Kimi K3.1 Pro vs. Claude Fable 5.2: Benchmark, Giá, và nên dùng cái nào

Chỉ cách nhau chưa đầy ba tuần, Moonshot AI và Anthropic đều ra mắt mẫu hàng đầu mới. Kimi K3.1 Pro xuất hiện cuối tháng 10 với tư cách là mô hình open-weight mạnh nhất của Moonshot, còn Claude Fable 5.2 ra mắt ngày 9 tháng 11 với tư cách là mô hình mạnh nhất có sẵn rộng rãi của Anthropic.

Chúng hướng đến các công việc tương tự, như các phiên mã hoá tác vụ dài, nghiên cứu và tác vụ văn phòng, nhưng lại ở hai đầu thị trường. Kimi K3.1 Pro là open-weight và có giá bằng một phần tư Fable 5.2 tính theo mỗi token. Fable 5.2 thì đóng, đắt hơn và theo các con số hiện có, mạnh hơn ở hầu hết các tác vụ.

Trong bài này, tôi sẽ so sánh hai mô hình về benchmark, giá và cách truy cập, cho cả hai làm cùng một bài kiểm tra mã hoá thực tế, và đưa ra khuyến nghị nên dùng cái nào cho mục đích gì.

Kimi K3.1 Pro là gì?

Kimi K3.1 Pro là mô hình chủ lực của Moonshot AI, phát hành ngày 23 tháng 10, 2026. Đây là phiên bản hậu huấn luyện của Kimi K3, mô hình Mixture-of-Experts 2,8 nghìn tỷ tham số mà Moonshot phát hành hồi tháng 7, với khoảng 104 tỷ tham số hoạt động trên mỗi token. Kiến trúc không đổi; cải thiện đến từ một vòng học tăng cường quy mô lớn hơn nhiều trên hàng trăm miền tác vụ.

Mô hình có cửa sổ ngữ cảnh 1 triệu token, chế độ "tư duy" luôn bật (với mức nỗ lực low, high và max), và biến thể Highspeed nhanh hơn với chi phí gấp đôi. Moonshot đã phát hành toàn bộ trọng số trên Hugging Face vào ngày 4 tháng 11 theo một giấy phép tuỳ chỉnh.

Claude Fable 5.2 là gì?

Claude Fable 5.2 là mô hình mạnh nhất của Anthropic cho mục đích sử dụng chung, phát hành ngày 9 tháng 11, 2026. Nó nằm trên Claude Opus 5.5 trong danh mục Claude và được xây dựng cho công việc kỹ thuật khó nhất: di trú quy mô lớn, các phiên agent nhiều ngày và các bài toán nghiên cứu. Một phiên bản ít rào chắn hơn, Claude Mythos 5.2, chỉ dành cho các tổ chức an ninh và khoa học sự sống đã được thẩm định.

Fable 5.2 có cửa sổ ngữ cảnh 1 triệu token, đầu ra tối đa 128K, và mức nỗ lực điều chỉnh từ low đến max. Nó rẻ hơn Fable 5.1 khoảng 20% và tạo đầu ra nhanh hơn tới 30%. Để biết thêm thay đổi gì, xem bài viết về Claude Fable 5.2 của chúng tôi, và bạn có thể xem mô hình hoạt động trong hướng dẫn API Claude Fable 5.2.

Kimi K3.1 Pro vs. Claude Fable 5.2: So sánh trực diện

Điểm khó của so sánh này: không có bảng xếp hạng chung. Bảng Fable 5.2 của Anthropic không gồm Kimi, còn kết quả K3.1 Pro của Moonshot thì so với Fable 5.1, không phải 5.2. Tuy nhiên, cả hai phòng lab đều thử với Claude Opus 5.5, nên tôi sẽ dùng Opus 5.5 làm mốc tham chiếu: mỗi mô hình ở trên hoặc dưới Opus bao xa theo bài kiểm tra của chính phòng lab đó.

Đây không phải phương pháp hoàn hảo. Các phòng lab dùng các bộ khung khác nhau và đôi khi là các phiên bản khác nhau của cùng benchmark, và mọi con số ở đây đều do nhà cung cấp báo cáo. Nhưng đó là bức tranh công bằng nhất cho đến khi có kết quả độc lập.

Lưu ý rằng hai phòng lab còn không thống nhất về điểm của Opus 5.5 ở hai trong ba benchmark. Điều này nhắc nhở rằng thiết lập ảnh hưởng rất lớn.

Mã hoá tác vụ (agentic coding)

Ở đây hai phòng lab báo cáo các benchmark hoàn toàn khác nhau, nên mốc tham chiếu Opus 5.5 là tất cả những gì chúng ta có. Trong kết quả của Moonshot, Kimi K3.1 Pro ngang ngửa Opus 5.5 trên Terminal-Bench 4.0 (65,7% so với 66,4%) và dẫn trước trên SWE-Marathon, bộ tác vụ kỹ thuật kéo dài nhiều giờ (51,7% so với 46,3%). Nhưng nó tụt xa trên ProgramBench (31,5% so với 65,0%).

Trong kết quả của Anthropic, Fable 5.2 dẫn trước Opus 5.5 ở cả hai benchmark mã hoá mà họ báo cáo: FrontierCode 2.0 (49,1% so với 45,5%) và FrontierSWE v2 (69,9% so với 62,3%).

Đánh giá của tôi: Kimi K3.1 Pro xấp xỉ cùng hạng với Opus trong mã hoá, mạnh thực sự ở các tác vụ kỹ thuật dài và có vài điểm yếu rõ rệt như ProgramBench. Fable 5.2 cao hơn một bậc so với Opus. Điều đó gợi ý Fable 5.2 là coder mạnh hơn tổng thể, dù Kimi K3.1 Pro có thể bám sát ở các tác vụ nhiều giờ nơi nó vượt Opus.

Suy luận, nghiên cứu và công việc văn phòng

Fable 5.2 có lợi thế về suy luận. Ngoài việc dẫn trước ở Humanity's Last Exam với công cụ, nó còn ghi điểm cao hơn nhiều ở Terminal-Bench-Science, bài kiểm tra nghiên cứu khoa học trong terminal. Đây là điểm yếu nhất của Kimi K3.1 Pro: với 38,1%, nó kém Opus 5.5 tới 25 điểm ngay trong bảng của Moonshot.

Kimi K3.1 Pro cạnh tranh hơn ở mảng nghiên cứu và tài liệu. Nó vượt Opus 5.5 trên BrowseComp, bài kiểm tra tìm thông tin khó trên web (92,1% so với 90,8%), và trên OfficeQA Pro, liên quan đến phân tích PDF tài chính (64,4 so với 62,2). Anthropic không báo cáo hai benchmark này cho Fable 5.2, nên không thể so trực tiếp.

Ảo giác và 3D

Biểu đồ của Moonshot gồm hai kết quả so với Fable 5.1, gợi mở K3.1 Pro đứng ở đâu so với dòng Fable:

• Ảo giác: Trên Kimi Hallu Bench nội bộ của Moonshot, một bài stress test nhằm kích thích lỗi, K3.1 Pro đưa ra nhận định sai ở tỷ lệ 5,4% khi không dùng công cụ, so với 11,4% của Fable 5.1. Đây là bài test của Moonshot, và chúng ta không có con số cho Fable 5.2.
• 3D modeling: Trên BenchCAD, bài kiểm tra dựng lại vật thể 3D bằng mã CAD, K3.1 Pro và Fable 5.1 hầu như hoà nhau khi dùng công cụ (92,7 so với 92,6). Anthropic báo cáo bước nhảy lớn cho Fable 5.2 trên BenchCAD, nhưng ở phiên bản benchmark khác, nên các con số không so sánh được.

Open-weight và an toàn

Đây là khác biệt thực tiễn lớn nhất. Trọng số của Kimi K3.1 Pro có trên Hugging Face, nên bạn có thể chạy trên phần cứng của mình, fine-tune, hoặc dùng qua nhà cung cấp thứ ba. Hãy thực tế về phần cứng: checkpoint khoảng 1,56 TB, tức là cần máy chủ nhiều GPU, không phải workstation. Và hãy đọc giấy phép trước khi xây dựng sản phẩm dựa trên đó, vì đây là giấy phép riêng của Moonshot, không phải giấy phép mã nguồn mở tiêu chuẩn.

Fable 5.2 là mô hình đóng, nhưng có sẵn trên Amazon Web Services, Google Cloud và Microsoft Azure, điều này quan trọng nếu công ty bạn đã chạy trên một trong số đó.

Hai phòng lab cũng xử lý các khả năng rủi ro khác nhau. Moonshot đã loại bỏ dữ liệu an ninh mạng khỏi quá trình huấn luyện K3.1 Pro trước khi phát hành trọng số, khiến điểm của nó trên một benchmark khai thác nội bộ giảm từ 90,5% xuống 81,0%. Anthropic giữ đầy đủ khả năng của Fable 5.2 nhưng chặn hầu hết các yêu cầu an ninh tấn công và sinh học cấp nghiên cứu, chỉ cung cấp qua Mythos 5.2 cho các tổ chức đã thẩm định.

Giá

Fable 5.2 đắt gấp bốn lần theo token. Với khối lượng 1 triệu token đầu vào và 250.000 token đầu ra, chi phí khoảng $4,50 trên Kimi K3.1 Pro và $18 trên Fable 5.2.

Hai yếu tố thu hẹp khoảng cách. Đọc cache có giá như nhau ở cả hai, nên các vòng lặp agent đọc lại cùng ngữ cảnh sẽ gần nhau về chi phí hơn so với mức giá tiêu đề. Và nếu công việc của bạn có thể chờ, mức giá theo lô của Fable 5.2 đưa nó xuống $4/$20, bằng với biến thể Highspeed của Kimi. Hai mô hình cũng dùng tokenizer khác nhau, nên cùng một văn bản sẽ không cho ra số token giống hệt nhau.

Thử nghiệm thực tế: Xây dựng bộ mô phỏng thang máy

Các benchmark từ hai phòng lab khác nhau chỉ đưa bạn đi được đến vậy, nên tôi giao cho cả hai mô hình cùng một tác vụ trong cùng một agent mã hoá: OpenCode, trên Mac của tôi, với cài đặt mặc định. Kimi K3.1 Pro chạy qua OpenRouter và Claude Fable 5.2 qua Anthropic API, cả hai đều dùng phiên bản tiêu chuẩn chứ không phải biến thể nhanh.

Tác vụ là một mô phỏng trang đơn của ba thang máy trong toà nhà 12 tầng. Tôi chọn vì các quy tắc có thể kiểm tra dễ dàng bằng cách quan sát: thang máy tiếp tục đi theo hướng hiện tại khi còn yêu cầu phía trước, buồng còn chỗ sẽ không đi qua người đang chờ theo hướng đó, và cả ba buồng không nên cùng đuổi theo một cuộc gọi. Còn có nút giờ cao điểm thả 30 người ở sảnh cùng lúc. Đây là prompt, dán nguyên văn:

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.Được hỗ trợ bởi

Cho chạy được

Kimi K3.1 Pro hoàn thành ngay lần đầu trong khoảng 9 phút. Fable 5.2 thì không. Hai lần, nó lập kế hoạch khoảng 6 phút, rồi OpenCode dừng mà không ghi gì hay hiện lỗi. Nguyên nhân có thể là giới hạn mặc định 32.000 token đầu ra mỗi phản hồi của OpenCode: Fable 5.2 dùng hết ngân sách để lập kế hoạch trước khi viết mã. Tăng giới hạn lên 128.000 đã khắc phục, và lần thứ ba hoàn thành trong 15 phút.

Đó không phải lỗi của mô hình, nhưng đáng lưu ý nếu bạn thử Fable 5.2 trong agent mã hoá bên thứ ba ngay tuần ra mắt.

Quan sát giờ cao điểm

Đây là hai bộ mô phỏng đặt cạnh nhau. Tôi khởi động mỗi cái từ trạng thái đã gieo hạt riêng, rồi bấm giờ cao điểm cùng lúc và đặt cả hai ở tốc độ 4x.

Một vài điểm nổi bật với tôi:

• Fable 5.2 giải phóng sảnh nhanh hơn. Cả hai nhận cùng đám đông 30 người, nhưng hàng chờ của Kimi ở tầng 1 kéo dài lâu hơn nhiều, trong khi của Fable thu nhỏ còn chỉ vài người trong khoảng nửa phút mô phỏng.
• Điều này đến từ một quy tắc. Prompt nói không gửi cả ba thang đến cùng một cuộc gọi. Kimi K3.1 Pro hiểu theo nghĩa đen và gán một buồng cho mỗi cuộc gọi. Fable 5.2 đọc là "đừng lãng phí buồng" và gửi cả ba đến một đám đông quá lớn so với một buồng, và nó đã nêu điều đó trong phần tóm tắt. Cả hai cách hiểu đều hợp lý, nhưng cách của Fable hiệu quả hơn vào giờ cao điểm.
• Fable 5.2 cũng uốn một quy tắc khác, và có chú thích. Nó cho phép một buồng bỏ qua tầng nếu buồng khác đang đón ở đó và còn chỗ cho tất cả mọi người, tránh việc hai buồng cùng mở cửa cho một nhóm. Nó giải thích ngoại lệ và đề nghị gỡ bỏ nếu cần.
• Trang của Fable 5.2 dễ đọc hơn. Toà nhà và số liệu đều nằm gọn trong một màn hình, và mỗi hành khách là một thẻ đánh số hiển thị điểm đến. Bảng điều khiển của Kimi K3.1 Pro chi tiết hơn, gồm cả bảng trạng thái cho từng buồng, nhưng trên màn hình laptop bạn phải cuộn mới thấy đủ 12 tầng, và hành khách trong mỗi buồng thì rất nhỏ.

Cả hai đều tự kiểm tra

Không mô hình nào chỉ viết mã rồi dừng. Cả hai đều viết script kiểm thử chạy mô phỏng trong hàng giờ mô phỏng, kiểm xem không buồng nào vượt quá sức chứa, không buồng nào đi qua hành khách đang chờ theo hướng của nó, và việc đặt lại tái hiện đúng cùng một lượt chạy. Cả hai cũng kiểm tra trang của mình trong trình duyệt headless ở bề rộng điện thoại. Theo kiểm tra của riêng tôi, cả hai trang đều tải không lỗi, không thực hiện yêu cầu mạng, và vừa vặn trên màn hình điện thoại mà không cần cuộn ngang.

Kết luận của tôi

Cả hai mô hình đều xây dựng được bộ mô phỏng hoạt động. Mô hình của Fable 5.2 xử lý giờ cao điểm tốt hơn và dễ theo dõi hơn, đồng thời thẳng thắn hơn về những chỗ nó diễn giải prompt. Nhưng nó mất nhiều thời gian hơn, tốn gấp bốn lần mỗi token, và cần đổi cấu hình trước khi chạy được. Kimi K3.1 Pro chạy ngay và tuân thủ quy tắc sát nghĩa hơn.

Với mức giá bằng một phần tư, kết quả của Kimi K3.1 Pro sát hơn so với chênh lệch giá. Đây là một tác vụ, chạy một lần mỗi mô hình, nên hãy coi như ấn tượng ban đầu hơn là benchmark.

Khi nào chọn Kimi K3.1 Pro và khi nào chọn Claude Fable 5.2

Chọn Kimi K3.1 Pro nếu...

• Chi phí quan trọng. Với giá bằng một phần tư Fable 5.2, khó có đối thủ cho công việc agent khối lượng lớn.
• Bạn muốn tự lưu trữ, fine-tune, hoặc giữ mô hình trên hạ tầng của riêng mình.
• Tác vụ của bạn dài nhưng xác định rõ, như công việc kỹ thuật nhiều giờ, nghiên cứu web, hoặc phân tích tài liệu tài chính.

Chọn Claude Fable 5.2 nếu...

• Bạn cần kết quả mạnh nhất về suy luận khó, công việc khoa học, hoặc sử dụng máy tính.
• Bạn cần hiệu suất mã hoá ổn định giữa các loại tác vụ. Kimi K3.1 Pro có khoảng trống lớn ở một số benchmark mã hoá, nơi nó còn kém cả Opus 5.5.
• Bạn cần nó trên AWS, Google Cloud, hoặc Azure, hoặc trong các ứng dụng Claude và Claude Code.

Cũng có một lựa chọn trung gian. Nếu Fable 5.2 vượt quá nhu cầu, Claude Opus 5.5 có giá $4/$20, gấp đôi giá Kimi, và chúng tôi đã so sánh trực tiếp với Kimi trong bài viết Kimi K3.1 Pro vs. Claude Opus 5.5.

Kết luận cuối

Dựa trên các con số hiện có, Claude Fable 5.2 là mô hình mạnh hơn, đặc biệt về suy luận, khoa học và sử dụng máy tính. Nhưng Kimi K3.1 Pro không cần thắng tuyệt đối để là lựa chọn tốt hơn cho nhiều công việc. Nó xấp xỉ hạng Opus về mã hoá và nghiên cứu, rẻ bằng một phần tư giá của Fable, và bạn có thể tải về.

Bài thử thang máy của riêng tôi cũng cho kết quả tương tự: Fable 5.2 xây dựng bộ mô phỏng tốt hơn, nhưng Kimi K3.1 Pro tiến rất gần với giá chỉ bằng một phần tư, và chạy ngay không cần chỉnh.

Nếu bạn muốn tự tay trải nghiệm các mô hình như vậy, lộ trình Phát triển Ứng dụng AI của chúng tôi là nơi phù hợp để bắt đầu.