Kimi K3 vs Claude Fable 5: Preços, Velocidade e Valor (julho de 2026)

Kimi K3 tem preço de tabela de $3/M de entrada e $15/M de saída. Claude Fable 5 tem preço de tabela de $10/M de entrada e $50/M de saída. É uma diferença de 3,3× nas duas pontas do medidor — e é a primeira coisa que todos notam.

Também é a maneira menos útil de compará-los.

O preço por token informa apenas quanto custa um token. Ele não informa quantos tokens um modelo consome para concluir sua tarefa, quantas tentativas precisa ou quanto tempo você espera. Esses são os números que chegam à sua fatura. Este artigo analisa ambas as camadas — o preço de tabela e a matemática real por tarefa — além do que K3 realmente é em termos de arquitetura, do que ele comprovou fora das tabelas de benchmark e do contexto regulatório e financeiro que molda ambos os modelos neste momento.

---

A Diferença de Preço — e Por Que Ela Não Conta Toda a História

Aqui está o panorama completo lado a lado.

	Kimi K3	Claude Fable 5
Entrada	$3,00/M (sem acerto) / $0,30/M (com acerto)	$10,00/M / $1,00/M (acerto de leitura de cache)
Saída	$15,00/M	$50,00/M
Cache	Automático — taxa de acerto acima de 90% em código	Pontos de interrupção manuais — $1/M por acerto de leitura (prêmio de gravação: $12,50/MTok por 5 min, $20/MTok por 1 h)
Parâmetros totais	2,8T (MoE, 896 especialistas)	Não divulgado pela Anthropic
Parâmetros ativos / token	~50B (16 de 896 especialistas)	Não divulgado pela Anthropic
Janela de contexto	1M tokens	1M tokens (máx. de 128k de saída)
Pesos	Abertos — 27 de julho de 2026	Proprietário
Domínio mais forte	Programação de longo horizonte	Raciocínio geral de fronteira

Especificações e preços do K3 vêm do blog técnico da Moonshot. Preços e cache do Fable 5, incluindo os prêmios de gravação de cache, vêm do OpenRouter e da documentação de cache de prompts da Anthropic.

Mais barato por token ≠ mais barato por tarefa

Um modelo que custa um terço por token, mas consome o dobro de tokens para chegar à mesma resposta, eliminou a maior parte de sua vantagem. A Moonshot é incomumente transparente quanto às tendências do K3: a empresa observa que K3 é lançado com esforço máximo de raciocínio ativado por padrão, com modos de menor esforço chegando em atualizações posteriores. Esforço máximo significa mais tokens de raciocínio, e tokens de raciocínio são cobrados como saída — na linha de $15/M, não na de $3/M.

A Moonshot também sinaliza um traço comportamental chamado de “proatividade excessiva”: como K3 foi fortemente treinado em tarefas de longo horizonte, ele pode tomar decisões não solicitadas quando encontra ambiguidades. A empresa recomenda restringi-lo explicitamente no prompt de sistema ou em AGENTS.md. Na prática, decisões não solicitadas significam trabalho extra — e, às vezes, trabalho extra que você precisa desfazer depois.

Some o tempo de relógio. A Moonshot recomenda implantar K3 em configurações de supernó com 64 ou mais aceleradores para eficiência de inferência, o que revela algo sobre o perfil de serviço de um modelo de 2,8T de parâmetros, mesmo com ativação esparsa. Se uma tarefa leva mais tempo para ser concluída, essa latência é um custo real em fluxos de trabalho interativos de desenvolvimento, mesmo quando nunca aparece na fatura.

Conclusão: compare os dois em sua carga de trabalho e meça dólares por tarefa concluída, não dólares por milhão de tokens. O preço de tabela é o ponto de partida desse cálculo, não a conclusão.

---

Cache: Automático vs. Manual, Não Presente vs. Ausente

Esta é a parte mais frequentemente malfeita da comparação, então vamos ser precisos.

Ambos os modelos usam cache. A diferença está em quem faz o trabalho e quais são os custos de configuração.

Kimi K3: automático, sem prêmio de gravação divulgado

A Moonshot disponibiliza K3 por meio da arquitetura de inferência desagregada Mooncake e relata uma taxa de acerto de cache superior a 90% em cargas de trabalho de programação. A entrada em cache cai de $3,00/MTok para $0,30/MTok — um desconto de 90%. Você não precisa configurar nada. A Moonshot também observa que Kimi Delta Attention criou novos desafios para o cache convencional de prefixos e que contribuiu com uma implementação para a comunidade vLLM, a ser lançada junto com os pesos.

Claude Fable 5: pontos de interrupção manuais, com prêmio de gravação

O cache da Anthropic oferece a mesma magnitude de desconto — as leituras de cache no Fable 5 caem para $1/MTok, contra um preço-base de entrada de $10/MTok, também 90% de desconto. Porém, você paga para inserir conteúdo no cache:

$12,50/MTok** para gravações de cache de 5 minutos, **$20/MTok para gravações de cache de 1 hora no Claude Fable 5 — preços de cache de prompts da Anthropic

Esses valores seguem uma estrutura documentada de multiplicadores: gravações de 5 minutos custam 1,25× a entrada-base, gravações de 1 hora custam 2× a entrada-base e leituras custam 0,1× a entrada-base. O TTL padrão é de cinco minutos e — algo importante — o cache é renovado sem custo adicional a cada uso. A orientação da própria Anthropic é que, se seu prompt receber acessos com mais frequência do que a cada cinco minutos, mantenha o cache de 5 minutos e deixe as renovações gratuitas fazerem o trabalho. O nível de 1 hora serve para intervalos maiores que cinco minutos, mas menores que uma hora.

A Anthropic também agora oferece cache automático — um único campo cache_control de nível superior que posiciona o ponto de interrupção no último bloco armazenável em cache, sem exigir anotação por bloco. Ele usa os mesmos preços e os mesmos mínimos. Para Fable 5, o menor prompt que pode ser armazenado em cache tem 512 tokens.

A forma honesta de enquadrar a questão

	Custo de configuração	Custo de gravação	Custo de leitura	Ponto de equilíbrio
Kimi K3	Nenhum — ativado por padrão	Não precificado separadamente	$0,30/M	Imediato
Claude Fable 5	Posicionamento de ponto de interrupção (ou sinalizador automático de nível superior)	$12,50–$20/M	$1,00/M	Após reutilização suficiente para compensar a gravação

O cache do Fable compensa bem quando um grande prefixo estático — prompt de sistema, definições de ferramentas, um corpus de documentos — é usado repetidamente. Ele compensa pouco em solicitações pontuais, nas quais você grava o cache e nunca o lê. O modelo do K3 elimina esse cálculo por completo, o que representa uma vantagem operacional real mesmo antes de comparar os números brutos.

---

Onde Cada Modelo Realmente Vence

Kimi K3: programação de longo horizonte e densidade de valor

A Moonshot posiciona K3 diretamente para engenharia de software agêntica — sustentando sessões longas com supervisão mínima, navegando por grandes repositórios e orquestrando ferramentas de terminal. Ela também enfatiza tarefas que combinam engenharia de software e raciocínio visual, usando capturas de tela e elementos visuais para iterar em desenvolvimento de jogos, frontend e trabalho CAD. A empresa descreve isso como “visão no ciclo”: o modelo escreve código, observa a saída renderizada e a refina.

K3 é atualmente a opção com melhor custo-benefício em programação disponível e ocupa o 1º lugar no Frontend Code Arena.

Claude Fable 5: raciocínio geral de fronteira

O endosso mais confiável à capacidade geral do Fable 5 vem da própria Moonshot. No post de lançamento do K3, a empresa escreve que, embora K3 tenha alcançado desempenho de nível de fronteira em todo o seu conjunto de avaliações, seu desempenho geral “ainda fica atrás dos modelos proprietários mais poderosos, Claude Fable 5 e GPT 5.6 Sol”.

A Moonshot vai além em sua seção de limitações, reconhecendo que “apesar de ser um modelo altamente competitivo no geral, K3 ainda apresenta uma lacuna perceptível na experiência do usuário em comparação com Claude Fable 5 e GPT 5.6 Sol”. Quando um laboratório faz essa concessão sobre o lançamento de seu próprio modelo principal, leve-a ao pé da letra.

Como interpretar a divisão: se sua carga de trabalho é geração de código de longa duração e trabalho em repositórios, a relação entre preço e capacidade do K3 é difícil de contestar. Se for raciocínio de fronteira, no qual os poucos pontos percentuais finais de qualidade determinam se a saída é utilizável, Fable 5 é aquilo pelo que você paga.

---

Por Dentro: O Que Kimi K3 Realmente É

2,8T no total, ~50B ativos — sempre cite ambos

K3 é um modelo de 2,8 trilhões de parâmetros, o primeiro modelo aberto a alcançar essa escala. Porém, ele usa uma arquitetura Mixture-of-Experts que ativa efetivamente 16 de 896 especialistas por token — aproximadamente 50B de parâmetros ativos. O número de 2,8T descreve a capacidade; o número de ~50B descreve o que é acionado em cada passagem direta. Citar 2,8T sem esse contexto distorce tanto o custo computacional quanto o perfil de serviço.

A Moonshot informa que esse escalonamento esparso, combinado a receitas refinadas de treinamento e dados, gera uma melhoria de aproximadamente 2,5× na eficiência geral de escalonamento em comparação com Kimi K2.

A pilha de arquitetura

Cada termo abaixo aparece no post de lançamento da Moonshot:

• Kimi Delta Attention (KDA) — uma base híbrida de atenção linear para escalar a atenção de forma eficiente ao longo do comprimento da sequência.
• Attention Residuals (AttnRes) — recupera seletivamente representações ao longo da profundidade do modelo, em vez de acumulá-las de maneira uniforme.
• Stable LatentMoE — a estrutura que permite a ativação de 16 entre 896 especialistas com esparsidade extrema.
• Quantile Balancing — deriva a alocação de especialistas a partir de quantis de pontuação do roteador, eliminando atualizações heurísticas e um hiperparâmetro sensível de balanceamento.
• Per-Head Muon — estende o otimizador Muon ao otimizar cabeças de atenção de forma independente.
• Sigmoid Tanh Unit (SiTU) e Gated MLA — controle de ativação e seletividade de atenção, respectivamente.

A Moonshot também aplica treinamento consciente de quantização desde a etapa de SFT, usando pesos MXFP4 com ativações MXFP8 para ampla compatibilidade de hardware.

A ficha técnica prática

• Janela de contexto de 1M tokens, entendimento visual nativo
• Esforço máximo de raciocínio por padrão no lançamento; modos de baixo e alto esforço chegando em atualizações posteriores
• Disponível agora em Kimi.com, Kimi Work, Kimi Code e na Kimi API (ID de modelo kimi-k3)
• Lançamento dos pesos: até 27 de julho de 2026 — detalhes completos sobre arquitetura, treinamento e avaliações chegam com o relatório técnico do K3
• Implantação recomendada: configurações de supernó com mais de 64 aceleradores

Um aviso de compatibilidade que vale ler duas vezes

K3 foi treinado no modo de histórico de raciocínio preservado. A Moonshot alerta que, se o seu ambiente de Agente não reenviar todo o conteúdo histórico de raciocínio, ou se você mudar uma sessão em andamento de outro modelo para K3, a qualidade da geração pode se tornar altamente instável. Use um ambiente com compatibilidade comprovada — Kimi Code é a implementação de referência — e não faça trocas a quente no meio da sessão. Esse é o tipo de detalhe que se transforma em uma regressão misteriosa de qualidade se você o ignorar.

---

Evidências Que Não São uma Tabela de Benchmark

Pontuações de benchmark são contestadas, dependem do ambiente de teste e podem ser manipuladas. Três elementos do material de lançamento do K3 são mais difíceis de descartar.

🔧 Ele projetou um chip. De forma autônoma. Em 48 horas.

Em uma única execução autônoma de 48 horas, K3 construiu, otimizou e verificou um chip usando ferramentas EDA de código aberto na biblioteca Nangate 45nm. O resultado: em 4 mm², o projeto fecha temporização a 100 MHz e sustenta mais de 8.700 tokens/s de throughput de decodificação em simulação, reunindo 1,46M de células padrão, 0,277 MB de SRAM e uma matriz INT4 MAC com desquantização fundida.

O objetivo do chip era servir um modelo nano construído sobre a própria arquitetura do K3 — um modelo projetando silício para um modelo. Independentemente do que você pense disso como demonstração, trata-se de uma tarefa agêntica de longo horizonte com um resultado verificável de aprovação ou reprovação.

🔬 Duas horas em vez de duas semanas

Para reproduzir as relações universais I–Love–Q em astrofísica computacional, K3 revisou e fez validação cruzada de mais de 20 artigos, implementou todo o pipeline numérico, avaliou mais de 300 equações de estado, identificou inconsistências em fórmulas publicadas, gerou mais de 3.000 linhas de Python e produziu um painel interativo em HTML para explorar os resultados.

O enquadramento da Moonshot: cerca de duas horas para um trabalho que normalmente exige de uma a duas semanas de um pesquisador experiente.

💼 Uma importante ferramenta ocidental de programação construída sobre um modelo Kimi aberto

Esta é a evidência mais forte do conjunto, e ela não vem da Moonshot.

O relatório técnico da Cursor sobre Composer 2 afirma que o modelo foi treinado em duas fases, começando pelo pré-treinamento contínuo em um modelo-base aberto — Kimi K2.5 — seguido de reinforcement learning em larga escala em sessões realistas do Cursor. O relatório atribui créditos “às equipes por trás de Kimi K2.5, Ray, ThunderKittens, PyTorch e à comunidade mais ampla de código aberto”.

A atribuição veio à tona após uma discussão pública sobre dar crédito ao modelo-base, o que a torna mais notável, não menos: um produto ocidental líder de programação com AI construiu seu modelo de programação agêntica sobre uma base Kimi aberta. A Cursor informa que Composer 2 marcou 61,3 no CursorBench, 73,7 no SWE-bench Multilingual e 61,7 no Terminal-Bench, a um custo de inferência significativamente menor que o de modelos comparáveis.

Nenhuma linha de ranking demonstra o valor dos pesos Kimi abertos com a mesma eficácia de um produto comercial lançado sobre eles.

---

O Contexto em Torno dos Dois Laboratórios

Moonshot: $2B com avaliação de $20B

A Moonshot AI captou cerca de $2 bilhões com uma avaliação de $20 bilhões em uma rodada liderada pela Long-Z Investments, o braço de VC da empresa de entregas Meituan, segundo uma publicação da consultoria Huafeng Capital. Tsinghua Capital, China Mobile e CPE Yuanfeng também participaram. A lista mais ampla de financiadores da Moonshot inclui Alibaba, Tencent, HongShan, ZhenFund, IDG Capital e 5Y Capital.

Para dar perspectiva: a TechCrunch informa que a Moonshot captou $3,9 bilhões nos seis meses anteriores, e a empresa supostamente busca uma rodada ainda maior. O laboratório foi fundado em 2023 por Yang Zhilin, ex-Meta AI e Google Brain.

A tese de investimento identificada pela TechCrunch merece ser declarada com clareza: compradores que “não se importam com uma perda de desempenho em troca de inferência barata” são um mercado grande e crescente. Esse é precisamente o segmento que K3 busca — e exatamente por isso a questão do custo por tarefa acima importa tanto.

Anthropic: o episódio de controle de exportações de junho de 2026

Na noite de 12 de junho de 2026, três dias após o lançamento, o Departamento de Comércio dos EUA ordenou que a Anthropic suspendesse todo o acesso a Claude Fable 5 e Claude Mythos 5 por qualquer cidadão estrangeiro, em qualquer lugar do mundo. Ambos os modelos ficaram offline para todos os clientes globalmente. Outros modelos Claude — Opus, Sonnet, Haiku — permaneceram disponíveis. Os controles foram suspensos em 30 de junho.

Essa foi uma ação de controle de exportações, não um recolhimento de produto, e a Anthropic contestou diretamente a avaliação subjacente. Em sua declaração pública, a empresa afirmou que revisou o que acreditava ser o relatório em questão e concluiu que “o nível de capacidade demonstrado está disponível em outros modelos implantados publicamente, incluindo o GPT-5.5 da OpenAI, e é usado rotineiramente por defensores de cibersegurança”.

A Anthropic acrescentou: “Discordamos que a constatação de um potencial jailbreak limitado deva ser motivo para recolher um modelo comercial disponibilizado a centenas de milhões de pessoas. Se esse padrão fosse aplicado em todo o setor, acreditamos que ele essencialmente interromperia todos os novos lançamentos de modelos de todos os fornecedores de modelos de fronteira.” Uma fonte próxima à empresa alegou que a Anthropic nunca recebeu detalhes e jamais se recusou a corrigir problemas. A Forbes observa que os relatos conflitantes não foram reconciliados.

Por que isso pertence a um guia de compra: é uma demonstração em tempo real de que o acesso a um modelo proprietário de fronteira pode ser interrompido por uma parte que não é você nem o fornecedor. Essa é uma variável de risco de aquisição, independente de qualquer julgamento sobre quem estava certo.

O fio estratégico

Ao juntar as duas histórias, a forma de 2026 se torna visível: a Moonshot está convertendo eficiência arquitetural — esparsidade extrema de MoE, atenção linear híbrida, treinamento consciente de quantização — em capacidade próxima à fronteira a uma fração do preço por token, sob restrições de acesso a chips. A Anthropic opera na fronteira de capacidade sob um regime regulatório que agora mostrou que pode alcançar o botão de implantação.

Eficiência algorítmica versus computação bruta não é mais um debate teórico. São dois perfis de risco diferentes que você pode colocar em uma ordem de compra.

---

Executando Kimi K3 por Conta Própria: O Que Esperar em 27 de Julho

Os pesos chegam até 27 de julho de 2026, e a Moonshot afirma que está trabalhando com parceiros de inferência e mantenedores de código aberto para alinhar detalhes técnicos para um lançamento confiável no ecossistema. Algumas expectativas fundamentadas:

• Este não é um modelo para laptop. Um MoE de 2,8T de parâmetros com ~50B ativos por token ainda exige que o conjunto completo de parâmetros esteja residente para roteamento. A própria recomendação da Moonshot é usar configurações de supernó com mais de 64 aceleradores para inferência eficiente.
• O suporte ao vLLM está sendo contribuído upstream. Como KDA complica o cache convencional de prefixos, a Moonshot contribuiu com uma implementação para a comunidade vLLM, a ser lançada junto com o modelo.
• A quantização já vem incorporada. Pesos MXFP4 com ativações MXFP8, aplicados desde a etapa de SFT, escolhidos explicitamente para ampla compatibilidade de hardware.
• O relatório técnico completo virá depois. Especificações detalhadas de arquitetura, treinamento e avaliação chegam com o relatório técnico do K3.

Para a maioria das equipes, a API por $3/$15 será o caminho prático. A hospedagem própria faz sentido quando residência de dados, fine-tuning personalizado ou inferência de custo fixo em alto volume superam o peso da infraestrutura.

---

A Resposta Real: Pare de Escolher Apenas Um

Faça uma comparação honesta e a conclusão não é um vencedor. É um problema de roteamento.

• Trabalho de longo horizonte em repositórios, iteração de frontend, geração de código em alto volume → a economia do K3 é genuinamente difícil de superar, especialmente com o cache automático alcançando mais de 90% de acertos em cargas de trabalho de programação.
• Raciocínio de fronteira, análises de alto risco, tarefas em que a faixa superior da qualidade da saída é o ponto central → Fable 5, pela própria avaliação da Moonshot.
• Tudo o que fica entre esses extremos → depende do formato dos seus prompts, dos seus padrões de reutilização e da sua tolerância à latência.

Equipes que se prendem a um único fornecedor acabam fazendo uma de duas coisas: pagando demais por raciocínio de fronteira em tarefas que não precisavam dele, ou investindo pouco em tarefas nas quais a qualidade realmente importava. Ambas custam caro. A segunda é pior.

É por isso que a Jenova foi construída em torno de acesso unificado a múltiplos modelos, em vez de uma aposta em um único modelo. Uma assinatura, acesso que abrange modelos de fronteira dos EUA e modelos de pesos abertos, com roteamento inteligente que envia cada tarefa ao modelo adequado. Quando a fronteira de preço e desempenho muda — e ela mudou duas vezes nos últimos três meses — você ajusta o roteamento, em vez de renegociar um contrato ou reescrever uma integração.

A comparação acima é o argumento. Modelos se especializam. Seu acesso não deveria ser diferente.

---

Perguntas Frequentes

Quanto custa a API do Kimi K3?

Kimi K3 custa **$3,00/MTok para entrada sem acerto de cache, $0,30/MTok para entrada com acerto de cache e $15,00/MTok para saída**, conforme o [post de lançamento da Moonshot](https://www.kimi.com/blog/kimi-k3). A API é compatível com OpenAI SDK — selecione `kimi-k3` na Kimi API Platform. Como o cache é automático e a Moonshot relata uma taxa de acerto de mais de 90% em cargas de trabalho de programação, o custo efetivo de entrada em sessões repetitivas de código geralmente fica bem abaixo do preço de tabela de $3.

Quando os pesos abertos do Kimi K3 serão lançados?

A Moonshot declara que os pesos completos do modelo serão lançados até 27 de julho de 2026. A empresa está coordenando com parceiros de inferência e mantenedores de código aberto antes do lançamento e contribuiu com uma implementação de cache de prefixo para vLLM, que será disponibilizada junto com o modelo. Um relatório técnico completo cobrindo arquitetura, treinamento e avaliações está programado para acompanhar o lançamento.

Kimi K3 é melhor que Claude Fable 5?

Depende da tarefa. O próprio post de lançamento da Moonshot afirma que o desempenho geral do K3 “ainda fica atrás dos modelos proprietários mais poderosos, Claude Fable 5 e GPT 5.6 Sol”, e reconhece separadamente uma lacuna perceptível na experiência do usuário. A vantagem do K3 é programação de longo horizonte por aproximadamente um terço do preço por token do Fable 5. A vantagem do Fable 5 é raciocínio geral de fronteira. Trabalhos diferentes, respostas diferentes.

Como o cache do Kimi K3 se compara ao cache do Claude Fable 5?

Ambos usam cache, e ambos descontam leituras em cerca de 90%. O cache do K3 é automático — $0,30/MTok nos acertos, contra uma base de $3,00, sem configuração. As leituras do Fable 5 caem para $1/MTok, contra uma base de $10, mas você paga um prêmio de gravação: $12,50/MTok para gravações de 5 minutos e $20/MTok para gravações de 1 hora, conforme a documentação de cache da Anthropic. O cache do Fable é renovado gratuitamente a cada acerto, portanto a economia depende de uma frequência de reutilização que supere o custo de gravação.

Posso executar Kimi K3 localmente?

Não em hardware de consumo. K3 ativa aproximadamente 50B de parâmetros por token, mas todo o MoE de 2,8T precisa estar residente para roteamento. A Moonshot recomenda configurações de supernó com 64 ou mais aceleradores para eficiência de inferência. O treinamento consciente de quantização com pesos MXFP4 e ativações MXFP8 ajuda na compatibilidade de hardware, e o suporte ao vLLM está sendo contribuído upstream — mas esta é uma implantação de nível de datacenter, não um projeto para estação de trabalho local.

O que aconteceu com Claude Fable 5 em junho de 2026?

Em 12 de junho de 2026, o Departamento de Comércio dos EUA emitiu uma diretiva de controle de exportações que suspendeu todo o acesso ao Fable 5 e Mythos 5 por qualquer cidadão estrangeiro no mundo inteiro, obrigando a Anthropic a desativar ambos os modelos para todos os clientes. A Anthropic contestou publicamente a gravidade da constatação subjacente, declarando que uma capacidade comparável existe em outros modelos implantados. Os controles foram suspensos em 30 de junho. Os demais modelos Claude não foram afetados em nenhum momento.

A janela de contexto do Kimi K3 equivale à do Claude Fable 5?

Ambos oferecem janelas de contexto de 1M tokens. Fable 5 limita a saída a 128k tokens. A diferença prática está menos no tamanho da janela e mais no custo de preenchê-la: a $3/M contra $10/M de entrada, carregar um contexto amplo é significativamente mais barato no K3 — mas o raciocínio com muita saída sobre esse contexto é cobrado a $15/M contra $50/M, que é onde a matemática por tarefa se decide.

---

Conclusão

A comparação entre Kimi K3 e Claude Fable 5 se resume a três fatos duradouros.

Primeiro: a diferença de preço é real — 3,3× na entrada, 3,3× na saída — mas ela é o ponto de partida do seu modelo de custos, não a resposta. Eficiência de tokens, taxas de tentativa e latência na sua carga de trabalho específica determinam o gasto real.

Segundo: a história do cache é automático versus manual, não presente versus ausente. Ambos os modelos descontam leituras em cache em aproximadamente 90%. Fable 5 cobra $12,50–$20/MTok para gravar esse cache; K3 o ativa gratuitamente e relata mais de 90% de acertos em código.

Terceiro: cada modelo domina um domínio diferente. K3 foi construído para programação de longo horizonte e tem preço para ser usado intensamente. Fable 5 está na fronteira do raciocínio geral, confirmado pela própria admissão da Moonshot.

Isso significa que a resposta operacionalmente correta é ter acesso aos dois, roteados por tarefa. Essa é a direção que vale a pena construir — e o que a Jenova foi projetada para oferecer: acesso unificado a múltiplos modelos de fronteira dos EUA e modelos de pesos abertos sob uma única assinatura, com roteamento que se adapta conforme a fronteira avança.

Marque 27 de julho em seu calendário. Esta página será atualizada quando os pesos chegarem.

---

Para Desenvolvedores: acesso a múltiplos modelos e roteamento inteligente estão disponíveis programaticamente por meio da Jenova API — incorpore recursos de AI independentes de modelo à sua aplicação com uma única integração. Documentação completa →