Kimi K3 so với Claude Fable 5: Giá, Tốc độ & Giá trị (Tháng 7/2026)

2026-07-26

Kimi K3 được niêm yết ở mức $3/M đầu vào và $15/M đầu ra. Claude Fable 5 được niêm yết ở mức $10/M đầu vào và $50/M đầu ra. Đây là chênh lệch 3,3× ở cả hai đầu của biểu giá, và là điều đầu tiên ai cũng nhận thấy.

Đồng thời, đó cũng là cách ít hữu ích nhất để so sánh hai mô hình.

Giá mỗi token chỉ cho biết một token có giá bao nhiêu. Nó không cho biết một mô hình tiêu tốn bao nhiêu token để hoàn thành tác vụ, cần thử lại bao nhiêu lần, hoặc bạn phải chờ bao lâu. Những con số đó mới xuất hiện trên hóa đơn. Bài viết này phân tích cả hai lớp — giá niêm yết và phép tính thực tế theo từng tác vụ — cùng với kiến trúc thực sự của K3, những gì nó đã chứng minh ngoài các bảng benchmark, và bối cảnh quản lý cũng như gọi vốn đang định hình cả hai mô hình lúc này.

Kimi K3 được thể hiện bằng kiểu chữ serif màu xanh, bao quanh bởi các dụng cụ phác thảo minh họa — thước, compa, bút chì và các thành phần cơ khí — trên nền màu kem

Khoảng cách giá, và vì sao đó không phải toàn bộ câu chuyện

Dưới đây là bức tranh đầy đủ khi đặt hai bên cạnh nhau.

	Kimi K3	Claude Fable 5
Đầu vào	$3.00/M (không trúng cache) / $0.30/M (trúng cache)	$10.00/M / $1.00/M (trúng cache khi đọc)
Đầu ra	$15.00/M	$50.00/M
Lưu đệm	Tự động — tỷ lệ trúng cache trên 90% đối với tác vụ code	Điểm ngắt thủ công — $1/M khi đọc trúng cache (phụ phí ghi: $12.50/MTok trong 5 phút, $20/MTok trong 1 giờ)
Tổng tham số	2.8T (MoE, 896 expert)	Anthropic không công bố
Tham số hoạt động / token	~50B (16 trong số 896 expert)	Anthropic không công bố
Cửa sổ ngữ cảnh	1M token	1M token (đầu ra tối đa 128k)
Trọng số	Mở — 27 tháng 7, 2026	Độc quyền
Lĩnh vực mạnh nhất	Lập trình dài hạn	Suy luận tổng quát hàng đầu

Thông số và giá K3 lấy từ blog kỹ thuật của Moonshot. Giá và cơ chế lưu đệm Fable 5, bao gồm phụ phí ghi cache, lấy từ OpenRouter và tài liệu lưu đệm lời nhắc của Anthropic.

Rẻ hơn mỗi token ≠ rẻ hơn mỗi tác vụ

Một mô hình có giá chỉ bằng một phần ba mỗi token nhưng tiêu tốn gấp đôi số token để đi đến cùng câu trả lời sẽ xóa gần hết lợi thế của mình. Moonshot thẳng thắn một cách bất thường về xu hướng này của K3: công ty lưu ý rằng K3 được phát hành với mức nỗ lực suy nghĩ tối đa bật mặc định, còn các chế độ ít nỗ lực hơn sẽ đến trong các bản cập nhật sau. Nỗ lực tối đa đồng nghĩa với nhiều token suy luận hơn, và token suy luận được tính phí như đầu ra — theo dòng $15/M, không phải dòng $3/M.

Moonshot cũng nêu một đặc điểm hành vi mà họ gọi là “tính chủ động quá mức”: vì K3 được huấn luyện mạnh cho các tác vụ dài hạn, nó có thể đưa ra những quyết định không được yêu cầu khi gặp điểm mơ hồ; công ty khuyến nghị ràng buộc điều này một cách rõ ràng trong lời nhắc hệ thống hoặc AGENTS.md. Trên thực tế, các quyết định không được yêu cầu đồng nghĩa với công việc bổ sung — đôi khi là công việc mà sau đó bạn phải hoàn tác.

Hãy cộng thêm thời gian thực tế. Moonshot khuyến nghị triển khai K3 trên các cấu hình supernode với từ 64 accelerator trở lên để đạt hiệu quả suy luận, điều này cho thấy phần nào đặc tính phục vụ của một mô hình 2.8T tham số ngay cả khi kích hoạt thưa. Nếu một tác vụ mất nhiều thời gian hơn để hoàn tất, độ trễ đó là chi phí thực trong quy trình làm việc tương tác của lập trình viên, ngay cả khi nó không bao giờ xuất hiện trên hóa đơn.

Kết luận: hãy benchmark hai mô hình trên khối lượng công việc của bạn và đo chi phí bằng đô la cho mỗi tác vụ hoàn thành, thay vì đô la trên mỗi triệu token. Giá niêm yết là điểm bắt đầu của phép tính đó, không phải kết luận.

Lưu đệm: Tự động so với thủ công, không phải có so với không

Đây là phần thường bị hiểu sai nhất trong so sánh này, vì vậy hãy nói thật chính xác.

Cả hai mô hình đều có cache. Khác biệt nằm ở việc ai phải thực hiện công việc và chi phí thiết lập là gì.

Kimi K3: tự động, không công bố phụ phí ghi cache

Moonshot phục vụ K3 thông qua kiến trúc suy luận tách rời của Mooncake và báo cáo tỷ lệ trúng cache trên 90% trong khối lượng công việc lập trình. Đầu vào đã lưu đệm giảm từ $3.00/MTok xuống $0.30/MTok — giảm giá 90%. Bạn không cần cấu hình bất cứ thứ gì. Moonshot cũng lưu ý rằng Kimi Delta Attention tạo ra những thách thức mới cho cơ chế lưu đệm tiền tố truyền thống, và họ đã đóng góp một bản triển khai cho cộng đồng vLLM để phát hành cùng trọng số.

Claude Fable 5: điểm ngắt thủ công, kèm phụ phí ghi

Cơ chế lưu đệm của Anthropic mang lại mức giảm giá tương đương — các lượt đọc cache trên Fable 5 giảm xuống $1/MTok so với giá đầu vào cơ bản $10/MTok, cũng giảm 90%. Tuy nhiên, bạn phải trả phí để đưa nội dung vào cache:

$12.50/MTok** cho lượt ghi cache 5 phút, **$20/MTok cho lượt ghi cache 1 giờ trên Claude Fable 5 — giá lưu đệm lời nhắc của Anthropic

Các mức này tuân theo cấu trúc hệ số đã được tài liệu hóa: ghi 5 phút bằng 1,25× giá đầu vào cơ bản, ghi 1 giờ bằng 2× giá đầu vào cơ bản, và đọc bằng 0,1× giá đầu vào cơ bản. TTL mặc định là năm phút, và — điều quan trọng — cache được làm mới mà không tốn thêm phí mỗi khi được sử dụng. Hướng dẫn riêng của Anthropic cho biết nếu lời nhắc của bạn được sử dụng thường xuyên hơn mỗi năm phút, hãy dùng cache 5 phút và để các lần làm mới miễn phí duy trì nó. Gói 1 giờ dành cho các khoảng cách dài hơn năm phút nhưng ngắn hơn một giờ.

Anthropic hiện cũng hỗ trợ lưu đệm tự động — một trường cache_control cấp cao duy nhất đặt điểm ngắt tại khối có thể lưu đệm cuối cùng, không cần chú thích theo từng khối. Cơ chế này dùng cùng mức giá và cùng ngưỡng tối thiểu. Với Fable 5, lời nhắc tối thiểu có thể lưu đệm là 512 token.

Cách nhìn trung thực

	Chi phí thiết lập	Chi phí ghi	Chi phí đọc	Điểm hòa vốn
Kimi K3	Không có — bật mặc định	Không được định giá riêng	$0.30/M	Ngay lập tức
Claude Fable 5	Đặt điểm ngắt (hoặc cờ tự động cấp cao)	$12.50–$20/M	$1.00/M	Sau đủ số lần tái sử dụng để bù chi phí ghi

Cơ chế lưu đệm của Fable phát huy hiệu quả khi một tiền tố tĩnh lớn — lời nhắc hệ thống, định nghĩa công cụ, kho tài liệu — được dùng lặp lại nhiều lần. Nó kém hiệu quả với các yêu cầu chỉ dùng một lần, nơi bạn ghi cache nhưng không bao giờ đọc lại. Mô hình của K3 loại bỏ hoàn toàn phép tính này, một lợi thế vận hành thực sự ngay cả trước khi so sánh các con số thô.

Mỗi mô hình thực sự thắng ở đâu

Kimi K3: lập trình dài hạn và mật độ giá trị

Moonshot định vị K3 rõ ràng cho kỹ thuật phần mềm tác nhân — duy trì các phiên làm việc dài với giám sát tối thiểu, điều hướng kho mã lớn và điều phối các công cụ terminal. Họ cũng nhấn mạnh các tác vụ kết hợp kỹ thuật phần mềm với suy luận thị giác, sử dụng ảnh chụp màn hình và hình ảnh để lặp trong phát triển trò chơi, frontend và công việc CAD. Công ty mô tả đây là “thị giác trong vòng lặp”: mô hình viết mã, nhìn đầu ra đã render, rồi tinh chỉnh.

K3 hiện là lựa chọn có giá trị trên chi phí tốt nhất cho lập trình, và đứng #1 trên Frontend Code Arena.

Claude Fable 5: suy luận tổng quát hàng đầu

Sự chứng thực đáng tin cậy nhất cho năng lực tổng thể của Fable 5 lại đến từ chính Moonshot. Trong bài viết ra mắt K3, công ty viết rằng dù K3 đạt hiệu năng cấp hàng đầu trên toàn bộ bộ đánh giá của họ, hiệu năng tổng thể của nó “vẫn kém hơn các mô hình độc quyền mạnh nhất, Claude Fable 5 và GPT 5.6 Sol.”

Moonshot còn đi xa hơn trong phần hạn chế, thừa nhận rằng “dù là một mô hình có tính cạnh tranh cao xét trên tổng thể, K3 vẫn thể hiện khoảng cách đáng chú ý về trải nghiệm người dùng so với Claude Fable 5 và GPT 5.6 Sol.” Khi một phòng thí nghiệm tự nguyện đưa ra nhận định như vậy về sản phẩm chủ lực của mình, hãy tiếp nhận nó đúng như thế.

Cách đọc sự phân tách này: nếu khối lượng công việc của bạn là tạo mã dài hạn và làm việc với kho mã, tỷ lệ giá trên năng lực của K3 rất khó để phản bác. Nếu đó là suy luận hàng đầu, nơi vài điểm phần trăm chất lượng cao nhất quyết định đầu ra có sử dụng được hay không, Fable 5 là thứ bạn đang trả tiền để có.

Bên trong Kimi K3: nó thực sự là gì

Tổng 2.8T, hoạt động ~50B — luôn trích dẫn cả hai

K3 là mô hình 2,8 nghìn tỷ tham số, mô hình mở đầu tiên đạt quy mô đó. Tuy nhiên, đây là kiến trúc Mixture-of-Experts mà trên thực tế kích hoạt 16 trong số 896 expert cho mỗi token — tương đương khoảng 50B tham số hoạt động. Con số 2.8T mô tả năng lực chứa đựng; con số ~50B mô tả phần nào được kích hoạt trong mỗi lần truyền xuôi. Trích dẫn 2.8T mà không kèm bối cảnh này sẽ trình bày sai cả chi phí tính toán lẫn đặc tính phục vụ.

Moonshot báo cáo rằng cơ chế mở rộng thưa này, kết hợp với các quy trình huấn luyện và dữ liệu được tinh chỉnh, đem lại mức cải thiện khoảng 2,5× về hiệu quả mở rộng tổng thể so với Kimi K2.

Ngăn xếp kiến trúc

Mọi thuật ngữ dưới đây đều xuất hiện trong bài viết ra mắt của Moonshot:

Kimi Delta Attention (KDA) — nền tảng attention tuyến tính lai để mở rộng attention hiệu quả theo chiều dài chuỗi.
Attention Residuals (AttnRes) — truy xuất có chọn lọc các biểu diễn qua chiều sâu mô hình thay vì tích lũy đồng đều.
Stable LatentMoE — khung cho phép kích hoạt 16 trên 896 expert ở mức thưa cực cao.
Quantile Balancing — suy ra phân bổ expert từ các phân vị điểm router, loại bỏ các cập nhật heuristic và một siêu tham số cân bằng nhạy cảm.
Per-Head Muon — mở rộng optimizer Muon bằng cách tối ưu từng attention head một cách độc lập.
Sigmoid Tanh Unit (SiTU) và Gated MLA — lần lượt dành cho kiểm soát kích hoạt và tính chọn lọc của attention.

Moonshot cũng áp dụng huấn luyện nhận biết lượng tử hóa từ giai đoạn SFT trở đi, dùng trọng số MXFP4 với activation MXFP8 để tương thích rộng trên nhiều phần cứng.

Bảng thông số thực tế

Cửa sổ ngữ cảnh 1M token, hiểu thị giác nguyên bản
Nỗ lực suy nghĩ tối đa mặc định khi ra mắt; các chế độ ít và cao nỗ lực sẽ đến trong bản cập nhật sau
Hiện có trên Kimi.com, Kimi Work, Kimi Code và Kimi API (ID mô hình kimi-k3)
Phát hành trọng số: trước ngày 27 tháng 7, 2026 — chi tiết đầy đủ về kiến trúc, huấn luyện và đánh giá sẽ đến cùng báo cáo kỹ thuật K3
Triển khai khuyến nghị: cấu hình supernode với trên 64 accelerator

Một cảnh báo tương thích đáng đọc hai lần

K3 được huấn luyện ở chế độ giữ nguyên lịch sử suy nghĩ. Moonshot cảnh báo rằng nếu khung chạy tác nhân của bạn không truyền lại toàn bộ nội dung suy nghĩ lịch sử, hoặc nếu bạn chuyển một phiên đang diễn ra từ mô hình khác sang K3, chất lượng sinh có thể trở nên rất không ổn định. Hãy dùng khung chạy đã được xác minh tương thích — Kimi Code là bản triển khai tham chiếu — và đừng hoán đổi nóng giữa phiên. Đây là kiểu chi tiết có thể biến thành một sự suy giảm chất lượng bí ẩn nếu bạn bỏ qua.

Bằng chứng không nằm trong bảng benchmark

Điểm benchmark gây tranh cãi, phụ thuộc vào khung kiểm thử và có thể bị tối ưu hóa để đối phó. Ba điều trong tài liệu ra mắt K3 khó bị gạt đi hơn.

🔧 Nó đã tự thiết kế một chip. Trong 48 giờ.

Trong một lượt chạy tự động kéo dài 48 giờ, K3 đã xây dựng, tối ưu và xác minh một chip bằng các công cụ EDA mã nguồn mở trên thư viện Nangate 45nm. Kết quả: trong phạm vi 4 mm², thiết kế đáp ứng timing ở 100 MHz và duy trì hơn 8.700 token/s thông lượng giải mã trong mô phỏng, chứa 1,46M standard cell, 0,277 MB SRAM và một mảng INT4 MAC với giải lượng tử hóa hợp nhất.

Mục đích của chip là phục vụ một nano model được xây dựng trên chính kiến trúc của K3 — một mô hình thiết kế silicon cho một mô hình. Dù bạn nghĩ gì về nó như một bản demo, đây vẫn là một tác vụ tác nhân dài hạn với kết quả đạt/không đạt có thể xác minh.

🔬 Hai giờ thay vì hai tuần

Để tái tạo các quan hệ phổ quát I–Love–Q trong vật lý thiên văn tính toán, K3 đã xem xét và đối chiếu chéo hơn 20 bài báo, triển khai toàn bộ pipeline số, đánh giá hơn 300 phương trình trạng thái, phát hiện sự không nhất quán trong các công thức đã công bố, tạo hơn 3.000 dòng Python và dựng một bảng điều khiển HTML tương tác để khám phá kết quả.

Cách Moonshot diễn giải: khoảng hai giờ cho công việc thường mất một đến hai tuần đối với một nhà nghiên cứu giàu kinh nghiệm.

💼 Một công cụ lập trình hàng đầu phương Tây được xây dựng trên mô hình Kimi mở

Đây là bằng chứng mạnh nhất trong toàn bộ tập hợp, và hoàn toàn không đến từ Moonshot.

Báo cáo kỹ thuật của Cursor về Composer 2 cho biết mô hình được huấn luyện trong hai giai đoạn, bắt đầu từ tiền huấn luyện tiếp tục trên một mô hình nền mở — Kimi K2.5 — sau đó là reinforcement learning quy mô lớn trong các phiên Cursor thực tế. Báo cáo ghi nhận “các đội ngũ đứng sau Kimi K2.5, Ray, ThunderKittens, PyTorch và cộng đồng mã nguồn mở nói chung.”

Việc ghi nhận này xuất hiện sau một cuộc thảo luận công khai về công lao dành cho mô hình nền, khiến nó đáng chú ý hơn chứ không kém đi: một sản phẩm AI lập trình hàng đầu phương Tây đã xây dựng mô hình lập trình tác nhân của mình trên nền tảng Kimi mở. Cursor báo cáo Composer 2 đạt 61,3 trên CursorBench, 73,7 trên SWE-bench Multilingual và 61,7 trên Terminal-Bench, với chi phí suy luận thấp hơn đáng kể so với các mô hình tương đương.

Không có một hàng nào trên bảng xếp hạng có thể lập luận hiệu quả cho trọng số Kimi mở bằng một sản phẩm thương mại được phát hành trên chính chúng.

Biểu đồ Frontier-Bench v0.1 thể hiện điểm lập trình tác nhân so với chi phí mỗi lần thử trên thang logarit cho Opus 5, Fable 5, Opus 4.8 và GPT-5.6 Sol

Bối cảnh quanh cả hai phòng thí nghiệm

Moonshot: $2B với mức định giá $20B

Moonshot AI huy động khoảng $2 tỷ với mức định giá $20 tỷ trong vòng gọi vốn do Long-Z Investments dẫn dắt, nhánh VC của công ty giao đồ ăn Meituan, theo một bài đăng từ công ty tư vấn Huafeng Capital. Tsinghua Capital, China Mobile và CPE Yuanfeng cũng tham gia. Danh sách nhà đầu tư rộng hơn của Moonshot bao gồm Alibaba, Tencent, HongShan, ZhenFund, IDG Capital và 5Y Capital.

Về quỹ đạo phát triển: TechCrunch đưa tin Moonshot đã huy động $3,9 tỷ trong sáu tháng trước đó, và công ty được cho là vẫn đang tìm kiếm một vòng lớn hơn. Phòng thí nghiệm được Yang Zhilin thành lập năm 2023; ông từng làm việc tại Meta AI và Google Brain.

Luận điểm đầu tư mà TechCrunch xác định đáng được nói rõ: người mua “không ngại đánh đổi hiệu năng để lấy suy luận giá rẻ” là một thị trường lớn và đang tăng trưởng. Đây chính xác là phân khúc K3 nhắm tới — và cũng chính là lý do câu hỏi về chi phí mỗi tác vụ ở trên quan trọng đến vậy.

Anthropic: sự kiện kiểm soát xuất khẩu tháng 6 năm 2026

Vào tối ngày 12 tháng 6 năm 2026, ba ngày sau khi ra mắt, Bộ Thương mại Hoa Kỳ đã yêu cầu Anthropic đình chỉ mọi quyền truy cập vào Claude Fable 5 và Claude Mythos 5 của bất kỳ công dân nước ngoài nào ở bất cứ đâu trên thế giới. Cả hai mô hình đều ngừng hoạt động đối với mọi khách hàng trên toàn cầu. Các mô hình Claude khác — Opus, Sonnet, Haiku — vẫn khả dụng. Lệnh kiểm soát được gỡ bỏ vào ngày 30 tháng 6.

Đây là một biện pháp kiểm soát xuất khẩu, không phải thu hồi sản phẩm, và Anthropic trực tiếp phản đối đánh giá nền tảng. Trong tuyên bố công khai, công ty cho biết đã xem xét thứ mà họ tin là báo cáo được đề cập và kết luận rằng “mức năng lực được thể hiện hiện cũng có ở các mô hình công khai khác, bao gồm GPT-5.5 của OpenAI, và được các bên phòng thủ an ninh mạng sử dụng thường xuyên.”

Anthropic nói thêm: “Chúng tôi không đồng ý rằng phát hiện về một khả năng vượt rào hẹp có thể là nguyên nhân để thu hồi một mô hình thương mại đã được triển khai cho hàng trăm triệu người. Nếu tiêu chuẩn này được áp dụng trên toàn ngành, chúng tôi tin rằng nó sẽ về cơ bản ngăn chặn mọi đợt triển khai mô hình mới của tất cả nhà cung cấp mô hình hàng đầu.” Một nguồn tin thân cận với công ty cho rằng Anthropic chưa bao giờ được cung cấp chi tiết và cũng chưa bao giờ từ chối khắc phục vấn đề. Forbes lưu ý rằng các tường thuật đối lập vẫn chưa được đối chiếu.

Vì sao điều này thuộc về một hướng dẫn mua hàng: đây là minh họa trực tiếp rằng quyền truy cập vào mô hình hàng đầu độc quyền có thể bị gián đoạn bởi một bên không phải bạn cũng không phải nhà cung cấp. Đây là một biến số rủi ro trong mua sắm, độc lập với bất kỳ đánh giá nào về bên nào đúng.

Sợi chỉ chiến lược

Đặt hai câu chuyện cạnh nhau, hình dạng của năm 2026 trở nên rõ ràng: Moonshot đang chuyển hóa hiệu quả kiến trúc — độ thưa MoE cực cao, attention tuyến tính lai, huấn luyện nhận biết lượng tử hóa — thành năng lực gần cấp hàng đầu với chỉ một phần nhỏ giá token, trong điều kiện hạn chế quyền tiếp cận chip. Anthropic đang hoạt động ở biên năng lực dưới một chế độ quản lý mà nay đã cho thấy có thể chạm tới công tắc triển khai.

Hiệu quả thuật toán đối lập với tính toán thô không còn là tranh luận lý thuyết. Đó là hai hồ sơ rủi ro khác nhau mà bạn có thể đưa vào đơn đặt hàng.

Tự chạy Kimi K3: Điều cần chờ đợi vào ngày 27 tháng 7

Trọng số sẽ có trước ngày 27 tháng 7 năm 2026, và Moonshot cho biết họ đang làm việc với các đối tác suy luận cùng những đơn vị bảo trì mã nguồn mở để thống nhất chi tiết kỹ thuật cho một đợt triển khai hệ sinh thái đáng tin cậy. Một vài kỳ vọng có cơ sở:

Đây không phải mô hình cho laptop. MoE 2.8T tham số với khoảng 50B hoạt động mỗi token vẫn cần toàn bộ tập tham số thường trực để định tuyến. Khuyến nghị riêng của Moonshot là cấu hình supernode 64+ accelerator để suy luận hiệu quả.
Hỗ trợ vLLM đang được đóng góp upstream. Vì KDA làm phức tạp cơ chế lưu đệm tiền tố truyền thống, Moonshot đã đóng góp một bản triển khai cho cộng đồng vLLM để phát hành cùng mô hình.
Lượng tử hóa đã được tích hợp sẵn. Trọng số MXFP4 với activation MXFP8, được áp dụng từ giai đoạn SFT trở đi, được chọn rõ ràng nhằm tương thích rộng với phần cứng.
Báo cáo kỹ thuật đầy đủ sẽ theo sau. Chi tiết về kiến trúc, huấn luyện và đánh giá sẽ xuất hiện cùng báo cáo kỹ thuật K3.

Với đa số nhóm, API ở mức $3/$15 sẽ là con đường thực tế. Tự lưu trữ hợp lý khi yêu cầu về lưu trú dữ liệu, tinh chỉnh tùy biến hoặc suy luận chi phí cố định ở quy mô lớn vượt trội gánh nặng hạ tầng.

Câu trả lời thực sự: Đừng chỉ chọn một

Nếu phân tích so sánh một cách trung thực, kết luận không phải là một người thắng cuộc. Đó là bài toán định tuyến.

Công việc kho mã dài hạn, lặp frontend, tạo mã khối lượng lớn → tính kinh tế của K3 thực sự khó đánh bại, đặc biệt khi cơ chế lưu đệm tự động đạt tỷ lệ trúng trên 90% trong khối lượng công việc lập trình.
Suy luận hàng đầu, phân tích rủi ro cao, các tác vụ mà phần chất lượng cao nhất của đầu ra là toàn bộ mục tiêu → Fable 5, theo chính đánh giá của Moonshot.
Mọi thứ ở giữa → phụ thuộc vào cấu trúc lời nhắc, mô hình tái sử dụng và khả năng chấp nhận độ trễ của bạn.

Các nhóm bị khóa vào một nhà cung cấp duy nhất thường rơi vào một trong hai tình huống: trả quá nhiều cho suy luận hàng đầu ở các tác vụ không cần đến nó, hoặc chi quá ít cho các tác vụ nơi chất lượng thực sự quan trọng. Cả hai đều đắt đỏ. Tình huống thứ hai còn tệ hơn.

Đó là lý do Jenova được xây dựng xoay quanh quyền truy cập hợp nhất, đa mô hình thay vì đặt cược vào một mô hình đơn lẻ. Một gói đăng ký, quyền truy cập trải dài từ các mô hình hàng đầu của Mỹ đến các mô hình trọng số mở, với định tuyến thông minh gửi mỗi tác vụ đến mô hình phù hợp với nó. Khi biên giá trên hiệu năng dịch chuyển — và nó đã dịch chuyển hai lần trong ba tháng qua — bạn điều chỉnh định tuyến thay vì đàm phán lại hợp đồng hoặc viết lại tích hợp.

Phép so sánh phía trên chính là lập luận. Mô hình có chuyên môn riêng. Quyền truy cập của bạn cũng không nên bị giới hạn.

Câu hỏi thường gặp

Kimi K3 API có giá bao nhiêu?

Kimi K3 có giá **$3.00/MTok cho đầu vào không trúng cache, $0.30/MTok cho đầu vào trúng cache và $15.00/MTok cho đầu ra**, theo [bài viết ra mắt của Moonshot](https://www.kimi.com/blog/kimi-k3). API tương thích với OpenAI SDK — hãy chọn `kimi-k3` trên Kimi API Platform. Vì lưu đệm là tự động và Moonshot báo cáo tỷ lệ trúng trên 90% trong khối lượng công việc lập trình, chi phí đầu vào thực tế trong các phiên code lặp lại thường thấp hơn nhiều so với giá niêm yết $3.

Khi nào trọng số mở của Kimi K3 được phát hành?

Moonshot cho biết toàn bộ trọng số mô hình sẽ được phát hành trước ngày 27 tháng 7 năm 2026. Công ty đang phối hợp với các đối tác suy luận và đơn vị bảo trì mã nguồn mở trước đợt phát hành, đồng thời đã đóng góp một bản triển khai lưu đệm tiền tố cho vLLM để xuất bản cùng mô hình. Báo cáo kỹ thuật đầy đủ bao quát kiến trúc, huấn luyện và đánh giá dự kiến sẽ đi kèm bản phát hành.

Kimi K3 có tốt hơn Claude Fable 5 không?

Tùy vào tác vụ. Bài viết ra mắt riêng của Moonshot cho biết hiệu năng tổng thể của K3 “vẫn kém hơn các mô hình độc quyền mạnh nhất, Claude Fable 5 và GPT 5.6 Sol”, đồng thời thừa nhận riêng một khoảng cách đáng chú ý về trải nghiệm người dùng. Lợi thế của K3 là lập trình dài hạn với giá token xấp xỉ một phần ba Fable 5. Lợi thế của Fable 5 là suy luận tổng quát hàng đầu. Công việc khác nhau, câu trả lời khác nhau.

Lưu đệm Kimi K3 so với lưu đệm Claude Fable 5 như thế nào?

Cả hai đều có cache, và cả hai đều giảm giá lượt đọc khoảng 90%. Lưu đệm K3 là tự động — $0.30/MTok khi trúng cache so với mức cơ bản $3.00, không cần thiết lập. Lượt đọc Fable 5 giảm xuống $1/MTok so với mức cơ bản $10, nhưng bạn trả phụ phí ghi: $12.50/MTok cho lượt ghi 5 phút và $20/MTok cho lượt ghi 1 giờ, theo tài liệu lưu đệm của Anthropic. Cache của Fable được làm mới miễn phí ở mỗi lượt trúng, nên khoản tiết kiệm phụ thuộc vào tần suất tái sử dụng có vượt chi phí ghi hay không.

Tôi có thể chạy Kimi K3 cục bộ không?

Không trên phần cứng tiêu dùng. K3 kích hoạt khoảng 50B tham số mỗi token, nhưng toàn bộ MoE 2.8T cần thường trực để định tuyến. Moonshot khuyến nghị cấu hình supernode với từ 64 accelerator trở lên để suy luận hiệu quả. Huấn luyện nhận biết lượng tử hóa với trọng số MXFP4 và activation MXFP8 giúp tương thích phần cứng, đồng thời hỗ trợ vLLM đang được đóng góp upstream — nhưng đây là triển khai cấp trung tâm dữ liệu, không phải dự án cho máy trạm cục bộ.

Chuyện gì đã xảy ra với Claude Fable 5 vào tháng 6 năm 2026?

Ngày 12 tháng 6 năm 2026, Bộ Thương mại Hoa Kỳ ban hành chỉ thị kiểm soát xuất khẩu đình chỉ mọi quyền truy cập vào Fable 5 và Mythos 5 của mọi công dân nước ngoài trên toàn cầu, buộc Anthropic phải vô hiệu hóa cả hai mô hình cho tất cả khách hàng. Anthropic công khai phản đối mức độ nghiêm trọng của phát hiện nền tảng, cho rằng năng lực tương đương tồn tại ở những mô hình khác đã triển khai. Lệnh kiểm soát được gỡ bỏ ngày 30 tháng 6. Các mô hình Claude khác không bị ảnh hưởng trong suốt thời gian đó.

Cửa sổ ngữ cảnh Kimi K3 có bằng Claude Fable 5 không?

Cả hai đều cung cấp cửa sổ ngữ cảnh 1M token. Fable 5 giới hạn đầu ra ở 128k token. Khác biệt thực tế không nằm nhiều ở kích thước cửa sổ mà ở chi phí lấp đầy nó: với đầu vào $3/M so với $10/M, nạp ngữ cảnh lớn rẻ hơn đáng kể trên K3 — nhưng suy luận nặng đầu ra trên ngữ cảnh đó được tính $15/M so với $50/M, và đó là nơi phép tính theo từng tác vụ được quyết định.

Kết luận

So sánh Kimi K3 với Claude Fable 5 được rút gọn thành ba sự thật bền vững.

Thứ nhất: khoảng cách giá là có thật — 3,3× ở đầu vào, 3,3× ở đầu ra — nhưng đó là điểm bắt đầu cho mô hình chi phí của bạn, không phải câu trả lời. Hiệu quả token, tỷ lệ thử lại và độ trễ trên khối lượng công việc cụ thể của bạn quyết định mức chi thực tế.

Thứ hai: câu chuyện lưu đệm là tự động đối lập với thủ công, không phải có đối lập với không. Cả hai mô hình giảm giá lượt đọc đã lưu đệm khoảng 90%. Fable 5 tính $12.50–$20/MTok để ghi cache đó; K3 bật miễn phí và báo cáo tỷ lệ trúng trên 90% cho code.

Thứ ba: mỗi mô hình sở hữu một lĩnh vực riêng. K3 được xây dựng cho lập trình dài hạn và định giá để được sử dụng nhiều. Fable 5 nằm ở biên suy luận tổng quát, điều được chính Moonshot xác nhận.

Điều đó có nghĩa câu trả lời đúng về mặt vận hành là quyền truy cập vào cả hai, được định tuyến theo tác vụ. Đó là hướng đáng để xây dựng — và là điều Jenova được thiết kế để cung cấp: quyền truy cập đa mô hình hợp nhất trên các mô hình hàng đầu của Mỹ và mô hình trọng số mở trong một gói đăng ký, với định tuyến thích ứng khi biên năng lực thay đổi.

Hãy đánh dấu ngày 27 tháng 7 trên lịch. Trang này sẽ được cập nhật khi trọng số được phát hành.

Dành cho Nhà phát triển: Quyền truy cập đa mô hình và định tuyến thông minh hiện khả dụng qua Jenova API — xây dựng các tính năng AI không phụ thuộc mô hình trong ứng dụng của bạn chỉ với một lần tích hợp. Tài liệu đầy đủ →