Kimi K3 y Claude Fable 5 se han creado para la misma categoría de trabajo difícil: grandes bases de código, agentes que operan durante largos periodos, investigación compleja, flujos que dependen intensamente de herramientas y tareas que no pueden resolverse de forma fiable con una única respuesta breve.
Sin embargo, llegan a ese objetivo mediante estrategias de producto muy diferentes.
Anthropic ofrece Claude Fable 5 como su modelo más capaz entre los ampliamente disponibles. Es propietario, caro, está disponible en varias grandes plataformas de nube y cuenta con un ecosistema agéntico maduro encabezado por Claude Code. Su razonamiento adaptativo está siempre activado, y Anthropic lo posiciona para las tareas de programación y trabajo del conocimiento más exigentes.
Moonshot AI responde con Kimi K3, un modelo Mixture of Experts de 2,8 billones de parámetros, una ventana de contexto de un millón de tokens, comprensión nativa de imágenes y vídeo, una API compatible con OpenAI y precios muy inferiores a los de Fable 5. Moonshot también ha prometido publicar todos los pesos del modelo antes del 27 de julio de 2026.
La conclusión principal no es que uno de los modelos gane en todo.
Claude Fable 5 sigue siendo el modelo globalmente más potente y la opción predeterminada más segura cuando importan la máxima calidad, unas herramientas maduras y un comportamiento predecible en tareas de larga duración. Kimi K3 es la alternativa más disruptiva cuando pesan más el coste, el contexto largo, la programación visual, la compatibilidad de API y el futuro control sobre los pesos del modelo.
Última verificación: 17 de julio de 2026. Kimi K3 acaba de lanzarse. Sus pesos, licencia, informe técnico, modos de razonamiento, cobertura de benchmarks independientes y comportamiento en producción pueden cambiar rápidamente.
Comparación rápida
| Categoría | Kimi K3 | Claude Fable 5 |
|---|---|---|
| Desarrollador | Moonshot AI | Anthropic |
| ID del modelo API | kimi-k3 | claude-fable-5 |
| Lanzamiento público | Julio de 2026 | 9 de junio de 2026; acceso restablecido el 1 de julio |
| Tamaño del modelo | 2,8 billones de parámetros | No revelado |
| Arquitectura | MoE, KDA, AttnRes, Stable LatentMoE | No revelada |
| Expertos activos | 16 de 896 | No revelado |
| Ventana de contexto | 1 millón de tokens | 1 millón de tokens |
| Salida máxima | Aproximadamente 131.000 tokens de forma predeterminada o según la configuración de la API | Hasta 128.000 tokens |
| Entrada de texto | Sí | Sí |
| Entrada de imagen | Sí | Sí |
| Entrada de vídeo | Sí | No se indica una modalidad de vídeo directa |
| Salida | Texto | Texto |
| Razonamiento | Siempre activo; actualmente solo max | Pensamiento adaptativo siempre activo; low, medium, high, xhigh, max |
| Precio estándar de entrada | 3 USD / 1 M de tokens | 10 USD / 1 M de tokens |
| Precio de entrada en caché | 0,30 USD / 1 M de tokens | 1 USD / 1 M de tokens |
| Precio de salida | 15 USD / 1 M de tokens | 50 USD / 1 M de tokens |
| Precio Batch | No se compara aquí | 5 USD de entrada / 25 USD de salida por 1 M |
| Llamada a herramientas | Sí | Sí |
| Salidas estructuradas | Sí | Sí |
| Agente de programación propio | Kimi Code | Claude Code |
| Estilo de API | Chat Completions compatible con OpenAI | Anthropic Messages API |
| Pesos públicos | Anunciados, aún no publicados al verificarse | No |
| Autoalojamiento | Previsto, pero con requisitos de hardware extremos | No |
| Retención de datos | Depende del producto Kimi y del contrato | 30 días para Fable; sin ZDR |
| Respaldo de seguridad | No se documenta un respaldo equivalente a otro modelo | Puede recurrir a Claude Opus 4.8 |
La tabla refleja la documentación oficial de producto disponible el 17 de julio de 2026. Las funciones con nombres similares pueden comportarse de forma distinta, y los resultados de benchmarks obtenidos con diferentes frameworks agénticos no deben considerarse directamente intercambiables.
¿Qué es Kimi K3?
Kimi K3 es el modelo más capaz de Moonshot AI hasta la fecha. Contiene 2,8 billones de parámetros y utiliza una arquitectura Mixture of Experts dispersa. Según Moonshot, durante la inferencia el modelo activa 16 de los 896 expertos, en lugar de utilizar toda la red para cada token.
Su arquitectura combina varias tecnologías desarrolladas por Moonshot:
- Kimi Delta Attention, diseñado para mejorar la eficiencia de la atención en secuencias largas;
- Attention Residuals, que recupera selectivamente representaciones de distintas profundidades del modelo;
- Stable LatentMoE, utilizado para escalar el enrutamiento disperso de expertos;
- entrenamiento consciente de la cuantización con pesos MXFP4 y activaciones MXFP8.
Moonshot afirma que estos cambios proporcionan aproximadamente 2,5 veces la eficiencia de escalado de Kimi K2. Se trata de una afirmación del proveedor y debe considerarse como tal hasta que se publiquen el informe técnico completo y detalles de implementación reproducibles.
K3 está diseñado para:
- tareas de ingeniería de software de larga duración;
- navegar y modificar repositorios muy grandes;
- orquestar terminales y herramientas;
- desarrollo visual basado en capturas de pantalla;
- flujos de frontend, videojuegos y CAD;
- investigación que combina literatura, código y datos;
- análisis de documentos, imágenes y vídeo;
- trabajo del conocimiento multiagente.
El modelo está disponible mediante Kimi, Kimi Work, Kimi Code y la API de Kimi.
¿Qué es Claude Fable 5?
Claude Fable 5 es el modelo más capaz de Anthropic entre los ampliamente disponibles. Anthropic lo describe como un modelo de clase Mythos construido para razonamiento exigente, ingeniería de software y trabajo agéntico de largo recorrido.
Fable 5 y Claude Mythos 5, de acceso limitado, comparten las mismas capacidades subyacentes y los mismos precios. La principal diferencia es que Fable incluye clasificadores de seguridad de producción. Cuando una solicitud activa uno de ellos, la API puede devolver un rechazo o enviar la tarea a Claude Opus 4.8 si se ha configurado un mecanismo de respaldo.
Claude Fable 5 admite:
- una ventana de contexto de un millón de tokens;
- hasta 128.000 tokens de salida;
- texto e imágenes como entrada;
- pensamiento adaptativo siempre activado;
- control del esfuerzo de
lowamax; - uso de herramientas y llamadas programáticas;
- ejecución de código;
- memoria;
- presupuestos de tareas;
- edición y compactación del contexto;
- visión;
- gestión de respaldo tanto en el servidor como en el cliente.
Está disponible a través de la API de Claude, Amazon Bedrock, Claude Platform on AWS, Google Cloud y Microsoft Foundry.
Advertencia sobre los benchmarks: el framework del agente forma parte del resultado
La puntuación de un benchmark de programación no depende únicamente del modelo.
El resultado final también está condicionado por:
- el agente de programación o harness;
- las herramientas disponibles para el modelo;
- la forma de seleccionar el contexto del repositorio;
- si se conservan los bloques de razonamiento anteriores;
- el presupuesto de tiempo y tokens;
- las reglas de reintento;
- el comportamiento del respaldo;
- el número de ejecuciones de la evaluación;
- el evaluador y el entorno de pruebas.
La tabla de lanzamiento de K3 mezcla resultados obtenidos mediante Kimi Code, Claude Code, Codex, Terminus y otros harnesses oficiales. Moonshot documenta estas diferencias, pero la tabla no es una comparación perfectamente controlada del modelo aislado.
Fable añade otra complicación: algunos resultados publicados pueden incluir un posible respaldo a Claude Opus 4.8 cuando un clasificador de seguridad rechaza una solicitud. En esos casos, lo medido es en la práctica Fable junto con su política de respaldo, no siempre Fable por sí solo.
La interpretación correcta es:
Los resultados de un benchmark muestran cómo se comportó una configuración de modelo y agente bajo una metodología determinada. No garantizan que el mismo modelo produzca el mismo resultado en tu repositorio, cadena de herramientas o entorno de seguridad.
Evaluaciones generales independientes
Las evaluaciones independientes sitúan actualmente a Fable ligeramente por delante, aunque Kimi está lo bastante cerca como para ser un competidor frontier creíble.
| Evaluación | Kimi K3 | Claude Fable 5 | Líder |
|---|---|---|---|
| Artificial Analysis Intelligence Index | 57 | 60 | Fable |
| Vals Index | 74,7 % | 75,1 % | Fable |
| Arena Text Overall, instantánea del 16 de julio | Por debajo de Fable | Puesto 1 | Fable |
| Arena Instruction Following, instantánea del 16 de julio | Por debajo de Fable | Puesto 1 | Fable |
| Arena WebDev Overall, instantánea del 16 de julio | Puesto 1 provisional | Muy cerca | Kimi |
Artificial Analysis también indica que Kimi generó aproximadamente 130 millones de tokens de salida durante toda la evaluación Intelligence Index, frente a unos 87 millones de Fable. Esto importa porque el menor precio por token de Kimi puede verse parcialmente compensado cuando utiliza muchos más tokens para resolver la misma clase de tareas.
El Vals Index resulta especialmente notable porque la diferencia es de solo unas cuatro décimas de punto porcentual. Esto sugiere que Kimi no es simplemente una alternativa barata. En algunas tareas financieras y de programación relevantes desde el punto de vista económico, opera muy cerca de Fable.
Los resultados de Arena muestran una división útil. Fable obtiene mejores resultados en evaluaciones amplias de preferencia textual y seguimiento de instrucciones, mientras que Kimi llegó al primer puesto provisional de WebDev en la instantánea del 16 de julio. Esto respalda un patrón práctico que también aparece en los resultados de los proveedores: Fable es más consistente en general, mientras que Kimi puede ser excepcional en flujos de desarrollo visuales e intensivos en implementación.
Benchmarks de programación
Moonshot publicó la siguiente comparación directa en los materiales de lanzamiento de Kimi K3. Todos los modelos se ejecutaron con su máximo esfuerzo de razonamiento declarado, pero los harnesses variaron entre benchmarks.
| Benchmark de programación | Kimi K3 | Claude Fable 5 | Líder |
|---|---|---|---|
| DeepSWE | 67,5 | 70,0 | Fable |
| ProgramBench | 77,8 | 76,8 | Kimi |
| Terminal-Bench 2.1 | 88,3 | 84,6 | Kimi |
| FrontierSWE | 81,2 | 86,6 | Fable |
| SWE Marathon | 42,0 | 35,0 | Kimi |
| PostTrain Bench | 36,6 | 41,4 | Fable |
| MLS Bench | 48,3 | 49,9 | Fable |
| Kimi Code Bench 2.0, interno | 72,9 | 76,9 | Fable |
No es un resultado unilateral.
Dónde parece más fuerte Fable
Fable lidera en:
- DeepSWE, centrado en tareas de software difíciles a nivel de repositorio;
- FrontierSWE, con una ventaja de más de cinco puntos;
- PostTrain Bench;
- MLS Bench;
- el benchmark interno de Moonshot Kimi Code Bench 2.0.
El resultado del Kimi Code Bench interno es especialmente interesante, porque Moonshot informa de una ventaja de Fable en un benchmark desarrollado por el propio equipo de Kimi. Es una prueba en contra de interpretar el material de lanzamiento como una simple tabla de marketing diseñada para que K3 gane en todas las filas.
Anthropic publica por separado resultados muy sólidos para Fable en SWE-bench Pro y Terminal-Bench. Su tabla de lanzamiento indica 80,3 % en SWE-bench Pro y 88,0 % en Terminal-Bench 2.1. Estas cifras no deben combinarse directamente con la tabla de Moonshot porque las metodologías son distintas, pero refuerzan la conclusión de que Fable es un agente de repositorio y terminal excepcionalmente capaz.
Dónde parece más fuerte Kimi
Kimi lidera en:
- Terminal-Bench 2.1 dentro de la comparación de Moonshot;
- ProgramBench por un margen pequeño;
- SWE Marathon por siete puntos.
SWE Marathon es relevante porque pretende captar trabajo de ingeniería de software sostenido, en lugar de un parche aislado. La ventaja de Kimi respalda el posicionamiento de K3 como un modelo entrenado para trayectorias largas y difíciles.
Moonshot también informa de que K3 fue competitivo con Fable en una prueba de optimización de kernels GPU de 24 horas. La tarea incluía perfilar, reescribir y comparar kernels en varias arquitecturas y objetivos de hardware. Fue un caso de estudio diseñado por el proveedor, no una clasificación pública independiente, pero demuestra el tipo de trabajo de ingeniería de largo recorrido para el que se diseñó K3.
Qué significan en la práctica los resultados de programación
Fable parece más fiable cuando la tarea es:
- un problema difícil a nivel de repositorio;
- una refactorización amplia con muchas restricciones ocultas;
- una migración que requiere una verificación cuidadosa;
- un proyecto largo en el que el seguimiento de instrucciones y el criterio importan más que el rendimiento bruto;
- trabajo ya integrado en Claude Code.
Kimi resulta especialmente atractivo cuando la tarea es:
- intensiva en terminal e iterativa;
- evaluada visualmente mediante capturas de pantalla;
- desarrollo frontend, de videojuegos o CAD;
- un experimento largo con muchos reintentos;
- demasiado cara para ejecutarse repetidamente con Fable;
- realizada mediante una integración existente compatible con OpenAI.
Benchmarks agénticos y de trabajo del conocimiento
La misma tabla de Moonshot presenta un resultado mixto, pero generalmente favorable a Fable, para el trabajo agéntico más amplio.
| Benchmark agéntico | Kimi K3 | Claude Fable 5 | Líder |
|---|---|---|---|
| GDPval-AA v2, Elo | 1668 | 1760 | Fable |
| BrowseComp | 91,2 | 88,0 | Kimi |
| Toolathlon-Verified | 73,2 | 77,9 | Fable |
| MCP Atlas | 84,2 | 84,7 | Fable |
| AutomationBench | 30,8 | 29,1 | Kimi |
| JobBench | 52,9 | 57,4 | Fable |
| AA-Briefcase, Elo | 1548 | 1583 | Fable |
| APEX-Agents | 37,6 | 43,3 | Fable |
| SpreadsheetBench 2 | 34,8 | 34,7 | Empate práctico |
Fable gana más filas, especialmente en trabajo profesional representado por GDPval-AA, JobBench, AA-Briefcase y APEX-Agents.
Kimi obtiene resultados muy buenos en BrowseComp y AutomationBench. BrowseComp mide la búsqueda de información difícil, en la que los agentes deben buscar, combinar pruebas y mantener largas cadenas de exploración. El resultado de Kimi coincide con las demostraciones de Moonshot de grandes flujos de investigación con miles de búsquedas y operaciones sobre documentos.
La conclusión general es:
Fable tiene el perfil agéntico general más fuerte. Kimi es muy competitivo y puede liderar en flujos intensivos en búsqueda, automatización e implementación.
Control del razonamiento
Ambos modelos razonan en cada solicitud, pero Fable ofrece mucho más control a los desarrolladores.
Kimi K3
Kimi K3 admite actualmente:
reasoning_effort="max"El razonamiento está siempre activado. Moonshot afirma que añadirá los modos low y high, pero no estaban disponibles en la fecha de verificación.
Esto simplifica la configuración de K3 para trabajos difíciles, pero resulta ineficiente en tareas rutinarias. Incluso una extracción o clasificación breve puede recibir el comportamiento de un modelo que utiliza el máximo esfuerzo de razonamiento.
K3 también exige que, en conversaciones de varios turnos, se reenvíe el mensaje completo del asistente, incluidos los campos relacionados con el razonamiento. Moonshot advierte de que la calidad puede volverse inestable si un harness elimina ese historial o cambia a K3 a mitad de una sesión.
Claude Fable 5
Fable utiliza pensamiento adaptativo en cada solicitud y no permite desactivarlo. Los desarrolladores pueden controlar la profundidad y el uso de tokens mediante:
low
medium
high
xhigh
maxEl valor predeterminado es high. Anthropic recomienda:
lowpara trabajo rutinario de gran volumen o subagentes;mediumpara equilibrar coste y capacidad;highpara programación y razonamiento difíciles;xhighpara trabajo agéntico de larga duración;maxpara las tareas más difíciles y sensibles a la capacidad máxima.
Es una ventaja importante en producción. Un equipo puede usar el mismo endpoint de Fable para subagentes rutinarios y tareas frontier, ajustando el esfuerzo dinámicamente sin cambiar de modelo.
Herramientas y ecosistemas agénticos
Kimi K3 y Kimi Code
Kimi Code puede:
- leer y editar archivos;
- ejecutar comandos de shell;
- buscar en una base de código;
- obtener páginas web;
- utilizar herramientas;
- crear subagentes para trabajar en paralelo.
La API de Kimi admite:
- llamadas a funciones;
tool_choice;- carga dinámica de herramientas;
- salida estructurada mediante JSON Schema;
- streaming;
- almacenamiento automático en caché del contexto;
- completado parcial;
- compatibilidad con el SDK de OpenAI.
La compatibilidad con la API de OpenAI es una gran ventaja práctica. Una aplicación existente suele poder probar Kimi cambiando la clave API, la URL base y el nombre del modelo, en lugar de reescribir toda su capa cliente.
Moonshot advierte, no obstante, de que su función oficial de búsqueda web estaba siendo actualizada en la fecha de verificación y no se recomendaba para un uso de producción inmediato.
Claude Fable 5 y Claude Code
La plataforma de Claude ofrece actualmente un conjunto más amplio y documentado de herramientas de producción y funciones de gestión del contexto:
- Claude Code;
- ejecución de código;
- búsqueda y obtención de contenido web;
- memoria;
- llamadas programáticas a herramientas;
- presupuestos de tareas;
- compactación;
- edición del contexto y eliminación de resultados de herramientas;
- uso estricto de herramientas;
- compatibilidad con MCP;
- respaldo en el servidor;
- patrones de agentes gestionados y orquestación.
Claude Code también ofrece flujos multiagente. Su modo ultracode no es un nivel de esfuerzo independiente de la API: Anthropic lo describe como xhigh combinado con permiso permanente para lanzar flujos multiagente.
Para los equipos que necesitan una plataforma agéntica madura y documentada, y no solo un endpoint de modelo potente, Claude tiene actualmente la ventaja.
Contexto, caché y multimodalidad
Ambos modelos admiten aproximadamente un millón de tokens de contexto.
Es suficiente para contener:
- una gran instantánea de repositorio;
- cientos de páginas de documentación;
- un historial largo del agente;
- varios informes y conjuntos de datos;
- una gran colección de resultados de herramientas.
No debe asumirse que ninguno de los dos utilizará perfectamente todo el contexto. La precisión de recuperación, la conservación de instrucciones y la resistencia a información contradictoria deben probarse con la carga real.
Kimi
Kimi ofrece caché automática de prefijos. El desarrollador no necesita crear un identificador de caché ni establecer manualmente un TTL. Si el prefijo largo permanece sin cambios, las solicitudes posteriores pueden intentar automáticamente reutilizarlo.
El precio oficial de un token de entrada encontrado en caché es de 0,30 dólares por millón.
Kimi admite directamente imágenes y vídeo como entrada. Esto lo hace especialmente útil para:
- corregir frontends a partir de capturas de pantalla;
- análisis de vídeo;
- control de calidad visual;
- ciclos de feedback en el desarrollo de videojuegos;
- revisión de animaciones y motion design.
Fable
Fable admite prompt caching con control automático o explícito. Los precios oficiales son:
- 12,50 dólares por millón de tokens para una escritura de caché de cinco minutos;
- 20 dólares por millón para una escritura de una hora;
- 1 dólar por millón para lecturas de caché.
Fable acepta texto e imágenes. Anthropic no indica una entrada de vídeo directa para el modelo. Por tanto, los flujos de vídeo suelen necesitar fotogramas extraídos, transcripciones u otra capa de preprocesamiento.
Precios de la API
| Categoría de tokens | Kimi K3 | Claude Fable 5 |
|---|---|---|
| Entrada sin caché | 3 USD / 1 M | 10 USD / 1 M |
| Lectura de entrada en caché | 0,30 USD / 1 M | 1 USD / 1 M |
| Escritura en caché de cinco minutos | Caché automática; no se indica un precio de escritura separado para K3 | 12,50 USD / 1 M |
| Escritura en caché de una hora | No se indica un nivel manual equivalente | 20 USD / 1 M |
| Salida | 15 USD / 1 M | 50 USD / 1 M |
| Entrada Batch | No incluida en esta comparación | 5 USD / 1 M |
| Salida Batch | No incluida en esta comparación | 25 USD / 1 M |
A precio de lista, Kimi es un 70 % más barato tanto para la entrada sin caché como para la salida.
Ejemplo de coste 1: tarea de repositorio
Supuestos:
- 100.000 tokens de entrada sin caché;
- 10.000 tokens de salida.
| Modelo | Entrada | Salida | Total |
|---|---|---|---|
| Kimi K3 | 0,30 USD | 0,15 USD | 0,45 USD |
| Claude Fable 5 | 1,00 USD | 0,50 USD | 1,50 USD |
Kimi es un 70 % más barato en este ejemplo.
Ejemplo de coste 2: contexto grande reutilizado con acierto de caché
Supuestos:
- 500.000 tokens de entrada en caché;
- 20.000 tokens de salida;
- se excluye el coste de escritura de caché porque depende de su ciclo de vida y reutilización.
| Modelo | Entrada en caché | Salida | Total |
|---|---|---|---|
| Kimi K3 | 0,15 USD | 0,30 USD | 0,45 USD |
| Claude Fable 5 | 0,50 USD | 1,00 USD | 1,50 USD |
De nuevo, Kimi es un 70 % más barato según las tarifas indicadas de lectura y salida.
El precio por token no es el coste por tarea resuelta
Artificial Analysis observó que Kimi generó unos 130 millones de tokens de salida durante su evaluación Intelligence Index, frente a unos 87 millones de Fable.
Esto no significa que Kimi vaya a usar siempre un 49 % más de tokens en producción. Sí significa que una evaluación realista del coste debe medir:
- todos los tokens de entrada;
- la tasa de aciertos de caché;
- los tokens de razonamiento y salida;
- los reintentos;
- las llamadas a herramientas;
- las ejecuciones fallidas;
- el tiempo de revisión humana;
- la tasa de éxito.
Un modelo que cuesta un tercio por token no tiene por qué costar un tercio por resultado aceptado si necesita trayectorias más largas o más intentos.
Pesos abiertos y autoalojamiento
La publicación prevista de los pesos de Kimi es una de las mayores diferencias estratégicas entre ambos modelos.
Moonshot afirma que todos los pesos de K3 se publicarán antes del 27 de julio de 2026. Cuando se verificó este artículo, los pesos, la licencia definitiva y el informe técnico completo todavía no estaban disponibles públicamente.
Su publicación podría permitir a las organizaciones:
- inspeccionar y modificar el modelo;
- ejecutarlo en infraestructura controlada;
- evitar la dependencia permanente de un único proveedor de API;
- ajustarlo o cuantizarlo;
- integrarlo en sistemas privados de inferencia.
Sin embargo, “pesos abiertos” no significa “fácil de ejecutar”.
Moonshot recomienda despliegues de supernodos con 64 o más aceleradores. Un modelo disperso de 2,8 billones de parámetros sigue siendo un proyecto de infraestructura enorme, aunque solo una parte de la red esté activa por token.
Para la mayoría de las empresas, Kimi seguirá siendo un producto de API. La opción de pesos abiertos es más relevante para hiperescaladores, proveedores nacionales de infraestructura, grandes laboratorios de IA y organizaciones con hardware de inferencia especializado.
Fable es completamente propietario. Anthropic no ha revelado su número de parámetros ni su arquitectura y no existe una vía de autoalojamiento.
Seguridad, rechazos y retención de datos
Claude Fable 5
Fable incluye clasificadores de seguridad para áreas sensibles como la ciberseguridad y la biología. Anthropic afirma que se activan de media en menos del 5 % de las sesiones, pero también reconoce que pueden bloquear solicitudes inofensivas.
Cuando se rechaza una solicitud:
- la API puede devolver HTTP 200 con
stop_reason: "refusal"; - la respuesta identifica el clasificador implicado;
- las aplicaciones pueden reintentar mediante respaldo en el servidor, en el cliente o manual;
- un respaldo configurado puede utilizar Claude Opus 4.8;
- las solicitudes rechazadas antes de generar salida no se facturan;
- Anthropic ofrece un mecanismo de crédito de respaldo para evitar pagar dos veces el coste de cambiar la caché del prompt.
Esta arquitectura es más segura para despliegues públicos amplios, pero puede reducir la reproducibilidad. Dos tareas de programación aparentemente similares pueden ser procesadas por modelos subyacentes diferentes si una de ellas activa un clasificador.
Fable requiere 30 días de retención de datos y no está disponible con Zero Data Retention. Puede ser una limitación decisiva para cargas reguladas o muy confidenciales.
Kimi K3
Kimi no documenta en la API de K3 un respaldo automático equivalente a otro modelo.
Moonshot sí documenta dos limitaciones prácticas de comportamiento:
- Sensibilidad al historial de razonamiento. Si el agente no conserva el mensaje completo del asistente o cambia de modelo en mitad de la sesión, la calidad puede volverse inestable.
- Proactividad excesiva. K3 puede tomar decisiones inesperadas cuando las instrucciones son ambiguas, porque está entrenado para perseguir de forma autónoma tareas largas y difíciles.
Moonshot recomienda establecer límites explícitos en el prompt del sistema o en AGENTS.md cuando el agente deba mantenerse dentro de restricciones estrictas.
El tratamiento de datos de Kimi debe evaluarse según el producto y el contrato concretos utilizados. Los equipos que procesen información confidencial deberían obtener por escrito las condiciones sobre retención, uso para entrenamiento, ubicación de datos, eliminación y gestión de incidentes.
¿Qué modelo deberías elegir?
Elige Kimi K3 cuando:
- el coste de la API sea una restricción principal;
- necesites ejecutar muchos experimentos largos o reintentos;
- la carga utilice contextos muy grandes;
- el agente trabaje con capturas de pantalla o vídeo;
- el frontend, los videojuegos o la iteración visual sean centrales;
- ya uses un cliente compatible con OpenAI;
- importe el acceso futuro a pesos abiertos;
- puedas validar el comportamiento del agente con pruebas y sandbox;
- estés preparado para gestionar un ecosistema más joven.
Elige Claude Fable 5 cuando:
- la máxima capacidad general importe más que el precio por token;
- las tareas difíciles a nivel de repositorio sean la carga principal;
- el seguimiento de instrucciones y el criterio deban mantenerse fuertes durante sesiones largas;
- tu equipo ya utilice Claude Code;
- necesites gestión madura del contexto y herramientas agénticas;
- importe la disponibilidad multinube;
- quieras ajustar dinámicamente el esfuerzo de
lowamax; - un respaldo de seguridad sea aceptable o deseable;
- una retención de datos de 30 días no bloquee el proyecto.
Usa ambos cuando:
Una estrategia híbrida de enrutamiento puede ser la mejor decisión de ingeniería.
Kimi puede encargarse de:
- primeros intentos de implementación;
- trabajo visual de frontend;
- exploración amplia de repositorios;
- generación de código de gran volumen;
- preprocesamiento de contextos largos;
- soluciones candidatas en paralelo.
Fable puede encargarse de:
- revisión arquitectónica final;
- escalado de errores difíciles;
- verificación de cambios arriesgados;
- migraciones complejas;
- trabajo sensible al seguimiento de instrucciones;
- las tareas de largo recorrido más difíciles.
Este enfoque aprovecha la ventaja de precio de Kimi sin tratarlo como un sustituto universal de Fable.
Veredicto
Claude Fable 5 es el modelo globalmente más potente para programar y realizar trabajo agéntico.
Lidera el índice independiente Artificial Analysis Intelligence Index, gana por poco el Vals Index, ocupa los primeros puestos de las clasificaciones generales de texto y seguimiento de instrucciones y vence en más benchmarks agénticos generales publicados por Moonshot. Sus controles de razonamiento, el ecosistema Claude Code, las funciones de gestión del contexto y la disponibilidad multinube lo convierten en la opción predeterminada más segura para equipos que priorizan capacidad y madurez operativa.
Kimi K3 ofrece, sin embargo, la mejor relación calidad-precio.
Alcanza un rendimiento próximo a la frontera por aproximadamente el 30 % del precio estándar por token de Fable, lidera varios benchmarks de programación y automatización, acepta vídeo directamente, se integra mediante el SDK de OpenAI y podría ofrecer pronto todos sus pesos para descarga. Es especialmente atractivo para programación visual, experimentos largos, contextos enormes y cargas en las que el precio de Fable limitaría el número de iteraciones.
La conclusión honesta es:
Elige Claude Fable 5 para maximizar la probabilidad de éxito en las tareas de ingeniería más difíciles y sensibles a las instrucciones. Elige Kimi K3 cuando necesites capacidad de clase frontier a un precio mucho menor y puedas compensar mediante evaluación, sandbox y controles de flujo más estrictos.
No elijas ninguno de los modelos por una única fila de una clasificación. Prueba ambos con un conjunto de evaluación privado construido a partir de problemas reales de repositorio, llamadas de herramientas esperadas, restricciones de seguridad y un coste aceptable por tarea completada.
Lee a continuación
Fuentes
- Moonshot AI, Kimi K3: Open Frontier Intelligence
- Kimi API Platform, inicio rápido y funciones API de Kimi K3
- Kimi API Platform, precios de Kimi K3
- Moonshot AI, Kimi Code
- Anthropic, Claude Fable 5 y Claude Mythos 5
- Claude Platform Docs, introducción a Claude Fable 5 y Claude Mythos 5
- Claude Platform Docs, controles de esfuerzo
- Claude Platform Docs, precios de la API
- Claude Platform Docs, caché de prompts
- Anthropic, tarjeta del sistema de Claude Fable 5 y Claude Mythos 5
- Artificial Analysis, evaluación de Kimi K3
- Artificial Analysis, evaluación de Claude Fable 5
- Vals AI, Vals Index
- Arena, clasificación WebDev
- Arena, clasificación de texto
