Kimi K3.1 Pro vs. Claude Fable 5.2: benchmarki, ceny i co wybrać

W odstępie niespełna trzech tygodni Moonshot AI i Anthropic wypuściły nowe topowe modele. Kimi K3.1 Pro pojawił się pod koniec października jako najsilniejszy model open-weight Moonshota, a Claude Fable 5.2 zadebiutował 9 listopada jako najbardziej zaawansowany ogólnodostępny model Anthropica.

Celują w podobne zadania, jak długie agentowe przebiegi kodowania, research i prace biurowe, ale zajmują przeciwległe krańce rynku. Kimi K3.1 Pro to model open-weight i kosztuje jedną czwartą ceny Fable 5.2 za token. Fable 5.2 jest zamknięty, droższy i — według dostępnych danych — mocniejszy w większości zadań.

W tym artykule porównam oba modele pod kątem benchmarków, cen i dostępu, przepuszczę je przez ten sam praktyczny test kodowania i polecę, którego użyć do czego.

Czym jest Kimi K3.1 Pro?

Kimi K3.1 Pro to flagowy model Moonshot AI, wydany 23 października 2026. To potrenowana wersja Kimi K3, 2,8‑bilionowego modelu Mixture‑of‑Experts, który Moonshot wypuścił w lipcu, z ok. 104 miliardami aktywnych parametrów na token. Architektura się nie zmieniła; zyski pochodzą z dużo większej rundy uczenia ze wzmocnieniem obejmującej setki domen zadań.

Ma kontekst 1 mln tokenów, zawsze włączone myślenie (z poziomami wysiłku low, high i max) oraz szybszy wariant Highspeed, który kosztuje dwa razy więcej. Moonshot udostępnił pełne wagi na Hugging Face 4 listopada, na podstawie niestandardowej licencji.

Czym jest Claude Fable 5.2?

Claude Fable 5.2 to najbardziej zaawansowany model Anthropica do zastosowań ogólnych, wydany 9 listopada 2026. W hierarchii Claude stoi powyżej Claude Opus 5.5 i jest budowany z myślą o najtrudniejszych zadaniach technicznych: dużych migracjach, wielodniowych przebiegach agentów i problemach badawczych. Wersja z mniejszą liczbą zabezpieczeń, Claude Mythos 5.2, jest dostępna wyłącznie dla zweryfikowanych organizacji z obszaru bezpieczeństwa i nauk przyrodniczych.

Fable 5.2 ma kontekst 1 mln tokenów, maksymalny output 128 tys. oraz regulowane poziomy wysiłku od low do max. Jest o 20% tańszy niż Fable 5.1 i generuje odpowiedzi do 30% szybciej. Więcej o zmianach znajdziesz w naszym artykule o Claude Fable 5.2, a model w akcji zobaczysz w tutorialu API Claude Fable 5.2.

Kimi K3.1 Pro vs. Claude Fable 5.2: bezpośrednie porównanie

Jest tu jeden haczyk: brak wspólnej tablicy wyników. Tabela Fable 5.2 od Anthropica nie zawiera Kimi, a wyniki Moonshota dla K3.1 Pro porównują się z Fable 5.1, nie 5.2. Oba laby testowały jednak Claude Opus 5.5, więc użyję Opusa 5.5 jako punktu odniesienia: jak daleko każdy model wypada powyżej lub poniżej Opusa w testach własnego laboratorium.

To nie jest metoda idealna. Laby używają różnych harnessów i czasem różnych wersji tych samych benchmarków, a każda liczba pochodzi od dostawcy. Ale to najuczciwszy obraz do czasu, aż pojawią się niezależne wyniki.

Zauważ, że oba laby nie zgadzają się nawet co do wyników Opusa 5.5 w dwóch z trzech benchmarków. To przypomina, jak bardzo liczy się konfiguracja. 

Agentowe kodowanie

Tutaj oba laby raportują zupełnie inne benchmarki, więc jedynym punktem odniesienia jest Opus 5.5. W wynikach Moonshota Kimi K3.1 Pro jest mniej więcej na poziomie Opusa 5.5 w Terminal‑Bench 4.0 (65,7% vs 66,4%) i wyprzedza go w SWE‑Marathon, zestawie wielogodzinnych zadań inżynierskich (51,7% vs 46,3%). Ale mocno odstaje w ProgramBench (31,5% vs 65,0%).

W wynikach Anthropica Fable 5.2 wyprzedza Opusa 5.5 w obu raportowanych benchmarkach kodowania: FrontierCode 2.0 (49,1% vs 45,5%) i FrontierSWE v2 (69,9% vs 62,3%).

Moja ocena: Kimi K3.1 Pro to mniej więcej model klasy Opus w kodowaniu, z realną siłą w długich zadaniach inżynieryjnych i wyraźnymi słabościami, jak ProgramBench. Fable 5.2 jest o krok ponad Opusem. To sugeruje, że Fable 5.2 jest ogólnie silniejszym koderem, choć Kimi K3.1 Pro może być blisko w wielogodzinnych zadaniach, w których pokonuje Opusa.

Rozumowanie, research i prace biurowe

Fable 5.2 ma przewagę w rozumowaniu. Poza prowadzeniem w Humanity's Last Exam z narzędziami, uzyskuje znacznie wyższy wynik w Terminal‑Bench‑Science, który testuje badania naukowe w terminalu. To najsłabszy obszar Kimi K3.1 Pro: z wynikiem 38,1% traci do Opusa 5.5 o 25 punktów w tabeli Moonshota.

Kimi K3.1 Pro jest bardziej konkurencyjny w researchu i pracy z dokumentami. Pokonuje Opusa 5.5 w BrowseComp, teście wyszukiwania trudno dostępnych informacji w sieci (92,1% vs 90,8%), oraz w OfficeQA Pro, obejmującym analizę finansowych PDF‑ów (64,4 vs 62,2). Anthropic nie raportował tych benchmarków dla Fable 5.2, więc nie da się porównać bezpośrednio.

Halucynacje i 3D

Wykresy Moonshota zawierają dwa wyniki względem Fable 5.1, które podpowiadają, jak K3.1 Pro wypada na tle linii Fable:

• Halucynacje: W wewnętrznym Kimi Hallu Bench Moonshota, teście stresowym prowokującym błędy, K3.1 Pro składał fałszywe twierdzenia z częstością 5,4% bez narzędzi, w porównaniu z 11,4% dla Fable 5.1. To test Moonshota i nie mamy liczby dla Fable 5.2.
• Modelowanie 3D: W BenchCAD, który testuje odtwarzanie obiektów 3D kodem CAD, K3.1 Pro i Fable 5.1 praktycznie zremisowały z narzędziami (92,7 vs 92,6). Anthropic raportuje duży skok dla Fable 5.2 w BenchCAD, ale w innej wersji benchmarku, więc liczb nie da się porównać.

Otwarte wagi i bezpieczeństwo

To największa praktyczna różnica. Wagi Kimi K3.1 Pro są na Hugging Face, więc możesz uruchamiać go na własnym sprzęcie, dostrajać lub używać przez zewnętrznego hosta. Bądź jednak realistą co do sprzętu: checkpoint ma ok. 1,56 TB, co oznacza serwer z wieloma GPU, nie stację roboczą. I przeczytaj licencję, zanim zbudujesz na tym produkt — to własna licencja Moonshota, a nie standardowa open‑source.

Fable 5.2 jest zamknięty, ale dostępny w Amazon Web Services, Google Cloud i Microsoft Azure, co ma znaczenie, jeśli twoja firma już z nich korzysta.

Oba laby inaczej podchodzą też do ryzykownych możliwości. Moonshot usunął dane cyberbezpieczeństwa ze szkolenia K3.1 Pro przed wydaniem wag, co obniżyło jego wynik w wewnętrznym benchmarku exploitów z 90,5% do 81,0%. Anthropic zachowuje pełne możliwości Fable 5.2, ale blokuje większość ofensywnego security i próśb z zakresu biologii na poziomie badań, udostępniając je tylko przez Mythos 5.2 zweryfikowanym organizacjom.

Cennik

Fable 5.2 kosztuje cztery razy więcej za token. Dla obciążenia 1 mln tokenów wejściowych i 250 tys. tokenów wyjściowych to ok. $4,50 na Kimi K3.1 Pro i $18 na Fable 5.2.

Dwie rzeczy zawężają różnicę. Odczyty z cache kosztują tyle samo w obu, więc pętle agenta, które wielokrotnie czytają ten sam kontekst, są cenowo bliższe niż sugerują stawki wyjściowe. A jeśli twoja praca może poczekać, ceny batch dla Fable 5.2 obniżają je do $4/$20, czyli tyle co wariant Highspeed Kimi. Modele używają też różnych tokenizerów, więc ten sam tekst nie da identycznej liczby tokenów.

Test praktyczny: budujemy symulator windy

Benchmarki z dwóch różnych labów powiedzą tylko tyle, więc dałem obu modelom to samo zadanie w tym samym agencie do kodu: OpenCode na moim Macu, z ustawieniami domyślnymi. Kimi K3.1 Pro działał przez OpenRouter, a Claude Fable 5.2 przez API Anthropica, oba w standardowych wersjach, nie w szybszych wariantach.

Zadanie to jednostronicowa symulacja trzech wind w 12‑piętrowym budynku. Wybrałem je, bo zasady łatwo sprawdzić „na oko”: winda jedzie dalej w swoim kierunku, dopóki są przed nią zgłoszenia, potem zawraca lub przechodzi w bezczynność; kabina z wolnym miejscem nie mija osób czekających w jej kierunku; a trzy windy nie powinny gonić tego samego wezwania. Jest też przycisk „rush hour”, który wrzuca naraz 30 osób do lobby. Oto prompt, wklejony dosłownie:

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.Obsługiwane przez

Uruchomienie

Kimi K3.1 Pro skończył za pierwszym razem w ok. 9 minut. Fable 5.2 nie. Dwa razy planował przez ok. 6 minut, po czym OpenCode zatrzymał się bez zapisania czegokolwiek i bez błędu. Prawdopodobna przyczyna to domyślny limit 32 000 tokenów wyjścia na odpowiedź w OpenCode: Fable 5.2 zużył cały budżet na planowanie, zanim napisał kod. Podniesienie limitu do 128 000 rozwiązało problem i trzecie podejście skończyło się po 15 minutach.

To nie wada modelu, ale warto o tym wiedzieć, jeśli sprawdzasz Fable 5.2 w zewnętrznym agencie kodującym tuż po premierze.

Obserwacja godzin szczytu

Oto oba symulatory obok siebie. Każdy uruchomiłem z jego własnego ziarna losowości, potem w tym samym momencie wcisnąłem rush hour i ustawiłem prędkość na 4x.

Kilka rzeczy zwróciło moją uwagę:

• Fable 5.2 szybciej czyści lobby. Oba dostają tę samą 30‑osobową kolejkę, ale u Kimi kolejka na 1. piętrze długo pozostaje długa, podczas gdy u Fable maleje do kilku osób w około pół minuty symulacji.
• To sprowadza się do jednej zasady. Prompt mówił, by nie wysyłać trzech wind do tego samego wezwania. Kimi K3.1 Pro odczytał to dosłownie i przypisuje jedną windę do jednego wezwania. Fable 5.2 zrozumiał to jako „nie marnuj wind” i wysyła wszystkie trzy do tłumu zbyt dużego dla jednej kabiny — i napisał o tym w podsumowaniu. Obie interpretacje są rozsądne, ale u Fable lepiej działa w godzinach szczytu.
• Fable 5.2 nagiął też inną zasadę i to zaznaczył. Pozwala pominąć piętro, jeśli inna winda już tam zabiera pasażerów i ma miejsce dla wszystkich, co zapobiega sytuacji, w której dwie windy otwierają drzwi dla tych samych osób. Wyjaśnił wyjątek i zaproponował jego usunięcie.
• Strona Fable 5.2 jest czytelniejsza. Cały budynek i statystyki mieszczą się na jednym ekranie, a każdy pasażer to ponumerowany znacznik z celem podróży. Dashboard Kimi K3.1 Pro ma więcej szczegółów, w tym panel statusu każdej windy, ale na laptopie trzeba przewijać, by zobaczyć wszystkie 12 pięter, a pasażerowie w kabinach są mali.

Oba sprawdzały własną pracę

Żaden model nie napisał kodu i nie skończył. Oba stworzyły skrypty testowe uruchamiające symulację przez godziny symulowane, sprawdzając, czy żadna winda nie przekroczyła pojemności, czy nie minęła czekającego pasażera, którego powinna zabrać, i czy reset odtwarza ten sam przebieg. Oba sprawdziły też strony w headless‑przeglądarce przy szerokościach telefonów. W moich testach obie strony ładowały się bez błędów, nie wykonywały żądań sieciowych i mieściły się na ekranie telefonu bez przewijania w bok.

Moja ocena

Oba modele zbudowały działający symulator. Fable 5.2 lepiej poradził sobie w godzinach szczytu i był łatwiejszy do śledzenia, a także był bardziej otwarty w kwestii interpretacji promptu. Ale zajął więcej czasu, kosztuje cztery razy więcej za token i wymagał zmiany konfiguracji, zanim w ogóle ruszył. Kimi K3.1 Pro zadziałał od razu i bardziej dosłownie trzymał się zasad.

Za jedną czwartą ceny wynik Kimi K3.1 Pro jest bliżej, niż sugeruje różnica w cenie. To jedno zadanie, po jednym przebiegu na model, więc potraktuj to jako pierwsze wrażenie, a nie benchmark.

Kiedy wybrać Kimi K3.1 Pro vs. Claude Fable 5.2

Wybierz Kimi K3.1 Pro, jeśli...

• Liczy się koszt. Przy jednej czwartej ceny Fable 5.2 trudno o lepszy wybór do pracy agentów na dużą skalę.
• Chcesz sam hostować, dostrajać lub trzymać model na własnej infrastrukturze.
• Twoje zadania są długie, ale dobrze zdefiniowane, np. wielogodzinne prace inżynieryjne, research w sieci czy analiza dokumentów finansowych.

Wybierz Claude Fable 5.2, jeśli...

• Potrzebujesz najsilniejszych wyników w trudnym rozumowaniu, pracy naukowej lub obsłudze komputera.
• Potrzebujesz spójnej jakości kodowania w różnych typach zadań. Kimi K3.1 Pro ma duże luki w niektórych benchmarkach kodowania, gdzie odstaje nawet od Opusa 5.5.
• Potrzebujesz go na AWS, Google Cloud lub Azure albo w aplikacjach Claude i Claude Code.

Jest też opcja pośrednia. Jeśli Fable 5.2 to dla ciebie za dużo, Claude Opus 5.5 kosztuje $4/$20, czyli dwa razy tyle co Kimi, a bezpośrednio porównaliśmy go z Kimi w artykule Kimi K3.1 Pro vs. Claude Opus 5.5.

Na koniec

Według dostępnych liczb Claude Fable 5.2 to silniejszy model, zwłaszcza w rozumowaniu, nauce i obsłudze komputera. Ale Kimi K3.1 Pro nie musi wygrywać, by być lepszym wyborem do wielu prac. W kodowaniu i researchu jest mniej więcej klasy Opusa, kosztuje jedną czwartą ceny Fable i możesz go pobrać.

Mój test windy wskazał to samo: Fable 5.2 zbudował lepszy symulator, ale Kimi K3.1 Pro zaskakująco zbliżył się za jedną czwartą ceny i działał od ręki.

Jeśli chcesz popracować z takimi modelami, dobrym startem jest nasza ścieżka Developing AI Applications.