Kimi K3 vs Claude Fable 5: prezzi, velocità e valore (luglio 2026)

Kimi K3 è quotato a $3/M in input e $15/M in output. Claude Fable 5 è quotato a $10/M in input e $50/M in output. Si tratta di una differenza di 3,3× a entrambi gli estremi del listino, ed è la prima cosa che chiunque nota.

È anche il modo meno utile per confrontarli.

Il prezzo per token indica soltanto quanto costa un token. Non dice quanti token un modello consuma per completare un'attività, quanti tentativi deve ripetere o quanto tempo bisogna attendere. Sono questi i numeri che incidono sulla fattura. Questo articolo esamina entrambi i livelli — il prezzo di listino e il calcolo reale per attività — oltre a cosa sia davvero K3 dal punto di vista architetturale, cosa abbia dimostrato al di fuori delle tabelle dei benchmark e il contesto normativo e finanziario che oggi sta plasmando entrambi i modelli.

---

Il divario di prezzo e perché non racconta tutta la storia

Ecco il quadro completo, affiancato.

	Kimi K3	Claude Fable 5
Input	$3,00/M (mancato hit) / $0,30/M (hit)	$10,00/M / $1,00/M (hit in lettura della cache)
Output	$15,00/M	$50,00/M
Caching	Automatico — tasso di hit superiore al 90% sul codice	Breakpoint manuali — $1/M per hit in lettura (maggiorazione in scrittura: $12,50/MTok per 5 min, $20/MTok per 1 ora)
Parametri totali	2,8T (MoE, 896 esperti)	Non divulgati da Anthropic
Parametri attivi / token	~50B (16 esperti su 896)	Non divulgati da Anthropic
Finestra di contesto	1M token	1M token (128k di output massimo)
Pesi	Aperti — 27 luglio 2026	Proprietari
Dominio più forte	Coding a lungo orizzonte	Ragionamento generale di frontiera

Specifiche e prezzi di K3 dal blog tecnico di Moonshot. Prezzi e caching di Fable 5, comprese le maggiorazioni per la scrittura della cache, da OpenRouter e dalla documentazione di Anthropic sul prompt caching.

Più economico per token ≠ più economico per attività

Un modello che costa un terzo per token ma utilizza il doppio dei token per giungere alla stessa risposta ha cancellato gran parte del proprio vantaggio. Moonshot è insolitamente trasparente sulle tendenze di K3: l'azienda segnala che K3 viene distribuito con il massimo sforzo di ragionamento attivo per impostazione predefinita, con modalità a sforzo minore in arrivo negli aggiornamenti successivi. Lo sforzo massimo implica più token di ragionamento, e i token di ragionamento vengono fatturati come output — alla tariffa di $15/M, non a quella di $3/M.

Moonshot segnala anche una caratteristica comportamentale che definisce "proattività eccessiva": poiché K3 è stato addestrato intensamente su attività a lungo orizzonte, può prendere decisioni non richieste quando incontra un'ambiguità. L'azienda raccomanda di vincolarlo esplicitamente nel prompt di sistema o in AGENTS.md. Nella pratica, decisioni non richieste significano lavoro aggiuntivo — e talvolta lavoro aggiuntivo che poi occorre annullare.

Va aggiunto il tempo effettivo. Moonshot raccomanda di distribuire K3 su configurazioni supernode con 64 o più acceleratori per ottenere un'inferenza efficiente: questo dice qualcosa sul profilo di erogazione di un modello da 2,8T parametri, anche con attivazione sparsa. Se un'attività richiede più tempo per essere completata, quella latenza rappresenta un costo reale nei flussi di lavoro interattivi degli sviluppatori, anche quando non compare mai in fattura.

Il punto chiave: sottoponete entrambi al benchmark sul vostro carico di lavoro e misurate i dollari per attività completata, non i dollari per milione di token. Il prezzo di listino è il punto di partenza di quel calcolo, non la conclusione.

---

Caching: automatico contro manuale, non presente contro assente

Questa è la parte del confronto che più spesso viene gestita male, quindi è opportuno essere precisi.

Entrambi i modelli usano la cache. La differenza riguarda chi svolge il lavoro e quali costi di configurazione comporta.

Kimi K3: automatico, nessuna maggiorazione di scrittura dichiarata

Moonshot serve K3 tramite l'architettura di inferenza disaggregata Mooncake e riferisce un tasso di hit della cache superiore al 90% nei carichi di lavoro di coding. L'input memorizzato in cache scende da $3,00/MTok a $0,30/MTok, ovvero uno sconto del 90%. Non bisogna configurare nulla. Moonshot osserva inoltre che Kimi Delta Attention ha creato nuove sfide per il caching dei prefissi convenzionale e che ha contribuito con un'implementazione alla community vLLM, da distribuire insieme ai pesi.

Claude Fable 5: breakpoint manuali, con maggiorazione di scrittura

Il caching di Anthropic offre la stessa entità di sconto: le letture dalla cache su Fable 5 scendono a $1/MTok rispetto al prezzo base di input pari a $10/MTok, anche in questo caso con uno sconto del 90%. Tuttavia, si paga per inserire il contenuto nella cache:

$12,50/MTok** per scritture in cache di 5 minuti, **$20/MTok per scritture in cache di 1 ora su Claude Fable 5 — prezzi del prompt caching di Anthropic

Queste cifre seguono una struttura di moltiplicatori documentata: le scritture di 5 minuti costano 1,25× l'input base, quelle di 1 ora costano 2× l'input base e le letture costano 0,1× l'input base. Il TTL predefinito è di cinque minuti e, cosa importante, la cache si aggiorna senza costi aggiuntivi ogni volta che viene utilizzata. La guida di Anthropic indica che, se il prompt riceve hit più spesso di ogni cinque minuti, conviene rimanere sulla cache da 5 minuti e lasciare che gli aggiornamenti gratuiti la mantengano attiva. Il livello da 1 ora è destinato a intervalli superiori a cinque minuti ma inferiori a un'ora.

Anthropic ora supporta anche il caching automatico: un singolo campo cache_control di primo livello colloca il breakpoint sull'ultimo blocco memorizzabile nella cache, senza richiedere annotazioni per singolo blocco. Utilizza gli stessi prezzi e gli stessi minimi. Per Fable 5, il prompt minimo memorizzabile nella cache è di 512 token.

Il quadro onesto

	Costo di configurazione	Costo di scrittura	Costo di lettura	Pareggio
Kimi K3	Nessuno — attivo per impostazione predefinita	Non tariffato separatamente	$0,30/M	Immediato
Claude Fable 5	Posizionamento del breakpoint, oppure flag automatico di primo livello	$12,50–$20/M	$1,00/M	Dopo un riutilizzo sufficiente a compensare la scrittura

Il caching di Fable rende molto bene quando un grande prefisso statico — prompt di sistema, definizioni degli strumenti, corpus di documenti — viene usato ripetutamente. Rende poco nelle richieste una tantum, in cui si scrive la cache senza poi leggerla. Il modello di K3 elimina del tutto questo calcolo, un reale vantaggio operativo ancor prima di confrontare i numeri grezzi.

---

Dove vince davvero ciascun modello

Kimi K3: coding a lungo orizzonte e densità di valore

Moonshot posiziona K3 con decisione nell'ingegneria del software basata su Agenti: sessioni lunghe con supervisione minima, navigazione di grandi repository e orchestrazione di strumenti da terminale. Enfatizza inoltre attività che combinano ingegneria del software e ragionamento visivo, usando screenshot e immagini per iterare su sviluppo di giochi, frontend e lavori CAD. L'azienda descrive questo approccio come "visione nel ciclo": il modello scrive codice, osserva l'output renderizzato e lo perfeziona.

K3 è attualmente l'opzione di coding con il miglior rapporto qualità-prezzo sul mercato e occupa il primo posto nella Frontend Code Arena.

Claude Fable 5: ragionamento generale di frontiera

L'approvazione più credibile della capacità complessiva di Fable 5 arriva dalla stessa Moonshot. Nel post di lancio di K3, l'azienda scrive che, sebbene K3 abbia raggiunto prestazioni di livello frontier nell'intera suite di valutazione, la sua prestazione complessiva "rimane inferiore ai più potenti modelli proprietari, Claude Fable 5 e GPT 5.6 Sol."

Moonshot si spinge oltre nella sezione sulle limitazioni, riconoscendo che "pur essendo un modello complessivamente altamente competitivo, K3 presenta comunque un divario evidente nell'esperienza utente rispetto a Claude Fable 5 e GPT 5.6 Sol." Quando un laboratorio dichiara spontaneamente questo del proprio lancio di punta, conviene prenderlo alla lettera.

Come leggere questa divisione: se il vostro carico di lavoro consiste nella generazione di codice a lunga esecuzione e nel lavoro sui repository, il rapporto prezzo-capacità di K3 è difficile da contestare. Se invece riguarda il ragionamento di frontiera, dove i pochi punti percentuali superiori di qualità determinano se l'output è utilizzabile, Fable 5 è ciò per cui si paga.

---

Sotto il cofano: cosa sia davvero Kimi K3

2,8T totali, ~50B attivi: citate sempre entrambi

K3 è un modello da 2,8 trilioni di parametri, il primo modello aperto a raggiungere questa scala. È però un'architettura Mixture-of-Experts che attiva effettivamente 16 esperti su 896 per token, ovvero circa 50B parametri attivi. Il valore di 2,8T descrive la capacità; il valore di ~50B descrive ciò che si attiva in un determinato passaggio di inferenza. Citare 2,8T senza questo contesto rappresenta in modo errato sia il costo computazionale sia il profilo di erogazione.

Moonshot riferisce che questa scalabilità sparsa, combinata con ricette più raffinate per addestramento e dati, produce un miglioramento di circa 2,5× nell'efficienza di scalabilità complessiva rispetto a Kimi K2.

La pila architetturale

Ogni termine seguente compare nel post di lancio di Moonshot:

• Kimi Delta Attention (KDA) — una base di attenzione lineare ibrida per scalare l'attenzione in modo efficiente lungo la lunghezza della sequenza.
• Attention Residuals (AttnRes) — recupera selettivamente rappresentazioni lungo la profondità del modello, invece di accumularle uniformemente.
• Stable LatentMoE — il framework che abilita l'attivazione di 16 esperti su 896 a una sparsità estrema.
• Quantile Balancing — deriva l'allocazione degli esperti dai quantili del punteggio del router, eliminando aggiornamenti euristici e un iperparametro di bilanciamento sensibile.
• Per-Head Muon — estende l'ottimizzatore Muon ottimizzando in modo indipendente le teste di attenzione.
• Sigmoid Tanh Unit (SiTU) e Gated MLA — rispettivamente controllo dell'attivazione e selettività dell'attenzione.

Moonshot applica inoltre l'addestramento consapevole della quantizzazione dalla fase SFT in poi, usando pesi MXFP4 con attivazioni MXFP8 per un'ampia compatibilità hardware.

La scheda tecnica pratica

• Finestra di contesto da 1M token, comprensione visiva nativa
• Massimo sforzo di ragionamento per impostazione predefinita al lancio; modalità a sforzo basso e alto in arrivo negli aggiornamenti successivi
• Disponibile ora su Kimi.com, Kimi Work, Kimi Code e Kimi API, con ID modello kimi-k3
• Rilascio dei pesi: entro il 27 luglio 2026 — dettagli completi su architettura, addestramento e valutazioni arriveranno insieme al report tecnico di K3
• Distribuzione consigliata: configurazioni supernode con oltre 64 acceleratori

Un avviso di compatibilità da leggere due volte

K3 è stato addestrato in modalità con cronologia di ragionamento preservata. Moonshot avverte che se l'harness del vostro Agente non ritrasmette tutto il contenuto storico del ragionamento, oppure se passate a K3 una sessione in corso proveniente da un altro modello, la qualità della generazione può diventare altamente instabile. Usate un harness con compatibilità verificata — Kimi Code è l'implementazione di riferimento — e non sostituite il modello a sessione già iniziata. Questo è il tipo di dettaglio che si trasforma in una misteriosa regressione di qualità se viene ignorato.

---

Prove che non sono una tabella di benchmark

I punteggi dei benchmark sono contestati, dipendono dall'harness e possono essere manipolati. Tre elementi nel materiale di lancio di K3 sono più difficili da liquidare.

🔧 Ha progettato un chip. Autonomamente. In 48 ore.

In una singola esecuzione autonoma di 48 ore, K3 ha creato, ottimizzato e verificato un chip usando strumenti EDA open source sulla libreria Nangate a 45 nm. Il risultato: entro 4 mm², il progetto chiude il timing a 100 MHz e mantiene oltre 8.700 token/s di throughput di decodifica in simulazione, con 1,46M celle standard, 0,277 MB di SRAM e una matrice MAC INT4 con dequantizzazione fusa.

Lo scopo del chip era servire un nano modello costruito sull'architettura di K3 — un modello che progetta silicio per un modello. Qualunque sia l'opinione su questa dimostrazione, si tratta di un'attività basata su Agenti a lungo orizzonte con un risultato verificabile di superamento o fallimento.

🔬 Due ore invece di due settimane

Per riprodurre le relazioni universali I–Love–Q nell'astrofisica computazionale, K3 ha esaminato e convalidato in modo incrociato oltre 20 articoli, implementato l'intera pipeline numerica, valutato oltre 300 equazioni di stato, identificato incongruenze nelle formule pubblicate, generato oltre 3.000 righe di Python e prodotto un pannello HTML interattivo per esplorare i risultati.

La sintesi di Moonshot: circa due ore per un lavoro che normalmente richiede a un ricercatore esperto da una a due settimane.

💼 Un importante strumento occidentale di coding costruito su un modello Kimi aperto

Questa è la prova più forte del gruppo, e non arriva affatto da Moonshot.

Il report tecnico di Cursor su Composer 2 afferma che il modello è stato addestrato in due fasi, iniziando con un preaddestramento continuativo su un modello base aperto — Kimi K2.5 — seguito da reinforcement learning su larga scala in sessioni Cursor realistiche. Il report attribuisce merito "ai team dietro Kimi K2.5, Ray, ThunderKittens, PyTorch e alla più ampia community open source."

L'attribuzione è emersa dopo una discussione pubblica sul riconoscimento del modello base, il che la rende più rilevante, non meno: un importante prodotto occidentale di coding AI ha costruito il proprio modello di coding basato su Agenti su una base Kimi aperta. Cursor riferisce che Composer 2 ha ottenuto 61,3 su CursorBench, 73,7 su SWE-bench Multilingual e 61,7 su Terminal-Bench, con un costo di inferenza significativamente inferiore rispetto ai modelli comparabili.

Nessuna riga di una classifica dimostra il valore dei pesi Kimi aperti in modo efficace quanto un prodotto commerciale distribuito sopra di essi.

---

Il contesto attorno a entrambi i laboratori

Moonshot: $2B con una valutazione di $20B

Moonshot AI ha raccolto circa $2 miliardi con una valutazione di $20 miliardi in un round guidato da Long-Z Investments, il ramo di investimento della società di consegna di cibo Meituan, secondo un post della società di consulenza Huafeng Capital. Hanno partecipato anche Tsinghua Capital, China Mobile e CPE Yuanfeng. L'elenco più ampio dei finanziatori di Moonshot include Alibaba, Tencent, HongShan, ZhenFund, IDG Capital e 5Y Capital.

Per capire la traiettoria: TechCrunch riferisce che Moonshot ha raccolto $3,9 miliardi nei sei mesi precedenti e che l'azienda starebbe cercando un round ancora più grande. Il laboratorio è stato fondato nel 2023 da Yang Zhilin, in precedenza presso Meta AI e Google Brain.

La tesi degli investitori identificata da TechCrunch merita di essere espressa chiaramente: gli acquirenti che "accettano un calo di prestazioni in cambio di un'inferenza economica" rappresentano un mercato ampio e in crescita. È esattamente il segmento a cui punta K3 — ed è proprio il motivo per cui la questione del costo per attività trattata sopra conta così tanto.

Anthropic: l'episodio dei controlli sulle esportazioni del giugno 2026

La sera del 12 giugno 2026, tre giorni dopo il lancio, il Dipartimento del Commercio degli Stati Uniti ha ordinato ad Anthropic di sospendere ogni accesso a Claude Fable 5 e Claude Mythos 5 da parte di qualsiasi cittadino straniero, in qualsiasi parte del mondo. Entrambi i modelli sono andati offline per tutti i clienti globalmente. Gli altri modelli Claude — Opus, Sonnet, Haiku — sono rimasti disponibili. I controlli sono stati revocati il 30 giugno.

Si è trattato di un'azione di controllo sulle esportazioni, non di un richiamo del prodotto, e Anthropic ha contestato direttamente la valutazione alla base della decisione. Nella sua dichiarazione pubblica, l'azienda ha affermato di aver esaminato quello che riteneva fosse il rapporto in questione e di aver concluso che "il livello di capacità dimostrato è disponibile presso altri modelli distribuiti pubblicamente, incluso GPT-5.5 di OpenAI, ed è usato regolarmente dai difensori della cybersicurezza."

Anthropic ha aggiunto: "Non siamo d'accordo sul fatto che l'individuazione di un potenziale jailbreak circoscritto debba essere motivo per richiamare un modello commerciale distribuito a centinaia di milioni di persone. Se questo standard fosse applicato all'intero settore, riteniamo che fermerebbe sostanzialmente ogni nuova distribuzione di modelli per tutti i fornitori di modelli di frontiera." Una fonte vicina all'azienda ha sostenuto che Anthropic non avrebbe mai ricevuto i dettagli e non avrebbe mai rifiutato di correggere eventuali problemi. Forbes osserva che le versioni contrastanti non sono state riconciliate.

Perché questo appartiene a una guida all'acquisto: è una dimostrazione concreta del fatto che l'accesso a un modello proprietario di frontiera può essere interrotto da una parte che non siete né voi né il fornitore. È una variabile di rischio negli acquisti, indipendente da qualsiasi giudizio su chi avesse ragione.

Il filo strategico

Mettendo insieme le due storie, la forma del 2026 appare evidente: Moonshot sta trasformando l'efficienza architetturale — sparsità MoE estrema, attenzione lineare ibrida, addestramento consapevole della quantizzazione — in capacità prossime alla frontiera a una frazione del prezzo per token, sotto vincoli di accesso ai chip. Anthropic opera alla frontiera delle capacità in un regime normativo che ha ormai dimostrato di poter raggiungere l'interruttore di distribuzione.

L'efficienza algoritmica contro la potenza di calcolo pura non è più un dibattito teorico. Sono due profili di rischio diversi che potete inserire in un ordine d'acquisto.

---

Eseguire Kimi K3 autonomamente: cosa aspettarsi il 27 luglio

I pesi saranno disponibili entro il 27 luglio 2026, e Moonshot afferma di lavorare con partner di inferenza e manutentori open source per allineare i dettagli tecnici a un affidabile rilascio nell'ecosistema. Alcune aspettative concrete:

• Questo non è un modello da laptop. Un MoE da 2,8T parametri con ~50B attivi per token richiede comunque che l'intero set di parametri risieda in memoria per il routing. La raccomandazione di Moonshot è costituita da configurazioni supernode con oltre 64 acceleratori per un'inferenza efficiente.
• Il supporto vLLM viene contribuito upstream. Poiché KDA complica il caching convenzionale dei prefissi, Moonshot ha contribuito con un'implementazione alla community vLLM, da rilasciare insieme al modello.
• La quantizzazione è integrata. Pesi MXFP4 con attivazioni MXFP8, applicati dalla fase SFT in poi e scelti esplicitamente per un'ampia compatibilità hardware.
• Seguirà un report tecnico completo. Specifiche dettagliate su architettura, addestramento e valutazioni arriveranno con il report tecnico di K3.

Per la maggior parte dei team, l'API a $3/$15 sarà il percorso pratico. L'hosting autonomo ha senso quando la residenza dei dati, il fine-tuning personalizzato o l'inferenza a costo fisso su grandi volumi compensano il peso dell'infrastruttura.

---

La vera risposta: smettete di sceglierne uno solo

Affrontando il confronto con onestà, la conclusione non è un vincitore. È un problema di routing.

• Lavoro su repository a lungo orizzonte, iterazione frontend, generazione di codice ad alto volume → l'economia di K3 è davvero difficile da battere, soprattutto con il caching automatico che supera il 90% di hit nei carichi di coding.
• Ragionamento di frontiera, analisi ad alta criticità, attività in cui la fascia più alta della qualità dell'output è l'unico obiettivo → Fable 5, secondo la stessa valutazione di Moonshot.
• Tutto ciò che sta nel mezzo → dipende dalla struttura dei prompt, dai modelli di riutilizzo e dalla tolleranza alla latenza.

I team che si vincolano a un singolo fornitore finiscono per fare una di due cose: pagare troppo per il ragionamento di frontiera in attività che non ne avevano bisogno, oppure spendere troppo poco per attività in cui la qualità contava davvero. Entrambe sono costose. La seconda è peggiore.

Ecco perché Jenova è costruita attorno a un accesso unificato a più modelli, anziché a una scommessa su un solo modello. Un abbonamento, accesso ai modelli US di frontiera e ai modelli a pesi aperti, con routing intelligente che invia ogni attività al modello più adatto. Quando la frontiera prezzo-prestazioni si sposta — ed è già cambiata due volte negli ultimi tre mesi — potete modificare il routing invece di rinegoziare un contratto o riscrivere un'integrazione.

Il confronto sopra è l'argomento. I modelli sono specializzati. Il vostro accesso non dovrebbe esserlo.

---

FAQ

Quanto costa l'API di Kimi K3?

Kimi K3 costa **$3,00/MTok per input con mancato hit della cache, $0,30/MTok per input con hit della cache e $15,00/MTok per output**, secondo il [post di lancio di Moonshot](https://www.kimi.com/blog/kimi-k3). L'API è compatibile con OpenAI SDK: selezionate `kimi-k3` sulla piattaforma Kimi API. Poiché il caching è automatico e Moonshot riporta un tasso di hit superiore al 90% nei carichi di coding, il costo effettivo dell'input nelle sessioni di codice ripetitive spesso scende ben al di sotto del listino di $3.

Quando vengono rilasciati i pesi aperti di Kimi K3?

Moonshot afferma che i pesi completi del modello saranno rilasciati entro il 27 luglio 2026. L'azienda sta coordinandosi con partner di inferenza e manutentori open source prima del rilascio, e ha contribuito con un'implementazione di caching dei prefissi a vLLM, da distribuire insieme al modello. Un report tecnico completo, che copre architettura, addestramento e valutazioni, è previsto in accompagnamento al rilascio.

Kimi K3 è migliore di Claude Fable 5?

Dipende dall'attività. Il post di lancio di Moonshot afferma che le prestazioni complessive di K3 "rimangono inferiori ai più potenti modelli proprietari, Claude Fable 5 e GPT 5.6 Sol", e riconosce separatamente un evidente divario nell'esperienza utente. Il vantaggio di K3 è il coding a lungo orizzonte a circa un terzo del prezzo per token di Fable 5. Il vantaggio di Fable 5 è il ragionamento generale di frontiera. Lavori diversi, risposte diverse.

In cosa differisce il caching di Kimi K3 dal caching di Claude Fable 5?

Entrambi usano la cache e entrambi scontano le letture di circa il 90%. Il caching di K3 è automatico — $0,30/MTok per gli hit rispetto a una base di $3,00, senza configurazione. Le letture di Fable 5 scendono a $1/MTok rispetto a una base di $10, ma si paga una maggiorazione di scrittura: $12,50/MTok per scritture di 5 minuti e $20/MTok per scritture di 1 ora, secondo la documentazione di caching di Anthropic. La cache di Fable si aggiorna gratuitamente a ogni hit, quindi il risparmio dipende da una frequenza di riutilizzo che superi il costo di scrittura.

Posso eseguire Kimi K3 localmente?

Non su hardware consumer. K3 attiva circa 50B parametri per token, ma l'intero MoE da 2,8T deve risiedere in memoria per il routing. Moonshot raccomanda configurazioni supernode con 64 o più acceleratori per l'efficienza dell'inferenza. L'addestramento consapevole della quantizzazione con pesi MXFP4 e attivazioni MXFP8 favorisce la compatibilità hardware, e il supporto vLLM viene contribuito upstream, ma si tratta di una distribuzione di classe datacenter, non di un progetto per workstation locale.

Cosa è successo a Claude Fable 5 nel giugno 2026?

Il 12 giugno 2026, il Dipartimento del Commercio degli Stati Uniti ha emesso una direttiva di controllo sulle esportazioni che sospendeva ogni accesso a Fable 5 e Mythos 5 da parte di cittadini stranieri in tutto il mondo, costringendo Anthropic a disabilitare entrambi i modelli per tutti i clienti. Anthropic ha pubblicamente contestato la gravità della conclusione alla base della decisione, affermando che capacità comparabili esistono in altri modelli distribuiti. I controlli sono stati revocati il 30 giugno. Gli altri modelli Claude non sono stati interessati in alcun momento.

La finestra di contesto di Kimi K3 corrisponde a quella di Claude Fable 5?

Entrambi offrono finestre di contesto da 1M token. Fable 5 limita l'output a 128k token. La differenza pratica riguarda meno la dimensione della finestra e più il costo per riempirla: a $3/M contro $10/M in input, caricare un contesto ampio è sensibilmente più economico su K3, ma il ragionamento ricco di output su quel contesto viene fatturato a $15/M contro $50/M, ed è qui che si decide il calcolo per attività.

---

In sintesi

Il confronto tra Kimi K3 e Claude Fable 5 si riduce a tre fatti duraturi.

Primo: il divario di prezzo è reale — 3,3× in input, 3,3× in output — ma è un punto di partenza per il modello dei costi, non la risposta. L'efficienza dei token, i tassi di tentativi ripetuti e la latenza sul vostro specifico carico di lavoro determinano la spesa effettiva.

Secondo: la storia del caching riguarda automatico contro manuale, non presente contro assente. Entrambi i modelli scontano le letture memorizzate nella cache di circa il 90%. Fable 5 addebita $12,50–$20/MTok per scrivere quella cache; K3 la attiva gratuitamente e riferisce oltre il 90% di hit sul codice.

Terzo: ciascun modello domina un dominio diverso. K3 è costruito per il coding a lungo orizzonte e ha un prezzo pensato per un utilizzo intenso. Fable 5 si colloca alla frontiera del ragionamento generale, come confermato dalla stessa ammissione di Moonshot.

Ciò significa che la risposta operativamente corretta è avere accesso a entrambi, con routing per attività. È la posizione verso cui vale la pena costruire — ed è ciò che Jenova è progettata per offrire: accesso unificato a più modelli US di frontiera e a modelli a pesi aperti con un solo abbonamento, e routing che si adatta al movimento della frontiera.

Segnate il 27 luglio sul calendario. Questa pagina verrà aggiornata quando i pesi saranno disponibili.

---

Per sviluppatori: l'accesso a più modelli e il routing intelligente sono disponibili a livello programmatico tramite la Jenova API: create funzionalità AI indipendenti dal modello nella vostra App con una sola integrazione. Documentazione completa →