Kimi K3.1 Pro vs. Claude Fable 5.2：基准、定价与使用建议

不到三周的时间里，Moonshot AI 与 Anthropic 先后发布了各自的全新顶级模型。Kimi K3.1 Pro 于 10 月下旬发布，作为 Moonshot 最强的开放权重模型；Claude Fable 5.2 则于 11 月 9 日发布，是 Anthropic 面向普遍使用的最强模型。

两者瞄准的工作相近，如长时段的智能体编码运行、研究与办公任务，但在市场定位上处于光谱两端。Kimi K3.1 Pro 为开放权重，按 token 计价仅为 Fable 5.2 的四分之一。Fable 5.2 则为闭源，价格更高，并且就现有数据而言，在大多数任务上更强。

本文将从基准测试、定价与获取方式进行对比，并让两者在同一动手编码测试中同台竞技，最后给出针对不同场景的使用建议。

Kimi K3.1 Pro 是什么？

Kimi K3.1 Pro 是 Moonshot AI 的旗舰模型，发布于 2026 年 10 月 23 日。它是在 Kimi K3 基础上后训练（post-trained）而来。Kimi K3 是 Moonshot 于 7 月发布的 2.8 万亿参数专家混合（Mixture-of-Experts）模型，每个 token 约有 1040 亿参数处于激活状态。架构未变；性能提升来自覆盖数百类任务领域的大规模强化学习。

它具备 100 万 token 的上下文窗口，默认始终开启思考功能（提供 low、high 与 max 努力等级），并提供一款更快的 Highspeed 变体，价格为标准版的两倍。Moonshot 于 11 月 4 日在 Hugging Face 上发布了完整权重，使用自定义许可证。

Claude Fable 5.2 是什么？

Claude Fable 5.2 是 Anthropic 面向通用用途的最强模型，发布于 2026 年 11 月 9 日。在 Claude 产品线中，它位于 Claude Opus 5.5 之上，专为最艰难的技术工作而生：大型迁移、持续数日的智能体运行与科研问题。其较少安全限制的版本 Claude Mythos 5.2 仅向经过审核的安全与生命科学机构开放。

Fable 5.2 具备 100 万 token 的上下文窗口、最多 128K 的输出上限，并可将努力等级从 low 调整到 max。其价格较 Fable 5.1 便宜 20%，输出速度最高快 30%。想了解更新详情，请参阅我们的Claude Fable 5.2 文章，并可在我们的Claude Fable 5.2 API 教程中查看实机演示。

Kimi K3.1 Pro vs. Claude Fable 5.2：正面对比

这次对比的难点在于：没有统一榜单。Anthropic 的 Fable 5.2 表格未包含 Kimi，而 Moonshot 的 K3.1 Pro 结果是与 Fable 5.1 对比，并非 5.2。两家都与 Claude Opus 5.5 做过对比，因此我将以 Opus 5.5 为参照：各模型在各自实验室测试中的相对 Opus 高低。

这并非完美方法。两家实验室使用不同的测试工具，有时同一基准的版本也不同，而且所有数据均为厂商自报。但在独立结果出炉前，这是最公允的图景。

请注意，两家实验室对其中两项基准中 Opus 5.5 的分数甚至都不一致。这提醒我们，测试设置影响极大。 

智能体编码

在这一块，两家报告的基准完全不同，因此我们只能参考 Opus 5.5 的相对位置。在 Moonshot 的结果中，Kimi K3.1 Pro 在 Terminal-Bench 4.0 上与 Opus 5.5 大致持平（65.7% vs 66.4%），并在 SWE-Marathon（多小时工程任务集）上领先（51.7% vs 46.3%）。但在 ProgramBench 上则大幅落后（31.5% vs 65.0%）。

在 Anthropic 的结果中，Fable 5.2 在其报告的两项编码基准上均领先 Opus 5.5：FrontierCode 2.0（49.1% vs 45.5%）与 FrontierSWE v2（69.9% vs 62.3%）。

我的解读：Kimi K3.1 Pro 大致是 Opus 级别的编码模型，在长时工程任务上有明显强项，但也有清晰短板，如 ProgramBench。Fable 5.2 则比 Opus 高一个台阶。这表明 Fable 5.2 整体上更擅长编码，不过在那些 Kimi 击败 Opus 的多小时任务上，Kimi K3.1 Pro 可能接近。

推理、研究与办公

Fable 5.2 在推理方面占优。除了在配工具的 Humanity's Last Exam 上领先外，它在 Terminal-Bench-Science（在终端进行科学研究的测试）上也高出许多。这是 Kimi K3.1 Pro 的最弱项：在 Moonshot 自己的表中，其 38.1% 的成绩比 Opus 5.5 低了 25 个百分点。

Kimi K3.1 Pro 在研究与文档方面更具竞争力。它在 BrowseComp（在网络上查找难以定位的信息）上胜过 Opus 5.5（92.1% vs 90.8%），在 OfficeQA Pro（涉及分析财务 PDF）上也领先（64.4 vs 62.2）。Anthropic 未报告 Fable 5.2 在这两项基准上的结果，因此无法直接比较。

幻觉与 3D

Moonshot 的图表包含了两项与 Fable 5.1 的对比结果，可对 K3.1 Pro 与 Fable 系列的大致差距给出线索：

• 幻觉：在 Moonshot 的内部 Kimi Hallu Bench（旨在诱发错误的压力测试）上，K3.1 Pro 在无工具条件下的虚假陈述率为 5.4%，而 Fable 5.1 为 11.4%。这是 Moonshot 自有测试，且我们没有 Fable 5.2 的数据。
• 3D 建模：在 BenchCAD（使用 CAD 代码重建 3D 对象）上，K3.1 Pro 与 Fable 5.1 在配工具条件下基本打平（92.7 vs 92.6）。Anthropic 报告称 Fable 5.2 在 BenchCAD 上有大幅提升，但基于不同版本的基准，数字不可直接对比。

开放权重与安全

这是最重要的实际差异。Kimi K3.1 Pro 的权重已在 Hugging Face 发布，您可以在自有硬件上运行、进行微调，或通过第三方托管使用。但请务实看待硬件需求：检查点约为 1.56 TB，这意味着需要多 GPU 服务器，而非工作站。且在将其用于产品前请阅读许可证，因为它采用的是 Moonshot 自有许可证，而非标准开源协议。

Fable 5.2 虽为闭源，但可在 Amazon Web Services、Google Cloud 与 Microsoft Azure 上使用；如果您的公司已运行在其一之上，这一点很关键。

两家在处理高风险能力方面也有不同做法。Moonshot 在发布 K3.1 Pro 权重前移除了网络安全数据，导致其在内部漏洞利用基准上的分数从 90.5% 降至 81.0%。Anthropic 则保留了 Fable 5.2 的全部能力，但会拦截大多数进攻性安全与研究级生物学请求，仅通过 Mythos 5.2 向审核通过的机构开放。

定价

Fable 5.2 的每 token 成本是 Kimi 的四倍。对 100 万输入 token 与 25 万输出 token 的工作量，Kimi K3.1 Pro 约 $4.50，而 Fable 5.2 约 $18。

有两点会缩小差距。缓存读取在两者上费用相同，因此循环读取同一上下文的智能体，比看上去的标价更接近。且如果工作不急，Fable 5.2 的批处理价格可降至 $4/$20，与 Kimi 的 Highspeed 变体相同。两者还使用不同的分词器，因此同一文本在两者上的 token 数不会完全相同。

上手测试：构建电梯模拟器

来自两个实验室的基准测试终究有限，于是我在同一编码智能体中给两款模型布置了相同任务：OpenCode，在我的 Mac 上，使用默认设置。Kimi K3.1 Pro 通过 OpenRouter 运行，Claude Fable 5.2 通过 Anthropic API 运行，均为标准版而非更快变体。

任务是一个单页应用，模拟 3 部电梯在 12 层大楼里的运行。我之所以选它，是因为规则可以通过观察轻松验证：电梯在当前方向上若仍有请求就持续前进，有需要时再掉头或空闲；有余量的轿厢不会错过与其行进方向相同的等候者；三部电梯不应同时追逐同一个呼叫。另有一个高峰按钮，会在大厅一次性投放 30 名乘客。以下是逐字粘贴的提示词：

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.技术支持

让它跑起来

Kimi K3.1 Pro 第一次尝试便在约 9 分钟内完成。Fable 5.2 则没有。它两次各花了约 6 分钟进行规划，然后 OpenCode 在未写入任何内容且未显示错误的情况下停止。最可能的原因是 OpenCode 默认每次响应的输出上限为 32,000 个 token：Fable 5.2 在写任何代码前就把额度都花在了规划上。将上限提升至 128,000 后问题解决，第三次尝试在 15 分钟内完成。

这并非模型缺陷，但如果您在其发布当周用第三方编码智能体试用 Fable 5.2，需要知晓这一点。

观察高峰时段

下面是两个模拟器的并排效果。我分别从各自的固定随机种子状态启动，然后同时按下高峰按钮，并将两者都设为 4 倍速。

有几点让我印象深刻：

• Fable 5.2 更快清空大厅。两者面对的是同样的 30 人人群，但 Kimi 在 1 楼的队伍长时间保持在高位，而 Fable 的队伍在大约半分钟模拟时间内就缩至寥寥数人。
• 关键在于一条规则的理解。提示词要求不要把三部电梯都派去同一个呼叫。Kimi K3.1 Pro 进行了字面理解，为每个呼叫分配一部电梯。Fable 5.2 则将其理解为“不要浪费电梯”，在一部电梯装不下的大人流前，会把三部电梯都派过去，并在总结中直言不讳。两种理解都说得通，但在高峰时段 Fable 的做法更有效。
• Fable 5.2 还灵活处理了另一条规则，并作出标注。若已有另一部电梯在对应楼层装载且有足够空间，它允许经过的电梯跳过该层，避免两部电梯同时为同一批乘客开门。它解释了这一例外，并表示可按需移除。
• Fable 5.2 的页面更易阅读。整栋楼与统计信息可在一个屏幕内完整呈现，每位乘客都是标有目的地的编号标签。Kimi K3.1 Pro 的看板信息更详尽，包括每部电梯的状态面板，但在笔记本屏幕上需要滚动才能看到 12 层全貌，且车厢内的乘客图标较小。

两者都会自检

两款模型都不只是写完代码就停下。它们都编写了测试脚本，运行数小时的模拟，以检查是否有轿厢超载、是否有应当接载却被越过的乘客，以及重置后是否能复现相同运行。两者也都在无头浏览器中检查了手机端宽度。在我的检查中，两者页面均无加载错误、无网络请求，且在手机屏幕上无需横向滚动即可完整显示。

我的结论

两款模型都构建了可用的模拟器。Fable 5.2 在高峰时段处理更好、逻辑更清晰，也更坦率地说明了其对提示词的解释。但它用时更长、每 token 成本高出四倍，并且需要修改配置后才能顺利运行。Kimi K3.1 Pro 开箱即用，对规则的遵循也更为字面。

以四分之一的价格，Kimi K3.1 Pro 的结果比价差所暗示的更接近。这只是一次任务、每个模型各跑一次，因此应将其视作第一印象而非正式基准。

何时选择 Kimi K3.1 Pro 或 Claude Fable 5.2

如果出现以下情况，选择 Kimi K3.1 Pro…

• 成本重要。价格仅为 Fable 5.2 的四分之一，对于高吞吐的智能体工作很难被超越。
• 您希望自托管、微调，或将模型保留在自有基础设施上。
• 您的任务时间长但定义明确，如多小时的工程工作、网页研究或财务文档分析。

如果出现以下情况，选择 Claude Fable 5.2…

• 您需要在艰难的推理、科学工作或电脑使用上获得最强结果。
• 您需要在不同类型的编码任务上获得稳定表现。Kimi K3.1 Pro 在某些编码基准上存在较大短板，甚至落后于 Opus 5.5。
• 您需要在 AWS、Google Cloud 或 Azure 上使用，或在 Claude 应用与 Claude Code 内使用。

也有中间选项。如果 Fable 5.2 超出了您的需求，Claude Opus 5.5 的价格为 $4/$20，是 Kimi 的两倍。我们已在Kimi K3.1 Pro vs. Claude Opus 5.5 文章中进行了直接比较。

结语

就现有数据而言，Claude Fable 5.2 更强，尤其在推理、科学与电脑使用方面。但 Kimi K3.1 Pro 无需全面胜出，就能在大量工作中成为更优之选。它在编码与研究上大致为 Opus 水平，价格仅为 Fable 的四分之一，而且可下载使用。

我自己的电梯测试也得出相同结论：Fable 5.2 构建的模拟器更佳，但 Kimi K3.1 Pro 以四分之一价格给出了惊人接近的结果，且开箱即用。

如果您想亲手上手此类模型，我们的Developing AI Applications 进阶路径是不错的起点。