Kimi K3.1 Pro vs. Claude Fable 5.2: Benchmarks, Preise und wofür du sie nutzen solltest

Mit weniger als drei Wochen Abstand haben Moonshot AI und Anthropic jeweils ein neues Topmodell veröffentlicht. Kimi K3.1 Pro kam Ende Oktober als stärkstes Open-Weight-Modell von Moonshot, und Claude Fable 5.2 erschien am 9. November als Antrhopics leistungsfähigstes allgemein verfügbares Modell.

Beide zielen auf ähnliche Einsatzzwecke ab, etwa lange agentische Coding-Runs, Recherche und Office-Aufgaben, bewegen sich aber an entgegengesetzten Enden des Markts. Kimi K3.1 Pro ist Open-Weight und kostet pro Token nur ein Viertel von Fable 5.2. Fable 5.2 ist geschlossen, teurer und nach den vorliegenden Zahlen bei den meisten Aufgaben stärker.

In diesem Artikel vergleiche ich beide Modelle hinsichtlich Benchmarks, Preisen und Zugang, lasse sie denselben praktischen Coding-Test durchlaufen und gebe eine Empfehlung, welches Modell sich wofür eignet.

Was ist Kimi K3.1 Pro?

Kimi K3.1 Pro ist das Flaggschiffmodell von Moonshot AI, veröffentlicht am 23. Oktober 2026. Es ist eine nachtrainierte Version von Kimi K3, dem Mixture-of-Experts-Modell mit 2,8 Billionen Parametern, das Moonshot im Juli herausgebracht hat, mit etwa 104 Milliarden aktiven Parametern pro Token. Die Architektur blieb unverändert; die Zugewinne stammen aus einer deutlich größeren Runde Reinforcement Learning über Hunderte von Aufgabendomainen.

Es bietet ein Kontextfenster von 1 Mio. Token, dauerhaft aktiviertes „Denken“ (mit den Stufen low, high und max) sowie eine schnellere Highspeed-Variante, die doppelt so viel kostet. Moonshot hat die vollständigen Gewichte am 4. November auf Hugging Face unter einer eigenen Lizenz veröffentlicht.

Was ist Claude Fable 5.2?

Claude Fable 5.2 ist Antrhopics leistungsfähigstes Modell für den allgemeinen Einsatz, veröffentlicht am 9. November 2026. Es liegt in der Claude-Reihe oberhalb von Claude Opus 5.5 und ist für die härtesten technischen Aufgaben gebaut: große Migrationen, mehrtägige Agent-Runs und Forschungsprobleme. Eine Version mit weniger Schutzmechanismen, Claude Mythos 5.2, ist nur für geprüfte Sicherheits- und Life-Sciences-Organisationen verfügbar.

Fable 5.2 hat ein Kontextfenster von 1 Mio. Token, bis zu 128K Ausgabe-Token und anpassbare Aufwandsstufen von low bis max. Es ist 20% günstiger als Fable 5.1 und generiert Ausgaben bis zu 30% schneller. Mehr zu den Änderungen findest du in unserem Artikel zu Claude Fable 5.2, und das Modell in Aktion siehst du in unserem Claude Fable 5.2 API-Tutorial.

Kimi K3.1 Pro vs. Claude Fable 5.2: Direktvergleich

Hier liegt der Haken bei diesem Vergleich: Es gibt kein gemeinsames Scoreboard. Antrhopics Tabelle zu Fable 5.2 enthält Kimi nicht, und Moonshots Ergebnisse zu K3.1 Pro vergleichen gegen Fable 5.1, nicht 5.2. Beide Labs haben jedoch gegen Claude Opus 5.5 getestet, daher nutze ich Opus 5.5 als Referenzpunkt: Wie weit jedes Modell in den jeweiligen Lab-Tests über oder unter Opus liegt.

Das ist kein perfektes Verfahren. Die Labs nutzen unterschiedliche Test-Harnesses und teils verschiedene Versionen derselben Benchmarks, und jede Zahl hier stammt vom Anbieter. Aber es ist das fairste Bild, bis unabhängige Resultate vorliegen.

Auffällig ist, dass die beiden Labs sich bei den Opus-5.5-Scores für zwei der drei Benchmarks nicht einmal einig sind. Das zeigt, wie stark das Setup zählt. 

Agentisches Coding

Hier berichten die beiden Labs komplett unterschiedliche Benchmarks, daher bleibt uns nur der Opus-5.5-Referenzpunkt. In Moonshots Ergebnissen liegt Kimi K3.1 Pro bei Terminal-Bench 4.0 etwa auf Augenhöhe mit Opus 5.5 (65,7% vs. 66,4%) und vorne bei SWE-Marathon, einem Set mehrstündiger Engineering-Aufgaben (51,7% vs. 46,3%). Bei ProgramBench fällt es jedoch deutlich zurück (31,5% vs. 65,0%).

In Anthropics Ergebnissen liegt Fable 5.2 bei beiden Coding-Benchmarks vorn, die es berichtet: FrontierCode 2.0 (49,1% vs. 45,5%) und FrontierSWE v2 (69,9% vs. 62,3%).

Mein Fazit: Kimi K3.1 Pro ist grob ein Coding-Modell auf Opus-Niveau, mit echter Stärke bei langen Engineering-Aufgaben und klaren Schwachstellen wie ProgramBench. Fable 5.2 ist eine Stufe über Opus. Das spricht dafür, dass Fable 5.2 unterm Strich der stärkere Coder ist, auch wenn Kimi K3.1 Pro bei den mehrstündigen Tasks, wo es Opus schlägt, nahe herankommen kann.

Reasoning, Recherche und Office-Arbeit

Fable 5.2 hat beim Reasoning die Nase vorn. Neben dem Vorsprung bei Humanity's Last Exam mit Tools erzielt es deutlich höhere Werte bei Terminal-Bench-Science, das wissenschaftliche Recherche im Terminal testet. Das ist Kimi K3.1 Pros schwächster Bereich: Mit 38,1% liegt es in Moonshots eigener Tabelle 25 Punkte hinter Opus 5.5.

Kimi K3.1 Pro ist bei Recherche und Dokumenten konkurrenzfähiger. Es schlägt Opus 5.5 bei BrowseComp, einem Test zum Finden schwer auffindbarer Informationen im Web (92,1% vs. 90,8%), und bei OfficeQA Pro, das die Analyse von Finanz-PDFs umfasst (64,4 vs. 62,2). Anthropic hat für Fable 5.2 keinen der beiden Benchmarks berichtet, daher ist kein Direktvergleich möglich.

Halluzinationen und 3D

Moonshots Charts enthalten zwei Ergebnisse gegen Fable 5.1, die andeuten, wie K3.1 Pro gegenüber der Fable-Linie abschneidet:

• Halluzinationen: Im internen Kimi Hallu Bench von Moonshot, einem Stresstest zur Fehlerprovozierung, machte K3.1 Pro ohne Tools zu 5,4% falsche Aussagen, verglichen mit 11,4% bei Fable 5.1. Das ist Moonshots eigener Test, und wir haben keine Zahl für Fable 5.2.
• 3D-Modellierung: Bei BenchCAD, das das Nachbauen von 3D-Objekten mit CAD-Code testet, lagen K3.1 Pro und Fable 5.1 mit Tools praktisch gleichauf (92,7 vs. 92,6). Anthropic berichtet für Fable 5.2 einen großen Sprung bei BenchCAD, jedoch auf einer anderen Benchmark-Version, wodurch die Zahlen nicht vergleichbar sind.

Open Weights und Sicherheit

Das ist der größte praktische Unterschied. Kimi K3.1 Pros Gewichte liegen auf Hugging Face, sodass du es auf eigener Hardware betreiben, feinabstimmen oder über einen Drittanbieter hosten kannst. Sei aber realistisch bei der Hardware: Der Checkpoint ist rund 1,56 TB groß, also eher etwas für einen Multi-GPU-Server als für eine Workstation. Und lies die Lizenz, bevor du darauf ein Produkt baust, denn es ist Moonshots eigene Lizenz, kein gängiger Open-Source-Text.

Fable 5.2 ist geschlossen, aber auf Amazon Web Services, Google Cloud und Microsoft Azure verfügbar, was zählt, wenn dein Unternehmen bereits dort läuft.

Auch beim Umgang mit riskanten Fähigkeiten unterscheiden sich die Labs. Moonshot hat vor der Veröffentlichung der Gewichte Cybersicherheitsdaten aus dem Training von K3.1 Pro entfernt, wodurch sein Score in einem internen Exploit-Benchmark von 90,5% auf 81,0% sank. Anthropic behält Fable 5.2s volle Fähigkeiten, blockiert jedoch die meisten offensiven Sicherheits- und Biologieanfragen auf Forschungsebene und bietet sie nur über Mythos 5.2 geprüften Organisationen an.

Preise

Fable 5.2 kostet pro Token das Vierfache. Für eine Last von 1 Million Input-Token und 250.000 Output-Token sind das etwa $4,50 bei Kimi K3.1 Pro und $18 bei Fable 5.2.

Zwei Faktoren verringern den Abstand. Cache-Reads kosten bei beiden gleich, daher sind Agent-Loops, die denselben Kontext erneut lesen, näher beieinander als die Listenpreise vermuten lassen. Und wenn deine Arbeit Zeit hat, senkt Fable 5.2s Batch-Pricing die Kosten auf $4/$20, also auf das Niveau von Kimis Highspeed-Variante. Die beiden Modelle nutzen außerdem unterschiedliche Tokenizer, sodass derselbe Text nicht exakt die gleiche Tokenanzahl erzeugt.

Hands-on-Test: Ein Aufzugssimulator

Benchmarks aus zwei verschiedenen Labs bringen dich nur bedingt weiter, daher habe ich beiden Modellen dieselbe Aufgabe im gleichen Coding-Agent gegeben: OpenCode auf meinem Mac mit Standardeinstellungen. Kimi K3.1 Pro lief über OpenRouter und Claude Fable 5.2 über die Anthropic API, beide in den Standardvarianten statt der schnelleren Versionen.

Die Aufgabe ist eine Einzelseiten-Simulation von drei Aufzügen in einem Gebäude mit 12 Etagen. Ich habe sie gewählt, weil sich die Regeln leicht per Beobachtung prüfen lassen: Ein Aufzug fährt in seiner Richtung weiter, solange es dort noch Anfragen gibt, kehrt dann um oder geht in den Leerlauf. Ein Wagen mit Platz fährt nie an jemandem vorbei, der in seine Richtung will, und nicht alle drei Wagen sollen demselben Ruf hinterherjagen. Es gibt außerdem einen Rushhour-Button, der auf einen Schlag 30 Personen in der Lobby erzeugt. Hier ist der Prompt, wortwörtlich eingefügt:

Build a single-file web page, index.html, with inline CSS and JavaScript. No external libraries, no network requests, no build step.

The page simulates a bank of three elevators in a 12-floor building (floors 1 to 12).

Requirements:
1. Passengers appear on random floors over time, each with a destination floor. They press the up or down call button on their floor and board an elevator going their way.
2. Each elevator holds at most 8 passengers. Show the riders inside each car and the people waiting on each floor.
3. Dispatching: an elevator keeps moving in its current direction while it has requests ahead of it in that direction, then reverses or goes idle. An elevator with room must not pass a floor where someone is waiting to go in its direction. Don't send all three elevators to the same call.
4. Animate the cars moving smoothly between floors, with doors opening and closing at each stop.
5. Show live statistics: passengers delivered, average wait time, and longest wait time.
6. Controls: a speed slider (1x to 10x), pause/resume, a "rush hour" button that adds 30 passengers on floor 1 who all want to go up, and a reset button.
7. Use a fixed random seed so the same run can be repeated after a reset.
8. It should look clean and be readable at both desktop and phone widths.

When you're done, briefly explain your dispatching logic.Bereitgestellt von

Zum Laufen bringen

Kimi K3.1 Pro war beim ersten Versuch nach rund 9 Minuten fertig. Fable 5.2 nicht. Zweimal plante es etwa 6 Minuten lang, dann stoppte OpenCode ohne etwas zu schreiben oder eine Fehlermeldung zu zeigen. Wahrscheinlich lag es an OpenCodes Standardlimit von 32.000 Ausgabe-Token pro Antwort: Fable 5.2 hat das gesamte Budget fürs Planen verbraucht, bevor es Code schrieb. Das Anheben des Limits auf 128.000 löste das Problem, und der dritte Versuch war nach 15 Minuten fertig.

Das ist kein Modellfehler, aber wissenswert, wenn du Fable 5.2 in der Startwoche in einem Drittanbieter-Coding-Agent ausprobierst.

Rushhour beobachten

Hier sind beide Simulatoren nebeneinander. Ich habe jeden aus seinem eigenen Seed-Zustand gestartet, dann gleichzeitig Rushhour gedrückt und beide auf 4x Geschwindigkeit gestellt.

Ein paar Dinge sind mir aufgefallen:

• Fable 5.2 räumt die Lobby schneller leer. Beide erhalten denselben 30-Personen-Andrang, aber Kimis Schlange im 1. Stock bleibt deutlich länger lang, während Fables sich innerhalb etwa einer halben simulierten Minute auf wenige Personen reduziert.
• Das hängt an einer Regel. Im Prompt stand, nicht alle drei Aufzüge zum selben Ruf zu schicken. Kimi K3.1 Pro nahm das wörtlich und weist pro Ruf nur ein Fahrzeug zu. Fable 5.2 verstand es als „keine Wagen verschwenden“ und schickt alle drei zu einer Menge, die ein Wagen nicht fassen kann, und erwähnte das auch in seiner Zusammenfassung. Beides sind nachvollziehbare Lesarten, aber Fables Ansatz funktioniert in der Rushhour besser.
• Fable 5.2 bog noch eine weitere Regel und hat es markiert. Es erlaubt einem Wagen, eine Etage zu überspringen, wenn dort bereits ein anderer mit genug Platz lädt, um Doppelstopps für dieselben Leute zu vermeiden. Es erklärte die Ausnahme und bot an, sie zu entfernen.
• Fable 5.2s Seite ist leichter zu lesen. Das ganze Gebäude und die Statistiken passen auf einen Bildschirm, und jede Person ist ein nummerierter Chip mit Zielangabe. Kimi K3.1 Pros Dashboard hat mehr Detail, inklusive Statuspanel pro Wagen, aber auf einem Laptop musst du scrollen, um alle 12 Etagen zu sehen, und die Fahrgäste im Wagen sind sehr klein.

Beide haben ihre Arbeit selbst geprüft

Keines der Modelle hat einfach Code geschrieben und aufgehört. Beide erzeugten Testskripte, die die Simulation über Stunden laufen ließen und prüften, dass kein Wagen überbelegt war, kein Wagen an Wartenden vorbeifuhr, die er hätte mitnehmen müssen, und dass ein Reset denselben Lauf reproduzierte. Beide testeten ihre Seiten außerdem in einem Headless-Browser bei Handybreite. In meinen eigenen Checks luden beide Seiten ohne Fehler, stellten keine Netzwerkrequests und passten ohne horizontales Scrollen auf den Handybildschirm.

Mein Urteil

Beide Modelle haben einen funktionierenden Simulator gebaut. Fable 5.2 kam mit der Rushhour besser klar, war leichter nachzuvollziehen und sprach offener darüber, wo es den Prompt interpretiert hatte. Es brauchte jedoch länger, kostet pro Token das Vierfache und erforderte eine Konfigurationsänderung, bevor es überhaupt lief. Kimi K3.1 Pro funktionierte out of the box und hielt sich wörtlicher an die Regeln.

Für ein Viertel des Preises kommt Kimi K3.1 Pros Ergebnis näher heran, als die Preisdifferenz vermuten lässt. Das ist eine einzelne Aufgabe, pro Modell einmal ausgeführt, also eher erster Eindruck als Benchmark.

Wann Kimi K3.1 Pro vs. Claude Fable 5.2 wählen

Wähle Kimi K3.1 Pro, wenn ...

• Kosten zählen. Bei einem Viertel des Preises von Fable 5.2 ist es für hochvolumige Agentenarbeit kaum zu schlagen.
• Du selbst hosten, feinabstimmen oder das Modell in deiner eigenen Infrastruktur betreiben willst.
• Deine Aufgaben lang, aber klar definiert sind, etwa mehrstündige Engineering-Jobs, Webrecherche oder Analyse von Finanzdokumenten.

Wähle Claude Fable 5.2, wenn ...

• Du die besten Ergebnisse bei hartem Reasoning, wissenschaftlicher Arbeit oder Computerbedienung brauchst.
• Du konsistente Coding-Leistung über Aufgabentypen hinweg benötigst. Kimi K3.1 Pro hat bei manchen Coding-Benchmarks große Lücken und liegt dort sogar hinter Opus 5.5.
• Du es auf AWS, Google Cloud oder Azure brauchst oder in den Claude-Apps und Claude Code.

Es gibt auch eine Mitteloption. Wenn Fable 5.2 mehr ist, als du brauchst, kostet Claude Opus 5.5 $4/$20, also doppelt so viel wie Kimi, und wir haben es im Artikel Kimi K3.1 Pro vs. Claude Opus 5.5 direkt mit Kimi verglichen.

Fazit

Nach den vorliegenden Zahlen ist Claude Fable 5.2 das stärkere Modell, vor allem bei Reasoning, Wissenschaft und Computerbedienung. Aber Kimi K3.1 Pro muss nicht gewinnen, um für viele Aufgaben die bessere Wahl zu sein. Es liegt beim Coding und bei Recherche grob auf Opus-Niveau, kostet ein Viertel von Fable und ist herunterladbar.

Mein eigener Aufzugstest zeigte in die gleiche Richtung: Fable 5.2 baute den besseren Simulator, aber Kimi K3.1 Pro kam für ein Viertel des Preises überraschend nah heran und lief direkt ohne Anpassungen.

Wenn du mit solchen Modellen praktisch arbeiten willst, ist unser Lernpfad Developing AI Applications ein guter Startpunkt.