Kimi K3 vs Claude Fable 5: precios, velocidad y valor (julio de 2026)

Kimi K3 tiene un precio de lista de $3/M de entrada y $15/M de salida. Claude Fable 5 tiene un precio de lista de $10/M de entrada y $50/M de salida. Es una brecha de 3.3× en ambos extremos del contador, y es lo primero que nota cualquiera.

También es la forma menos útil de compararlos.

El precio por token solo indica cuánto cuesta un token. No indica cuántos tokens consume un modelo para completar tu tarea, cuántos reintentos necesita ni cuánto tiempo esperas. Esas son las cifras que llegan a tu factura. Este análisis aborda ambas capas —el precio de lista y las matemáticas reales por tarea—, además de qué es realmente K3 desde el punto de vista arquitectónico, qué ha demostrado fuera de las tablas de benchmarks y el contexto regulatorio y de financiación que está dando forma a ambos modelos ahora mismo.

---

La brecha de precios y por qué no cuenta toda la historia

Aquí tienes el panorama completo, uno junto al otro.

	Kimi K3	Claude Fable 5
Entrada	$3.00/M (fallo) / $0.30/M (acierto)	$10.00/M / $1.00/M (acierto de lectura de caché)
Salida	$15.00/M	$50.00/M
Caché	Automática — tasa de aciertos del 90%+ en código	Puntos de corte manuales — $1/M por acierto de lectura (recargo de escritura: $12.50/MTok durante 5 min, $20/MTok durante 1 h)
Parámetros totales	2.8T (MoE, 896 expertos)	Anthropic no lo divulga
Parámetros activos / token	~50B (16 de 896 expertos)	Anthropic no lo divulga
Ventana de contexto	1M de tokens	1M de tokens (máximo de 128k de salida)
Pesos	Abiertos — 27 de julio de 2026	Propietarios
Dominio más fuerte	Programación de largo alcance	Razonamiento general de vanguardia

Las especificaciones y los precios de K3 proceden del blog técnico de Moonshot. Los precios y la caché de Fable 5, incluidos los recargos de escritura de caché, proceden de OpenRouter y de la documentación de caché de prompts de Anthropic.

Más barato por token ≠ más barato por tarea

Un modelo que cuesta un tercio por token pero consume el doble de tokens para llegar a la misma respuesta ha borrado la mayor parte de su ventaja. Moonshot es inusualmente transparente sobre las tendencias de K3: la empresa señala que K3 se entrega con el esfuerzo de razonamiento máximo activado por defecto, y que los modos de menor esfuerzo llegarán en actualizaciones posteriores. El esfuerzo máximo implica más tokens de razonamiento, y los tokens de razonamiento se facturan como salida: en la tarifa de $15/M, no en la de $3/M.

Moonshot también señala un rasgo de comportamiento que denomina «proactividad excesiva»: dado que K3 recibió un entrenamiento intenso para tareas de largo alcance, puede tomar decisiones no solicitadas cuando encuentra ambigüedad, algo que la empresa recomienda limitar explícitamente en la instrucción del sistema o en AGENTS.md. En la práctica, las decisiones no solicitadas implican trabajo adicional; en ocasiones, trabajo adicional que luego tienes que deshacer.

Añade el tiempo transcurrido. Moonshot recomienda desplegar K3 en configuraciones de supernodo con 64 aceleradores o más para lograr eficiencia de inferencia, lo que revela algo sobre el perfil de servicio de un modelo de 2.8T de parámetros incluso con activación dispersa. Si una tarea tarda más en completarse, esa latencia es un coste real en flujos de trabajo interactivos para desarrolladores, aunque nunca aparezca en la factura.

La conclusión: compara ambos modelos con tu carga de trabajo y mide dólares por tarea completada, no dólares por millón de tokens. El precio de lista es el punto de partida de ese cálculo, no la conclusión.

---

Caché: automática frente a manual, no presente frente a ausente

Esta es la parte de la comparación que más se suele hacer mal, así que seamos precisos.

Ambos modelos usan caché. La diferencia está en quién hace el trabajo y cuáles son los costes de configuración.

Kimi K3: automática, sin recargo de escritura divulgado

Moonshot sirve K3 mediante la arquitectura de inferencia desagregada de Mooncake e informa de una tasa de aciertos de caché superior al 90% en cargas de trabajo de programación. La entrada almacenada en caché baja de $3.00/MTok a $0.30/MTok: un descuento del 90%. No necesitas configurar nada. Moonshot también señala que Kimi Delta Attention creó nuevos desafíos para la caché de prefijos convencional y que aportó una implementación a la comunidad de vLLM para distribuirla junto con los pesos.

Claude Fable 5: puntos de corte manuales, con recargo de escritura

La caché de Anthropic ofrece la misma magnitud de descuento: las lecturas de caché de Fable 5 bajan a $1/MTok frente a un precio base de entrada de $10/MTok, también un 90% menos. Sin embargo, pagas por introducir contenido en la caché:

$12.50/MTok** por escrituras de caché de 5 minutos y **$20/MTok por escrituras de caché de 1 hora en Claude Fable 5 — precios de caché de prompts de Anthropic

Estas cifras siguen una estructura documentada de multiplicadores: las escrituras de 5 minutos equivalen a 1.25× la entrada base, las de 1 hora a 2× la entrada base y las lecturas a 0.1× la entrada base. El TTL predeterminado es de cinco minutos y, lo importante, la caché se actualiza sin coste adicional cada vez que se utiliza. La propia orientación de Anthropic indica que, si tu instrucción recibe aciertos con una frecuencia superior a una vez cada cinco minutos, debes mantener la caché de 5 minutos y dejar que las actualizaciones gratuitas hagan su trabajo. El nivel de 1 hora es para intervalos superiores a cinco minutos, pero inferiores a una hora.

Anthropic también admite ahora la caché automática: un único campo cache_control de nivel superior que sitúa el punto de corte en el último bloque apto para caché, sin requerir anotaciones por bloque. Utiliza los mismos precios y los mismos mínimos. Para Fable 5, la instrucción mínima apta para caché es de 512 tokens.

El planteamiento honesto

	Coste de configuración	Coste de escritura	Coste de lectura	Punto de equilibrio
Kimi K3	Ninguno — activada por defecto	Sin precio separado	$0.30/M	Inmediato
Claude Fable 5	Colocación de puntos de corte (o indicador automático de nivel superior)	$12.50–$20/M	$1.00/M	Tras suficiente reutilización para compensar la escritura

La caché de Fable rinde bien cuando un prefijo estático grande —instrucción del sistema, definiciones de herramientas o un corpus de documentos— se reutiliza de forma intensiva. Rinde mal en solicitudes de una sola vez, donde escribes la caché y nunca la lees. El enfoque de K3 elimina por completo ese cálculo, lo que supone una ventaja operativa real incluso antes de comparar las cifras brutas.

---

Dónde gana realmente cada modelo

Kimi K3: programación de largo alcance y densidad de valor

Moonshot posiciona K3 directamente en la ingeniería de software agéntica: mantener sesiones prolongadas con supervisión mínima, recorrer repositorios grandes y orquestar herramientas de terminal. También destaca tareas que combinan ingeniería de software con razonamiento visual, utilizando capturas de pantalla y elementos visuales para iterar sobre desarrollo de videojuegos, interfaces web y trabajo CAD. La empresa lo describe como «visión en el ciclo»: el modelo escribe código, observa la salida renderizada y la perfecciona.

K3 es actualmente la opción con mejor relación calidad-precio para programación sobre la mesa y ocupa el puesto n.º 1 en Frontend Code Arena.

Claude Fable 5: razonamiento general de vanguardia

El respaldo más creíble a la capacidad global de Fable 5 procede de la propia Moonshot. En la publicación de lanzamiento de K3, la empresa escribe que, aunque K3 alcanzó un rendimiento de nivel de vanguardia en toda su batería de evaluaciones, su rendimiento general «sigue por detrás de los modelos propietarios más potentes, Claude Fable 5 y GPT 5.6 Sol».

Moonshot va más allá en su sección de limitaciones y reconoce que «a pesar de ser un modelo altamente competitivo en términos generales, K3 presenta no obstante una brecha perceptible en experiencia de usuario frente a Claude Fable 5 y GPT 5.6 Sol». Cuando un laboratorio reconoce eso sobre su propio lanzamiento insignia, conviene tomarlo literalmente.

Cómo interpretar la división: si tu carga de trabajo consiste en generación de código de larga duración y trabajo en repositorios, la relación entre precio y capacidad de K3 es difícil de cuestionar. Si se trata de razonamiento de vanguardia donde los pocos puntos porcentuales superiores de calidad determinan si la salida es utilizable, Fable 5 es aquello por lo que pagas.

---

Bajo el capó: qué es realmente Kimi K3

2.8T en total, ~50B activos: cita siempre ambas cifras

K3 es un modelo de 2.8 billones de parámetros, el primer modelo abierto que alcanza esa escala. Sin embargo, utiliza una arquitectura Mixture-of-Experts que activa efectivamente 16 de 896 expertos por token: aproximadamente 50B de parámetros activos. La cifra de 2.8T describe la capacidad; la cifra de ~50B describe lo que se activa en cada paso de inferencia. Citar 2.8T sin ese contexto tergiversa tanto el coste de cómputo como el perfil de servicio.

Moonshot informa de que esta escalabilidad de dispersión, combinada con recetas perfeccionadas de entrenamiento y datos, produce una mejora aproximada de 2.5× en la eficiencia global de escalado frente a Kimi K2.

La pila de arquitectura

Todos los términos siguientes aparecen en la publicación de lanzamiento de Moonshot:

• Kimi Delta Attention (KDA) — una base de atención lineal híbrida para escalar la atención de forma eficiente en toda la longitud de secuencia.
• Attention Residuals (AttnRes) — recupera selectivamente representaciones en las distintas profundidades del modelo, en lugar de acumularlas de forma uniforme.
• Stable LatentMoE — el marco que permite la activación de 16 de 896 expertos con dispersión extrema.
• Quantile Balancing — deriva la asignación de expertos a partir de cuantiles de las puntuaciones del router, eliminando actualizaciones heurísticas y un hiperparámetro de equilibrio sensible.
• Per-Head Muon — amplía el optimizador Muon al optimizar las cabezas de atención de forma independiente.
• Sigmoid Tanh Unit (SiTU) y Gated MLA — control de activación y selectividad de atención, respectivamente.

Moonshot también aplica entrenamiento consciente de cuantización desde la fase SFT en adelante, utilizando pesos MXFP4 con activaciones MXFP8 para lograr una amplia compatibilidad de hardware.

La ficha técnica práctica

• Ventana de contexto de 1M de tokens, comprensión visual nativa
• Esfuerzo de razonamiento máximo por defecto en el lanzamiento; los modos de bajo y alto esfuerzo llegarán en actualizaciones posteriores
• Disponible ahora en Kimi.com, Kimi Work, Kimi Code y la Kimi API (ID de modelo kimi-k3)
• Lanzamiento de pesos: antes del 27 de julio de 2026 — todos los detalles sobre arquitectura, entrenamiento y evaluaciones llegarán junto con el informe técnico de K3
• Despliegue recomendado: configuraciones de supernodo con más de 64 aceleradores

Una advertencia de compatibilidad que vale la pena leer dos veces

K3 se entrenó en modo de historial de razonamiento preservado. Moonshot advierte que, si tu entorno de Agente no devuelve todo el contenido histórico de razonamiento o si cambias una sesión en curso de otro modelo a K3, la calidad de generación puede volverse muy inestable. Utiliza un entorno con compatibilidad verificada —Kimi Code es la implementación de referencia— y no intercambies modelos en caliente a mitad de sesión. Este es el tipo de detalle que se convierte en una regresión de calidad misteriosa si lo ignoras.

---

Pruebas que no son una tabla de benchmarks

Los resultados de las pruebas comparativas se discuten, dependen del entorno de evaluación y pueden manipularse. Hay tres elementos del material de lanzamiento de K3 que es más difícil descartar.

🔧 Diseñó un chip. De forma autónoma. En 48 horas.

En una única ejecución autónoma de 48 horas, K3 construyó, optimizó y verificó un chip utilizando herramientas EDA de código abierto sobre la biblioteca Nangate 45nm. El resultado: en apenas 4 mm², el diseño cumple los tiempos a 100 MHz y mantiene más de 8,700 tokens/s de rendimiento de decodificación en simulación, integrando 1.46M de celdas estándar, 0.277 MB de SRAM y una matriz MAC INT4 con descuantización fusionada.

El propósito del chip era servir un modelo nano basado en la propia arquitectura de K3: un modelo diseñando silicio para un modelo. Sea cual sea tu opinión sobre ello como demostración, es una tarea agéntica de largo alcance con un resultado verificable de éxito o fracaso.

🔬 Dos horas en lugar de dos semanas

Para reproducir las relaciones universales I–Love–Q en astrofísica computacional, K3 revisó y validó de forma cruzada más de 20 artículos, implementó toda la canalización numérica, evaluó más de 300 ecuaciones de estado, identificó inconsistencias en fórmulas publicadas, generó más de 3,000 líneas de Python y produjo un panel HTML interactivo para explorar los resultados.

El planteamiento de Moonshot: aproximadamente dos horas para un trabajo que suele requerir de una a dos semanas a un investigador experimentado.

💼 Una destacada herramienta occidental de programación construida sobre un modelo Kimi abierto

Esta es la evidencia más contundente del conjunto, y no procede en absoluto de Moonshot.

El informe técnico de Cursor sobre Composer 2 afirma que el modelo se entrenó en dos fases, comenzando con preentrenamiento continuo sobre un modelo base abierto: Kimi K2.5, seguido de aprendizaje por refuerzo a gran escala en sesiones realistas de Cursor. El informe atribuye mérito a «los equipos detrás de Kimi K2.5, Ray, ThunderKittens, PyTorch y la comunidad más amplia de código abierto».

La atribución surgió después de un debate público sobre dar crédito al modelo base, lo que la hace más notable, no menos: un producto occidental líder de programación con AI construyó su modelo de programación agéntica sobre una base Kimi abierta. Cursor informa de que Composer 2 obtiene 61.3 en CursorBench, 73.7 en SWE-bench Multilingual y 61.7 en Terminal-Bench, con un coste de inferencia significativamente menor que los modelos comparables.

Ninguna fila de una clasificación demuestra el valor de los pesos Kimi abiertos con tanta eficacia como un producto comercial distribuido sobre ellos.

---

El contexto de ambos laboratorios

Moonshot: $2B con una valoración de $20B

Moonshot AI recaudó alrededor de $2B con una valoración de $20B en una ronda liderada por Long-Z Investments, la división de VC de la empresa de reparto de comida Meituan, según una publicación de la firma de asesoramiento Huafeng Capital. Tsinghua Capital, China Mobile y CPE Yuanfeng también participaron. La lista más amplia de inversores de Moonshot incluye Alibaba, Tencent, HongShan, ZhenFund, IDG Capital y 5Y Capital.

En cuanto a su trayectoria, TechCrunch informa de que Moonshot recaudó $3.9B durante los seis meses anteriores y que la empresa estaría buscando una ronda aún mayor. El laboratorio fue fundado en 2023 por Yang Zhilin, anteriormente en Meta AI y Google Brain.

La tesis de inversión que identifica TechCrunch merece expresarse claramente: los compradores a quienes «no les importa sacrificar rendimiento a cambio de inferencia barata» constituyen un mercado grande y en expansión. Ese es precisamente el segmento al que apunta K3, y la razón por la que la cuestión del coste por tarea anterior importa tanto.

Anthropic: el episodio de control de exportaciones de junio de 2026

La noche del 12 de junio de 2026, tres días después de su lanzamiento, el Departamento de Comercio de Estados Unidos ordenó a Anthropic suspender todo acceso a Claude Fable 5 y Claude Mythos 5 por parte de cualquier ciudadano extranjero en cualquier lugar del mundo. Ambos modelos quedaron desconectados para todos los clientes a escala global. Otros modelos Claude —Opus, Sonnet y Haiku— siguieron disponibles. Los controles se levantaron el 30 de junio.

Esto fue una medida de control de exportaciones, no una retirada de producto, y Anthropic rebatió directamente la evaluación subyacente. En su declaración pública, la empresa dijo que revisó lo que consideraba el informe en cuestión y concluyó que «el nivel de capacidad demostrado está disponible en otros modelos desplegados públicamente, incluido GPT-5.5 de OpenAI, y los defensores de la ciberseguridad lo utilizan habitualmente».

Anthropic añadió: «No estamos de acuerdo en que el hallazgo de una posible y limitada elusión de protecciones deba ser motivo para retirar un modelo comercial desplegado para cientos de millones de personas. Si este estándar se aplicara en toda la industria, creemos que esencialmente detendría todos los nuevos despliegues de modelos de todos los proveedores de modelos de vanguardia». Una fuente cercana a la empresa sostuvo que Anthropic nunca recibió detalles y nunca se negó a resolver los problemas. Forbes señala que las versiones contrapuestas no se han conciliado.

Por qué aparece en una guía de compra: es una demostración real de que el acceso a un modelo propietario de vanguardia puede verse interrumpido por una parte que no eres tú ni el proveedor. Es una variable de riesgo de aprovisionamiento, independiente de cualquier juicio sobre quién tenía razón.

El hilo estratégico

Al unir ambas historias, se aprecia la forma que adopta 2026: Moonshot está convirtiendo la eficiencia arquitectónica —dispersión extrema de MoE, atención lineal híbrida y entrenamiento consciente de cuantización— en una capacidad cercana a la vanguardia por una fracción del precio por token, bajo restricciones de acceso a chips. Anthropic opera en la frontera de capacidad bajo un régimen regulatorio que ya ha demostrado que puede alcanzar el interruptor de despliegue.

La eficiencia algorítmica frente al cómputo bruto ya no es un debate teórico. Son dos perfiles de riesgo distintos que puedes incluir en una orden de compra.

---

Ejecutar Kimi K3 por cuenta propia: qué esperar el 27 de julio

Los pesos estarán disponibles antes del 27 de julio de 2026, y Moonshot afirma que está trabajando con socios de inferencia y responsables de mantenimiento de código abierto para alinear los detalles técnicos y lograr un lanzamiento fiable del ecosistema. Algunas expectativas concretas:

• No es un modelo para portátil. Un MoE de 2.8T de parámetros con ~50B activos por token sigue requiriendo que el conjunto completo de parámetros permanezca residente para el enrutamiento. La propia recomendación de Moonshot son configuraciones de supernodo con más de 64 aceleradores para una inferencia eficiente.
• Se está aportando soporte para vLLM al proyecto principal. Dado que KDA complica la caché de prefijos convencional, Moonshot aportó una implementación a la comunidad de vLLM, que se lanzará junto con el modelo.
• La cuantización viene integrada. Pesos MXFP4 con activaciones MXFP8, aplicados desde la fase SFT en adelante y elegidos explícitamente para una amplia compatibilidad de hardware.
• El informe técnico completo llegará después. Los detalles exhaustivos sobre arquitectura, entrenamiento y evaluaciones llegarán con el informe técnico de K3.

Para la mayoría de los equipos, la API a $3/$15 será la vía práctica. El autoalojamiento tiene sentido cuando la residencia de datos, el ajuste fino personalizado o la inferencia de coste fijo a gran volumen compensan la carga de infraestructura.

---

La respuesta real: deja de elegir solo uno

Si analizas la comparación con honestidad, la conclusión no es un ganador. Es un problema de enrutamiento.

• Trabajo de repositorio de largo alcance, iteración de interfaces web, generación de código a gran volumen → la economía de K3 es realmente difícil de superar, especialmente con una caché automática que supera el 90% de aciertos en cargas de trabajo de programación.
• Razonamiento de vanguardia, análisis de alto impacto y tareas donde la franja superior de calidad de la salida es el objetivo completo → Fable 5, según la propia evaluación de Moonshot.
• Todo lo demás → depende de la forma de tus instrucciones, tus patrones de reutilización y tu tolerancia a la latencia.

Los equipos que se cierran a un único proveedor terminan haciendo una de dos cosas: pagan de más por razonamiento de vanguardia en tareas que no lo necesitaban o gastan demasiado poco en tareas donde la calidad realmente importaba. Ambas opciones son caras. La segunda es peor.

Por eso Jenova se ha diseñado en torno a un acceso unificado a múltiples modelos, en lugar de apostar por un único modelo. Una suscripción, acceso que abarca modelos de vanguardia de EE. UU. y modelos de pesos abiertos, con enrutamiento inteligente que envía cada tarea al modelo más adecuado. Cuando cambia la frontera de precio-rendimiento —y ha cambiado dos veces en los últimos tres meses— ajustas el enrutamiento en lugar de renegociar un contrato o reescribir una integración.

La comparación anterior es el argumento. Los modelos se especializan. Tu acceso no debería hacerlo.

---

Preguntas frecuentes

¿Cuánto cuesta la API de Kimi K3?

Kimi K3 tiene un precio de **$3.00/MTok para entrada sin acierto de caché, $0.30/MTok para entrada con acierto de caché y $15.00/MTok para salida**, según [la publicación de lanzamiento de Moonshot](https://www.kimi.com/blog/kimi-k3). La API es compatible con el SDK de OpenAI: selecciona `kimi-k3` en Kimi API Platform. Dado que la caché es automática y Moonshot informa de una tasa de aciertos del 90%+ en cargas de trabajo de programación, el coste efectivo de entrada en sesiones repetitivas de código suele situarse muy por debajo del precio de lista de $3.

¿Cuándo se lanzan los pesos abiertos de Kimi K3?

Moonshot afirma que los pesos completos del modelo se lanzarán antes del 27 de julio de 2026. La empresa está coordinándose con socios de inferencia y responsables de mantenimiento de código abierto antes del lanzamiento, y ha aportado una implementación de caché de prefijos a vLLM para distribuirla junto con el modelo. Un informe técnico completo que cubre arquitectura, entrenamiento y evaluaciones está programado para acompañar el lanzamiento.

¿Es Kimi K3 mejor que Claude Fable 5?

Depende de la tarea. La propia publicación de lanzamiento de Moonshot afirma que el rendimiento general de K3 «sigue por detrás de los modelos propietarios más potentes, Claude Fable 5 y GPT 5.6 Sol», y reconoce por separado una brecha perceptible de experiencia de usuario. La ventaja de K3 es la programación de largo alcance a aproximadamente un tercio del precio por token de Fable 5. La ventaja de Fable 5 es el razonamiento general de vanguardia. Trabajos distintos, respuestas distintas.

¿Cómo se compara la caché de Kimi K3 con la de Claude Fable 5?

Ambos usan caché y ambos descuentan las lecturas aproximadamente un 90%. La caché de K3 es automática: $0.30/MTok en aciertos frente a una base de $3.00, sin configuración. Las lecturas de Fable 5 bajan a $1/MTok frente a una base de $10, pero pagas un recargo de escritura: $12.50/MTok para escrituras de 5 minutos y $20/MTok para escrituras de 1 hora, según la documentación de caché de Anthropic. La caché de Fable se actualiza gratis en cada acierto, por lo que el ahorro depende de que la frecuencia de reutilización compense el coste de escritura.

¿Puedo ejecutar Kimi K3 localmente?

No en hardware de consumo. K3 activa ~50B de parámetros por token, pero el MoE completo de 2.8T debe permanecer residente para el enrutamiento. Moonshot recomienda configuraciones de supernodo con 64 aceleradores o más para lograr eficiencia de inferencia. El entrenamiento consciente de cuantización con pesos MXFP4 y activaciones MXFP8 ayuda a la compatibilidad de hardware, y se está aportando soporte para vLLM al proyecto principal; aun así, se trata de un despliegue de clase centro de datos, no de un proyecto para una estación de trabajo local.

¿Qué ocurrió con Claude Fable 5 en junio de 2026?

El 12 de junio de 2026, el Departamento de Comercio de Estados Unidos emitió una directiva de control de exportaciones que suspendía todo acceso a Fable 5 y Mythos 5 por parte de cualquier ciudadano extranjero en todo el mundo, obligando a Anthropic a desactivar ambos modelos para todos los clientes. Anthropic rebatió públicamente la gravedad del hallazgo subyacente, afirmando que existe capacidad comparable en otros modelos desplegados. Los controles se levantaron el 30 de junio. Los demás modelos Claude no se vieron afectados en ningún momento.

¿La ventana de contexto de Kimi K3 equivale a la de Claude Fable 5?

Ambos ofrecen ventanas de contexto de 1M de tokens. Fable 5 limita la salida a 128k tokens. La diferencia práctica tiene menos que ver con el tamaño de la ventana que con el coste de llenarla: a $3/M frente a $10/M de entrada, cargar un contexto grande es significativamente más barato con K3; pero el razonamiento intensivo en salida sobre ese contexto se factura a $15/M frente a $50/M, que es donde se decide la matemática por tarea.

---

Conclusión

La comparación entre Kimi K3 y Claude Fable 5 se reduce a tres hechos duraderos.

Uno: la brecha de precios es real —3.3× en entrada y 3.3× en salida—, pero es un punto de partida para tu modelo de costes, no la respuesta. La eficiencia de tokens, las tasas de reintento y la latencia de tu carga de trabajo específica determinan el gasto real.

Dos: la historia de la caché es automática frente a manual, no presente frente a ausente. Ambos modelos descuentan las lecturas almacenadas en caché aproximadamente un 90%. Fable 5 cobra $12.50–$20/MTok por escribir esa caché; K3 la activa gratis e informa de más del 90% de aciertos en código.

Tres: cada modelo domina un dominio diferente. K3 está diseñado para programación de largo alcance y tiene un precio pensado para usarse de forma intensiva. Fable 5 se sitúa en la frontera del razonamiento general, confirmado por la propia admisión de Moonshot.

Eso significa que la respuesta operativamente correcta es tener acceso a ambos, enrutados por tarea. Esa es la posición hacia la que vale la pena avanzar, y lo que Jenova está diseñado para ofrecer: acceso unificado a múltiples modelos de vanguardia de EE. UU. y modelos de pesos abiertos bajo una suscripción, con un enrutamiento que se adapta a medida que avanza la frontera.

Marca el 27 de julio en tu calendario. Esta página se actualizará cuando lleguen los pesos.

---

Para desarrolladores: el acceso a múltiples modelos y el enrutamiento inteligente están disponibles mediante programación a través de la Jenova API: crea funciones de AI agnósticas de modelos en tu App con una sola integración. Documentación completa →