Claude Fable 5.1 vs Kimi K3：推論の天井 vs あなたが手にできる天井

Claude Fable 5.1とKimi K3は同じ購入者層をターゲットにしている——大規模なコードベースや文書セットを扱い、長時間実行されるツール使用型エージェントを運用するチームだ——そして、両者は市場の正反対の端から登場している。 Claude Fable 5.1はAnthropicのクローズド系フラッグシップモデルで、2026年9月1日にリリースされ、入力トークン100万件あたり10.00ドル、出力トークン100万件あたり50.00ドルという価格設定だ。Artificial Analysisの現在のIntelligence Indexでは53を記録し、同指数が追跡する201モデルのうち第1位となっている。 Kimi K3は、Moonshot AIの2.8兆パラメータのMixture-of-Expertsモデルで、7月27日にウェイトを公開し、同じ指数で44に位置している——同クラスのオープンウェイトモデル112件のうち第2位だ。 わかりやすい解釈は、約3倍の価格差に対して9ポイントの知能差があるということだ。より有用な解釈は、両モデルにはそれぞれ異なる上限があり、その上限のうち片方だけは、それを使う本人が引き上げられるということだ。

On sourcing（情報源について）: Artificial Analysisは9月にIntelligence Indexを更新したため、ここに示すスコア、ランキング、速度、タスクあたりのコストは2026年9月10日に取得した現行バージョンに基づくものであり、各モデル発表時に公表された数値とは比較できません。Moonshot独自のベンチマーク結果とAnthropicのものは、それぞれ出所を明記しており、他方のラボによる再現検証は行われていません。Claude Fable 5.1はリリースから9日しか経過しておらず、ベンダーの主張に対する外部検証はほぼ行われていません。Kimi K3は6週間の検証期間があります。

同じウィンドウ、異なる最大値

両モデルとも1,048,576トークンのコンテキストウィンドウを備えており、どちらもそれを満たすための追加料金は発生しません。MoonshotはKimi K3を、$3.00 / キャッシュ時$0.30 / $15.00（100万トークンあたり）のフラット価格で提供し、Claude Fable 5.1はそのウィンドウを$10.00 / キャッシュ時$0.25 / $50.00（100万トークンあたり）のフラット価格で提供しています。この共通のウィンドウこそが、この2つが比較される理由です。両者は同じ形状の仕事向けに構築されており、単一のタスクがリポジトリ、データルーム、または1週間分のツール出力を蓄積することを前提としています。

相違はパイプのもう一方の端にあります。Kimi K3は1回の応答で最大1,048,576トークンを出力できます。プロバイダーは通常これを131,072にデフォルト設定しますが、上限はちょうど100万トークンであり、Moonshotは「1回の呼び出しでコードベース全体を出力できる」と宣伝しています。Claude Fable 5.1は1回の応答を128K出力トークンに制限しています。チャットのターンでは、その制限は無関係です。リポジトリ全体の生成、一括移行、または長いドキュメントセットの場合、それは1回の呼び出しと、ターンごとに構築・監視・支払いを行う必要があるエージェントループの違いになります。

次元ごとの数字

1Mトークンあたりの価格 — Claude Fable 5.1 入力$10.00 / 出力$50.00 vs Kimi K3 入力$3.00 / 出力$15.00

• キャッシュされた入力 — Claude Fable 5.1は100万トークンあたり$0.25、Kimi K3は$0.30で、Artificial Analysisはこれを90%に対する実効キャッシュ割引98%に換算している。

• 独立したスコア、速度、コスト — Claude Fable 5.1 は現在のIntelligence Indexでスコア53（201モデル中1位）、出力は毎秒67.2トークン、インデックスタスクあたり$7.63。Kimi K3 はスコア44（オープンウェイトモデル112件中2位）、出力は毎秒35.5トークン、タスクあたり$2.00で、インデックスはこれを著しく遅く、やや冗長と指摘している — インデックス実行ごとの出力トークン数は、Claudeモデルの1億9000万に対して1億6000万である。

• コンテキストと出力上限 — 入力1Mトークン、出力最大128K vs 入力1Mトークン、出力最大1M。

• ウェイト — クローズドでAPI専用 vs オープンかつセルフホスト可能、MoonshotがKimi K3ライセンスとして公開。これは修正版MITライセンスで、非常に大規模なリセラー向けの商用条項が含まれ、ウェイトはHugging Face上で公開されている。

• ビジョン — Claude Fable 5.1はAPIでテキスト、画像、ファイルの入力を受け付けます。Kimi K3はAPIでテキストと画像を受け付けますが、ネイティブビジョンはサービング層の機能であり、リリースされた重みには含まれていません。

• 推論の可視性 — Kimi K3 は API 上で推論トレースをストリーミング配信します。Claude Fable 5.1 は思考ブロックを返しますが、その表示は要約または省略を選択でき、生の思考連鎖が公開されることは決してありません。

アーキテクチャ — Claude Fable 5.1のパラメータ数は非公開。Kimi K3はスパース混合エキスパート（MoE）を採用し、総パラメータ数は2.8T、アクティブパラメータ数は約104B。

• リリース — 2026年9月1日にClaude Fable 5.1、2026年7月16日にKimi K3のAPI（オープンウェイトは7月27日）

9ポイント差とは何か、そして何でないか

現在のインデックスでは、Claude Fable 5.1 が53で首位に立ち、Kimi K3 は44で2位につけ、他のオープンウェイトモデルを抑えている。9ポイントの差は確かな隔たりであり、ノイズではない。だが、このインデックスは合成指標（エージェント業務、コーディング、科学的推論、汎用能力を加重したもの）であり、単一の数字では、オープンモデルが本当に強みを発揮する領域が見えなくなっている。9月上旬の独立した測定では、Kimi K3 は長期的なエージェント業務においてオープンモデル群のトップかそれに近い位置にあった。テスト対象モデルの中で、AutomationBench では1位、Artificial Analysis のエージェント用 Briefcase スイートでは2位、GDPval-AA v2 では3位だった。独立したアリーナデータによると、そのWeb開発スキルは Code Arena の Web Dev ボードでおよそ1,679 Elo と評価され、9月上旬時点でその分野の上位に位置している。そうしたワークロードこそ、オープンモデルが9ポイントの差をつけられていない領域なのだ。

Claude Fable 5.1 が他を引き離すのは、高度な推論の上限です。Anthropic は Terminal-Bench-Science 0.1 で 52.6% を報告しており、これは前世代の Claude の 24.7% の2倍以上です。さらに Terminal-Bench 4.0 では 55.8% を報告していますが、いずれもベンダー報告であり、再現はされていません。これらの数字が、9月のリリースが科学的・長期的な作業の目標を引き上げたという主張の根拠となっています。正直に要約すると、Kimi K3 はエージェントの幅とウェブ開発で競争力があり、クローズドモデルは推論が最も深い分野で先を行っています。9ポイントのインデックス差は、両方の事実を1行に凝縮しています。

1つのデータポイントは、異例であるがゆえに単独で言及する価値がある。Moonshot自身によるKimi K3のTerminal-Bench 2.1スコアは88.3%だが、独立した測定では85.0%だった。ベンダー発表の数値が中立な測定をほぼ無傷で生き残ることは稀であり、しかもその僅差がベンダー有利に出ているという事実は、どの単一の指標スコアよりも、このモデルの実力を物語っている。

所有権フォーク、正直にコストを見積もった場合

オープンウェイトはKimi K3を選ぶ理由であり、同時に注意事項を読むべき理由でもある。Kimi K3は2.8兆パラメータのスパース混合エキスパート（MoE）であり、自前で実行するにはワークステーションでの半日仕事ではなく、マルチノードGPUクラスタが必要になる。さらに、Kimi K3のライセンスには、非常に大規模なリセラーを対象とした商用ゲートが設けられている。そのインフラで得られるものは現実だ。レート制限なし、トークン単位の課金なし、自社データでのファインチューニング、完全な監査可能性、そしてプロンプトがネットワークの外に出ないこと——これらは、規制対象業務や防衛関連業務においてクローズドAPIが選択肢に入らない理由となる要件である。

それに付随して2つの注意点がある。セルフホスティングでは、APIが本来持っているビジョン機能を失う。画像入力は、リリース済みの重みに含まれるものではなく、サービング層の機能だからだ。さらに、このモデルは遅く、現在のインデックスでは毎秒35.5出力トークンと測定されている。これは、常時オンの推論を備えた2.8Tパラメータの混合エキスパートモデルから自然に生じる結果である。20,000トークンの生成完了には数分かかり、自前のクラスターでは、それは自前のGPUの数分を意味する。

レンタル版は、所有権の問いかけが示唆するよりも近い関係にある。MoonshotのAPI上のKimi K3は、$3.00 / $15.00で、キャッシュ入力は$0.30であり、Claude Fable 5.1のトークン料金のおよそ3分の1である。一方、Claude側は9月にキャッシュ読み取り価格を75%引き下げ、$0.25/百万トークンとなり、Kimiのそれを下回った。これは、両モデルが狙うまさに長期間のエージェントセッションにとって重要であり、そこでは同じツール出力が何十回も読み直される。独立したタスクあたりコストの指標では、その差はKimi K3が$2.00、Claude Fable 5.1が$7.63となり、トークン価格が示唆する3倍ではなく、ほぼ4倍の差となる。なぜなら、Anthropicのモデルは同じインデックス作業に対して約1億9000万トークンを出力するのに対し、Kimiは1億6000万トークンだからである。

見てわかる推論

どのベンチマーク表にも現れない、開発者体験における違いがあります。{{1}}Kimi K3は推論トレースをAPI経由でストリーミング配信するため{{/1}}、失敗したエージェントのステップは、推測する対象ではなく読める対象になります。{{2}}Claude Fable 5.1は逆のアプローチを取ります。思考は常にオンであり、生の思考連鎖が返されることは決してなく、表示設定が決めるのは、読みやすい要約を受け取るか、何も受け取らないかだけです。{{/2}}要約はほとんどの本番ロギングに十分であり、トレースは誤った分岐を選び続けるエージェントのデバッグに適しています。{{3}}エージェント基盤を消費するのではなく構築する側であれば、その違いは数時間単位で顕在化します。{{/3}}

調達の脚注

米国企業にとって、この対決には非技術的な変数が一つ加わる。Moonshot AIは北京に本社を置く研究所であり、米国政府の監視対象となってきた経緯がある。財務長官は同社を貿易ブラックリストに追加すると公に脅しており、米国当局者は同社が米国モデルから能力を蒸留したと主張している——Moonshotはこの主張を否定している——また、報道によれば、同社はMicrosoft、Amazon、Googleとの間でKimi K3を収益分配条件でホストする初期段階の協議を進めており、9月初旬には非公開の香港IPO申請も行っている。こうした事実はいずれも技術的な比較を変えるものではなく、米国内でホストされるオープンウェイトの展開は、海外のAPIにプロンプトをルーティングすることとは実質的に異なる。しかしながら、Kimi K3に関する調達決定が政策次元を伴う決定であり、そのことを認識している人々によって下されるべきものであることを意味するのは確かだ。

議論する代わりに比較を実行する

両モデルとも、OrcaRouter上でプロバイダーの定価のまま、マークアップなしで利用できます。つまり、これはベンチマーク表ではなく、ご自身のデータで結論を出せる比較です：Kimi K3（Moonshotの $3.00 / $15.00）、Claude Fable 5.1（Anthropicの $10.00 / $50.00）を、1つのキーと1つの請求書で利用でき、追加の契約書への署名も、切り替えのためのコード変更も不要です。同じハーネスを両方に向け、実際のワークロードでタスク完了あたりのコストを測定し、候補モデルの評価中も自動フェイルオーバーで本番パスを維持してください。ワークロードが深い推論である場合やClaude Code内で動作する場合は、通常はクローズドなフラッグシップモデルが勝ちます。一方、100万トークンの出力やセルフホスト展開が経済性を変えるような大量生成の場合、Kimi K3は2つのうちで所有できる唯一のモデルであり、両方のオプションを開いたままにしておくのがルーティングレイヤーです。

{{1}}今後注目すべき点は対称的だ。{{/1}}{{2}}Anthropicはほぼ毎月のペースでリリースを重ねており、今度は基本料金に触れることなくキャッシュ価格を引き下げることを実証した。つまり、この比較におけるコスト面は、新しいモデルがなくても変動し得る。{{/2}}{{3}}Moonshot自身の将来は上場と米国クラウド各社との協議に左右され、そのいずれもがKimi K3の提供方法と提供場所を変え得る。{{/3}}{{4}}どちらも待つ理由にはならない。両モデルは今日、上記の数字が示す通りの性能を発揮しており、長期的に最も有効な判断とは、モデルIDを書き換えではなく設定値として保持することだ。{{/4}}