Kimi K3 เทียบกับ Claude Fable 5: ราคา ความเร็ว และความคุ้มค่า (กรกฎาคม 2026)

Kimi K3 มีราคาอยู่ที่ $3/M สำหรับอินพุต และ $15/M สำหรับเอาต์พุต ขณะที่ Claude Fable 5 มีราคา $10/M สำหรับอินพุต และ $50/M สำหรับเอาต์พุต ช่องว่างคือ 3.3× ทั้งสองฝั่งของมิเตอร์ และนั่นคือสิ่งแรกที่ทุกคนมองเห็น

แต่ก็เป็นวิธีเปรียบเทียบที่มีประโยชน์น้อยที่สุดเช่นกัน

ราคาต่อโทเค็นบอกได้เพียงว่าโทเค็นหนึ่งมีราคาเท่าไร แต่ไม่ได้บอกว่าโมเดลเผาโทเค็นมากเท่าไรจึงจะทำงานของคุณเสร็จ ต้องลองใหม่กี่รอบ หรือคุณต้องรอนานเพียงใด ตัวเลขเหล่านี้ต่างหากที่กระทบใบแจ้งหนี้ บทความนี้จะพิจารณาทั้งสองชั้น ได้แก่ ราคาหน้าป้ายและคณิตศาสตร์ต้นทุนจริงต่องาน รวมถึงสิ่งที่ K3 เป็นจริง ๆ ในเชิงสถาปัตยกรรม สิ่งที่มันพิสูจน์ได้ภายนอกตารางผลทดสอบ ตลอดจนบริบทด้านกฎระเบียบและเงินทุนที่กำลังกำหนดทิศทางของทั้งสองโมเดลในเวลานี้

---

ช่องว่างด้านราคา และเหตุใดจึงไม่ใช่ทั้งเรื่อง

นี่คือภาพรวมแบบเทียบกันโดยตรง

	Kimi K3	Claude Fable 5
อินพุต	$3.00/M (ไม่โดนแคช) / $0.30/M (โดนแคช)	$10.00/M / $1.00/M (อ่านแคชสำเร็จ)
เอาต์พุต	$15.00/M	$50.00/M
การแคช	อัตโนมัติ — อัตราโดนแคช 90%+ สำหรับโค้ด	กำหนดจุดพักเอง — อ่านแคชสำเร็จ $1/M (ค่าพรีเมียมการเขียน: $12.50/MTok 5 นาที, $20/MTok 1 ชั่วโมง)
พารามิเตอร์ทั้งหมด	2.8T (MoE, ผู้เชี่ยวชาญ 896 ตัว)	Anthropic ไม่เปิดเผย
พารามิเตอร์ที่ทำงาน / โทเค็น	~50B (ผู้เชี่ยวชาญ 16 จาก 896 ตัว)	Anthropic ไม่เปิดเผย
หน้าต่างบริบท	1M โทเค็น	1M โทเค็น (เอาต์พุตสูงสุด 128k)
น้ำหนักโมเดล	เปิด — 27 กรกฎาคม 2026	เป็นกรรมสิทธิ์
จุดเด่นที่สุด	การเขียนโค้ดระยะยาว	การใช้เหตุผลทั่วไประดับแนวหน้า

สเปกและราคาของ K3 จากบล็อกเทคนิคของ Moonshot ส่วนราคาและการแคชของ Fable 5 (รวมค่าพรีเมียมการเขียนแคช) มาจาก OpenRouter และเอกสาร prompt caching ของ Anthropic

ถูกกว่าต่อโทเค็น ≠ ถูกกว่าต่องาน

โมเดลที่มีต้นทุนต่อโทเค็นเพียงหนึ่งในสาม แต่ใช้โทเค็นมากเป็นสองเท่าเพื่อให้ได้คำตอบเดียวกัน ย่อมสูญเสียข้อได้เปรียบไปเกือบหมด Moonshot เปิดเผยอย่างตรงไปตรงมาผิดปกติเกี่ยวกับแนวโน้มของ K3 ในประเด็นนี้: บริษัทระบุว่า K3 เปิดใช้ความพยายามในการคิดระดับสูงสุดเป็นค่าเริ่มต้น โดยโหมดที่ใช้ความพยายามต่ำกว่าจะตามมาในการอัปเดตภายหลัง ความพยายามสูงสุดหมายถึงโทเค็นสำหรับการใช้เหตุผลมากขึ้น และโทเค็นการใช้เหตุผลคิดค่าบริการเป็นเอาต์พุต — ในอัตรา $15/M ไม่ใช่อัตรา $3/M

Moonshot ยังชี้ถึงลักษณะพฤติกรรมที่เรียกว่า "ความกระตือรือร้นมากเกินไป": เพราะ K3 ถูกฝึกอย่างเข้มข้นกับงานระยะยาว เมื่อเจอความกำกวมมันอาจตัดสินใจเองโดยที่ไม่ได้รับคำขอ ซึ่งบริษัทแนะนำให้จำกัดอย่างชัดเจนใน system prompt หรือ AGENTS.md ในทางปฏิบัติ การตัดสินใจที่ไม่ได้ร้องขอหมายถึงงานเพิ่มขึ้น — และบางครั้งเป็นงานเพิ่มที่คุณต้องย้อนกลับมาแก้

ยังมีเวลาตามนาฬิกาจริงด้วย Moonshot แนะนำให้ปรับใช้ K3 บนการกำหนดค่า supernode ที่มีตัวเร่งความเร็ว 64 ตัวขึ้นไป เพื่อประสิทธิภาพการอนุมาน ซึ่งบอกบางอย่างเกี่ยวกับลักษณะการให้บริการของโมเดลพารามิเตอร์ 2.8T แม้จะมีการเปิดใช้งานแบบเบาบาง หากงานหนึ่งใช้เวลานานขึ้นจนเสร็จ ความหน่วงนั้นคือต้นทุนจริงในเวิร์กโฟลว์นักพัฒนาแบบโต้ตอบ แม้มันจะไม่ปรากฏในบิลก็ตาม

ข้อสรุป: ทดสอบทั้งสองโมเดลกับงาน ของคุณ และวัดดอลลาร์ต่องานที่ทำเสร็จ ไม่ใช่ดอลลาร์ต่อล้านโทเค็น ราคาประกาศคือจุดเริ่มต้นของการคำนวณนั้น ไม่ใช่ข้อสรุป

---

การแคช: อัตโนมัติเทียบกับกำหนดเอง ไม่ใช่มีเทียบกับไม่มี

นี่คือส่วนที่คนมักเปรียบเทียบผิดมากที่สุด ดังนั้นมาทำให้ชัดเจน

ทั้งสองโมเดลมีแคช ความแตกต่างคือใครเป็นคนทำงาน และต้นทุนในการตั้งค่าเป็นอย่างไร

Kimi K3: อัตโนมัติ ไม่มีการเปิดเผยค่าพรีเมียมการเขียน

Moonshot ให้บริการ K3 ผ่านสถาปัตยกรรมการอนุมานแบบแยกส่วนของ Mooncake และรายงานอัตราโดนแคชมากกว่า 90% ในงานเขียนโค้ด อินพุตที่แคชแล้วลดจาก $3.00/MTok เหลือ $0.30/MTok — ส่วนลด 90% คุณไม่ต้องตั้งค่าอะไรเลย Moonshot ยังระบุว่า Kimi Delta Attention สร้างความท้าทายใหม่ต่อ prefix caching แบบดั้งเดิม และได้ส่ง implementation ให้ชุมชน vLLM เพื่อปล่อยพร้อมกับน้ำหนักโมเดล

Claude Fable 5: กำหนดจุดพักเอง พร้อมค่าพรีเมียมการเขียน

การแคชของ Anthropic ให้ขนาดส่วนลดเท่ากัน — การอ่านแคชบน Fable 5 ลดเหลือ $1/MTok จากราคาอินพุตพื้นฐาน $10/MTok ซึ่งลดลง 90% เช่นกัน แต่คุณต้องจ่ายเพื่อใส่เนื้อหาลงแคช:

$12.50/MTok** สำหรับการเขียนแคช 5 นาที และ **$20/MTok สำหรับการเขียนแคช 1 ชั่วโมงบน Claude Fable 5 — ราคา prompt caching ของ Anthropic

ตัวเลขเหล่านี้เป็นไปตามโครงสร้างตัวคูณที่มีเอกสารกำกับไว้: การเขียน 5 นาทีอยู่ที่ 1.25× ของอินพุตพื้นฐาน การเขียน 1 ชั่วโมงอยู่ที่ 2× ของอินพุตพื้นฐาน และการอ่านอยู่ที่ 0.1× ของอินพุตพื้นฐาน TTL เริ่มต้นคือห้านาที และที่สำคัญคือ แคชจะรีเฟรชโดยไม่มีค่าใช้จ่ายเพิ่มทุกครั้งที่ถูกใช้งาน แนวทางของ Anthropic เองคือ หาก prompt ของคุณถูกเรียกใช้บ่อยกว่าทุกห้านาที ให้ใช้แคช 5 นาทีและปล่อยให้การรีเฟรชฟรีจัดการต่อไป ระดับ 1 ชั่วโมงเหมาะสำหรับช่วงห่างที่ยาวเกินห้านาทีแต่สั้นกว่าหนึ่งชั่วโมง

ขณะนี้ Anthropic รองรับ การแคชอัตโนมัติ ด้วยเช่นกัน — ฟิลด์ cache_control ระดับบนสุดเพียงฟิลด์เดียวที่วางจุดพักบนบล็อกสุดท้ายที่แคชได้ โดยไม่ต้องใส่คำกำกับทีละบล็อก ใช้ราคาและขั้นต่ำเดียวกัน สำหรับ Fable 5 prompt ขั้นต่ำที่แคชได้คือ 512 โทเค็น

กรอบเปรียบเทียบที่ตรงไปตรงมา

	ต้นทุนการตั้งค่า	ต้นทุนการเขียน	ต้นทุนการอ่าน	จุดคุ้มทุน
Kimi K3	ไม่มี — เปิดใช้เป็นค่าเริ่มต้น	ไม่ได้ตั้งราคาแยกต่างหาก	$0.30/M	ทันที
Claude Fable 5	วางจุดพัก (หรือใช้แฟล็กอัตโนมัติระดับบนสุด)	$12.50–$20/M	$1.00/M	หลังการใช้งานซ้ำมากพอชดเชยค่าการเขียน

การแคชของ Fable ให้ผลดีเมื่อ prefix แบบคงที่ขนาดใหญ่ — system prompt, คำจำกัดความของเครื่องมือ หรือคลังเอกสาร — ถูกใช้ซ้ำอย่างหนัก แต่ให้ผลไม่ดีในคำขอครั้งเดียวที่คุณเขียนแคชแล้วไม่เคยอ่าน K3 ตัดการคำนวณนี้ออกไปทั้งหมด ซึ่งเป็นข้อได้เปรียบเชิงปฏิบัติการที่แท้จริงก่อนจะเริ่มเปรียบเทียบตัวเลขดิบเสียอีก

---

โมเดลแต่ละตัวชนะตรงไหนจริง ๆ

Kimi K3: การเขียนโค้ดระยะยาวและความคุ้มค่าต่อความสามารถ

Moonshot วางตำแหน่ง K3 อย่างชัดเจนสำหรับวิศวกรรมซอฟต์แวร์แบบเอเจนต์ — รักษาเซสชันยาวนานด้วยการดูแลเพียงเล็กน้อย สำรวจ repository ขนาดใหญ่ และประสานเครื่องมือ terminal นอกจากนี้ยังเน้นงานที่ผสานวิศวกรรมซอฟต์แวร์กับการใช้เหตุผลเชิงภาพ โดยใช้ภาพหน้าจอและภาพเพื่อวนปรับงานพัฒนาเกม frontend และ CAD บริษัทเรียกสิ่งนี้ว่า "vision in the loop": โมเดลเขียนโค้ด มองผลลัพธ์ที่เรนเดอร์ แล้วปรับปรุงต่อ

ปัจจุบัน K3 เป็นตัวเลือกที่คุ้มค่าที่สุดสำหรับการเขียนโค้ดบนตลาด และอยู่ในอันดับ #1 บน Frontend Code Arena

Claude Fable 5: การใช้เหตุผลทั่วไประดับแนวหน้า

คำรับรองที่น่าเชื่อถือที่สุดต่อความสามารถโดยรวมของ Fable 5 กลับมาจาก Moonshot เอง ในโพสต์เปิดตัว K3 บริษัทเขียนว่า แม้ K3 จะมีประสิทธิภาพระดับแนวหน้าครอบคลุมชุดการประเมินของตน [แต่ประสิทธิภาพโดยรวมของมัน "ยังตามหลังโมเดลกรรมสิทธิ์ที่ทรงพลังที่สุดอย่าง Claude Fable 5 และ GPT 5.6 Sol"] (https://www.kimi.com/blog/kimi-k3)

Moonshot กล่าวต่อในส่วนข้อจำกัด โดยยอมรับว่า "แม้ K3 จะเป็นโมเดลที่แข่งขันได้สูงโดยรวม แต่ก็ยังแสดงให้เห็นช่องว่างด้านประสบการณ์ผู้ใช้ที่สังเกตได้เมื่อเทียบกับ Claude Fable 5 และ GPT 5.6 Sol" เมื่อแล็บยอมบอกเรื่องนี้เกี่ยวกับการเปิดตัวโมเดลเรือธงของตนเอง ก็ควรรับฟังตามนั้น

การอ่านความแตกต่าง: หากงานของคุณคือการสร้างโค้ดระยะยาวและการทำงานกับ repository อัตราส่วนราคาเทียบความสามารถของ K3 นั้นโต้แย้งได้ยาก หากเป็นการใช้เหตุผลระดับแนวหน้าซึ่งคุณภาพที่สูงกว่าเพียงไม่กี่เปอร์เซ็นต์ตัดสินว่าเอาต์พุตใช้งานได้หรือไม่ Fable 5 คือสิ่งที่คุณจ่ายเงินเพื่อให้ได้มา

---

ภายใต้ฝากระโปรง: Kimi K3 คืออะไรจริง ๆ

รวม 2.8T, ทำงาน ~50B — ต้องอ้างทั้งสองตัวเลขเสมอ

K3 คือโมเดลขนาด 2.8 ล้านล้านพารามิเตอร์ ซึ่งเป็นโมเดลแบบเปิดตัวแรกที่ไปถึงขนาดนี้ แต่เป็นสถาปัตยกรรม Mixture-of-Experts ที่ เปิดใช้ผู้เชี่ยวชาญ 16 จาก 896 ตัวอย่างมีประสิทธิภาพ ต่อโทเค็น — หรือพารามิเตอร์ที่ทำงานราว 50B ตัวเลข 2.8T บอกความจุ ส่วนตัวเลข ~50B บอกสิ่งที่ทำงานในการส่งต่อแต่ละครั้ง การอ้าง 2.8T โดยไม่มีบริบทนี้ทำให้เข้าใจผิดทั้งต้นทุนการประมวลผลและลักษณะการให้บริการ

Moonshot รายงานว่าการปรับสเกลแบบเบาบางนี้ เมื่อรวมกับสูตรการฝึกและข้อมูลที่ปรับปรุงแล้ว ให้ประสิทธิภาพการปรับสเกลโดยรวมดีขึ้นราว 2.5× เมื่อเทียบกับ Kimi K2

ชุดสถาปัตยกรรม

ทุกคำด้านล่างปรากฏในโพสต์เปิดตัวของ Moonshot:

• Kimi Delta Attention (KDA) — รากฐาน attention เชิงเส้นแบบไฮบริดสำหรับปรับขนาด attention อย่างมีประสิทธิภาพตามความยาวลำดับ
• Attention Residuals (AttnRes) — ดึง representation แบบเลือกสรรตลอดความลึกของโมเดล แทนที่จะสะสมอย่างสม่ำเสมอ
• Stable LatentMoE — เฟรมเวิร์กที่ทำให้การเปิดใช้ผู้เชี่ยวชาญ 16 จาก 896 ตัวเกิดขึ้นได้ภายใต้ความเบาบางระดับสูงมาก
• Quantile Balancing — สร้างการจัดสรรผู้เชี่ยวชาญจาก quantile ของคะแนน router โดยตัดการอัปเดตแบบ heuristic และ hyperparameter ด้านการบาลานซ์ที่อ่อนไหวออกไป
• Per-Head Muon — ขยาย Muon optimizer ด้วยการปรับแต่ง attention head แต่ละตัวอย่างอิสระ
• Sigmoid Tanh Unit (SiTU) และ Gated MLA — สำหรับการควบคุม activation และการเลือกสรร attention ตามลำดับ

Moonshot ยังใช้การฝึกที่คำนึงถึง quantization ตั้งแต่ขั้น SFT เป็นต้นไป โดยใช้ค่าน้ำหนัก MXFP4 พร้อม activation MXFP8 เพื่อความเข้ากันได้กับฮาร์ดแวร์ในวงกว้าง

สเปกเชิงปฏิบัติ

• หน้าต่างบริบท 1M โทเค็น พร้อมความเข้าใจภาพแบบเนทีฟ
• เปิดใช้ ความพยายามในการคิดระดับสูงสุดเป็นค่าเริ่มต้น ตอนเปิดตัว; โหมดความพยายามต่ำและสูงจะมาในการอัปเดตภายหลัง
• พร้อมใช้งานแล้ว บน Kimi.com, Kimi Work, Kimi Code และ Kimi API (รหัสโมเดล kimi-k3)
• ปล่อยน้ำหนักโมเดล: ภายใน 27 กรกฎาคม 2026 — รายละเอียดครบถ้วนด้านสถาปัตยกรรม การฝึก และการประเมินจะมาพร้อมรายงานเทคนิค K3
• การปรับใช้ที่แนะนำ: การกำหนดค่า supernode ที่มีตัวเร่งความเร็ว 64+ ตัว

คำเตือนเรื่องความเข้ากันได้หนึ่งข้อที่ควรอ่านสองรอบ

K3 ถูกฝึกในโหมดเก็บประวัติการคิด Moonshot เตือนว่า หาก harness ของเอเจนต์ของคุณไม่ส่งเนื้อหาการคิดย้อนหลังทั้งหมดกลับไป หรือหากคุณสลับเซสชันที่กำลังดำเนินอยู่จากโมเดลอื่นมาเป็น K3 คุณภาพการสร้างผลลัพธ์อาจไม่เสถียรอย่างมาก ใช้ harness ที่ยืนยันความเข้ากันได้แล้ว — Kimi Code คือ implementation อ้างอิง — และอย่าสลับโมเดลกลางเซสชัน นี่คือรายละเอียดประเภทที่กลายเป็นการถดถอยของคุณภาพอย่างลึกลับ หากคุณมองข้ามมัน

---

หลักฐานที่ไม่ใช่ตารางผลทดสอบ

คะแนน benchmark เป็นเรื่องที่ถกเถียง ขึ้นอยู่กับ harness และสามารถปรับแต่งเพื่อให้ดูดีได้ แต่มีสามสิ่งในเนื้อหาการเปิดตัว K3 ที่ยากจะปัดทิ้ง

🔧 มันออกแบบชิปเองโดยอัตโนมัติ ภายใน 48 ชั่วโมง

ในการรันอัตโนมัติครั้งเดียว 48 ชั่วโมง K3 สร้าง ปรับแต่ง และตรวจสอบชิปโดยใช้เครื่องมือ EDA แบบ open-source บนไลบรารี Nangate 45nm ผลลัพธ์คือ ภายใน 4 mm² ดีไซน์ผ่าน timing ที่ 100 MHz และรักษา decode throughput ในการจำลองได้ มากกว่า 8,700 โทเค็น/วินาที โดยบรรจุ standard cell 1.46M ตัว, SRAM 0.277 MB และอาร์เรย์ INT4 MAC ที่มี fused dequantization

จุดประสงค์ของชิปคือให้บริการ nano model ที่สร้างบนสถาปัตยกรรมของ K3 เอง — โมเดลกำลังออกแบบซิลิคอนสำหรับโมเดล ไม่ว่าคุณจะมองว่านี่เป็นเดโมอย่างไร มันคืองานแบบเอเจนต์ระยะยาวที่มีผลลัพธ์ผ่าน/ไม่ผ่านซึ่งตรวจสอบได้

🔬 สองชั่วโมงแทนสองสัปดาห์

เพื่อทำซ้ำความสัมพันธ์สากล I–Love–Q ในฟิสิกส์ดาราศาสตร์เชิงคำนวณ K3 ทบทวนและตรวจสอบข้ามงานวิจัยกว่า 20 ฉบับ เขียน numerical pipeline ทั้งหมด ประเมินสมการสถานะกว่า 300 แบบ ระบุความไม่สอดคล้องในสูตรที่เผยแพร่ สร้าง Python มากกว่า 3,000 บรรทัด และผลิตแดชบอร์ด HTML แบบโต้ตอบสำหรับสำรวจผลลัพธ์

กรอบที่ Moonshot นำเสนอคือ ใช้เวลาประมาณ สองชั่วโมง สำหรับงานที่โดยทั่วไปต้องใช้เวลานักวิจัยมีประสบการณ์ หนึ่งถึงสองสัปดาห์

💼 เครื่องมือเขียนโค้ดชั้นนำจากตะวันตกสร้างบนโมเดล Kimi แบบเปิด

นี่คือหลักฐานที่แข็งแรงที่สุดในชุด และไม่ได้มาจาก Moonshot เลย

รายงานเทคนิคของ Cursor เกี่ยวกับ Composer 2 ระบุว่าโมเดลได้รับการฝึกสองระยะ เริ่มจากการ pretraining ต่อเนื่องบนโมเดลฐานแบบเปิด — Kimi K2.5 — ตามด้วย reinforcement learning ขนาดใหญ่ในเซสชัน Cursor จริง รายงานให้เครดิต "ทีมผู้อยู่เบื้องหลัง Kimi K2.5, Ray, ThunderKittens, PyTorch และชุมชน open-source ในวงกว้าง"

การระบุแหล่งที่มานี้เกิดขึ้นหลังการอภิปรายสาธารณะเรื่องการให้เครดิตโมเดลฐาน ซึ่งทำให้มันน่าสังเกตยิ่งขึ้น ไม่ได้น้อยลง: ผลิตภัณฑ์ AI เขียนโค้ดชั้นนำจากตะวันตกสร้างโมเดลเขียนโค้ดแบบเอเจนต์บนรากฐาน Kimi แบบเปิด Cursor รายงานว่า Composer 2 ได้คะแนน 61.3 บน CursorBench, 73.7 บน SWE-bench Multilingual และ 61.7 บน Terminal-Bench ด้วยต้นทุนการอนุมานที่ต่ำกว่าโมเดลเทียบเคียงอย่างมาก

ไม่มีแถวบนลีดเดอร์บอร์ดใดสร้างข้อโต้แย้งให้น้ำหนัก Kimi แบบเปิดได้มีประสิทธิภาพเท่ากับผลิตภัณฑ์เชิงพาณิชย์ที่เปิดให้ใช้งานบนรากฐานเหล่านั้น

---

บริบทของทั้งสองแล็บ

Moonshot: $2B ที่มูลค่า $20B

Moonshot AI ระดมทุนราว $2 พันล้านที่มูลค่า $20 พันล้าน ในรอบที่นำโดย Long-Z Investments ซึ่งเป็นแขน VC ของบริษัทส่งอาหาร Meituan ตามโพสต์ของบริษัทที่ปรึกษา Huafeng Capital โดยมี Tsinghua Capital, China Mobile และ CPE Yuanfeng เข้าร่วมด้วย รายชื่อนักลงทุนสนับสนุนของ Moonshot ในวงกว้างยังมี Alibaba, Tencent, HongShan, ZhenFund, IDG Capital และ 5Y Capital

สำหรับทิศทางการเติบโต TechCrunch รายงานว่า Moonshot ระดมทุน $3.9 พันล้านในช่วงหกเดือนก่อนหน้า และมีรายงานว่าบริษัทกำลังหาเงินรอบที่ใหญ่ขึ้นอีก แล็บนี้ก่อตั้งในปี 2023 โดย Yang Zhilin อดีตบุคลากรของ Meta AI และ Google Brain

วิทยานิพนธ์ของนักลงทุนที่ TechCrunch ระบุนั้นควรพูดอย่างตรงไปตรงมา: ผู้ซื้อที่ "ไม่ติดใจประสิทธิภาพที่ลดลงบ้างเพื่อแลกกับการอนุมานราคาถูก" เป็นตลาดขนาดใหญ่และกำลังเติบโต นั่นคือกลุ่มที่ K3 เจาะจง — และเป็นเหตุผลที่คำถามต้นทุนต่องานข้างต้นสำคัญมาก

Anthropic: เหตุการณ์ควบคุมการส่งออกเดือนมิถุนายน 2026

ในช่วงเย็นของวันที่ 12 มิถุนายน 2026 สามวันหลังเปิดตัว กระทรวงพาณิชย์สหรัฐฯ สั่งให้ Anthropic ระงับการเข้าถึง Claude Fable 5 และ Claude Mythos 5 ทั้งหมดโดยบุคคลต่างชาติ ไม่ว่าจะอยู่ที่ใดในโลก ทั้งสองโมเดลจึงออฟไลน์สำหรับลูกค้าทุกคนทั่วโลก โมเดล Claude อื่น ๆ — Opus, Sonnet, Haiku — ยังคงใช้งานได้ การควบคุมถูกยกเลิกเมื่อ 30 มิถุนายน

นี่คือ การดำเนินการควบคุมการส่งออก ไม่ใช่การเรียกคืนผลิตภัณฑ์ และ Anthropic โต้แย้งการประเมินที่เป็นรากฐานของคำสั่งโดยตรง ในแถลงการณ์สาธารณะ บริษัทระบุว่าได้ตรวจสอบรายงานที่เชื่อว่าเป็นประเด็นดังกล่าว และสรุปว่า "ระดับความสามารถที่แสดงให้เห็นนั้นมีอยู่ในโมเดลอื่นที่เปิดใช้งานสู่สาธารณะแล้ว รวมถึง GPT-5.5 ของ OpenAI และถูกใช้เป็นประจำโดยผู้ป้องกันด้านความปลอดภัยไซเบอร์"

Anthropic เพิ่มเติมว่า: "เราไม่เห็นด้วยที่การพบว่ามี jailbreak ที่อาจเกิดขึ้นอย่างจำกัด ควรเป็นเหตุให้เรียกคืนโมเดลเชิงพาณิชย์ที่ให้บริการแก่ผู้คนหลายร้อยล้านคน หากใช้มาตรฐานนี้กับทั้งอุตสาหกรรม เราเชื่อว่ามันจะหยุดการปล่อยโมเดลใหม่ทั้งหมดสำหรับผู้ให้บริการโมเดลระดับแนวหน้าทุกราย" แหล่งข่าวใกล้ชิดบริษัทโต้ว่า Anthropic ไม่เคยได้รับรายละเอียดและไม่เคยปฏิเสธที่จะแก้ไขปัญหา Forbes ระบุว่าคำอธิบายที่ขัดแย้งกันยังไม่ได้รับการคลี่คลาย

เหตุใดจึงควรอยู่ในคู่มือผู้ซื้อ: นี่คือการสาธิตสดว่าการเข้าถึงโมเดลระดับแนวหน้าแบบกรรมสิทธิ์สามารถถูกขัดจังหวะได้โดยฝ่ายที่ไม่ใช่ทั้งคุณและผู้ขาย นั่นคือตัวแปรความเสี่ยงในการจัดซื้อ โดยไม่ขึ้นอยู่กับการตัดสินว่าใครถูก

เส้นด้ายเชิงกลยุทธ์

เมื่อนำสองเรื่องมาประกอบกัน รูปร่างของปี 2026 ก็ปรากฏชัด: Moonshot กำลังเปลี่ยนประสิทธิภาพเชิงสถาปัตยกรรม — ความเบาบาง MoE ระดับสูงสุด attention เชิงเส้นแบบไฮบริด และการฝึกที่คำนึงถึง quantization — ให้เป็นความสามารถใกล้เคียงระดับแนวหน้าด้วยราคาโทเค็นเพียงเศษส่วน ภายใต้ข้อจำกัดการเข้าถึงชิป ขณะที่ Anthropic ทำงานที่แนวหน้าด้านความสามารถภายใต้ระบอบกำกับดูแลซึ่งแสดงให้เห็นแล้วว่าสามารถเข้าถึงสวิตช์การปรับใช้ได้

ประสิทธิภาพจากอัลกอริทึมเทียบกับการประมวลผลดิบไม่ใช่การถกเถียงเชิงทฤษฎีอีกต่อไป มันคือโปรไฟล์ความเสี่ยงสองแบบที่คุณสามารถใส่ลงในใบสั่งซื้อได้

---

การรัน Kimi K3 ด้วยตัวเอง: สิ่งที่คาดหวังในวันที่ 27 กรกฎาคม

น้ำหนักโมเดลจะมาถึง ภายใน 27 กรกฎาคม 2026 และ Moonshot ระบุว่ากำลังทำงานกับพาร์ตเนอร์ด้านการอนุมานและผู้ดูแลโครงการ open-source เพื่อปรับรายละเอียดทางเทคนิคให้ตรงกันสำหรับการเปิดตัว ecosystem ที่เชื่อถือได้ นี่คือความคาดหวังที่มีพื้นฐาน:

• นี่ไม่ใช่โมเดลสำหรับแล็ปท็อป MoE ขนาด 2.8T ที่มี ~50B ทำงานต่อโทเค็นยังคงต้องให้ชุดพารามิเตอร์ทั้งหมดอยู่ในหน่วยความจำเพื่อ routing คำแนะนำของ Moonshot เองคือ supernode ที่มีตัวเร่งความเร็ว 64+ ตัวสำหรับการอนุมานอย่างมีประสิทธิภาพ
• กำลังส่งการรองรับ vLLM ขึ้นต้นน้ำ เพราะ KDA ทำให้ prefix caching แบบดั้งเดิมซับซ้อน Moonshot จึงส่ง implementation ให้ชุมชน vLLM ซึ่งจะปล่อยพร้อมโมเดล
• Quantization ถูกใส่มาในตัว ค่าน้ำหนัก MXFP4 พร้อม activation MXFP8 ถูกใช้ตั้งแต่ขั้น SFT เป็นต้นไป และเลือกมาอย่างชัดเจนเพื่อความเข้ากันได้กับฮาร์ดแวร์วงกว้าง
• รายงานเทคนิคฉบับเต็มจะตามมา รายละเอียดสถาปัตยกรรม การฝึก และการประเมินจะมาพร้อมรายงานเทคนิค K3

สำหรับทีมส่วนใหญ่ API ที่ $3/$15 จะเป็นเส้นทางที่ใช้งานได้จริง การโฮสต์เองเหมาะสมเมื่อ data residency, fine-tuning แบบกำหนดเอง หรือการอนุมานแบบต้นทุนคงที่ในปริมาณสูง มีน้ำหนักมากกว่าภาระโครงสร้างพื้นฐาน

---

คำตอบที่แท้จริง: เลิกเลือกเพียงตัวเดียว

เมื่อพิจารณาการเปรียบเทียบอย่างซื่อสัตย์ ข้อสรุปไม่ใช่ผู้ชนะ แต่เป็นปัญหาการ routing

• งาน repository ระยะยาว การวนปรับ frontend และการสร้างโค้ดปริมาณสูง → เศรษฐศาสตร์ของ K3 ยากจะเอาชนะได้จริง โดยเฉพาะเมื่อการแคชอัตโนมัติมีอัตราโดนแคชเกิน 90% สำหรับงานเขียนโค้ด
• การใช้เหตุผลระดับแนวหน้า การวิเคราะห์เดิมพันสูง และงานที่คุณภาพของเอาต์พุตส่วนบนสุดคือสาระสำคัญทั้งหมด → Fable 5 ตามการประเมินของ Moonshot เอง
• ทุกอย่างระหว่างนั้น → ขึ้นอยู่กับรูปแบบ prompt รูปแบบการใช้ซ้ำ และความทนทานต่อความหน่วงของคุณ

ทีมที่ล็อกกับผู้ให้บริการรายเดียวมักจบลงด้วยหนึ่งในสองสิ่ง: จ่ายแพงเกินไปสำหรับการใช้เหตุผลระดับแนวหน้าในงานที่ไม่จำเป็นต้องใช้ หรือจ่ายน้อยเกินไปกับงานที่คุณภาพมีความสำคัญจริง ทั้งสองอย่างมีราคาแพง อย่างหลังแย่กว่า

นี่คือเหตุผลที่ Jenova สร้างขึ้นรอบการเข้าถึงหลายโมเดลแบบรวมศูนย์ แทนที่จะเดิมพันกับโมเดลเดียว การสมัครสมาชิกหนึ่งครั้ง เข้าถึงได้ทั้งโมเดลระดับแนวหน้าจากสหรัฐฯ และโมเดลน้ำหนักเปิด พร้อม intelligent routing ที่ส่งแต่ละงานไปยังโมเดลที่เหมาะกับมัน เมื่อเส้นขอบราคา-ประสิทธิภาพเปลี่ยนไป — และมันเปลี่ยนมาแล้วสองครั้งในสามเดือนล่าสุด — คุณเพียงปรับ routing แทนการเจรจาสัญญาใหม่หรือเขียน integration ใหม่

การเปรียบเทียบข้างต้นคือข้อโต้แย้ง โมเดลมีความเชี่ยวชาญเฉพาะทาง การเข้าถึงของคุณไม่ควรจำกัดเช่นนั้น

---

คำถามที่พบบ่อย

Kimi K3 API มีค่าใช้จ่ายเท่าไร

Kimi K3 มีราคา **$3.00/MTok สำหรับอินพุตที่ไม่โดนแคช, $0.30/MTok สำหรับอินพุตที่โดนแคช และ $15.00/MTok สำหรับเอาต์พุต** ตาม[โพสต์เปิดตัวของ Moonshot](https://www.kimi.com/blog/kimi-k3) API รองรับ OpenAI SDK — เลือก `kimi-k3` บน Kimi API Platform เนื่องจากการแคชเป็นแบบอัตโนมัติ และ Moonshot รายงานอัตราโดนแคช 90%+ ในงานเขียนโค้ด ต้นทุนอินพุตจริงสำหรับเซสชันเขียนโค้ดที่ทำซ้ำจึงมักต่ำกว่าราคาประกาศ $3 มาก

น้ำหนักโมเดลแบบเปิดของ Kimi K3 จะปล่อยเมื่อไร

Moonshot ระบุว่า น้ำหนักโมเดลเต็มจะปล่อยภายใน 27 กรกฎาคม 2026 บริษัทกำลังประสานงานกับพาร์ตเนอร์ด้านการอนุมานและผู้ดูแลโครงการ open-source ก่อนการปล่อย และได้ส่ง implementation สำหรับ prefix caching ให้ vLLM เพื่อปล่อยพร้อมโมเดล รายงานเทคนิคฉบับเต็มที่ครอบคลุมสถาปัตยกรรม การฝึก และการประเมิน มีกำหนดจะออกมาพร้อมการปล่อย

Kimi K3 ดีกว่า Claude Fable 5 หรือไม่

ขึ้นอยู่กับงาน โพสต์เปิดตัวของ Moonshot เองระบุว่าประสิทธิภาพโดยรวมของ K3 "ยังตามหลังโมเดลกรรมสิทธิ์ที่ทรงพลังที่สุดอย่าง Claude Fable 5 และ GPT 5.6 Sol" และยอมรับแยกต่างหากว่ามีช่องว่างด้านประสบการณ์ผู้ใช้ที่สังเกตได้ ข้อได้เปรียบของ K3 คือการเขียนโค้ดระยะยาวในราคาประมาณหนึ่งในสามของราคาโทเค็น Fable 5 ข้อได้เปรียบของ Fable 5 คือการใช้เหตุผลทั่วไประดับแนวหน้า งานต่างกัน คำตอบต่างกัน

การแคชของ Kimi K3 เปรียบเทียบกับการแคชของ Claude Fable 5 อย่างไร

ทั้งสองมีแคช และทั้งสองลดราคาการอ่านลงราว 90% การแคชของ K3 เป็นแบบ อัตโนมัติ — $0.30/MTok เมื่อโดนแคช เทียบกับฐาน $3.00 โดยไม่ต้องตั้งค่า การอ่าน Fable 5 ลดเหลือ $1/MTok เทียบกับฐาน $10 แต่คุณต้องจ่าย ค่าพรีเมียมการเขียน: $12.50/MTok สำหรับการเขียน 5 นาที และ $20/MTok สำหรับการเขียน 1 ชั่วโมง ตามเอกสารการแคชของ Anthropic แคชของ Fable จะรีเฟรชฟรีเมื่อโดนแคชแต่ละครั้ง ดังนั้นการประหยัดขึ้นอยู่กับความถี่การใช้งานซ้ำที่มากพอจะครอบคลุมต้นทุนการเขียน

ฉันสามารถรัน Kimi K3 ในเครื่องได้หรือไม่

ไม่ได้บนฮาร์ดแวร์สำหรับผู้บริโภค K3 เปิดใช้พารามิเตอร์ราว 50B ต่อโทเค็น แต่ MoE เต็มขนาด 2.8T ต้องอยู่ในหน่วยความจำเพื่อ routing Moonshot แนะนำ การกำหนดค่า supernode ที่มีตัวเร่งความเร็ว 64 ตัวขึ้นไป เพื่อประสิทธิภาพการอนุมาน การฝึกที่คำนึงถึง quantization ด้วยค่าน้ำหนัก MXFP4 และ activation MXFP8 ช่วยเรื่องความเข้ากันได้ของฮาร์ดแวร์ และกำลังส่งการรองรับ vLLM ขึ้นต้นน้ำ — แต่นี่คือการปรับใช้ระดับดาต้าเซ็นเตอร์ ไม่ใช่โครงการเวิร์กสเตชันภายในเครื่อง

เกิดอะไรขึ้นกับ Claude Fable 5 ในเดือนมิถุนายน 2026

ในวันที่ 12 มิถุนายน 2026 กระทรวงพาณิชย์สหรัฐฯ ออก คำสั่งควบคุมการส่งออก ระงับการเข้าถึง Fable 5 และ Mythos 5 ทั้งหมดโดยบุคคลต่างชาติทั่วโลก ทำให้ Anthropic ต้องปิดใช้งานทั้งสองโมเดลสำหรับลูกค้าทุกราย Anthropic โต้แย้งความรุนแรงของข้อค้นพบที่เป็นรากฐานต่อสาธารณะ โดยระบุว่าความสามารถที่เทียบเคียงกันมีอยู่ในโมเดลอื่นที่เปิดใช้งานแล้ว การควบคุมถูกยกเลิกในวันที่ 30 มิถุนายน โมเดล Claude อื่น ๆ ไม่ได้รับผลกระทบตลอดช่วงเวลาดังกล่าว

หน้าต่างบริบทของ Kimi K3 เทียบเท่า Claude Fable 5 หรือไม่

ทั้งสองมี หน้าต่างบริบท 1M โทเค็น Fable 5 จำกัดเอาต์พุตที่ 128k โทเค็น ความแตกต่างเชิงปฏิบัติไม่ได้อยู่ที่ขนาดหน้าต่างมากนัก แต่อยู่ที่ต้นทุนการเติมบริบท: ที่ $3/M เทียบกับ $10/M สำหรับอินพุต การโหลดบริบทขนาดใหญ่ถูกกว่าบน K3 อย่างมีนัยสำคัญ — แต่การใช้เหตุผลที่เน้นเอาต์พุตกับบริบทนั้นคิดราคา $15/M เทียบกับ $50/M ซึ่งเป็นจุดที่คณิตศาสตร์ต่องานถูกตัดสิน

---

บทสรุป

การเปรียบเทียบ Kimi K3 กับ Claude Fable 5 สรุปได้เป็นข้อเท็จจริงที่คงทนสามประการ

หนึ่ง: ช่องว่างด้านราคาเป็นเรื่องจริง — 3.3× สำหรับอินพุต และ 3.3× สำหรับเอาต์พุต — แต่มันเป็นจุดเริ่มต้นของโมเดลต้นทุนคุณ ไม่ใช่คำตอบ ประสิทธิภาพโทเค็น อัตราการลองใหม่ และความหน่วงของงานเฉพาะของคุณต่างหากที่กำหนดค่าใช้จ่ายจริง

สอง: เรื่องการแคชคืออัตโนมัติเทียบกับกำหนดเอง ไม่ใช่มีเทียบกับไม่มี ทั้งสองโมเดลลดราคาการอ่านจากแคชลงราว 90% Fable 5 คิด $12.50–$20/MTok เพื่อเขียนแคชนั้น ส่วน K3 เปิดใช้โดยไม่มีค่าใช้จ่ายและรายงานอัตราโดนแคช 90%+ สำหรับโค้ด

สาม: แต่ละโมเดลครองโดเมนที่แตกต่างกัน K3 สร้างมาเพื่อการเขียนโค้ดระยะยาวและตั้งราคาให้ใช้งานอย่างหนัก Fable 5 อยู่ที่แนวหน้าของการใช้เหตุผลทั่วไป ซึ่งได้รับการยืนยันจากคำยอมรับของ Moonshot เอง

นั่นหมายความว่าคำตอบที่ถูกต้องในเชิงปฏิบัติการคือการเข้าถึงทั้งคู่ แล้ว routing ตามงาน นั่นคือทิศทางที่ควรสร้างไปหา และคือสิ่งที่ Jenova ถูกออกแบบมาเพื่อส่งมอบ: การเข้าถึงหลายโมเดลแบบรวมศูนย์ครอบคลุมโมเดลระดับแนวหน้าจากสหรัฐฯ และโมเดลน้ำหนักเปิด ภายใต้การสมัครสมาชิกเดียว พร้อม routing ที่ปรับตามการขยับของแนวหน้า

ทำเครื่องหมายวันที่ 27 กรกฎาคมไว้ในปฏิทิน หน้านี้จะได้รับการอัปเดตเมื่อน้ำหนักโมเดลมาถึง

---

สำหรับนักพัฒนา: การเข้าถึงหลายโมเดลและ intelligent routing พร้อมใช้งานแบบเป็นโปรแกรมผ่าน Jenova API — สร้างฟีเจอร์ AI ที่ไม่ผูกกับโมเดลลงในแอปของคุณด้วย integration เดียว เอกสารฉบับเต็ม →