Kimi K3.1 Pro vs. Claude Fable 5.2: benchmarks, precios y cuál usar

Con menos de tres semanas de diferencia, Moonshot AI y Anthropic lanzaron un nuevo modelo tope de gama. Kimi K3.1 Pro llegó a finales de octubre como el modelo open-weight más potente de Moonshot, y Claude Fable 5.2 se lanzó el 9 de noviembre como el modelo más capaz de Anthropic disponible de forma general.

Apuntan a trabajos similares, como ejecuciones largas de agentes para programar, investigación y tareas de oficina, pero se sitúan en extremos opuestos del mercado. Kimi K3.1 Pro es open-weight y cuesta una cuarta parte del precio por token de Fable 5.2. Fable 5.2 es cerrado, más caro y, según los datos disponibles, más fuerte en la mayoría de tareas.

En este artículo comparo ambos en benchmarks, precios y acceso, los someto a la misma prueba práctica de programación y doy una recomendación sobre cuál usar en cada caso.

¿Qué es Kimi K3.1 Pro?

Kimi K3.1 Pro es el modelo insignia de Moonshot AI, lanzado el 23 de octubre de 2026. Es una versión post-entrenada de Kimi K3, el modelo Mixture-of-Experts de 2,8 billones de parámetros que Moonshot publicó en julio, con unos 104 mil millones de parámetros activos por token. La arquitectura no cambia; las mejoras llegan gracias a una ronda mucho mayor de aprendizaje por refuerzo en cientos de dominios de tareas.

Tiene una ventana de contexto de 1M de tokens, razonamiento siempre activo (con niveles de esfuerzo low, high y max) y una variante más rápida, Highspeed, que cuesta el doble. Moonshot publicó los pesos completos en Hugging Face el 4 de noviembre bajo una licencia personalizada.

¿Qué es Claude Fable 5.2?

Claude Fable 5.2 es el modelo más capaz de Anthropic para uso general, lanzado el 9 de noviembre de 2026. Se sitúa por encima de Claude Opus 5.5 en la gama Claude y está pensado para el trabajo técnico más exigente: migraciones grandes, ejecuciones de agentes de varios días y problemas de investigación. Una versión con menos salvaguardas, Claude Mythos 5.2, solo está disponible para organizaciones de seguridad y ciencias de la vida evaluadas.

Fable 5.2 tiene una ventana de contexto de 1M de tokens, salida máxima de 128K y niveles de esfuerzo ajustables de low a max. Es un 20% más barato que Fable 5.1 y genera resultados hasta un 30% más rápido. Para más detalles sobre los cambios, consulta nuestro artículo sobre Claude Fable 5.2, y puedes ver el modelo en acción en nuestro tutorial del API de Claude Fable 5.2.

Kimi K3.1 Pro vs. Claude Fable 5.2: comparación directa

Hay una pega con esta comparación: no hay un marcador compartido. La tabla de Fable 5.2 de Anthropic no incluye Kimi, y los resultados de K3.1 Pro de Moonshot comparan contra Fable 5.1, no 5.2. Ambas labs sí probaron contra Claude Opus 5.5, así que usaré Opus 5.5 como referencia: cuánto queda por encima o por debajo cada modelo respecto a Opus en las pruebas de su propio laboratorio.

No es un método perfecto. Los laboratorios usan arneses distintos y a veces versiones diferentes del mismo benchmark, y todas las cifras aquí son reportadas por los proveedores. Pero es la imagen más justa disponible hasta que lleguen resultados independientes.

Fíjate en que los dos laboratorios ni siquiera coinciden en las puntuaciones de Opus 5.5 para dos de los tres benchmarks. Es un recordatorio de cuánto influye la configuración. 

Programación con agentes

Aquí los dos laboratorios informan de benchmarks distintos, así que el punto de referencia de Opus 5.5 es lo único que tenemos. En los resultados de Moonshot, Kimi K3.1 Pro queda más o menos a la par de Opus 5.5 en Terminal-Bench 4.0 (65,7% vs 66,4%) y por delante en SWE-Marathon, un conjunto de tareas de ingeniería de varias horas (51,7% vs 46,3%). Pero se queda muy atrás en ProgramBench (31,5% vs 65,0%).

En los resultados de Anthropic, Fable 5.2 supera a Opus 5.5 en los dos benchmarks de código que reporta: FrontierCode 2.0 (49,1% vs 45,5%) y FrontierSWE v2 (69,9% vs 62,3%).

Mi lectura: Kimi K3.1 Pro es, a grandes rasgos, un modelo de código de la clase de Opus, con una fortaleza real en tareas de ingeniería largas y algunos puntos débiles claros, como ProgramBench. Fable 5.2 está un peldaño por encima de Opus. Eso sugiere que Fable 5.2 es, en general, el mejor programador, aunque Kimi K3.1 Pro puede acercarse en las tareas de varias horas donde supera a Opus.

Razonamiento, investigación y trabajo de oficina

Fable 5.2 lleva ventaja en razonamiento. Además de liderar en Humanity's Last Exam con herramientas, logra una puntuación mucho más alta en Terminal-Bench-Science, que evalúa investigación científica en terminal. Es el área más débil de Kimi K3.1 Pro: con un 38,1%, queda 25 puntos por detrás de Opus 5.5 en la propia tabla de Moonshot.

Kimi K3.1 Pro compite mejor en investigación y documentos. Supera a Opus 5.5 en BrowseComp, una prueba de encontrar información difícil de localizar en la web (92,1% vs 90,8%), y en OfficeQA Pro, que implica analizar PDFs financieros (64,4 vs 62,2). Anthropic no informó de ninguno de estos benchmarks para Fable 5.2, así que no hay forma de comparar directamente.

Alucinaciones y 3D

Los gráficos de Moonshot incluyen dos resultados frente a Fable 5.1, que dan una pista de cómo se sitúa K3.1 Pro respecto a la línea Fable:

• Alucinaciones: En el Kimi Hallu Bench interno de Moonshot, una prueba de estrés diseñada para provocar errores, K3.1 Pro hizo afirmaciones falsas a un ritmo del 5,4% sin herramientas, frente al 11,4% de Fable 5.1. Es una prueba de Moonshot y no tenemos cifra de Fable 5.2.
• Modelado 3D: En BenchCAD, que evalúa reconstruir objetos 3D con código CAD, K3.1 Pro y Fable 5.1 prácticamente empataron con herramientas (92,7 vs 92,6). Anthropic reporta un gran salto para Fable 5.2 en BenchCAD, pero en una versión diferente del benchmark, por lo que las cifras no son comparables.

Peso abierto y seguridad

Esta es la mayor diferencia práctica. Los pesos de Kimi K3.1 Pro están en Hugging Face, así que puedes ejecutarlo en tu propio hardware, afinarlo o usarlo a través de un proveedor tercero. Sé realista con el hardware: el checkpoint ocupa unos 1,56 TB, lo que implica un servidor con varias GPU, no una estación de trabajo. Y lee la licencia antes de construir un producto sobre él, ya que es una licencia propia de Moonshot, no una estándar de código abierto.

Fable 5.2 es cerrado, pero está disponible en Amazon Web Services, Google Cloud y Microsoft Azure, algo clave si tu empresa ya opera en alguno de ellos.

Los dos laboratorios también gestionan de forma diferente las capacidades de riesgo. Moonshot eliminó datos de ciberseguridad del entrenamiento de K3.1 Pro antes de publicar los pesos, lo que redujo su puntuación en un benchmark interno de exploits del 90,5% al 81,0%. Anthropic mantiene todas las capacidades de Fable 5.2 pero bloquea la mayoría de las solicitudes de seguridad ofensiva y biología a nivel de investigación, ofreciéndolas solo mediante Mythos 5.2 a organizaciones evaluadas.

Precios

Fable 5.2 cuesta cuatro veces más por token. Para una carga de trabajo de 1 millón de tokens de entrada y 250.000 de salida, esto supone unos $4,50 en Kimi K3.1 Pro y $18 en Fable 5.2.

Hay dos factores que reducen la diferencia. Las lecturas de caché cuestan lo mismo en ambos, así que los bucles de agentes que vuelven a leer el mismo contexto están más cerca en precio de lo que sugieren las tarifas base. Y si tu trabajo puede esperar, el precio por lotes de Fable 5.2 lo baja a $4/$20, igual que la variante Highspeed de Kimi. Además, los dos modelos usan tokenizadores distintos, así que el mismo texto no generará exactamente el mismo recuento de tokens en cada uno.

Prueba práctica: construir un simulador de ascensores

Los benchmarks de dos laboratorios distintos solo llegan hasta cierto punto, así que asigné a ambos modelos la misma tarea en el mismo agente de programación: OpenCode, en mi Mac, con la configuración por defecto. Kimi K3.1 Pro se ejecutó a través de OpenRouter y Claude Fable 5.2 mediante la API de Anthropic, ambos en sus versiones estándar y no en las variantes rápidas.

La tarea es una simulación de una sola página de tres ascensores en un edificio de 12 plantas. La elegí porque las reglas se pueden comprobar fácilmente a simple vista: un ascensor sigue en su dirección mientras haya solicitudes por delante, un coche con espacio nunca pasa de largo a alguien que quiere ir en su misma dirección y los tres coches no deberían perseguir la misma llamada. También hay un botón de hora punta que deja a 30 personas en el vestíbulo a la vez. Este es el prompt, pegado literalmente:

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.Con la tecnología de

Ponerlo en marcha

Kimi K3.1 Pro terminó a la primera en unos 9 minutos. Fable 5.2 no. Dos veces, estuvo planificando unos 6 minutos y luego OpenCode se detuvo sin escribir nada ni mostrar error. La causa probable es el límite por defecto de OpenCode de 32.000 tokens de salida por respuesta: Fable 5.2 consumió todo el presupuesto planificando antes de escribir código. Subir el límite a 128.000 lo solucionó y el tercer intento terminó en 15 minutos.

No es un fallo del modelo, pero conviene saberlo si pruebas Fable 5.2 en un agente de código de terceros la semana de su lanzamiento.

Hora punta en acción

Aquí están ambos simuladores lado a lado. Inicié cada uno desde su propio estado con semilla y luego pulsé hora punta al mismo tiempo y ajusté ambos a velocidad 4x.

Varias cosas me llamaron la atención:

• Fable 5.2 vacía el vestíbulo más rápido. Ambos reciben la misma multitud de 30 personas, pero la cola de Kimi en la planta 1 se mantiene larga durante mucho más tiempo, mientras que la de Fable se reduce a unas pocas personas en aproximadamente medio minuto simulado.
• Se debe a una regla. El prompt decía que no se enviaran los tres ascensores a la misma llamada. Kimi K3.1 Pro lo interpretó de forma literal y asigna un coche por llamada. Fable 5.2 lo leyó como «no malgastes coches» y envía los tres a una multitud demasiado grande para un solo coche, y así lo indicó en su resumen. Ambas interpretaciones son razonables, pero la de Fable funciona mejor en hora punta.
• Fable 5.2 también flexibilizó otra regla, y lo señaló. Permite que un coche se salte una planta si otro coche ya está cargando allí y hay espacio para todos, lo que evita que dos coches abran puertas para las mismas personas. Explicó la excepción y ofreció quitarla.
• La página de Fable 5.2 se lee mejor. Todo el edificio y las estadísticas caben en una sola pantalla, y cada pasajero es una ficha numerada con su destino. El panel de Kimi K3.1 Pro muestra más detalle, incluido un estado por coche, pero en un portátil necesitas desplazarte para ver las 12 plantas, y los pasajeros dentro de cada coche se ven diminutos.

Ambos comprobaron su propio trabajo

Ningún modelo se limitó a escribir el código y parar. Ambos generaron scripts de prueba que ejecutaban la simulación durante horas simuladas, comprobando que ningún coche sobrepasaba la capacidad, que ninguno pasaba de largo a un pasajero que debía recoger y que un reinicio reproducía la misma ejecución. También revisaron sus páginas en un navegador sin interfaz a anchos de móvil. En mis propias comprobaciones, ambas páginas cargaron sin errores, no hicieron solicitudes de red y se ajustaron a una pantalla de móvil sin desplazamiento horizontal.

Mi veredicto

Ambos modelos construyeron un simulador funcional. El de Fable 5.2 gestionó mejor la hora punta y fue más fácil de seguir, además de ser más transparente con las interpretaciones del prompt. Pero tardó más, cuesta cuatro veces más por token y necesitó cambiar la configuración para funcionar. Kimi K3.1 Pro funcionó a la primera y siguió las reglas de forma más literal.

Por una cuarta parte del precio, el resultado de Kimi K3.1 Pro está más cerca de lo que sugiere la diferencia de coste. Es una sola tarea, ejecutada una vez por modelo, así que tómalo como una primera impresión, no como un benchmark.

Cuándo elegir Kimi K3.1 Pro vs. Claude Fable 5.2

Elige Kimi K3.1 Pro si...

• El coste importa. A una cuarta parte del precio de Fable 5.2, es difícil de batir para trabajo con agentes de alto volumen.
• Quieres autoalojarlo, ajustarlo finamente o mantener el modelo en tu propia infraestructura.
• Tus tareas son largas pero bien definidas, como trabajos de ingeniería de varias horas, investigación web o análisis de documentos financieros.

Elige Claude Fable 5.2 si...

• Necesitas los mejores resultados en razonamiento complejo, trabajo científico o uso del ordenador.
• Necesitas rendimiento de código consistente en distintos tipos de tareas. Kimi K3.1 Pro tiene lagunas grandes en algunos benchmarks de código, donde queda por detrás incluso de Opus 5.5.
• Lo necesitas en AWS, Google Cloud o Azure, o dentro de las apps de Claude y Claude Code.

También hay una opción intermedia. Si Fable 5.2 es más de lo que necesitas, Claude Opus 5.5 cuesta $4/$20, el doble que Kimi, y lo hemos comparado directamente con Kimi en nuestro artículo Kimi K3.1 Pro vs. Claude Opus 5.5.

Conclusiones

Con los datos que tenemos, Claude Fable 5.2 es el modelo más fuerte, especialmente en razonamiento, ciencia y uso del ordenador. Pero Kimi K3.1 Pro no necesita ganar en todo para ser la mejor opción en muchos casos. Está a la altura de Opus en programación e investigación, cuesta una cuarta parte que Fable y puedes descargarlo.

Mi propia prueba del ascensor apunta en la misma dirección: Fable 5.2 construyó el mejor simulador, pero Kimi K3.1 Pro se quedó sorprendentemente cerca por una cuarta parte del precio y funcionó a la primera.

Si quieres ensuciarte las manos con modelos como estos, nuestro itinerario Developing AI Applications es un buen punto de partida.