Kimi K3.1 Pro vs. Claude Fable 5.2: เบนช์มาร์ก ราคา และควรใช้ตัวไหน

ในช่วงเวลาห่างกันไม่ถึงสามสัปดาห์ Moonshot AI และ Anthropic ต่างก็ปล่อยโมเดลเรือธงรุ่นใหม่ Kimi K3.1 Pro เปิดตัวปลายเดือนตุลาคมในฐานะโมเดล open-weight ที่แข็งแกร่งที่สุดของ Moonshot และ Claude Fable 5.2 เปิดตัวเมื่อวันที่ 9 พฤศจิกายน ในฐานะโมเดลที่ทรงพลังที่สุดสำหรับการใช้งานทั่วไปของ Anthropic

ทั้งคู่มุ่งไปที่งานลักษณะคล้ายกัน เช่น รันโค้ดแบบเอเจนต์ต่อเนื่องยาว งานวิจัย และงานออฟฟิศ แต่ยืนกันคนละฝั่งของตลาด Kimi K3.1 Pro เป็น open-weight และคิดราคาเพียงหนึ่งในสี่ของ Fable 5.2 ต่อโทเคน ส่วน Fable 5.2 เป็นแบบปิด ราคาแพงกว่า และจากตัวเลขที่มี ทำผลงานได้ดีกว่าในงานส่วนใหญ่

ในบทความนี้ จะเปรียบเทียบทั้งสองในด้านเบนช์มาร์ก ราคา และการเข้าถึง ทดสอบโค้ดแบบลงมือทำด้วยงานเดียวกัน และแนะนำว่าควรใช้ตัวไหนกับงานแบบใด

Kimi K3.1 Pro คืออะไร?

Kimi K3.1 Pro คือโมเดลเรือธงของ Moonshot AI เปิดตัวเมื่อวันที่ 23 ตุลาคม 2026 เป็นเวอร์ชันที่ผ่านการฝึกเพิ่มเติมของ Kimi K3 โมเดล Mixture-of-Experts ขนาด 2.8 ล้านล้านพารามิเตอร์ที่ Moonshot เปิดตัวในเดือนกรกฎาคม มีพารามิเตอร์ที่ทำงานต่อโทเคนราว 104 พันล้าน สถาปัตยกรรมนั้นเหมือนเดิม จุดที่พัฒนาเกิดจากการทำ reinforcement learning รอบใหญ่ขึ้นอย่างมาก ครอบคลุมหลายร้อยโดเมนงาน

มีหน้าต่างบริบท 1M โทเคน โหมดคิดเปิดตลอดเวลา (มีระดับความพยายาม low, high และ max) และมีรุ่น Highspeed ที่เร็วกว่าแต่ราคาเป็นสองเท่า Moonshot ปล่อยน้ำหนักโมเดลเต็มบน Hugging Face เมื่อวันที่ 4 พฤศจิกายน ภายใต้ไลเซนส์แบบกำหนดเอง

Claude Fable 5.2 คืออะไร?

Claude Fable 5.2 คือโมเดลที่ทรงพลังที่สุดของ Anthropic สำหรับการใช้งานทั่วไป เปิดตัวเมื่อวันที่ 9 พฤศจิกายน 2026 อยู่เหนือ Claude Opus 5.5 ในไลน์อัปของ Claude และถูกออกแบบมาสำหรับงานเทคนิคที่ยากที่สุด: งานย้ายระบบขนาดใหญ่ เอเจนต์ที่รันหลายวัน และโจทย์วิจัย รุ่นที่มีกลไกป้องกันน้อยกว่า Claude Mythos 5.2 เปิดให้เฉพาะองค์กรด้านความปลอดภัยและวิทยาศาสตร์ชีวภาพที่ผ่านการคัดกรอง

Fable 5.2 มีหน้าต่างบริบท 1M โทเคน เอาต์พุตสูงสุด 128K และปรับระดับความพยายามได้ตั้งแต่ low ถึง max มีราคาถูกกว่า Fable 5.1 ราว 20% และสร้างเอาต์พุตได้เร็วขึ้นสูงสุด 30% หากต้องการรายละเอียดการเปลี่ยนแปลง ดูได้ที่ บทความ Claude Fable 5.2 และชมการทำงานของโมเดลใน บทเรียนใช้งาน Claude Fable 5.2 API

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

ประเด็นสำคัญของการเปรียบเทียบนี้คือ ไม่มีตารางคะแนนร่วมกัน ตารางของ Fable 5.2 จาก Anthropic ไม่มี Kimi และผลของ K3.1 Pro จาก Moonshot เปรียบเทียบกับ Fable 5.1 ไม่ใช่ 5.2 แต่ทั้งสองแลปทดสอบกับ Claude Opus 5.5 เหมือนกัน จึงใช้ Opus 5.5 เป็นจุดอ้างอิง: แต่ละโมเดลอยู่เหนือหรือต่ำกว่า Opus แค่ไหนในผลทดสอบของแลปตัวเอง

วิธีนี้ไม่สมบูรณ์แบบ แลปใช้ฮาร์เนสต่างกัน และบางครั้งใช้เวอร์ชันของเบนช์มาร์กต่างกัน และตัวเลขทั้งหมดมาจากผู้ผลิต แต่ก็เป็นภาพรวมที่ยุติธรรมที่สุดจนกว่าจะมีผลอิสระออกมา

จะเห็นได้ว่าสองแลปยังไม่เห็นพ้องกันในคะแนนของ Opus 5.5 สำหรับ 2 ใน 3 เบนช์มาร์ก เป็นเครื่องเตือนว่าการตั้งค่ามีผลมากเพียงใด 

การโค้ดแบบเอเจนต์

ในส่วนนี้ ทั้งสองแลปรายงานเบนช์มาร์กคนละชุด จึงมีเพียง Opus 5.5 เป็นจุดอ้างอิง ในผลของ Moonshot Kimi K3.1 Pro อยู่ระดับใกล้เคียง Opus 5.5 บน Terminal-Bench 4.0 (65.7% เทียบกับ 66.4%) และเหนือกว่าบน SWE-Marathon ซึ่งเป็นชุดงานวิศวกรรมหลายชั่วโมง (51.7% เทียบกับ 46.3%) แต่ตามหลังมากบน ProgramBench (31.5% เทียบกับ 65.0%)

ในผลของ Anthropic Fable 5.2 นำ Opus 5.5 บนทั้งสองเบนช์มาร์กการโค้ดที่รายงาน: FrontierCode 2.0 (49.1% เทียบกับ 45.5%) และ FrontierSWE v2 (69.9% เทียบกับ 62.3%)

ข้อสรุป: Kimi K3.1 Pro ประมาณว่าอยู่คลาสเดียวกับ Opus ในการโค้ด เด่นที่งานวิศวกรรมยาว ๆ แต่มีจุดอ่อนชัดเจนอย่าง ProgramBench ส่วน Fable 5.2 เหนือกว่า Opus หนึ่งขั้น บ่งชี้ว่า Fable 5.2 เป็นนักโค้ดที่แข็งแกร่งกว่าโดยรวม แม้ Kimi K3.1 Pro อาจทำได้ใกล้เคียงในงานหลายชั่วโมงที่มันชนะ Opus

การให้เหตุผล งานวิจัย และงานออฟฟิศ

Fable 5.2 ได้เปรียบบนการให้เหตุผล นอกจากจะนำบน Humanity's Last Exam แบบมีเครื่องมือแล้ว ยังได้คะแนนสูงกว่ามากบน Terminal-Bench-Science ซึ่งทดสอบงานวิจัยทางวิทยาศาสตร์ในเทอร์มินัล นั่นคือจุดอ่อนที่สุดของ Kimi K3.1 Pro: ที่ 38.1% ตามหลัง Opus 5.5 ถึง 25 คะแนนในตารางของ Moonshot เอง

Kimi K3.1 Pro แข่งขันได้มากขึ้นในงานวิจัยและเอกสาร มันชนะ Opus 5.5 บน BrowseComp ซึ่งทดสอบการค้นหาข้อมูลที่หายากบนเว็บ (92.1% เทียบกับ 90.8%) และบน OfficeQA Pro ซึ่งเกี่ยวข้องกับการวิเคราะห์ไฟล์ PDF ด้านการเงิน (64.4 เทียบกับ 62.2) ฝั่ง Anthropic ไม่ได้รายงานสองเบนช์มาร์กนี้สำหรับ Fable 5.2 จึงยังเปรียบเทียบโดยตรงไม่ได้

Hallucination และ 3D

ชาร์ตของ Moonshot มีผลเทียบกับ Fable 5.1 อยู่สองรายการ ซึ่งพอจะบอกได้คร่าว ๆ ว่า K3.1 Pro เทียบกับสาย Fable อย่างไร:

• Hallucination: บน Kimi Hallu Bench ภายในของ Moonshot ซึ่งเป็นแบบทดสอบกดดันเพื่อกระตุ้นความผิดพลาด K3.1 Pro ให้ข้อมูลเท็จที่อัตรา 5.4% เมื่อไม่ใช้เครื่องมือ เทียบกับ 11.4% ของ Fable 5.1 นี่เป็นการทดสอบของ Moonshot เอง และยังไม่มีตัวเลขของ Fable 5.2
• การสร้างแบบจำลอง 3D: บน BenchCAD ซึ่งทดสอบการสร้างวัตถุ 3D ใหม่ด้วยโค้ด CAD K3.1 Pro และ Fable 5.1 ทำคะแนนสูสีกันเมื่อใช้เครื่องมือ (92.7 เทียบกับ 92.6) ฝั่ง Anthropic รายงานว่ามีการกระโดดของคะแนนครั้งใหญ่สำหรับ Fable 5.2 บน BenchCAD แต่เป็นคนละเวอร์ชันของเบนช์มาร์ก จึงเทียบตัวเลขกันไม่ได้

น้ำหนักโมเดลแบบเปิดและความปลอดภัย

นี่คือความต่างเชิงปฏิบัติที่ใหญ่ที่สุด น้ำหนักของ Kimi K3.1 Pro มีบน Hugging Face จึงรันบนฮาร์ดแวร์ของตนเอง ปรับจูน หรือใช้ผ่านผู้ให้บริการรายที่สามได้ แต่ต้องประเมินฮาร์ดแวร์อย่างจริงจัง: เช็คพอยต์มีขนาดราว 1.56 TB หมายถึงต้องใช้เซิร์ฟเวอร์หลาย GPU ไม่ใช่เวิร์กสเตชัน และควรอ่านไลเซนส์ก่อนสร้างผลิตภัณฑ์ เพราะเป็นไลเซนส์ของ Moonshot เอง ไม่ใช่โอเพนซอร์สมาตรฐาน

Fable 5.2 เป็นแบบปิด แต่มีให้ใช้บน Amazon Web Services, Google Cloud และ Microsoft Azure ซึ่งสำคัญหากองค์กรใช้อยู่แล้ว

ทั้งสองแลปยังจัดการความสามารถที่เสี่ยงแตกต่างกัน Moonshot เอาข้อมูลด้านความปลอดภัยไซเบอร์ออกจากการฝึกของ K3.1 Pro ก่อนปล่อยน้ำหนักโมเดล ส่งผลให้คะแนนบนเบนช์มาร์กเจาะระบบภายในลดจาก 90.5% เหลือ 81.0% ฝั่ง Anthropic คงความสามารถเต็มของ Fable 5.2 ไว้ แต่บล็อกคำขอด้านความปลอดภัยเชิงรุกและชีววิทยาระดับวิจัยส่วนใหญ่ โดยเปิดผ่าน Mythos 5.2 ให้กับองค์กรที่ผ่านการตรวจสอบเท่านั้น

ราคา

Fable 5.2 มีค่าใช้จ่ายต่อโทเคนมากกว่า 4 เท่า สำหรับงานที่มี 1 ล้านโทเคนอินพุตและ 250,000 โทเคนเอาต์พุต ต้นทุนคือราว $4.50 บน Kimi K3.1 Pro และ $18 บน Fable 5.2

มีสองปัจจัยที่ทำให้ช่องว่างแคบลง การอ่านแคชคิดราคาเท่ากันบนทั้งสองฝั่ง ดังนั้นลูปของเอเจนต์ที่อ่านบริบทซ้ำจะมีราคาที่ใกล้กว่าที่อัตราหัวข่าวบอกไว้ และหากงานรอได้ ราคาแบบแบตช์ของ Fable 5.2 จะลดลงเหลือ $4/$20 เท่ากับรุ่น Highspeed ของ Kimi ทั้งสองโมเดลยังใช้ตัวตัดคำต่างกัน ดังนั้นข้อความเดียวกันอาจให้จำนวนโทเคนไม่เท่ากัน

ทดสอบลงมือทำ: สร้างซิมูเลเตอร์ลิฟต์

เบนช์มาร์กจากสองแลปพอให้ภาพรวม แต่ยังไม่พอ จึงให้ทั้งสองโมเดลทำงานเดียวกันในเอเจนต์โค้ดเดียวกัน: OpenCode บน Mac โดยใช้ค่าเริ่มต้น Kimi K3.1 Pro รันผ่าน OpenRouter และ Claude Fable 5.2 ผ่าน Anthropic API ทั้งคู่ใช้เวอร์ชันมาตรฐาน ไม่ใช่รุ่นเร็ว

งานคือการจำลองลิฟต์สามคันในอาคาร 12 ชั้นแบบหน้าเดียว เลือกงานนี้เพราะกฎตรวจสอบได้ง่ายด้วยการดู: ลิฟต์จะไปทิศทางเดิมตราบใดที่มีคำขออยู่ข้างหน้า รถที่ยังมีที่ว่างจะต้องไม่ผ่านคนที่รอขึ้นไปทิศทางเดียวกัน และทั้งสามคันไม่ควรไล่ตามคำขอเดียวกัน มีปุ่มชั่วโมงเร่งด่วนที่ปล่อย 30 คนลงล็อบบี้พร้อมกัน นี่คือพรอมต์ที่คัดลอกมาทั้งหมด:

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.ขับเคลื่อนโดย

ให้รันได้จริง

Kimi K3.1 Pro เสร็จในครั้งแรกภายในราว 9 นาที ส่วน Fable 5.2 ไม่เสร็จ สองครั้งแรกมันวางแผนอยู่ราว 6 นาที แล้ว OpenCode ก็หยุดโดยไม่เขียนอะไรหรือลงข้อความผิดพลาด สาเหตุที่เป็นไปได้คือเพดานเอาต์พุตเริ่มต้นของ OpenCode ที่ 32,000 โทเคนต่อการตอบหนึ่งครั้ง: Fable 5.2 ใช้งบทั้งหมดไปกับการวางแผนก่อนจะเริ่มเขียนโค้ด ยกเพดานเป็น 128,000 แล้วครั้งที่สามก็เสร็จใน 15 นาที

นั่นไม่ใช่ข้อบกพร่องของโมเดล แต่ควรทราบหากจะลองใช้ Fable 5.2 ในเอเจนต์โค้ดของบุคคลที่สามในสัปดาห์ที่เปิดตัว

ดูช่วงเร่งด่วน

นี่คือซิมูเลเตอร์ทั้งสองแบบวางคู่กัน เริ่มจากสถานะที่ซีดไว้ของแต่ละตัว กดปุ่มชั่วโมงเร่งด่วนพร้อมกัน และตั้งความเร็วที่ 4x

สิ่งที่สังเกตได้มีดังนี้:

• Fable 5.2 เคลียร์ล็อบบี้ได้เร็วกว่า ทั้งคู่เจอคน 30 คนเท่ากัน แต่คิวของ Kimi ที่ชั้น 1 ยาวนานกว่า ส่วนของ Fable หดเหลือเพียงไม่กี่คนภายในครึ่งนาทีแบบจำลอง
• มาจากกฎเดียว พรอมป์ตกำชับว่าอย่าส่งลิฟต์ทั้งสามคันไปที่คำขอเดียวกัน Kimi K3.1 Pro ทำตามตัวอักษร และจัดสรรรถหนึ่งคันต่อหนึ่งคำขอ Fable 5.2 อ่านว่า "อย่าใช้รถเปลือง" และส่งทั้งสามคันไปยังฝูงคนที่มากเกินกว่ารถเดียวจะรับไหว และระบุไว้อย่างชัดเจนในสรุป ทั้งสองการตีความสมเหตุสมผล แต่ของ Fable ทำได้ดีกว่าในช่วงเร่งด่วน
• Fable 5.2 ยังผ่อนกฎอีกข้อ และแจ้งไว้ มันยอมให้รถข้ามชั้นได้หากมีรถอีกคันกำลังรับคนที่ชั้นนั้นอยู่และมีที่ว่างพอสำหรับทุกคน เพื่อเลี่ยงสองคันเปิดประตูให้คนชุดเดียวกัน มันอธิบายข้อยกเว้นและเสนอว่าจะเอาออกก็ได้
• หน้าเพจของ Fable 5.2 อ่านง่ายกว่า ตัวอาคารทั้งหลังและสถิติวางอยู่ในหน้าจอเดียว ผู้โดยสารแต่ละคนเป็นชิปมีหมายเลขบอกปลายทาง ของ Kimi K3.1 Pro แดชบอร์ดมีรายละเอียดมากกว่า รวมถึงแผงสถานะของแต่ละคัน แต่บนหน้าจอแล็ปท็อปต้องเลื่อนจอจึงจะเห็นครบ 12 ชั้น และผู้โดยสารในรถมีขนาดเล็ก

ทั้งคู่ตรวจงานตัวเอง

ไม่มีโมเดลไหนที่แค่เขียนโค้ดแล้วหยุด ทั้งคู่เขียนสคริปต์ทดสอบที่รันการจำลองเป็นชั่วโมงแบบจำลอง ตรวจว่าไม่มีรถคันใดบรรทุกเกินความจุ ไม่มีรถผ่านผู้โดยสารที่ควรรับ และการรีเซ็ตให้การรันแบบเดิมซ้ำได้ ทั้งคู่ยังตรวจหน้าเพจในเบราว์เซอร์ไร้หัวที่ความกว้างระดับโทรศัพท์ จากการตรวจเอง หน้าเพจทั้งสองโหลดได้โดยไม่มีข้อผิดพลาด ไม่ทำคำขอเครือข่าย และพอดีหน้าจอโทรศัพท์โดยไม่ต้องเลื่อนด้านข้าง

ข้อสรุปส่วนตัว

ทั้งสองโมเดลสร้างซิมูเลเตอร์ที่ใช้งานได้ Fable 5.2 จัดการช่วงเร่งด่วนได้ดีกว่าและตามการทำงานได้ง่ายกว่า อีกทั้งชี้แจงชัดเจนว่าตีความพรอมป์ตตรงไหนอย่างไร แต่ใช้เวลานานกว่า แพงกว่าต่อโทเคนสี่เท่า และต้องปรับตั้งค่าก่อนจึงจะรันได้ Kimi K3.1 Pro ใช้งานได้ทันทีและทำตามกฎแบบตรงไปตรงมา

เมื่อราคาเพียงหนึ่งในสี่ ผลงานของ Kimi K3.1 Pro ใกล้เคียงกว่าที่ช่องว่างราคาบอกไว้ นี่เป็นงานเดียว รันต่อโมเดลครั้งเดียว จึงควรมองเป็นความประทับใจแรกมากกว่าการวัดผล

ควรเลือก Kimi K3.1 Pro หรือ Claude Fable 5.2 เมื่อใด

เลือก Kimi K3.1 Pro หาก...

• ต้นทุนสำคัญ เมื่อราคาหนึ่งในสี่ของ Fable 5.2 ยากจะหาใครสู้ได้สำหรับงานเอเจนต์ปริมาณสูง
• ต้องการโฮสต์เอง ปรับจูน หรือเก็บโมเดลไว้บนอินฟราสตรักเจอร์ขององค์กร
• งานยาวแต่มีนิยามชัด เช่น งานวิศวกรรมหลายชั่วโมง งานวิจัยบนเว็บ หรือการวิเคราะห์เอกสารการเงิน

เลือก Claude Fable 5.2 หาก...

• ต้องการผลลัพธ์ที่แข็งแกร่งที่สุดด้านการให้เหตุผล งานวิทยาศาสตร์ หรือการใช้งานคอมพิวเตอร์
• ต้องการประสิทธิภาพการโค้ดที่สม่ำเสมอข้ามประเภทงาน Kimi K3.1 Pro มีช่องว่างใหญ่บนเบนช์มาร์กการโค้ดบางรายการ ที่ตามหลังแม้แต่ Opus 5.5
• ต้องใช้งานบน AWS, Google Cloud, หรือ Azure หรือในแอป Claude และ Claude Code

ยังมีทางสายกลาง หาก Fable 5.2 เกินความต้องการ Claude Opus 5.5 มีราคา $4/$20 ซึ่งเป็นสองเท่าของ Kimi และเราได้เปรียบเทียบกับ Kimi โดยตรงไว้ใน บทความ Kimi K3.1 Pro vs. Claude Opus 5.5

บทสรุป

จากตัวเลขที่มี Claude Fable 5.2 เป็นโมเดลที่แข็งแกร่งกว่า โดยเฉพาะด้านการให้เหตุผล วิทยาศาสตร์ และการใช้งานคอมพิวเตอร์ แต่ Kimi K3.1 Pro ไม่จำเป็นต้องชนะทั้งหมดเพื่อเป็นตัวเลือกที่ดีกว่าสำหรับงานจำนวนมาก มันอยู่ระดับประมาณ Opus ในการโค้ดและงานวิจัย ราคาเพียงหนึ่งในสี่ของ Fable และสามารถดาวน์โหลดได้

การทดสอบซิมูเลเตอร์ลิฟต์ของเราไปในทิศทางเดียวกัน: Fable 5.2 สร้างซิมูเลเตอร์ได้ดีกว่า แต่ Kimi K3.1 Pro ทำได้ใกล้กว่าที่คิดเมื่อเทียบกับราคาหนึ่งในสี่ และใช้งานได้ทันที

หากอยากลองใช้งานโมเดลแบบนี้ด้วยตัวเอง แทร็ก Developing AI Applications ของเราคือจุดเริ่มต้นที่ดี