Kimi K3.1 Pro vs. Claude Fable 5.2: Tolok Ukur, Harga, dan Mana yang Harus Digunakan

Kurang dari tiga minggu berjarak, Moonshot AI dan Anthropic masing-masing merilis model andalan baru. Kimi K3.1 Pro hadir di akhir Oktober sebagai model open-weight terkuat milik Moonshot, dan Claude Fable 5.2 dirilis pada 9 November sebagai model Anthropic paling andal yang tersedia secara umum.

Keduanya ditujukan untuk pekerjaan serupa, seperti sesi coding agentik panjang, riset, dan tugas perkantoran, namun berada di dua ujung pasar yang berlawanan. Kimi K3.1 Pro bersifat open-weight dan biayanya seperempat dari harga Fable 5.2 per token. Fable 5.2 bersifat tertutup, lebih mahal, dan berdasarkan angka yang ada, lebih kuat pada sebagian besar tugas.

Dalam artikel ini, saya akan membandingkan keduanya pada tolok ukur, harga, dan akses, menguji keduanya dengan uji coding praktik langsung yang sama, dan memberikan rekomendasi model mana yang digunakan untuk keperluan apa.

Apa Itu Kimi K3.1 Pro?

Kimi K3.1 Pro adalah model andalan Moonshot AI, dirilis pada 23 Oktober 2026. Ini adalah versi pascapelatihan dari Kimi K3, model Mixture-of-Experts dengan 2,8 triliun parameter yang dirilis Moonshot pada Juli, dengan sekitar 104 miliar parameter aktif per token. Arsitekturnya tidak berubah; peningkatan datang dari putaran reinforcement learning yang jauh lebih besar di ratusan domain tugas.

Model ini memiliki jendela konteks 1 juta token, kemampuan berpikir yang selalu aktif (dengan tingkat upaya low, high, dan max), serta varian Highspeed yang lebih cepat dengan biaya dua kali lipat. Moonshot merilis bobot lengkapnya di Hugging Face pada 4 November, dengan lisensi khusus.

Apa Itu Claude Fable 5.2?

Claude Fable 5.2 adalah model paling andal Anthropic untuk penggunaan umum, dirilis pada 9 November 2026. Model ini berada di atas Claude Opus 5.5 dalam lini Claude dan dibangun untuk pekerjaan teknis paling sulit: migrasi besar, sesi agent berhari-hari, dan masalah riset. Versi dengan pengamanan lebih sedikit, Claude Mythos 5.2, hanya tersedia untuk organisasi keamanan dan ilmu hayati yang telah diverifikasi.

Fable 5.2 memiliki jendela konteks 1 juta token, keluaran maksimum 128K, dan tingkat upaya yang dapat disesuaikan dari low hingga max. Harganya 20% lebih murah daripada Fable 5.1 dan menghasilkan keluaran hingga 30% lebih cepat. Untuk detail perubahan, lihat artikel Claude Fable 5.2 kami, dan Anda dapat melihat modelnya beraksi dalam tutorial API Claude Fable 5.2 kami.

Kimi K3.1 Pro vs. Claude Fable 5.2: Perbandingan Langsung

Inilah masalahnya dengan perbandingan ini: tidak ada papan skor bersama. Tabel Fable 5.2 milik Anthropic tidak menyertakan Kimi, dan hasil K3.1 Pro milik Moonshot membandingkannya dengan Fable 5.1, bukan 5.2. Namun kedua lab menguji terhadap Claude Opus 5.5, jadi saya akan menggunakan Opus 5.5 sebagai titik acuan: seberapa jauh masing-masing model berada di atas atau di bawah Opus pada uji labnya sendiri.

Ini bukan metode yang sempurna. Lab menggunakan kerangka uji yang berbeda dan kadang versi tolok ukur yang sama namun berbeda, dan setiap angka di sini dilaporkan vendor. Namun ini adalah gambaran paling adil yang tersedia hingga hasil independen muncul.

Perhatikan bahwa kedua lab bahkan tidak sepakat tentang skor Opus 5.5 untuk dua dari tiga tolok ukur. Ini mengingatkan betapa pentingnya penyiapan uji. 

Coding agentik

Di sini kedua lab melaporkan tolok ukur yang benar-benar berbeda, jadi titik acuan Opus 5.5 adalah satu-satunya yang kita punya. Dalam hasil Moonshot, Kimi K3.1 Pro kurang lebih setara dengan Opus 5.5 pada Terminal-Bench 4.0 (65,7% vs 66,4%) dan unggul pada SWE-Marathon, kumpulan tugas rekayasa multi-jam (51,7% vs 46,3%). Namun tertinggal jauh pada ProgramBench (31,5% vs 65,0%).

Dalam hasil Anthropic, Fable 5.2 memimpin Opus 5.5 pada kedua tolok ukur coding yang dilaporkannya: FrontierCode 2.0 (49,1% vs 45,5%) dan FrontierSWE v2 (69,9% vs 62,3%).

Menurut saya: Kimi K3.1 Pro kurang lebih merupakan model coding kelas Opus, dengan kekuatan nyata pada tugas rekayasa panjang dan beberapa titik lemah jelas seperti ProgramBench. Fable 5.2 selangkah di atas Opus. Ini menunjukkan Fable 5.2 lebih kuat untuk coding secara keseluruhan, meski Kimi K3.1 Pro bisa mendekati pada jenis tugas multi-jam di mana ia mengalahkan Opus.

Penalaran, riset, dan pekerjaan kantor

Fable 5.2 lebih unggul dalam penalaran. Selain memimpin pada Humanity's Last Exam dengan tools, model ini mencetak jauh lebih tinggi pada Terminal-Bench-Science, yang menguji riset ilmiah di terminal. Itulah area terlemah Kimi K3.1 Pro: pada 38,1%, ia tertinggal 25 poin dari Opus 5.5 di tabel Moonshot sendiri.

Kimi K3.1 Pro lebih kompetitif pada riset dan dokumen. Model ini mengalahkan Opus 5.5 pada BrowseComp, uji menemukan informasi yang sulit dicari di web (92,1% vs 90,8%), dan pada OfficeQA Pro, yang melibatkan analisis PDF keuangan (64,4 vs 62,2). Anthropic tidak melaporkan kedua tolok ukur ini untuk Fable 5.2, jadi tidak ada cara membandingkan secara langsung.

Halusinasi dan 3D

Grafik Moonshot menyertakan dua hasil terhadap Fable 5.1, yang memberi petunjuk bagaimana K3.1 Pro dibandingkan dengan lini Fable:

• Halusinasi: Pada Kimi Hallu Bench internal Moonshot, uji stres yang dibuat untuk memicu kesalahan, K3.1 Pro membuat klaim salah pada tingkat 5,4% tanpa tools, dibandingkan 11,4% untuk Fable 5.1. Ini adalah uji milik Moonshot, dan kita tidak punya angka Fable 5.2.
• Pemodelan 3D: Pada BenchCAD, yang menguji membangun ulang objek 3D dengan kode CAD, K3.1 Pro dan Fable 5.1 pada dasarnya seri dengan tools (92,7 vs 92,6). Anthropic melaporkan lonjakan besar untuk Fable 5.2 pada BenchCAD, tetapi pada versi tolok ukur yang berbeda, jadi angkanya tidak sebanding.

Bobot terbuka dan keamanan

Ini adalah perbedaan praktis terbesar. Bobot Kimi K3.1 Pro tersedia di Hugging Face, sehingga Anda dapat menjalankannya di hardware sendiri, melakukan fine-tuning, atau menggunakannya melalui penyedia pihak ketiga. Namun realistislah soal hardware: checkpoint-nya sekitar 1,56 TB, yang berarti server multi-GPU, bukan workstation. Dan baca lisensinya sebelum membangun produk di atasnya, karena ini lisensi milik Moonshot, bukan lisensi open-source standar.

Fable 5.2 bersifat tertutup, tetapi tersedia di Amazon Web Services, Google Cloud, dan Microsoft Azure, yang penting jika perusahaan Anda sudah berjalan di salah satunya.

Kedua lab juga menangani kapabilitas berisiko dengan cara berbeda. Moonshot menghapus data keamanan siber dari pelatihan K3.1 Pro sebelum merilis bobotnya, yang menurunkan skornya pada tolok ukur eksploit internal dari 90,5% menjadi 81,0%. Anthropic mempertahankan kapabilitas penuh Fable 5.2 tetapi memblokir sebagian besar permintaan keamanan ofensif dan biologi tingkat riset, hanya menawarkannya melalui Mythos 5.2 kepada organisasi yang telah diverifikasi.

Harga

Fable 5.2 berharga empat kali lipat per token. Untuk beban kerja 1 juta token input dan 250.000 token output, biayanya sekitar $4,50 pada Kimi K3.1 Pro dan $18 pada Fable 5.2.

Ada dua hal yang memperkecil selisih. Biaya cache read sama pada keduanya, sehingga loop agent yang membaca ulang konteks yang sama biayanya lebih dekat daripada tarif utama yang terlihat. Dan jika pekerjaan Anda bisa menunggu, harga batch Fable 5.2 menurunkannya menjadi $4/$20, sama dengan varian Highspeed milik Kimi. Kedua model juga menggunakan tokenizer berbeda, jadi teks yang sama tidak akan menghasilkan jumlah token yang persis sama pada masing-masing.

Uji Praktik: Membangun Simulator Lift

Tolok ukur dari dua lab berbeda hanya membawa Anda sejauh ini, jadi saya memberikan tugas yang sama kepada kedua model dalam agent coding yang sama: OpenCode, di Mac saya, dengan pengaturan default. Kimi K3.1 Pro dijalankan melalui OpenRouter dan Claude Fable 5.2 melalui Anthropic API, keduanya dalam versi standar, bukan varian lebih cepat.

Tugasnya adalah simulasi satu halaman dari tiga lift di gedung 12 lantai. Saya memilihnya karena aturannya mudah diperiksa dengan mengamati: lift terus bergerak ke arah yang sama selama ada permintaan di depannya, kabin yang masih punya ruang tidak boleh melewati orang yang menunggu ke arah yang sama, dan ketiga kabin tidak boleh mengejar panggilan yang sama. Ada juga tombol jam sibuk yang menurunkan 30 orang ke lobi sekaligus. Berikut prompt-nya, ditempel persis:

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.Didukung oleh

Membuatnya berjalan

Kimi K3.1 Pro selesai pada percobaan pertama dalam sekitar 9 menit. Fable 5.2 tidak. Dua kali, model ini menyusun rencana sekitar 6 menit, lalu OpenCode berhenti tanpa menulis apa pun atau menampilkan error. Penyebab yang mungkin adalah batas default OpenCode sebesar 32.000 token output per respons: Fable 5.2 menghabiskan seluruh anggaran untuk perencanaan sebelum menulis kode. Menaikkan batas ke 128.000 memperbaikinya, dan percobaan ketiga selesai dalam 15 menit.

Itu bukan kekurangan modelnya, tetapi patut diketahui jika Anda mencoba Fable 5.2 di agent coding pihak ketiga pada minggu peluncurannya.

Mengamati jam sibuk

Berikut kedua simulator berdampingan. Saya memulai masing-masing dari kondisi benihnya sendiri, lalu menekan tombol jam sibuk pada saat yang sama dan mengatur keduanya ke kecepatan 4x.

Beberapa hal yang menonjol bagi saya:

• Fable 5.2 membersihkan lobi lebih cepat. Keduanya mendapat kerumunan 30 orang yang sama, tetapi antrean Kimi di lantai 1 tetap panjang jauh lebih lama, sementara antrean Fable menyusut menjadi segelintir dalam sekitar setengah menit simulasi.
• Itu bermuara pada satu aturan. Prompt mengatakan jangan mengirim ketiga lift ke panggilan yang sama. Kimi K3.1 Pro memahaminya secara harfiah dan menetapkan satu kabin per panggilan. Fable 5.2 membacanya sebagai "jangan menyia-nyiakan kabin" dan mengirim ketiganya ke kerumunan yang terlalu besar untuk satu kabin, dan model ini menyebutkannya dalam ringkasannya. Keduanya penafsiran yang masuk akal, tetapi milik Fable bekerja lebih baik saat jam sibuk.
• Fable 5.2 juga melonggarkan aturan lain, dan menandainya. Model ini membiarkan kabin melewati lantai jika kabin lain sudah memuat di sana dengan ruang untuk semua orang, yang menghindari dua kabin membuka pintu untuk orang yang sama. Ia menjelaskan pengecualian itu dan menawarkan untuk menghapusnya.
• Halaman Fable 5.2 lebih mudah dibaca. Seluruh gedung dan statistik muat di satu layar, dan setiap penumpang ditampilkan sebagai chip bernomor yang menunjukkan tujuan mereka. Dasbor Kimi K3.1 Pro memiliki lebih banyak detail, termasuk panel status untuk setiap kabin, tetapi di layar laptop Anda harus menggulir untuk melihat semua 12 lantai, dan penumpang di dalam setiap kabin berukuran sangat kecil.

Keduanya memeriksa hasil kerjanya sendiri

Tidak ada model yang sekadar menulis kode lalu berhenti. Keduanya menulis skrip uji yang menjalankan simulasi selama berjam-jam simulasi, memeriksa bahwa tidak ada kabin yang melebihi kapasitas, bahwa tidak ada kabin yang melewati penumpang menunggu yang seharusnya dijemput, dan bahwa reset mereplikasi run yang sama. Keduanya juga memeriksa halamannya di browser headless pada lebar layar ponsel. Dalam pemeriksaan saya sendiri, kedua halaman dimuat tanpa error, tidak membuat permintaan jaringan, dan muat di layar ponsel tanpa gulir menyamping.

Putusan saya

Kedua model membangun simulator yang berfungsi. Simulator Fable 5.2 menangani jam sibuk dengan lebih baik dan lebih mudah diikuti, serta lebih terbuka tentang di mana ia menafsirkan prompt. Namun model ini memakan waktu lebih lama, biayanya empat kali lipat per token, dan membutuhkan perubahan konfigurasi sebelum bisa berjalan sama sekali. Kimi K3.1 Pro langsung bekerja dan mengikuti aturan lebih harfiah.

Dengan harga seperempatnya, hasil Kimi K3.1 Pro lebih dekat daripada yang disiratkan selisih harga. Ini satu tugas, dijalankan sekali per model, jadi perlakukan sebagai kesan pertama, bukan tolok ukur.

Kapan Memilih Kimi K3.1 Pro vs. Claude Fable 5.2

Pilih Kimi K3.1 Pro jika...

• Biaya penting. Dengan harga seperempat Fable 5.2, sulit dikalahkan untuk pekerjaan agent berskala besar.
• Anda ingin self-host, fine-tune, atau menyimpan model di infrastruktur Anda sendiri.
• Tugas Anda panjang tetapi terdefinisi dengan baik, seperti pekerjaan rekayasa multi-jam, riset web, atau analisis dokumen keuangan.

Pilih Claude Fable 5.2 jika...

• Anda membutuhkan hasil terkuat pada penalaran sulit, pekerjaan ilmiah, atau penggunaan komputer.
• Anda membutuhkan kinerja coding yang konsisten di berbagai jenis tugas. Kimi K3.1 Pro memiliki celah besar pada beberapa tolok ukur coding, di mana model ini bahkan tertinggal dari Opus 5.5.
• Anda membutuhkannya di AWS, Google Cloud, atau Azure, atau di dalam aplikasi Claude dan Claude Code.

Ada juga opsi tengah. Jika Fable 5.2 lebih dari yang Anda butuhkan, Claude Opus 5.5 berharga $4/$20, dua kali harga Kimi, dan kami telah membandingkannya langsung dengan Kimi dalam artikel Kimi K3.1 Pro vs. Claude Opus 5.5 kami.

Pikiran Akhir

Berdasarkan angka yang ada, Claude Fable 5.2 adalah model yang lebih kuat, terutama pada penalaran, sains, dan penggunaan komputer. Namun Kimi K3.1 Pro tidak perlu menang telak untuk menjadi pilihan yang lebih baik bagi banyak pekerjaan. Model ini kurang lebih setara kelas Opus pada coding dan riset, harganya seperempat dari Fable, dan dapat diunduh.

Uji lift saya sendiri menunjukkan hal yang sama: Fable 5.2 membangun simulator yang lebih baik, tetapi Kimi K3.1 Pro mengejar dengan mengejutkan untuk harga seperempatnya, dan langsung bekerja.

Jika Anda ingin praktik langsung dengan model seperti ini, jalur Developing AI Applications kami adalah tempat yang baik untuk memulai.