Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5：前端品質、每項任務成本，以及對炒作的檢視

三款模型在 10 月同一週接連亮相。10 月 22 日，兩款匿名模型 Kibitz 和 Kalmia 相隔幾小時出現在 Arena 的 Code Arena。Tokenizer 測試顯示，它們分別是 Moonshot 的 Kimi 和 Alibaba 的 Qwen。隔天，Kimi 發布 K3.1 撰寫 Three.js 場景的預告，沒多久模型便正式推出：Moonshot 的上市公告在 Kimi App、Kimi Code 和 Kimi API 推出 Kimi K3.1 Pro。Anthropic 方面，雲端型錄在 10 月 13 日出現了claude-fable-5-5項目，據報合作夥伴已取得早期存取權。Alibaba 尚未推出 Qwen 4；其各個級別的名稱已於 9 月的 Apsara 大會公布。Fable 5.5 目前只出現在外流消息中。

簡短答案分成兩部分。根據 Moonshot 自行公布的上市數據，K3.1 Pro 在 Agentic Coding 上勝過 Claude Fable 5.1（Terminal-Bench 4.0 得分為 65.7 比 57.9），但在 ProgramBench 以及不使用工具的高難度推理上落後。這些數據是自行回報，且各模型使用的測試框架不同；比較對象也是早於 5.5 版的 Fable。獨立評測仍停留在上一代，而且結果較有利於 Fable：在 Artificial Analysis 目前的指數中，Fable 5.1 得分 53，Kimi K3 則為 44。不過，Fable 每項指數任務的成本是 $7.63，Kimi 則為 $2.00。Kimi 的優勢在價格、長上下文檢索，以及相較 Qwen 的人工評分前端程式碼。Qwen 的優勢則是 token 價格：Qwen3.8-Max 的輸出成本約為 K3 的三分之一，也不到 K3.1 Pro 的一半。而 Kimi 對 Fable 的價格優勢還在擴大：AIHubMix 列出的 K3.1 Pro 價格為每百萬 tokens 輸入 $2.00、輸出 $10.50；K3 則是 $2.84 和 $14.20。本週上市潮的關鍵問題是，K3.1 Pro 和 Qwen 4 能否在不犧牲價格優勢的情況下，縮小與 Fable 5.5 的差距。在獨立測試出爐、另外兩款模型正式推出之前，以下就是目前能取得的最佳證據。

為什麼選這三款

• Qwen 4 是同週推出、定位相近的競爭對手。Kibitz 和 Kalmia 在 Code Arena 的對戰模式中接受並排測試。K3 和 Qwen3.8-Max 則是今年夏天中國兩款萬億參數級旗艦模型，兩者都提供可下載權重。
• Fable 5.5 是兩者都在追趕的模型。Moonshot 在 K3 上市時將它與 Claude Fable 5 比較，到了 K3.1 Pro，則是與 Fable 5.1 比較。使用 Claude 的開發者對每次 Kimi 推出都會提出同一個問題：它能否以低得多的價格完成 Fable 的工作？
• 一項任務便能定勝負：只用一個提示詞，以 Three.js 建構 3D 前端。Kimi 的預告內容正是這項任務，而 Moonshot 也將 3D 生成列為 K3.1 Pro 的主要進步之一。Arena 測試者給 Kalmia 的提示詞包括「用 three.js 做一頭騎著自行車的 3D 牛」。前端也是 Kimi 有獨立證據支持的領域。

各家實驗室目前公布的資訊

Kimi 欄位的資訊現已來自 Moonshot 的上市公告和 API 文件。K3.1 Pro 是「我們全新 K3.1 系列的首款模型」，是經後訓練的 K3 版本，具有 3T 參數（K3 為 2.8T），並可輸入圖像和影片。思考模式預設始終開啟，推理強度可設為 low、high 或 max，預設為 max，輸出最多可達 1,048,576 tokens。Moonshot 表示「完整模型權重將於 11 月 4 日前釋出」。價格欄位採用AIHubMix 列出的 Kimi K3.1 Pro 價格，以每百萬 tokens 計：輸入 $2.00、輸出 $10.50、快取 $0.20；K3 則分別為 $2.84、$14.20 和 $0.284，因此輸入約便宜 30%，輸出約便宜 26%。

另外兩欄目前仍是外流消息或大會公告。Qwen 4 的四個級別名稱（Max、Plus、Flash、27B）來自 Alibaba Apsara 主題演講的與會者轉述。其架構預覽版 Qwen3.8-Flash-Next 採開放權重：主要參數為 125B，另有 51B 的 n-gram embedding，每個步驟約啟用 6B。

Fable 5.5 這一欄的可信度最低。LiteLLM 的價格清單在 10 月 13 日根據 Azure 型錄新增了claude-fable-5-5項目。其價格、上下文和輸出欄位直接複製自 Fable 5.1（$10 / $50、1M 上下文、128K 輸出）。一天後，該項目便遭移除，當時沒有人找得到可用部署。TestingCatalog 在 10 月 17 日報導，合作夥伴已取得該模型。一款名為claude-onigiri-eap的測試模型曾短暫出現在 Artificial Analysis 上，最有可能就是 Fable 5.5。

檢視炒作，查核事實

補充三點。價格相同的說法來自 9 月某個列出 K3 價格的模型登錄項目，很可能只是暫定資訊。上市時，AIHubMix 列出的 K3.1 Pro 價格比 K3 的輸入便宜約 30%，輸出便宜 26%。Minecraft 的說法來自 @ChrisGPT 在 X 上的貼文：K3.1 花 $0.38 放置了 13,707 個方塊，而 GPT-6 模型花 $5.31 放置了 5,738 個方塊。沒有人公布提示詞或 token 數量。匿名代號過去也曾判錯：8 月時，有人以為 Code Arena 的一款模型是 K3.1，後來 Tokenizer 指紋顯示它屬於 Qwen 家族。K3.1 Pro 現已推出，但 Moonshot 並未表示它就是 Kibitz，因此在各家實驗室確認前，Kibitz、Kalmia 和 Onigiri 都只能視為有力猜測。

上一輪：K3、Qwen3.8-Max 和 Fable 5.1

目前 K3.1 Pro 只有 Moonshot 自行公布的數據，另外兩款模型也尚未推出，因此先從它們要取代的上一代模型之獨立評測結果談起。

價格以每百萬 tokens 計。兩款開放權重模型都採用自訂授權條款。

Kimi 與 Fable 比較。本比較數據來自Artificial Analysis Intelligence Index v4.3.2，兩款模型皆採用最高推理強度。

Fable 5.1 在高難度推理和終端工作上明顯領先。Kimi 只在長上下文檢索上領先，並在商業自動化方面打平。價格差距比標價顯示的更大：Fable 5.1 每項任務也使用更多 tokens，因此每項任務的成本將近是 Kimi 的四倍。

Kimi 與 Qwen 比較。此處的獨立數據較舊：Artificial Analysis 於 2026 年 8 月公布的結果（Intelligence Index v4.1.1），由Qubrid彙整。K3 得分 57，Qwen3.8-Max 得分 56；K3 每項任務較便宜（$0.86 比 $1.14），因為 Qwen 使用了更多 tokens。在 TrilogyAI 由盲測審核的 StackPerf 測試中，每款模型都有一小時分析同一個含 269 個檔案的程式碼庫（Qwen 使用 3.8-Max 預覽版）。K3 得分 83，Qwen 得分 80，評審稱兩者「互補」。不要拿這兩版指數彼此比較：Artificial Analysis 在這兩版之間重新調整了指數尺度。

Kimi K3.1 Pro 與 Fable 5.1：Moonshot 的數據

數據是 Moonshot 自行回報的上市測試結果；各模型使用的測試框架不同，目前也無人重現。Moonshot 的 K3.1 Pro 多數程式設計測試使用 Claude Code 測試框架，而 Fable 5.1 則採用最高推理強度並啟用備援機制。Moonshot 的表格列出的是 Fable 5.1，而非 5.5，也沒有 Qwen 模型。

幻覺率這一列來自 Moonshot 內部的 Kimi Hallu Bench（高難度、使用工具），數值越低越好。

根據這些數據，K3.1 Pro 在長時間 Agentic Coding 測試中勝過 Fable 5.1，並且在 Moonshot 自行設計的測試中，事實錯誤少得多。它在 ProgramBench 上明顯落後，在不使用工具的 Humanity's Last Exam 上也落後，OSWorld 電腦操作測試則大致打平。與前代模型相比，在相同測試版本上的 DeepSWE 得分從 K3 的 67.5 升至 75.5。

Terminal-Bench 這一列需要謹慎解讀。Artificial Analysis 在自己的測試框架中測得，K3 在 Terminal-Bench 4.0 上的得分為 13%，而 Fable 5.1 為 52%。Moonshot 的 65.7 來自不同的測試框架，因此這不代表得分從 13 躍升至 65.7；在有人獨立重測之前，也不能推翻 Fable 的獨立評測領先地位。

決勝任務：誰能打造更出色的前端？

Arena 測試者本週看到的結果。Arena 不會公布匿名模型的分數，因此新模型組合目前唯一的證據，是測試者在 X 上分享的單次對戰結果。TestingCatalog 彙整了 Kibitz 的測試報告，日期為 10 月 23 日；Kalmia 的結果則來自測試者自行發布的貼文：

LuminaBench 發布的直升機測試，是本文決勝任務最接近的案例。兩款模型都根據相同提示詞，製作了起飛、降落和零件爆炸檢視畫面。Kibitz 加入了 X 光和線框模式；Kalmia 則加入元件索引和飛行遙測資訊。測試者的評語是兩者都「非常出色」。每份報告都只有一個提示詞和一次嘗試，因此無法據此排出模型名次。目前尚無人在 Arena 上回報匿名的 Fable 5.5。其可能的代號 Onigiri，只出現在 Artificial Analysis 的網站程式碼中。

與 Qwen 相比，Kimi 有數據為證。 K3 上線時就在 Arena 的 Frontend Code 排行榜拿下第一名，得分 1,679，領先 Claude Fable 5 的 1,631 分。它在七個前端領域中有六個領先，Fable 5 只在 Gaming 領先。不同來源對 Qwen3.8-Max 在同一排行榜上的名次說法不一，從未上榜到第四名都有，因此本文不列出其名次。

與 Fable 相比，結果就沒那麼明確了。根據 AIHubMix 今日顯示的 LMArena WebDev 評分，Fable 5.1 得分 1,743，高於 K3 的 1,655。這與 K3 在 7 月稱霸的 Frontend Code 競技場是不同的排行榜，因此這兩個結果無法構成趨勢。不過，就 AIHubMix 追蹤的排行榜而言，今日 Fable 領先。Moonshot 自行公布的前端評測數據來自內部 Design Bench，採用 Elo 評分：K3.1 Pro 得分 957，落後 GPT-6 Astra（1,076），領先 Claude Opus 5.5（927）；Fable 5.1 則未獲評分。K3.1 Pro 與 Fable 5.5 的比較結果，將是兩者都有獨立評測結果後首先要確認的事。

建置成本。 AIHubMix 自行進行的 K3 測試使用一則提示詞建置遊戲（單一 HTML 檔案、一張參考圖片），產生 74,994 個 completion tokens，其中 73% 用於思考，耗時約 42 分鐘。輸入 token 數未記錄，因此以下估算皆假設為 5,000 tokens。價格採用 AIHubMix 的定價。

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• Kimi K3.1 Pro，token 數相同：5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• Qwen3.8-Max，token 數相同：≈ $0.39
• Claude Fable 5.1，token 數相同：≈ $4.18
• Kimi K3.1 Pro、Qwen 4 和 Fable 5.5 的實測：待三款模型全數推出後，AIHubMix 會使用相同提示詞進行測試

token 數相同只是假設，實際 token 數可能讓結果往任一方向變動。在 Artificial Analysis 的任務中，Fable 5.1 使用的輸出 token 比 K3 多，Qwen3.8-Max 使用的也比 K3 多。Chase AI 的一次實際建置測試中，K3 使用的 token 約為 Fable 5 的六倍。K3.1 Pro 的思考量並不少於 K3：AIHubMix 以低推理強度進行的抽查中，兩者在相同提示詞下都推理了數千個 token（K3.1 Pro 為 5,561–7,356，K3 為 3,013–7,051），但 K3.1 Pro 完成速度約快一倍。請實際測量建置成本，不要據此推估。

切換模型時還有哪些差異

• 等待時間。 Artificial Analysis 測得 Fable 5.1 首個 token 的輸出時間為 255 秒，因為它不會串流輸出推理內容；相較之下，K3 為 3.6 秒。然而，Fable 平均完成一項任務只需 722 秒，K3 則需 1,231 秒。Fable 起步感覺很慢，但完成得比較快。請為兩者安排逾時設定和進度指示器。Kimi 對等待時間的解方是 K3.1 Pro Highspeed；Moonshot 表示其功能相同，速度快 2–3×（AIHubMix 抽查中串流速度為每秒 138–150 個 token，但工具呼叫和指令碼執行速度不會因此提升；下方的 Highspeed 文章會評估速度優勢是否值得其價格）。
• 拒絕回應。 Fable 會執行安全分類器，可能以一般的 200 回應拒絕請求，並回傳 stop_reason: "refusal"。Anthropic 的停止原因文件建議改用其他 Claude 模型重試。Moonshot 自行進行的基準測試中，Fable 5 在 35% 的 SWE-Marathon 任務中轉而使用備援模型。這些數據來自競爭對手，但涉及安全的程式撰寫工作應及早測試這種情況。
• 輸出長度。 Fable 5.1 的輸出上限為 128K tokens。K3 和 K3.1 Pro 最多可輸出 1,048,576，這對生成完整檔案和長篇報告很重要，不過 K3.1 Pro 的預設值是 131,072，必須自行調高。
• 可執行的環境。 K3 的權重約為 1.56 TB，需要大型多加速器叢集，但可自行託管；Moonshot 表示 K3.1 Pro 的完整權重將於 4 November 前推出。Qwen 4 27B 是目前標示為開放的級別，其前代模型可在單張 80 GB GPU 上執行。Fable 只能透過 Anthropic 的 API 及轉售其服務的雲端平台使用。

該選哪一款

以下建議以 K3、Qwen3.8-Max 和 Fable 5.1 的獨立評測紀錄為依據，並參考 Moonshot 自行公布的 K3.1 Pro 數據。K3.1 Pro 的獨立評測出爐、另外兩款模型推出後，請重新檢視這些建議。

• 難度最高的 Agent 與終端機工作，且失敗一次的成本高於 token 費用：在獨立評測證實 Moonshot 的數據之前，選 Claude Fable 5.5。Moonshot 的數據顯示，K3.1 Pro 在 Terminal-Bench 上領先 Fable 5.1，但最近一次獨立評測中，Fable 5.1 在該測試大幅領先 K3。
• 大量產生前端和 UI 內容：先從 Kimi K3.1 Pro 開始，正式採用前先用 Fable 5.5 執行 Three.js 測試。Kimi 在這方面勝過 Qwen，但 Fable 5.1 今日在 WebDev 上領先，而且 Moonshot 的 Design Bench 沒有評測 Fable。
• 大量短任務：若 Qwen 4 維持 Qwen3.8 的定價，就選它。
• 長篇文件，以及在 1M-token 上下文中進行檢索：選 Kimi K3.1 Pro，其價格不因上下文長度而變。K3 在長上下文檢索方面領先 Fable 5.1，每項任務的成本只有四分之一。
• 自行託管或資料落地：選 Kimi 或 Qwen；K3.1 Pro 的權重預計於 4 November 前推出。Fable 沒有可供下載的權重。

用同一組 API 金鑰測試三款模型

AIHubMix 透過同一個 OpenAI 相容端點提供 Kimi、Qwen 和 Claude 模型，因此只需用同一輪測試就能做出決定。kimi-k3.1-pro已在 AIHubMix 上線，且與 Moonshot 的 API ID 相同；指令碼中的 Qwen 和 Claude ID 都只是推測，必須等模型推出後才能確認。10 月 24 日，AIHubMix 對這兩者都回傳 400，因此照目前寫法，指令碼會在測完 Kimi 後停止。若要立即測試目前世代的模型，請改用 AIHubMix 列出的 qwen3.8-max 和 claude-fable-5-1。請維持使用 Chat Completions，就像指令碼目前的寫法一樣：AIHubMix 的 Responses 端點在上線當晚對 kimi-k3.1-pro 回傳 404。

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)

請勿設定 temperature。Moonshot 文件指出 K3.1 Pro 和 K3 一樣，固定使用 1.0；AIHubMix 測試將 0.2 傳給 kimi-k3.1-pro 時，也收到 400 invalid temperature: only 1 is allowed for this model。也請設定較長的逾時時間：除非另有指定，K3.1 Pro 會以最高推理強度思考。將三個 HTML 檔案並排開啟，再參考列出的 token 數來評估成品。AIHubMix 的Kimi K3.1 Pro 與 Claude Fable 5.1 比較頁面並列展示目前這兩款模型。

常見問題

Kimi K3.1 Pro、Qwen 4 和 Claude Fable 5.5 已經推出了嗎？
Kimi K3.1 Pro 已經推出：Moonshot 於 10 月 23–24 日在 Kimi app、Kimi Code 和 API 上發布。本文撰寫時，Qwen 4 只在台上公布了名稱，Fable 5.5 則只出現在外洩消息和後來遭到移除的產品目錄中。

Kimi K3.1 Pro 能取代 Claude Fable 5.5 嗎？
Moonshot 自行公布的數據顯示，K3.1 Pro 在多項 Agent 程式撰寫測試中領先 Fable 5.1，但在 ProgramBench 和不使用工具的高難度推理測試中落後。這些數據是自評結果，而且比較對象是前一代 Fable；最近一次獨立評測則顯示 Fable 大幅領先。請使用自己的工作負載測試兩者。

Kimi 每項任務比 Fable 便宜多少？
在 Artificial Analysis 的索引任務中，K3 每項任務成本為 $2.00，Fable 5.1 為 $7.63，前者成本略高於後者的四分之一。K3.1 Pro 每項任務的成本尚未實測，但 AIHubMix 列出的價格為每百萬 token 輸入 $2.00、輸出 $10.50；Fable 5.1 則為 $11.00 和 $55.00。

哪款模型的前端程式碼表現較好？
K3 上線時在 Arena 的 Frontend Code 排行榜領先 Fable 5。今日在 LMArena 的 WebDev 評分中，Fable 5.1 領先 K3。Moonshot 內部的 Design Bench 評分顯示，K3.1 Pro 落後 GPT-6 Astra，而且沒有評分 Fable。Qwen3.8-Max 則沒有無爭議的評分。

為什麼 Fable 回答要花好幾分鐘？
Fable 不會串流輸出推理內容，因此要等它完成思考後，才會出現第一個可見 token。Artificial Analysis 測得 Fable 5.1 約需 255 秒。

Kimi K3.1 Pro 會開放權重嗎？
Moonshot 表示將於 2026 年 11 月 4 日前發布完整模型權重。Qwen 4 27B 被列為開放級別，Fable 則沒有可下載的權重。

我可以用一組 API 金鑰測試三款模型嗎？
可以，等三款模型都列出後即可。AIHubMix 透過同一個 OpenAI 相容端點提供 Kimi、Qwen 和 Claude 模型，因此只需更換模型 ID。Kimi K3.1 Pro 已經列在 AIHubMix 上。

繼續閱讀：Kimi K3.1 Pro 系列文章

• 如果你已經在使用 Kimi，真正的考量是要不要從 K3 升級，請先了解升級內容：Kimi K3.1 Pro 與 K3 比較：有哪些變更、費用多少，以及哪些人適合升級
• 如果比較後決定使用 K3.1 Pro，請先排除以下錯誤和計費陷阱：遷移至 Kimi K3.1 Pro：修正 400 錯誤、留意最高推理強度預設值，並確認 Highspeed 拼寫正確
• 如果 Fable 更快完成任務讓你心動，請看看 Kimi 的高速版本能否以相應價格縮小差距：Kimi K3.1 Pro 與 K3.1 Pro Highspeed 比較：速度快 2–3×，價格翻倍，值得嗎？

資料來源

• Moonshot AI：Kimi K3.1 Pro 技術部落格
• Moonshot AI：Kimi K3 模型卡與評測
• Artificial Analysis：Claude Fable 5.1 與 Kimi K3 比較
• AIHubMix：Kimi K3 與 Claude Fable 5.1 比較
• TestingCatalog：Claude Fable 5.5 擴展至合作夥伴