この記事は AIHubMix が作成しました。情報は2026年10月24日時点のものです。K3.1 Pro のベンチマークは、Arena の暫定スコアを除き Moonshot AI の自己申告の数字です。Qwen 4 と Claude Fable 5.5 はまだリリースされておらず、この2つについてはリーク情報や匿名モデルの観察に基づく部分があります。

TL;DR

3モデルのうち、リリースされたのは1つです。Moonshot AI は10月23〜24日に Kimi K3.1 Pro をリリースし、AIHubMix でもすでに kimi-k3.1-pro として使えます。Alibaba はまだ Qwen 4 をリリースしておらず（ラインナップ名は9月の Apsara で発表）、Fable 5.5 もリーク情報に出てきただけです。この2つについてあるのは、Arena の匿名モデル（トークナイザーのフィンガープリントから Qwen とみられる Kalmia）と、1日で削除された claude-fable-5-5 のカタログ掲載だけです。
Moonshot AI の数字：エージェント型コーディングでは K3.1 Pro が Fable 5.1 より上。 Terminal-Bench 4.0 で65.7対57.9、DeepSWE で75.5対67.4です。ただし ProgramBench では31.5対53.5で負けています。自己申告の数字で、評価に使うハーネス（実行環境）もモデルごとに違い、相手は 5.5 ではなく Fable 5.1 です。
第三者の数字（主に前世代）：Fable が上。 Artificial Analysis の Intelligence Index v4.3.2 では Claude Fable 5.1 が53、Kimi K3 が44です。同社が測った Terminal-Bench 4.0 では52%対13%でした。
コスト：Kimi が安い。 指数タスク1件あたり、K3 は2.00ドル、Fable 5.1 は7.63ドルです。K3.1 Pro はトークン単価が K3 よりさらに安く、Moonshot AI の公式価格は100万トークンあたり2.00ドル / 10.00ドルで、K3 の3.00ドル / 15.00ドルより3分の1安くなっています。
フロントエンド：評価が割れる。 K3 はリリース時に Arena の Frontend Code リーダーボードで1位になり、Fable 5 を上回りました。一方、AIHubMix が現在表示している LMArena WebDev のレーティングでは、Fable 5.1 が1,742対1,655で K3 をリードしています。
トークン単価：Qwen が安い。 公式価格で比べると、Qwen3.8-Max の出力単価は100万トークンあたり6.00ドルで、K3.1 Pro の6割、K3 の4割です。
1プロンプトでの生成1回： 公式価格と、AIHubMix が K3 で実測したトークン数で計算すると、K3 が約1.14ドル、K3.1 Pro が約0.76ドル、Qwen3.8-Max が約0.46ドル、Fable 5.1 が約3.80ドルです。ただしこれは全モデルが同じトークン数を使うと仮定した試算で、実測ではありません。
決め手になるのは価格表でもベンダーの成績表でもなく、各モデルで1回ずつ実測した結果です。この記事では、同じ Three.js のプロンプトを3モデルに送るスクリプトを用意しました。

この3つを比べる理由と、決め手のタスク

Qwen 4 は同じ週・同じクラスのライバル。 Kibitz と Kalmia は Code Arena のバトルモードで並べてテストされました。K3 と Qwen3.8-Max は、この夏に出た中国の1兆パラメータ級フラッグシップ2つで、どちらも重みをダウンロードできます。
Fable 5.5 は両者が追いかけるモデル。 Moonshot AI は K3 のリリース時に Claude Fable 5 と、今回は K3.1 Pro を Fable 5.1 と比較しました。Claude を使う開発者は、Kimi の新版が出るたびに同じことを考えます。Fable の仕事を、ずっと安い価格でこなせるのか、と。
決め手は1つのタスク：1つのプロンプトで Three.js の 3D フロントエンドを作ること。 Kimi のティーザー動画は、まさにこの場面です。Moonshot AI も、3D 制作を K3.1 Pro の主な改善点の1つに挙げています。Arena のテスターは Kalmia に、たとえば次のようなプロンプトを送っていました。フロントエンドは、Kimi に第三者の裏付けがある分野でもあります。

"a 3D cycle riding a cow using three.js"

（three.js を使った、牛に乗る 3D の自転車）

3つのモデルについて分かっていること

	Kimi K3.1 Pro	Qwen 4	Claude Fable 5.5
状況	リリース済み（10月23〜24日）	名前を発表（9月22日）	リーク（10月13日）
確認されたコードネーム	Kibitz（有力）	Kalmia（有力）	Onigiri（有力）
パラメータ数	3T	未発表	未発表
オープンウェイト	11月4日までに公開予定	27B はオープンとして紹介	なし
コンテキスト	1M	未発表	未発表
価格	$2.00 / $10.00（公式）	未発表	5.1 と同じ（仮の値）
確認されたモデル ID	kimi-k3.1-pro	なし	claude-fable-5-5

Kimi の列は、Moonshot AI のリリース記事と API ドキュメントに基づいています。K3.1 Pro は K3 に追加の事後学習を施したモデルで、パラメータ数は3T（K3 は2.8T）、画像と動画を入力でき、1M のコンテキストはどの長さでも同じ料金です。クライアントのコードから見たルールは K3 と同じで、思考は常にオン、reasoning_effort は low・high・max の3段階で既定値は max、temperature は1.0固定、max_completion_tokens は既定値131,072・上限1,048,576です。Moonshot AI は、完全なモデルの重みを11月4日までに公開するとしています。

価格のセルは Moonshot AI の公式価格です。100万トークンあたり入力2.00ドル、出力10.00ドル、キャッシュヒット0.20ドルで、K3 の3.00ドル・15.00ドル・0.30ドルより3分の1安くなっています（人民元では入力13元・出力68元、K3 は20元・100元）。AIHubMix でも Kimi K3.1 Pro を提供しており、モデル ID は Moonshot AI と同じです。下のコスト試算では公式価格を使っています。

ほかの2列は、いまもリーク情報か壇上での発表に基づいています。Qwen 4 の4つのラインナップ名（Max、Plus、Flash、27B）は、Alibaba の Apsara Conference（雲栖大会）の基調講演に参加した人たちの報告によるものです。そのアーキテクチャのプレビュー版 Qwen3.8-Flash-Next は重みが公開されており、メインのパラメータが125B、これとは別に n-gram 埋め込みが51B、1ステップあたりのアクティブパラメータは約6B です。

いちばん不確かなのは Fable の列です。10月13日、Azure のカタログから claude-fable-5-5 のエントリーが LiteLLM の価格表に追加されました。価格・コンテキスト・出力の各フィールドは Fable 5.1 の値（10 / 50ドル、1M コンテキスト、128K 出力）をそのまま写したものです。実際のデプロイが誰にも見つからず、エントリーは1日後に削除されました。TestingCatalog は10月17日、パートナー企業がすでにこのモデルを手にしていると報じています。claude-onigiri-eap というテストモデルが Artificial Analysis 上に一時的に表示されており、これが最も有力な候補です。

話題の主張を検証する

主張	実際のところ
Qwen 4 のパラメータ数は5〜10兆	誤り：その目標は Qwen 4.5 と 5 のもの
K3.1 が0.38ドルで Minecraft のブロックを13,707個置いた	リーク主1人の発言で、再現なし
Kalmia があるプロンプトで GPT 6.1 Sol Ultra に勝った	テスター1人の体験談
Fable 5.5 は Azure で利用可能	掲載は1日後に削除
Code Arena の「korrine」は K3.1 だった	誤り：トークナイザーは Qwen 系と判定
K3.1 の価格は K3 と同じ	誤り：公式価格は3分の1安い

同じ価格という話は、9月のモデル登録情報に K3 の価格が載っていたことから出たもので、仮の値だった可能性が高いものです。Moonshot AI 自身の価格表では、K3.1 Pro は K3 より3分の1安くなっています（2.00ドル / 10.00ドル対3.00ドル / 15.00ドル）。Minecraft の数字は X の @ChrisGPT によるもので、K3.1 が0.38ドルで13,707ブロック、ある GPT-6 モデルが5.31ドルで5,738ブロックとされています。プロンプトもトークン数も公開されていないので、再現のしようがありません。また、匿名モデルのラベルは過去にも外れています。8月、Code Arena のあるモデルが K3.1 だと思われていましたが、トークナイザーのフィンガープリントによって Qwen 系だと分かりました。K3.1 Pro はリリースされましたが、Moonshot AI はそれが Kibitz だったとは言っていません。Kibitz、Kalmia、Onigiri は、各社が認めるまでは有力な推測として扱ってください。

前世代の比較：K3、Qwen3.8-Max、Fable 5.1

Arena で出た最初の暫定スコア（後述）を除けば、K3.1 Pro のベンチマークは Moonshot AI 自身の数字なので、第三者による基準はいまも前の世代です。

	Kimi K3	Qwen3.8-Max	Claude Fable 5.1
リリース	2026年7月	2026年8月	2026年9月
重み	公開	公開	非公開
コンテキスト / 最大出力	1M / 1M	1M / 記載なし	1M / 128K
公式価格入力 / 出力	$3.00 / $15.00	$2.00 / $6.00	$10.00 / $50.00

価格は公式価格で、100万トークンあたりです。AIHubMix の Qwen3.8-Max はこれより安く、1.69ドル / 5.07ドルです。重みが公開されている2モデルは、どちらも独自ライセンスです。

Kimi vs Fable。 数字は Artificial Analysis の Intelligence Index v4.3.2 によるもので、どちらも最大の effort で測定されています。

AA の結果	Kimi K3	Fable 5.1
Intelligence Index	44	53
Terminal-Bench 4.0	13%	52%
Humanity's Last Exam	47%	59%
AA-LCR（長文コンテキスト）	89%	85%
AutomationBench	58%	59%
タスク1件あたりのコスト	$2.00	$7.63
タスク1件あたりの出力トークン	48k	78k

難しい推論とターミナル系の作業では、Fable 5.1 がはっきり上です。Kimi が勝っているのは長文コンテキストの検索だけで、業務自動化はほぼ互角です。Fable はタスクあたりのトークンも多いため、1件あたりのコストは K3 の4倍近くになり、定価の差以上に開いています。

Kimi vs Qwen。 こちらの第三者の数字は古く、Artificial Analysis の2026年8月の結果（Intelligence Index v4.1.1）を Qubrid がまとめたものです。K3 が57、Qwen3.8-Max が56で、タスク単価は K3 のほうが安くなりました（0.86ドル対1.14ドル）。Qwen のほうが多くのトークンを使ったためです。TrilogyAI がブラインドレビューで行った StackPerf テストでは、両モデルが1時間の制限時間で、2つのコードベースから集めた同じ269ファイルを分析しました（Qwen は 3.8-Max のプレビュー版として参加）。K3 が83点、Qwen が80点で、レビュアーは両者を "complementary"（補完的）と評しています。なお、v4.1.1 と v4.3.2 の数字どうしは比べないでください。Artificial Analysis は2つの版のあいだで指数のスケールを変えています。

K3.1 Pro vs Fable 5.1：Moonshot AI の数字

以下は Moonshot AI が自己申告したリリース時の数字です。ハーネスはモデルごとに異なり、まだ誰も再現していません。K3.1 Pro のコーディング系テストの多くは Claude Code のハーネスで実行され、Fable 5.1 は最大の effort でフォールバックありの条件で測られています。比較相手は 5.5 ではなく Fable 5.1 で、Qwen のモデルは表に入っていません。

Moonshot AI の結果	Kimi K3.1 Pro	Fable 5.1
Terminal-Bench 4.0	65.7	57.9
DeepSWE v1.1	75.5	67.4
SWE-Marathon v1.1	51.7	45.6
ProgramBench	31.5	53.5
Humanity's Last Exam（ツールなし）	51.1	57.6
OSWorld V2.1	79.6	80.7
ハルシネーション率	8.3	23.3

ハルシネーション率の行は、Moonshot AI 社内の Kimi Hallu Bench（難問セット、ツールあり）で、低いほど良い指標です。

長いエージェント型コーディングのテストでは K3.1 Pro が勝ち、Moonshot AI 自身のテストでは事実の誤りもずっと少なくなっています。一方、ProgramBench では大きく負け、ツールなしの Humanity's Last Exam でも負けており、OSWorld はほぼ互角です。前世代と同じ版で比べると、DeepSWE は K3 の67.5から75.5に上がりました。

2つの表の Terminal-Bench をつなげて読まないでください。Artificial Analysis のハーネスでは、K3 の Terminal-Bench 4.0 は13%でした。K3.1 Pro の65.7は Moonshot AI の別のハーネスによるもので、13から65.7に跳ね上がったわけではありません。第三者が測り直すまでは、第三者評価での Fable のリードは覆っていません。

フロントエンドについて分かっていること

今週の Arena での対戦。 Arena は匿名モデルのスコアを公開しないため、新しい2モデルについての手がかりは、テスターが X に投稿した1回きりの対戦だけです。TestingCatalog が10月23日に Kibitz の報告をまとめています。Kalmia の行は、テスター自身の投稿によるものです。

対戦の報告	分かったこと
同じ 3D ヘリコプターのプロンプトで Kibitz vs Kalmia	どちらも15〜20分で完成
Kibitz vs Fable 5.1、3D のテスト	Kibitz のほうが速く、Opus 5.5 Medium に近いとの評価
Kibitz、ボクセルの城	"Feels identical to GPT-6.1 Sol Max"（GPT-6.1 Sol Max とまったく同じ感触）
Kalmia、運転できる 3D の車	約20分、"still has some issues"（まだいくつか問題がある）

この記事のタスクに最も近いのは、LuminaBench が投稿したヘリコプターのテストです。同じプロンプトから、両モデルとも離陸・着陸・部品の分解図を作りました。Kibitz は X 線表示とワイヤーフレーム表示を、Kalmia は部品一覧と飛行テレメトリーを加えています。テスターの評価は、どちらも "very strong"（非常に強力）というものでした。どの報告も1つのプロンプトで1回試しただけなので、順位を付ける根拠にはなりません。Arena で匿名の Fable 5.5 が見つかったという報告はなく、有力なコードネームの Onigiri も Artificial Analysis のサイトのコードに現れただけです。

Kimi vs Qwen：Kimi がわずかに上。 K3 はリリース時に1,679点で Arena の Frontend Code リーダーボード1位になり、Claude Fable 5（1,631）を上回りました。7つのフロントエンド領域のうち6つでトップで、Fable 5 が取ったのは Gaming だけです。そのボードでの Qwen3.8-Max の位置は情報源によって食い違っているので、そこでは数字を載せません。10月24日時点の Arena の WebDev ボードでは、K3.1 Pro（Max）の暫定スコアが1,692（±14、約2,450票）で、Qwen3.8-Max の9月版の1,673を上回っています。K3 自体は1,655で、Qwen の2つの版をどちらも下回っています。

Kimi vs Fable：はっきりしない。 AIHubMix が現在表示している LMArena WebDev のレーティングでは、Fable 5.1 が1,742、K3 が1,655です。K3 が7月に1位を取った Frontend Code とは別のボードなので、2つの結果をつなげて傾向とは言えません。ただ、AIHubMix が追っているこのボードでは、いまは Fable が上です。このボードで出た K3.1 Pro の最初の暫定スコア1,692は差を縮めましたが、Fable 5.1 はまだ約50ポイント上です。Moonshot AI 自身のフロントエンドの数字は社内の Design Bench（Elo レーティング）で、K3.1 Pro が957、GPT-6 Astra が1,076、Claude Opus 5.5 が927、Fable 5.1 の数字はありません。K3.1 Pro が Fable 5.5 に対してどこに位置するかは、両方に第三者の結果が出たら最初に確かめるべき点です。

生成1回のコスト試算

AIHubMix が K3 で行った実測に、1つのプロンプトでゲームを作らせたもの（参照画像1枚から単一の HTML ファイルを生成）があります。出力（completion tokens）は74,994トークンで、そのうち73%が思考トークン、所要時間は約42分でした。入力トークン数は記録されていないので、ここでは5,000トークンと仮定します。価格は公式価格です。

K3： 5,000 × $3.00/M + 74,994 × $15.00/M ≈ $1.14
K3.1 Pro（同じトークン数の場合）： 5,000 × $2.00/M + 74,994 × $10.00/M ≈ $0.76
Qwen3.8-Max（同じトークン数の場合）： 5,000 × $2.00/M + 74,994 × $6.00/M ≈ $0.46
Fable 5.1（同じトークン数の場合）： 5,000 × $10.00/M + 74,994 × $50.00/M ≈ $3.80
K3.1 Pro・Qwen 4・Fable 5.5 の実測： 3モデルがそろって使えるようになったら、AIHubMix が同じプロンプトで測ります

弱点はトークン数を同じとした仮定で、実際のトークン数は結果をどちらの方向にも動かします。Artificial Analysis のタスクでは、Fable 5.1 も Qwen3.8-Max も K3 より多くの出力トークンを使いました。一方、Chase AI の実際のビルド1件では、K3 が Fable 5 の約6倍のトークンを使っています。K3.1 Pro の思考量も K3 より少なくはありません。AIHubMix が low で試したところ、同じプロンプトでどちらも数千トークン分考えていました（K3.1 Pro は5,561〜7,356、K3 は3,013〜7,051）。ただし、終わるまでの時間は K3.1 Pro のほうが約2倍速でした。実測した completion_tokens で置き換えてください。

準備

AIHubMix の API キーを環境変数 AIHUBMIX_API_KEY に設定します。
OpenAI の Python SDK を入れておきます（pip install openai）。
Kimi・Qwen・Claude のモデルは、どれも同じ OpenAI 互換エンドポイント https://aihubmix.com/v1 で呼び出せるので、変えるのはモデル ID だけです。
kimi-k3.1-pro は AIHubMix ですでに使えます。AIHubMix は Chat Completions、Responses、Messages のいずれでも K3.1 Pro を提供しており、このスクリプトでは Chat Completions を使います。qwen4-max と claude-fable-5-5 は、各モデルがリリースされるまで推測の ID で、いまの AIHubMix ではどちらもエラーになります（下のハマりどころを参照）。現世代で試すなら qwen3.8-max と claude-fable-5-1 を使ってください。

比較スクリプト

compare.py

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = ("Build a single-file HTML page with Three.js: a low-poly cow riding a bicycle "
          "around a track, with orbit controls. Return only the HTML.")

for model in ["kimi-k3.1-pro", "qwen4-max", "claude-fable-5-5"]:  # Qwen 4 and Fable 5.5 IDs are guesses, not on AIHubMix yet
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        timeout=3600,
    )
    with open(f"{model}.html", "w") as f:
        f.write(r.choices[0].message.content)
    print(model, r.usage.prompt_tokens, r.usage.completion_tokens)

モデルごとに <model>.html を書き出し、入力と出力のトークン数を表示します。1回の呼び出しは最大1時間まで待ちます。K3.1 Pro は指定しなければ max で考えるので、実際にそのくらいかかることがあります。3つのファイルをブラウザで並べて見比べたら、上の試算ではなく、表示されたトークン数で1回ずつの費用を計算してください。

ハマりどころ

`temperature` を指定すると400エラーになる

K3.1 Pro の temperature は、K3 と同じく1.0固定です。AIHubMix のテストで kimi-k3.1-pro に0.2を送ると、400 invalid temperature: only 1 is allowed for this model が返ってきました。このスクリプトでは、あえて temperature を送っていません。使っているクライアントやフレームワークが既定値を自動で付ける場合は、Kimi のモデルを呼ぶときに外してください。K3.1 Pro の400エラーについては、下の移行記事で詳しく扱っています。

Fable の最初のトークンが数分来ない

Artificial Analysis の測定では、Fable 5.1 の最初のトークンが届くまで255秒かかりました。思考がストリーミングされないためで、K3 は3.6秒です。それでも平均的なタスクの完了は、Fable が722秒、K3 が1,231秒でした。Kimi の初動に合わせた監視処理だと Fable を途中で打ち切ってしまうので、タイムアウトと進捗表示は両方に合わせて設計してください。Kimi 側の所要時間が問題なら、Moonshot AI によると K3.1 Pro Highspeed（kimi-k3.1-pro-highspeed）は性能が同じで速度は2〜3倍です（AIHubMix のメイン ID で low により各3回試した簡易テストでは毎秒138〜150トークンで、K3.1 Pro の約1.6〜1.75倍でした。ツール呼び出しは速くなりません）。料金に見合うかどうかは、下の Highspeed の記事で検討しています。

200 が返ってきたのに答えが入っていない

Fable は安全分類器を動かしており、通常の200レスポンスと stop_reason: "refusal" でリクエストを断ることがあります。Anthropic の stop reason のドキュメントは、別の Claude モデルで再試行するよう勧めています。ファイルに書き出す前に、返答に本当に HTML が入っているかを確認してください。Moonshot AI 自身のベンチマーク実行では、Fable 5 は SWE-Marathon のタスクの35%でフォールバックしました。競合が出した数字ですが、セキュリティに関わるコーディングでは早めに試してください。

長い出力が途中で切れる

Fable 5.1 の出力上限は128K トークンです。K3.1 Pro は最大1,048,576トークンまで出せますが、max_completion_tokens の既定値は131,072なので、ファイル全体の生成や長いレポートでは引き上げてください。

トークン単価で選んで読み違える

定価、タスク単価、生成1回のトークン数は、それぞれ別の方向を指しています。価格で選ぶ前に、自分のプロンプトで実際に動かし、completion_tokens を比べてください。

コードネームを正体だと決めつけてしまう

「korrine」は別のモデルでした。Kibitz、Kalmia、Onigiri も推測で、K3.1 Pro がリリースされたからといって Kibitz が確認されたわけではありません。各社が認めるまでは、この対応づけを前提に何かを組み込まないでください。

Qwen と Fable の ID で400エラーになる

qwen4-max と claude-fable-5-5 は推測で置いた ID です。10月24日時点では、AIHubMix はどちらにも400（"This model ID is incorrect"）を返すため、スクリプトは Kimi の分を書き出したところで止まります。いまの世代で比べるなら qwen3.8-max と claude-fable-5-1 に差し替え、Qwen 4 と Fable 5.5 の ID は各モデルのリリース後に AIHubMix で確認してください。

まだ分からないこと

Arena の暫定スコア以外の、K3.1 Pro の第三者によるベンチマーク。この記事の K3.1 Pro のスコアは、それ以外すべて Moonshot AI の数字です
Qwen 4 と Fable 5.5 の価格、コンテキスト長、オープンウェイトの有無（どれも未発表）
Qwen3.8-Max の最大出力（この記事の情報源には記載なし）
Kimi が Qwen に対するフロントエンドのリードを保つか、K3.1 Pro が Fable 5.5 に対してどこに位置するか
新モデルが Three.js のプロンプトで実際に使うトークン数
Frontend Code での Qwen3.8-Max の順位（情報源によって食い違う）

どれを選ぶか

以下は K3、Qwen3.8-Max、Fable 5.1 の第三者評価での実績を土台に、Moonshot AI が自己申告した K3.1 Pro の数字と、Arena での K3.1 Pro の最初の暫定スコアを加味した判断です。K3.1 Pro に第三者の結果がさらに出て、ほかの2つもリリースされたら見直してください。

最も難しいエージェント型・ターミナル系の作業で、失敗のコストがトークン代より高い場合： 第三者のテストが Moonshot AI の数字を裏付けるまでは Claude Fable 5.5 です。Moonshot AI は Terminal-Bench で K3.1 Pro が Fable 5.1 を上回るとしていますが、前回の第三者評価では、この項目で Fable 5.1 が K3 を大きく引き離していました。
大量のフロントエンド・UI 生成： まず Kimi K3.1 Pro を試し、本格的に採用する前に Fable 5.5 とも Three.js のテストで比べてください。この分野で Kimi は Qwen に勝っていますが、WebDev ではいま Fable 5.1 が上で、Moonshot AI の Design Bench には Fable の数字がありません。
大量の短いタスク： Qwen 4 が Qwen3.8 の価格を引き継ぐなら Qwen 4 です。
長い文書と、1M トークンのコンテキスト全体からの検索： Kimi K3.1 Pro です。コンテキストの長さで料金が変わりません。K3 は長文コンテキストの検索で Fable 5.1 を上回り、タスク単価は4分の1でした。
セルフホストやデータの保管場所の要件がある場合： Kimi か Qwen です。K3 の重みは約1.56TB で、大規模なマルチアクセラレーター構成が必要です。K3.1 Pro の重みは11月4日までに公開される予定です。オープンとして紹介された Qwen 4 27B の前身は、80GB の GPU 1枚に収まります。Fable は重みが公開されておらず、Anthropic の API とそれを再販するクラウドでしか使えません。

まとめ

2026年10月24日時点でリリースされたのは Kimi K3.1 Pro だけで、Qwen 4 と Claude Fable 5.5 はまだです。Kibitz、Kalmia、Onigiri という対応づけは有力な推測にとどまります。
Moonshot AI の自己申告では、K3.1 Pro はエージェント型コーディングで Fable 5.1 を上回り、ProgramBench とツールなしの難しい推論では下回ります。第三者の評価は、まだ Arena の WebDev ボードでの暫定スコアしかありません。
前世代の第三者評価では、総合力とターミナル系の作業は Fable 5.1、タスク単価と長文コンテキストの検索は K3、トークン単価は Qwen3.8-Max が優位でした。
Three.js の生成1回は、公式価格で同じトークン数なら K3 が約1.14ドル、K3.1 Pro が約0.76ドル、Qwen3.8-Max が約0.46ドル、Fable 5.1 が約3.80ドルです。実際の請求額は、各モデルが使うトークン数で決まります。

いまのペアは、AIHubMix の Kimi K3.1 Pro vs Claude Fable 5.1 比較ページで並べて確認できます。

あわせて読みたい：Kimi K3.1 Pro シリーズ

すでに Kimi を使っていて、本当に知りたいのが K3 から上げるべきかどうかなら、こちらから：Kimi K3.1 Pro と K3 の違い：変更点・料金・乗り換えるべき人
この比較で K3.1 Pro を選んだなら、乗り換える前に400エラーと max の思考による請求を片付けておきましょう：Kimi K3.1 Pro への移行：400 エラー、デフォルト max の思考、Highspeed の ID の落とし穴
Fable と比べて Kimi の所要時間が気になるなら、高速版が料金に見合うかを確かめてください：Kimi K3.1 Pro と Pro Highspeed の違い：2〜3倍速は2倍の料金に見合うか

参考

Kimi K3.1 Pro Tech Blog（Moonshot AI）
Kimi K3 model card and evaluations（Moonshot AI）
Claude Fable 5.1 vs Kimi K3（Artificial Analysis）
Kimi K3 vs Claude Fable 5.1（AIHubMix）
Claude Fable 5.5 reaches partners（TestingCatalog）