Kimi K3.1 Pro vs. Claude Fable 5.2：ベンチマーク、価格、用途別のおすすめ

3週間も空けずに、Moonshot AI と Anthropic がそれぞれ新たな最上位モデルを出荷しました。Kimi K3.1 Pro は10月下旬に、Moonshot で最も強力なオープンウェイトモデルとして登場し、Claude Fable 5.2 は11月9日に、Anthropic の一般提供モデルの中で最も高性能なモデルとしてリリースされました。

長時間のエージェント型コーディング、リサーチ、オフィス業務など、狙う用途は似ていますが、市場での立ち位置は対照的です。Kimi K3.1 Pro はオープンウェイトで、トークンあたりの価格は Fable 5.2 の4分の1。Fable 5.2 はクローズドで高価ですが、手元の数値では多くのタスクでより強力です。

本記事では、両者をベンチマーク、価格、利用方法で比較し、同じハンズオンのコーディングテストにかけたうえで、用途別のおすすめを提示します。

Kimi K3.1 Pro とは？

Kimi K3.1 Pro は Moonshot AI のフラッグシップモデルで、2026年10月23日にリリースされました。これは Kimi K3（2026年7月に Moonshot が公開した2.8兆パラメータの Mixture-of-Experts モデル、トークンあたり有効約1040億パラメータ）の事後学習版です。アーキテクチャは同一で、性能向上は数百のタスク領域にわたる大規模な強化学習によるものです。

100万トークンのコンテキストウィンドウを備え、思考モードは常時オン（low、high、max の努力度）です。高速な Highspeed 版もあり、価格は2倍です。Moonshot は11月4日に Hugging Face でフルウェイトを独自ライセンスのもと公開しました。

Claude Fable 5.2 とは？

Claude Fable 5.2 は Anthropic の一般用途向けで最も高性能なモデルで、2026年11月9日にリリースされました。Claude ラインナップで Claude Opus 5.5 の上位に位置し、大規模マイグレーション、数日にわたるエージェント実行、研究課題など最難関の技術業務に向けて設計されています。安全策を抑えたバージョンの Claude Mythos 5.2 は、審査済みのセキュリティおよびライフサイエンス組織に限定提供されています。

Fable 5.2 は100万トークンのコンテキストウィンドウ、最大128Kの出力、low から max まで可変の努力度を備えます。Fable 5.1 より20%安く、出力は最大30%高速です。変更点の詳細は Claude Fable 5.2 の記事 を、実際の動作は Claude Fable 5.2 API チュートリアル でご覧ください。

Kimi K3.1 Pro vs. Claude Fable 5.2：徹底比較

この比較には前提があります。共通のスコアボードがないのです。Anthropic の Fable 5.2 の表には Kimi がなく、Moonshot の K3.1 Pro の結果は Fable 5.2 ではなく Fable 5.1 を比較対象にしています。両ラボとも Claude Opus 5.5 との比較は行っているため、ここでは Opus 5.5 を基準点として、それぞれのラボのテストで Opus をどれだけ上回る（または下回る）かで見ます。

これは完璧な方法ではありません。ラボごとにハーネスが異なり、同一ベンチマークでもバージョンが違う場合があります。ここにある数値はすべてベンダー公表値です。それでも、独立検証が出そろうまではこれが最も公平な見取り図です。

3つのベンチマークのうち2つで、両ラボは Opus 5.5 のスコアにさえ一致していません。セットアップの影響がいかに大きいかの示唆です。

エージェント型コーディング

ここでは両ラボがまったく異なるベンチマークを報告しているため、参照点は Opus 5.5 のみです。Moonshot の結果では、Kimi K3.1 Pro は Terminal-Bench 4.0 で Opus 5.5 と同程度（65.7% 対 66.4%）で、複数時間のエンジニアリング課題セットである SWE-Marathon では上回ります（51.7% 対 46.3%）。一方で ProgramBench では大きく劣後します（31.5% 対 65.0%）。

Anthropic の結果では、Fable 5.2 は報告された両方のコーディングベンチマークで Opus 5.5 を上回ります：FrontierCode 2.0（49.1% 対 45.5%）と FrontierSWE v2（69.9% 対 62.3%）。

私見：Kimi K3.1 Pro は概ね Opus クラスのコーディングモデルで、長時間のエンジニアリングに強みがある一方、ProgramBench のような明確な弱点もあります。Fable 5.2 は Opus より一段上。総合的には Fable 5.2 のほうがコーディングに強そうですが、Kimi K3.1 Pro は Opus に勝つような数時間級タスクでは肉薄する可能性があります。

推論、リサーチ、オフィス業務

推論では Fable 5.2 に分があります。ツール併用の Humanity's Last Exam でのリードに加え、ターミナル上での科学研究を試す Terminal-Bench-Science でも大きく上回ります。ここは Kimi K3.1 Pro の最弱分野で、38.1% は Moonshot 自身の表でも Opus 5.5 に25ポイント差をつけられています。

Kimi K3.1 Pro はリサーチとドキュメントでは競争力があります。ウェブ上で見つけにくい情報を探す BrowseComp では Opus 5.5 を上回り（92.1% 対 90.8%）、財務系 PDF を分析する OfficeQA Pro でも上回ります（64.4 対 62.2）。Anthropic は Fable 5.2 でこれらのベンチマークを報告していないため、直接比較はできません。

幻覚（ハルシネーション）と3D

Moonshot のチャートには Fable 5.1 との比較が2件含まれており、K3.1 Pro が Fable 系列に対してどう位置づくかの手がかりになります。

• ハルシネーション：Moonshot 内部の Kimi Hallu Bench（誤り誘発のストレステスト）では、ツールなしでの虚偽主張率が K3.1 Pro は 5.4%、Fable 5.1 は 11.4% でした。これは Moonshot 独自のテストで、Fable 5.2 の数値は不明です。
• 3D モデリング：CAD コードで3Dオブジェクトを再現する BenchCAD では、ツール有りで K3.1 Pro と Fable 5.1 は実質同点（92.7 対 92.6）。Anthropic は Fable 5.2 の BenchCAD で大きな伸びを報告していますが、ベンチマークのバージョンが異なるため数値は比較できません。

オープンウェイトと安全性

ここが実務上の最大の違いです。Kimi K3.1 Pro のウェイトは Hugging Face で公開されており、自前ハードでの運用、ファインチューニング、サードパーティのホスティング利用が可能です。ただしハード要件には現実的であるべきです。チェックポイントは約1.56 TB あり、必要なのはワークステーションではなくマルチGPUサーバーです。また、標準的なオープンソースライセンスではなく Moonshot 独自ライセンスのため、製品に組み込む前に必ず条件を確認してください。

Fable 5.2 はクローズドですが、Amazon Web Services、Google Cloud、Microsoft Azure で利用可能で、既存の基盤がそれら上にある企業にとっては重要です。

リスクの高い機能への対応も両ラボで異なります。Moonshot はウェイト公開前に K3.1 Pro の学習からサイバーセキュリティデータを削除し、内部のエクスプロイト系ベンチマークのスコアは 90.5% から 81.0% に低下しました。Anthropic は Fable 5.2 の能力を保持する一方、攻撃的セキュリティや研究レベルの生物学的リクエストの多くをブロックし、審査済み組織向けに Mythos 5.2 でのみ提供します。

価格

Fable 5.2 はトークンあたり4倍の価格です。入力100万トークン、出力25万トークンのワークロードでは、Kimi K3.1 Pro は約 $4.50、Fable 5.2 は $18 になります。

ただし差を縮める要素が2つあります。キャッシュ読み出しは両者同額のため、同じコンテキストを再読するエージェントループでは見出しのレートほど価格差が出ません。また待てる作業なら、Fable 5.2 のバッチ価格は $4/$20 まで下がり、Kimi の Highspeed 版と同水準です。さらにトークナイザが異なるため、同一テキストでも各モデルでトークン数は完全一致しません。

ハンズオンテスト：エレベーターシミュレーターを作る

別々のラボのベンチマークだけでは不十分なので、同一のコーディングエージェント OpenCode を使い、Mac 上でデフォルト設定のまま、両モデルにまったく同じタスクを与えました。Kimi K3.1 Pro は OpenRouter 経由、Claude Fable 5.2 は Anthropic API 経由で、どちらも高速版ではなく標準版を使用しました。

タスクは、12階建ての建物に3基のエレベーターがある単一ページのシミュレーションです。ルールが視覚的に検証しやすいことから選びました：エレベーターはその方向に先のリクエストがある間は進み続け、なければ反転または待機する、乗車可能な車両は自分の進行方向に行きたい人がいる階を通過してはならない、3台すべてが同じ呼び出しに向かわない、といったものです。さらに、1階のロビーに一度に30人を発生させる「ラッシュアワー」ボタンもあります。プロンプトは次のとおり、原文そのままです。

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.提供：

動作までの道のり

Kimi K3.1 Pro は約9分で一発完了しました。Fable 5.2 はそうではありません。2回、約6分かけて計画を立てた後、OpenCode が何も書き出さずエラーも表示せずに停止しました。原因として考えられるのは、OpenCode のデフォルト設定であるレスポンスあたり 32,000 出力トークンの上限です。Fable 5.2 はコードを書き始める前に、全予算を計画に使い切ってしまったのでしょう。上限を 128,000 に引き上げると解決し、3回目の試行は15分で完了しました。

これはモデルの欠陥ではありませんが、リリース週にサードパーティのコーディングエージェントで Fable 5.2 を試すなら知っておく価値があります。

ラッシュアワーの挙動

2つのシミュレーターを並べて比較します。それぞれのシード状態から開始し、同時にラッシュアワーを押し、どちらも4倍速に設定しました。

気づいた点はいくつかあります。

• Fable 5.2 はロビーの捌けが速い。どちらも30人の群衆は同じですが、Kimi の1階の行列は長いまましばらく残る一方、Fable は約30秒のシミュレーション時間で一握りまで縮みます。
• 要因は1つのルール解釈にある。プロンプトは「3台すべてを同じ呼び出しに送らないこと」としました。Kimi K3.1 Pro はこれを文字通りに解し、1コールに1台のみを割り当てます。Fable 5.2 は「車両を無駄遣いしない」と読み替え、1台では捌けない群衆には3台を送ります。しかも、その旨を要約で明示しました。どちらの読みも妥当ですが、ラッシュアワーでは Fable の方が機能します。
• Fable 5.2 はもう1つのルールも緩め、それを明示した。他の車両がすでにその階で積み込み中で、全員を収容できる場合は、車両がその階をスキップできるようにしています。これにより、同じ人のために2台が同時にドアを開ける事態を避けます。例外の理由を説明し、不要なら外すと述べました。
• Fable 5.2 のページは読みやすい。建物全体と統計が1画面に収まり、各乗客は行き先番号付きのチップで表示されます。Kimi K3.1 Pro のダッシュボードは各車両のステータスパネルなど情報量が多い一方、ノートPC画面では12階すべてを見るのにスクロールが必要で、車内の乗客表示も小さめです。

両者とも自己検証を実施

どちらのモデルもコードを書いて終わりにはしませんでした。シミュレーションを仮想的に数時間走らせ、定員超過がないこと、拾うべき乗客を通過しないこと、リセット後に同じ実行が再現されることを確認するテストスクリプトを作成しました。ヘッドレスブラウザでのスマホ幅チェックも実施。私の確認でも、どちらのページもエラーなく読み込み、ネットワークリクエストは発生せず、横スクロールなしでスマホ画面に収まりました。

総評

いずれも動作するシミュレーターを構築しました。Fable 5.2 はラッシュアワーの捌けがよく、挙動が追いやすく、プロンプト解釈の明確化も優れていました。ただし所要時間は長く、トークン単価は4倍で、動かす前に設定変更が必要でした。Kimi K3.1 Pro は設定不要で動き、ルールをより字義通りに守りました。

価格が4分の1であることを考えると、Kimi K3.1 Pro の結果は価格差から受ける印象以上に迫っています。これは各モデル1回ずつのタスク実行にすぎないため、ベンチマークではなく第一印象として捉えてください。

Kimi K3.1 Pro と Claude Fable 5.2 を選ぶ基準

Kimi K3.1 Pro を選ぶなら……

• コストが重要。Fable 5.2 の4分の1の価格は、大規模エージェント業務で強みになります。
• 自前ホスティング、ファインチューニング、自社インフラ上での運用を望む。
• 複数時間に及ぶエンジニアリング、ウェブリサーチ、財務文書分析など、長時間だが要件が明確なタスクが中心。

Claude Fable 5.2 を選ぶなら……

• 高度な推論、科学業務、コンピュータ操作で最強の結果が必要。
• タスク種類をまたいだ一貫したコーディング性能が必要。Kimi K3.1 Pro には、Opus 5.5 にも及ばないベンチマークがあるなど大きなギャップがあります。
• AWS、Google Cloud、Azure 上、または Claude アプリや Claude Code 内での提供が必要。

中間の選択肢もあります。Fable 5.2 ほどの性能が不要なら、Claude Opus 5.5 は $4/$20 と Kimi の2倍の価格で、Kimi K3.1 Pro と Claude Opus 5.5 の比較記事 で直接比較しています。

まとめ

手元の数値では、特に推論、科学、コンピュータ操作で Claude Fable 5.2 がより強力です。ただし、Kimi K3.1 Pro は総合勝ちしなくても、多くの業務でより良い選択になり得ます。コーディングとリサーチでは概ね Opus クラスで、価格は Fable の4分の1、そしてダウンロード可能です。

筆者のエレベーター実験も同様の示唆でした。Fable 5.2 はより優れたシミュレーターを構築しましたが、Kimi K3.1 Pro は価格4分の1としては驚くほど近い出来で、設定不要で動作しました。

こうしたモデルを実際に扱ってみたい場合は、Developing AI Applications トラックから始めるのがおすすめです。