Claude Fable 5.1 vs. Kimi K3: Die Reasoning-Obergrenze gegen die Grenze, die man besitzen kann

Claude Fable 5.1 und Kimi K3 zielen auf denselben Käufer ab – Teams, die über großen Codebasen und Dokumentbeständen langlaufende, werkzeugnutzende Agenten ausführen – und sie kommen von entgegengesetzten Enden des Marktes. Claude Fable 5.1 ist Anthropics geschlossenes Flaggschiff, veröffentlicht am 1. September 2026, mit einem Preis von 10,00 $ pro Million Eingabetokens und 50,00 $ pro Million Ausgabetokens, und wird von Artificial Analysis im aktuellen Intelligence Index mit 53 gemessen: als erstes der 201 Modelle, die dieser Index verfolgt. Kimi K3, Moonshot AIs 2,8-Billionen-Parameter-Mixture-of-Experts-Modell, hat seine Gewichte am 27. Juli geöffnet und liegt auf demselben Index bei 44 – als zweites der 112 Open-Weights-Modelle seiner Klasse. Die naheliegende Lesart ist eine Intelligenzlücke von neun Punkten gegenüber einer etwa dreifachen Preislücke. Die nützlichere Lesart ist, dass die beiden Modelle unterschiedliche Maxima haben und nur eines dieser Maxima von der Person, die es nutzt, angehoben werden kann.

Zur Quellenlage: Artificial Analysis hat seinen Intelligence Index im September neu aufgestellt, daher stammen die hier angegebenen Bewertungen, Ränge, Geschwindigkeiten und Zahlen zu den Kosten pro Aufgabe aus der aktuellen Version, erfasst am 10. September 2026, und sind nicht mit den Zahlen vergleichbar, die beim Start der jeweiligen Modelle veröffentlicht wurden. Moonshots eigene Benchmark-Ergebnisse und die von Anthropic sind dort gekennzeichnet, wo sie erscheinen, und keines davon wurde vom jeweils anderen Labor reproduziert. Claude Fable 5.1 ist neun Tage alt, daher wurden die Behauptungen des Anbieters kaum extern getestet; Kimi K3 wurde sechs Wochen lang getestet.

Gleiches Fenster, andere Maxima

Beide Modelle verfügen über ein Kontextfenster von 1.048.576 Token, und keines verlangt einen Aufpreis, um es zu nutzen – Moonshot bietet Kimi K3 pauschal zu $3,00 / $0,30 gecacht / $15,00 pro Million an, während Claude Fable 5.1 sein Fenster pauschal zu $10,00 / $0,25 gecacht / $50,00 anbietet. Genau dieses gemeinsame Fenster ist der Grund, warum diese beiden überhaupt miteinander verglichen werden: Sie wurden für dieselbe Art von Arbeit entwickelt, bei der eine einzelne Aufgabe ein Repository, einen Datenraum oder eine Woche Tool-Output ansammelt.

Der Unterschied liegt am anderen Ende der Leitung. Kimi K3 kann in einer einzigen Antwort bis zu 1.048.576 Tokens ausgeben – Anbieter setzen standardmäßig oft 131.072 an, aber die Obergrenze liegt bei einer vollen Million, die Moonshot mit „ein einziger Aufruf kann eine Codebasis ausgeben“ vermarktet. Claude Fable 5.1 begrenzt eine Antwort auf 128K Ausgabe-Tokens. Für eine Chat-Runde ist diese Grenze irrelevant. Für die Generierung eines gesamten Repositorys, eine Massenmigration oder ein umfangreiches Dokumentenset macht es den Unterschied zwischen einem einzigen Aufruf und einer Agentenschleife, die man aufbauen, überwachen und Zug um Zug bezahlen muss.

Die Zahlen, Dimension für Dimension

• Preis pro 1M Tokens — Claude Fable 5.1 $10.00 in / $50.00 out vs Kimi K3 $3.00 in / $15.00 out.

• Cache-Eingabe — Claude Fable 5.1 0.25 $ pro 1M vs Kimi K3 0.30 $, was Artificial Analysis in einen effektiven Cache-Rabatt von 98% gegenüber 90% umwandelt.

• Unabhängige Punktzahl, Geschwindigkeit und Kosten — Claude Fable 5.1 liegt bei 53 auf dem aktuellen Intelligence-Index (#1 von 201) bei 67,2 Ausgabe-Token pro Sekunde und 7,63 $ pro Index-Aufgabe; Kimi K3 liegt bei 44 (#2 von 112 Open-Weights-Modellen) bei 35,5 Token pro Sekunde und 2,00 $ pro Aufgabe, und der Index vermerkt, dass es bemerkenswert langsam und etwas wortreich ist — 160M Ausgabe-Token pro Indexlauf gegenüber 190M des Claude-Modells.

• Kontext- und Ausgabeobergrenze — 1M Token Eingabe und bis zu 128K Ausgabe vs. 1M Token Eingabe und bis zu 1M Ausgabe.

Gewichte — geschlossen, nur per API vs. offen und selbst hostbar; von Moonshot unter der Kimi-K3-Lizenz veröffentlicht, einer modifizierten MIT-Variante mit kommerziellen Bedingungen für sehr große Reseller; mit Gewichten auf Hugging Face.

• Vision — Claude Fable 5.1 akzeptiert Text-, Bild- und Dateieingaben über die API; Kimi K3 akzeptiert Text und Bild über die API, aber die native Vision-Funktion ist ein Feature der Serving-Ebene und nicht Teil der veröffentlichten Gewichte.

• Sichtbarkeit der Denkprozesse — Kimi K3 streamt seine Denkspuren in der API; Claude Fable 5.1 gibt Denkblöcke zurück, deren Darstellung Sie wählen können, zusammengefasst oder weggelassen, wobei die rohe Gedankenkette nie offengelegt wird.

• Architektur — Die Parameteranzahl von Claude Fable 5.1 wird nicht bekannt gegeben; Kimi K3 ist ein Sparse-Mixture-of-Experts-Modell mit insgesamt 2,8 Billionen Parametern und etwa 104 Milliarden aktiven Parametern.

• Veröffentlicht — Claude Fable 5.1 am 1. September 2026; die API von Kimi K3 am 16. Juli 2026, mit offenen Gewichten am 27. Juli.

Was die Neun-Punkte-Lücke ist und was sie nicht ist

Im aktuellen Index führt Claude Fable 5.1 mit 53 Punkten, und Kimi K3 liegt mit 44 Punkten auf dem zweiten Platz, vor dem übrigen Open-Weight-Feld. Neun Punkte sind ein echter Abstand und kein Rauschen, aber der Index ist ein zusammengesetzter Wert – agentische Arbeit, Programmierung, wissenschaftliches Denken und allgemeine Fähigkeiten, gewichtet – und eine einzelne Zahl verdeckt die Bereiche, in denen das offene Modell wirklich stark ist. Bei unabhängigen Messungen Anfang September lag Kimi K3 bei Agentenarbeit über lange Zeithorizonte an der Spitze oder nahe der Spitze des offenen Feldes: Erster bei AutomationBench, Zweiter bei der agentischen Briefcase-Suite von Artificial Analysis und Dritter bei GDPval-AA v2 unter den getesteten Modellen. Unabhängige Arena-Daten beziffern seine Webentwicklungsfähigkeiten auf etwa 1.679 Elo auf dem Web-Dev-Board von Code Arena, nahe der Spitze dieses Feldes bis Anfang September. Das sind die Arbeitslasten, bei denen das offene Modell nicht neun Punkte zurückliegt.

Worin sich Claude Fable 5.1 absetzt, ist die Obergrenze des anspruchsvollen Denkens. Anthropic meldet 52,6 % bei Terminal-Bench-Science 0.1, mehr als doppelt so viel wie die 24,7 % der vorherigen Claude-Generation, plus 55,8 % bei Terminal-Bench 4.0 — beides vom Anbieter gemeldet und nicht reproduziert. Das sind die Zahlen hinter der Behauptung, dass die September-Veröffentlichung die Zielmarke für wissenschaftliche Arbeit und Arbeit mit langem Zeithorizont verschoben hat. Die ehrliche Zusammenfassung lautet, dass Kimi K3 bei der agentischen Breite und der Webentwicklung konkurrenzfähig ist, und das geschlossene Modell vorn liegt, wo die Denktiefe am größten ist; ein Indexabstand von neun Punkten verdichtet beide Fakten zu einer Zeile.

Ein Datenpunkt verdient eine eigene Erwähnung, weil er ungewöhnlich ist: Moonshots eigener Terminal-Bench-2.1-Wert für Kimi K3 liegt bei 88,3 %, gegenüber einem unabhängig gemessenen Wert von 85,0 %. Herstellerzahlen, die einer neutralen Messung nahezu unversehrt standhalten, sind selten, und eine so kleine Lücke zugunsten des Herstellers sagt mehr über das Modell aus als jeder einzelne Indexwert.

Die Eigentumsgabel, ehrlich kalkuliert.

Offene Gewichte sind der Grund, Kimi K3 zu bevorzugen, und sie sind auch der Grund, das Kleingedruckte zu lesen. Kimi K3 ist ein spärlich besetzter Mixture-of-Experts mit 2,8 Billionen Parametern; es selbst zu betreiben, ist ein Projekt für einen Multi-Node-GPU-Cluster und kein Nachmittag an einer Workstation, und die Kimi-K3-Lizenz enthält eine kommerzielle Hürde, die auf sehr große Wiederverkäufer abzielt. Was man mit dieser Infrastruktur kauft, ist real: keine Ratenbegrenzungen, keine Abrechnung pro Token, Feintuning auf eigenen Daten, vollständige Prüfbarkeit und Prompts, die niemals Ihr Netzwerk verlassen – die Anforderungen, die eine geschlossene API für regulierte und verteidigungsnahe Arbeit ungeeignet machen.

Zwei Einschränkungen sind hier anzuführen. Beim Self-Hosting geht die native Bilderkennung der API verloren, da Bildeingabe ein Merkmal der Serving-Ebene ist und nicht Teil der veröffentlichten Gewichte; außerdem ist das Modell langsam, gemessen an 35,5 Ausgabetoken pro Sekunde auf dem aktuellen Index – die natürliche Folge einer Mixture-of-Experts mit 2,8 Billionen Parametern und stets aktivem Reasoning. Bei einer Vervollständigung von 20.000 Token sind das Minuten der Generierung, und in Ihrem eigenen Cluster sind es Minuten Ihrer eigenen GPUs.

Die Mietversionen liegen näher beieinander, als es die Eigentumsfrage vermuten lässt. Kimi K3 ist über die Moonshot-API für 3,00 $ / 15,00 $ erhältlich, mit 0,30 $ für gecachten Input, etwa ein Drittel der Token-Sätze von Claude Fable 5.1, während Claude seine Cache-Lesepreise im September um 75 % gesenkt hat – auf 0,25 $ pro Million, unter Kimis Niveau – was genau für die langen agentischen Sitzungen relevant ist, auf die beide Modelle abzielen, in denen dieselbe Tool-Ausgabe dutzendfach erneut gelesen wird. Bei der unabhängigen Kosten-pro-Aufgabe-Messung liegt die Kluft bei 2,00 $ für Kimi K3 gegenüber 7,63 $ für Claude Fable 5.1: ein Faktor von fast vier, nicht der Faktor von drei, den die Token-Preise nahelegen, da das Anthropic-Modell für dieselbe Indexarbeit etwa 190 Mio. Token schreibt, Kimi dagegen 160 Mio.

Denken zum Zuschauen

Es gibt einen Unterschied in der Entwicklererfahrung, der in keiner Benchmark-Tabelle auftaucht. Kimi K3 streamt seine Reasoning-Traces über die API, wodurch ein fehlgeschlagener Agent-Schritt zu etwas wird, das man lesen kann, statt zu etwas, das man sich erschließen muss. Claude Fable 5.1 verfolgt den gegenteiligen Ansatz: Das Denken ist immer aktiv, die rohe Gedankenkette wird nie zurückgegeben, und die Anzeigeeinstellung entscheidet nur, ob man eine lesbare Zusammenfassung erhält oder gar nichts. Zusammenfassungen reichen für die meisten Produktionsprotokolle; Traces sind besser zum Debuggen eines Agenten, der ständig den falschen Zweig nimmt. Wenn man Agenten-Infrastruktur baut, statt sie zu konsumieren, zeigt sich dieser Unterschied in Stunden.

Die Fußnote zur Beschaffung

Für US-amerikanische Unternehmen ist mit diesem Vergleich eine nicht-technische Variable verbunden. Moonshot AI ist ein Labor mit Hauptsitz in Peking, das im Fokus der US-Regierung steht: Der Finanzminister hat öffentlich damit gedroht, das Unternehmen auf eine Handels-Sperrliste zu setzen, US-Beamte haben behauptet, es habe Fähigkeiten aus US-Modellen destilliert — eine Behauptung, die Moonshot bestreitet — und Presseberichte beschreiben frühe Gespräche mit Microsoft, Amazon und Google über das Hosting von Kimi K3 zu Umsatzbeteiligungsbedingungen, neben einem vertraulichen Börsengangsantrag in Hongkong Anfang September. Nichts davon ändert den technischen Vergleich, und eine in den USA gehostete Open-Weights-Bereitstellung in Ihrer eigenen Infrastruktur unterscheidet sich materiell von der Weiterleitung von Prompts an eine Offshore-API. Es bedeutet jedoch, dass eine Beschaffungsentscheidung über Kimi K3 eine Entscheidung mit politischer Dimension ist und von Personen getroffen werden sollte, die sich dessen bewusst sind.

Den Vergleich durchführen, anstatt darüber zu streiten

Beide Modelle sind über OrcaRouter ohne Aufschlag zu den Listenpreisen ihrer Anbieter erreichbar, sodass Sie diesen Vergleich mit Ihren eigenen Daten statt mit einer Benchmark-Tabelle entscheiden können: Kimi K3 bei Moonshot für $3.00 / $15.00, Claude Fable 5.1 bei Anthropic für $10.00 / $50.00, mit einem einzigen Schlüssel und einer einzigen Rechnung, ohne einen zweiten Vertrag zu unterschreiben und ohne Codeänderung zum Wechseln. Richten Sie dieselbe Testumgebung auf beide, messen Sie die Kosten pro abgeschlossener Aufgabe bei Ihren tatsächlichen Workloads, und lassen Sie automatisches Failover den Produktionspfad aufrechterhalten, während ein Kandidatenmodell noch evaluiert wird. Wenn die Workload tiefes Denken erfordert oder in Claude Code stattfindet, gewinnt normalerweise das geschlossene Flaggschiff; wenn es sich um Hochvolumen-Generierung handelt, bei der ein Millionen-Token-Ausgang oder eine selbst gehostete Bereitstellung die Wirtschaftlichkeit verändert, ist Kimi K3 das einzige der beiden, das Sie besitzen können, und die Routing-Ebene ist der Ort, an dem Sie beide Optionen offenhalten.

Was als Nächstes angesehen werden sollte, ist symmetrisch. Anthropic liefert etwa im Monatstakt und hat nun gezeigt, dass es die Cache-Preise senken wird, ohne die offiziellen Tarife anzutasten, sodass sich die Kostenseite dieses Vergleichs ohne ein neues Modell bewegen kann. Moonshots eigene Zukunft ist nun mit seinem Börsengang und diesen US-Cloud-Gesprächen verbunden, von denen jedes ändern könnte, wie – und wo – Kimi K3 bereitgestellt wird. Keines davon ist ein Grund zu warten: Beide Modelle tun heute das, was die obigen Zahlen besagen, und die Entscheidung, die am besten altert, ist diejenige, die die Modell-ID als Konfigurationswert behält, statt sie neu zu schreiben.