 секунд.

Чи матиме Kimi K3.1 Pro відкриті ваги?
Moonshot заявляє, що повні ваги моделі буде випущено до 4 листопада 2026 року. Qwen 4 27B представили як відкритий рівень, а для Fable немає ваг, доступних для завантаження.

Чи можу я протестувати всі три моделі з одним API-ключем?
Так, коли всі три з’являться в каталозі. AIHubMix надає доступ до моделей Kimi, Qwen і Claude через одну кінцеву точку, сумісну з OpenAI, тож потрібно лише змінити ідентифікатор моделі. Kimi K3.1 Pro вже є в каталозі.

Читайте далі: серія статей про Kimi K3.1 Pro

• Якщо ви вже користуєтеся Kimi і насправді обираєте, чи перейти з K3, почніть із самого оновлення: Kimi K3.1 Pro проти K3: що змінилося, скільки це коштує і кому варто перейти
• Якщо порівняння схиляє вас до K3.1 Pro, спершу розберіться з помилками та підводними каменями оплати: Перехід на Kimi K3.1 Pro: усуньте помилки 400, зважайте на максимальний рівень зусиль за замовчуванням і не помиліться з назвою Highspeed
• Якщо вас приваблює швидше завершення роботи Fable, перевірте, чи скорочує розрив швидший варіант Kimi з урахуванням його ціни: Kimi K3.1 Pro проти K3.1 Pro Highspeed: чи варта швидкість у 2–3× подвійної ціни?

Джерела

• Moonshot AI: технічна стаття про Kimi K3.1 Pro
• Moonshot AI: картка моделі Kimi K3 та оцінювання
• Artificial Analysis: Claude Fable 5.1 проти Kimi K3
• AIHubMix: Kimi K3 проти Claude Fable 5.1
• TestingCatalog: Claude Fable 5.5 потрапляє до партнерів