Kimi K3 与 Claude Fable 5：定价、速度与价值（2026 年 7 月）


2026-07-26


Kimi K3 的定价为输入 $3/M、输出 $15/M。Claude Fable 5 的定价为输入 $10/M、输出 $50/M。计费表两端都相差 3.3×，这也是任何人最先注意到的地方。

但这也是比较两者时最没有参考价值的方式。

单 Token 价格只能告诉你一个 Token 的成本。它无法告诉你模型完成任务会消耗多少 Token、需要重试多少次，或你要等待多久。这些数字才会真正出现在账单上。本文将梳理两个层面：标价与实际的单任务成本计算；同时还会说明 K3 在架构上究竟是什么、它在基准测试表之外证明了什么，以及当前影响这两款模型的监管与融资背景。

以蓝色衬线字体呈现的 Kimi K3，周围环绕插画风格的制图工具——尺子、圆规、铅笔和机械部件——置于奶油色背景之上

定价差距，以及它为何不是全部故事

以下是完整的并列比较。

Kimi K3Claude Fable 5
输入$3.00/M（未命中）/ $0.30/M（命中）$10.00/M / $1.00/M（缓存读取命中）
输出$15.00/M$50.00/M
缓存自动——代码工作负载命中率 90%+手动断点——读取命中 $1/M（写入溢价：5 分钟 $12.50/MTok，1 小时 $20/MTok）
总参数量2.8T（MoE，896 个专家）Anthropic 未披露
每 Token 活跃参数量~50B（896 个专家中激活 16 个）Anthropic 未披露
上下文窗口100 万 Token100 万 Token（最大输出 128k）
权重开放——2026 年 7 月 27 日专有
最强领域长程编程前沿通用推理

K3 规格与定价来自 Moonshot 的技术博客。Fable 5 的定价与缓存信息（包括缓存写入溢价）来自 OpenRouter 和 Anthropic 的提示缓存文档。

单 Token 更便宜 ≠ 单任务更便宜

一款模型即使每 Token 的成本只有另一款的三分之一，但若要花两倍 Token 才能得到相同答案，其大部分优势也就消失了。Moonshot 对 K3 在这方面的倾向异常坦率：公司指出 K3 默认启用最大思考力度，更低力度的模式将在后续更新中推出。最大力度意味着更多推理 Token，而推理 Token 按输出计费——对应 $15/M 这一档，而非 $3/M。

Moonshot 还指出一种它称为“过度主动性”的行为特征：由于 K3 针对长程任务进行了高强度训练，当遇到歧义时，它可能会自行做出未经请求的决策。该公司建议在系统提示词或 AGENTS.md 中明确加以约束。实际使用中，未经请求的决策意味着额外工作——有时还是你之后必须撤销的额外工作。

再考虑实际耗时。Moonshot 建议在配置 64 个或更多加速器的超级节点上部署 K3，以提高推理效率。即便采用稀疏激活，这一建议也反映了 2.8T 参数模型的服务特性。如果一项任务需要更久才能完成，这种延迟在交互式开发者工作流中就是实实在在的成本，即使它从未出现在账单上。

**结论：**请在你的工作负载上对两者进行基准测试，并衡量每项已完成任务的美元成本，而不是每百万 Token 的美元成本。标价只是计算的起点，而非结论。

缓存：自动与手动之别，而非有无之别

这是比较中最常被弄错的部分，因此需要说得精确一些。

**两款模型都支持缓存。**区别在于由谁完成工作，以及设置需要付出什么成本。

Kimi K3：自动，无披露的写入溢价

Moonshot 通过 Mooncake 的解耦推理架构提供 K3 服务，并报告代码工作负载的缓存命中率超过 90%。缓存输入的价格从 $3.00/MTok 降至 $0.30/MTok——折扣为 90%。你无需配置任何内容。Moonshot 还指出，Kimi Delta Attention 给传统前缀缓存带来了新挑战，因此公司已向 vLLM 社区贡献实现，并将与权重一同发布。

Claude Fable 5：手动断点，且有写入溢价

Anthropic 的缓存也能提供相同幅度的折扣——Fable 5 的缓存读取从 $10/MTok 的基础输入价格降至 $1/MTok，同样优惠 90%。但你需要为写入缓存的内容付费：

Claude Fable 5 的 5 分钟缓存写入为 $12.50/MTok**，1 小时缓存写入为 **$20/MTok——Anthropic 提示缓存定价

这些数字遵循一套已文档化的乘数结构：5 分钟写入是基础输入价格的 1.25×，1 小时写入是 2×，读取则为基础输入价格的 0.1×。默认 TTL 为五分钟；而且重要的是，**每次使用缓存时都会免费刷新。**Anthropic 自己的建议是：如果你的提示词命中间隔不超过五分钟，就继续使用 5 分钟缓存，让免费刷新持续生效。1 小时档适用于间隔长于五分钟但短于一小时的情况。

Anthropic 现在还支持自动缓存——只需一个顶层 cache_control 字段，即可将断点放在最后一个可缓存块上，无需逐块添加注释。它采用相同的定价和相同的最小值要求。对于 Fable 5，最小可缓存提示词长度为 512 Token。

坦诚的表述方式

设置成本写入成本读取成本盈亏平衡点
Kimi K3无——默认开启未单独定价$0.30/M立即实现
Claude Fable 5放置断点（或使用顶层自动标记）$12.50–$20/M$1.00/M复用足够多次以抵消写入成本后

当大量静态前缀——系统提示词、工具定义、文档语料库——被反复使用时，Fable 的缓存回报很高。对于一次性请求，如果你写入缓存后从未读取，它的回报则很差。K3 的模式彻底消除了这项计算；甚至在比较原始数字之前，这已经是一个真实的运维优势。

各模型实际胜出的领域

Kimi K3：长程编程与价值密度

Moonshot 将 K3 明确定位为智能体式软件工程模型——能够以极少监督维持长会话、导航大型代码库并编排终端工具。它还强调将软件工程与视觉推理结合的任务：模型利用截图和视觉素材迭代游戏开发、前端和 CAD 工作。公司将其描述为“视觉闭环”：模型编写代码、查看渲染结果，然后进行优化。

K3 目前是市场上编程性价比最强的选项，并且在 Frontend Code Arena 中排名第 1。

Claude Fable 5：前沿通用推理

对 Fable 5 整体能力最可信的背书，恰恰来自 Moonshot 自身。在 K3 发布文章中，该公司写道，尽管 K3 在其评估套件中达到了前沿级表现，但整体性能“仍落后于最强大的专有模型 Claude Fable 5 和 GPT 5.6 Sol”。

Moonshot 在局限性部分进一步承认：“尽管 K3 整体上是一款极具竞争力的模型，但与 Claude Fable 5 和 GPT 5.6 Sol 相比，其用户体验仍存在明显差距。”当一家实验室主动在自家旗舰产品发布时这样表述，应当照字面理解。

**如何理解这种分野：**如果你的工作负载是长时间运行的代码生成和代码库工作，K3 的价格能力比很难反驳。如果是前沿推理任务，且最高几个百分点的质量决定结果是否可用，那么 Fable 5 就是你愿意为之付费的选择。

深入解析：Kimi K3 究竟是什么

总参数 2.8T、活跃参数约 50B——必须同时引用两个数字

K3 是一款 2.8 万亿参数模型，也是首个达到这一规模的开放模型。但它采用 Mixture-of-Experts 架构，每个 Token 实际激活 896 个专家中的 16 个——约为 50B 活跃参数。2.8T 描述的是容量；约 50B 描述的是每次前向传播时实际运行的参数。脱离这一背景单独引用 2.8T，会误导其计算成本和服务特性。

Moonshot 表示，这种稀疏扩展，结合改进后的训练与数据方案，相比 Kimi K2 实现了约 2.5× 的整体扩展效率提升。

架构栈

以下每个术语均出现在 Moonshot 的发布文章中：

  • Kimi Delta Attention (KDA)——一种混合线性注意力基础，用于在更长序列范围内高效扩展注意力。
  • Attention Residuals (AttnRes)——跨模型深度选择性检索表征，而不是将其均匀累积。
  • Stable LatentMoE——在极端稀疏度下实现 896 个专家中激活 16 个的框架。
  • Quantile Balancing——从路由器分数分位数中推导专家分配，消除启发式更新与一个敏感的平衡超参数。
  • Per-Head Muon——通过独立优化每个注意力头来扩展 Muon 优化器。
  • Sigmoid Tanh Unit (SiTU) 与 Gated MLA——分别用于激活控制和注意力选择性。

Moonshot 还从 SFT 阶段起应用量化感知训练，使用 MXFP4 权重和 MXFP8 激活，以获得广泛的硬件兼容性。

实用规格表

  • 100 万 Token 上下文窗口，原生视觉理解能力
  • 发布时默认使用最大思考力度；低力度和高力度模式将在后续更新中推出
  • 现已在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 上提供（模型 ID 为 kimi-k3）
  • 权重发布：不晚于 2026 年 7 月 27 日——关于架构、训练和评估的完整细节将随 K3 技术报告一同发布
  • **推荐部署：**配置 64+ 加速器的超级节点

一条值得读两遍的兼容性警告

K3 采用保留思维历史模式训练。Moonshot 警告称，如果你的智能体框架未能传回全部历史思考内容，或者你在进行中的会话中从另一款模型切换至 K3，生成质量可能变得极不稳定。请使用已验证兼容的框架——Kimi Code 是参考实现——并且不要在会话中途热切换。这类细节一旦忽略，就可能演变成难以解释的质量回归。

不只是基准测试表的证据

基准分数存在争议，依赖测试框架，也可能被针对性优化。K3 发布材料中有三件事更难被轻易忽略。

🔧 它在 48 小时内自主设计了一枚芯片

在一次持续 48 小时的自主运行中，K3 使用 Nangate 45nm 库上的开源 EDA 工具完成了芯片设计、优化和验证。结果是在 4 mm² 内，该设计以 100 MHz 完成时序收敛，并在仿真中持续实现超过 8,700 tokens/s 的解码吞吐量，集成了 146 万个标准单元、0.277 MB SRAM，以及带融合反量化的 INT4 MAC 阵列。

这枚芯片的用途是服务于一款基于 K3 自身架构构建的 nano 模型——一个模型为另一个模型设计硅芯片。无论你如何看待这项演示，它都是一项具有可验证通过/失败结果的长程智能体式任务。

🔬 两小时，而不是两周

为了在计算天体物理学中复现 I–Love–Q 普适关系，K3 审阅并交叉验证了 20 多篇论文，实施完整数值流程，评估 300 多个状态方程，识别已发表公式中的不一致之处，生成 3,000 多行 Python，并制作了一个用于探索结果的交互式 HTML 仪表板。

Moonshot 的表述是：通常需要一名经验丰富的研究人员一到两周完成的工作，大约只需两小时。

💼 一款领先的西方编程工具建立在开放的 Kimi 模型之上

这是现有证据中最有力的一条，而且完全不是来自 Moonshot。

Cursor 关于 Composer 2 的技术报告指出，该模型分两个阶段训练，起点是在开放基础模型 Kimi K2.5 上进行持续预训练，随后在真实的 Cursor 会话中进行大规模强化学习。报告特别感谢了“Kimi K2.5、Ray、ThunderKittens、PyTorch 背后的团队，以及更广泛的开源社区”。

这一归属是在一场有关基础模型署名的公开讨论之后浮现的，这使其更加值得关注，而非相反：一款领先的西方 AI 编程产品，基于开放的 Kimi 基础构建了其智能体式编程模型。Cursor 报告称，Composer 2 在 CursorBench 上得到 61.3 分，在 SWE-bench Multilingual 上得到 73.7 分，在 Terminal-Bench 上得到 61.7 分，且推理成本显著低于可比模型。

没有任何排行榜的一行数据，能比一个商业产品在其权重之上正式发布，更有力地证明开放 Kimi 权重的价值。

Frontier-Bench v0.1 图表：以对数尺度绘制 Opus 5、Fable 5、Opus 4.8 和 GPT-5.6 Sol 的智能体式编程得分与单次尝试成本

两家实验室的背景

Moonshot：以 200 亿美元估值融资 20 亿美元

据咨询公司 Huafeng Capital 的一则帖子，Moonshot AI 在由外卖公司美团旗下 VC 机构 Long-Z Investments 领投的一轮融资中，以 200 亿美元估值筹集约 20 亿美元。Tsinghua Capital、China Mobile 和 CPE Yuanfeng 也参与了本轮融资。Moonshot 更广泛的支持者名单包括 Alibaba、Tencent、HongShan、ZhenFund、IDG Capital 和 5Y Capital。

从发展轨迹来看：TechCrunch 报道称 Moonshot 在此前六个月内筹集了 39 亿美元，并且据称还在寻求规模更大的一轮融资。这家实验室由曾任职于 Meta AI 和 Google Brain 的杨植麟于 2023 年创立。

TechCrunch 所指出的投资逻辑值得直说：愿意“以性能牺牲换取低价推理”的买家，构成了一个庞大且不断增长的市场。这正是 K3 瞄准的细分市场，也正是上文单任务成本问题如此重要的原因。

Anthropic：2026 年 6 月的出口管制事件

在 2026 年 6 月 12 日晚间，也就是发布三天后，美国商务部指示 Anthropic 暂停向全球任何地点的任何外国国民提供 Claude Fable 5 和 Claude Mythos 5 的全部访问权限。两款模型随即对全球所有客户下线。其他 Claude 模型——Opus、Sonnet、Haiku——仍可使用。管制于 6 月 30 日解除。

这是一次出口管制行动，不是产品召回，Anthropic 也直接质疑了其背后的评估。在公开声明中，公司表示已审查其认为所涉的报告，并得出结论：“所展示的能力水平也可在其他公开部署的模型中获得，包括 OpenAI 的 GPT-5.5，并且网络安全防御人员日常都在使用这种能力。”

Anthropic 补充道：“我们不同意，发现一种狭窄范围的潜在越狱可能性，应成为召回已部署给数亿人的商业模型的理由。如果这一标准应用于整个行业，我们认为它实际上会阻止所有前沿模型提供商部署任何新模型。”一名接近该公司的消息人士称，Anthropic 从未获得具体细节，也从未拒绝修复问题。Forbes 指出，双方说法尚未得到调和。

**为什么这应当出现在购买指南中：**它生动证明了，对专有前沿模型的访问可能被既不是你、也不是供应商的一方中断。这是一个采购风险变量，与任何关于谁是谁非的判断无关。

战略主线

将这两个故事放在一起，2026 年的轮廓就清晰可见：Moonshot 在芯片获取受限的条件下，正将架构效率——极端 MoE 稀疏性、混合线性注意力、量化感知训练——转化为接近前沿的能力，而其 Token 价格只是前沿模型的一小部分。Anthropic 则在能力前沿运营，同时处于一个已证明可以触及部署开关的监管体系之下。

算法效率与原始计算能力之间的竞争，不再是理论辩论。它们是两种可以写进采购订单的不同风险特征。

自行运行 Kimi K3：7 月 27 日应有何预期

权重将于 2026 年 7 月 27 日前发布。Moonshot 表示，正在与推理合作伙伴和开源维护者合作，以协调技术细节，确保生态系统可靠推出。以下是一些基于事实的预期：

  • **这不是笔记本电脑模型。**每个 Token 激活约 50B 参数的 2.8T 参数 MoE，仍需要让完整参数集常驻内存以进行路由。Moonshot 自己的建议是使用 64+ 加速器的超级节点配置来实现高效推理。
  • **vLLM 支持正在向上游贡献。**由于 KDA 增加了传统前缀缓存的复杂性，Moonshot 已向 vLLM 社区贡献实现，并将与模型一同发布。
  • **量化已内置。**从 SFT 阶段开始应用 MXFP4 权重和 MXFP8 激活，明确是为广泛硬件兼容性而选定。
  • **完整技术报告随后发布。**详细的架构、训练和评估信息将随 K3 技术报告一同公布。

对于大多数团队而言，$3/$15 的 API 将是务实路径。只有在数据驻留、自定义微调，或高用量下固定成本推理的价值超过基础设施负担时，自托管才有意义。

真正的答案：不要只选一个

诚实地完成这项比较，结论并不是谁获胜，而是一个路由问题。

  • 长程代码库工作、前端迭代、高量代码生成 → K3 的经济性确实很难击败，尤其是其在代码工作负载中自动缓存命中率超过 90%。
  • 前沿推理、高风险分析，以及输出质量最顶尖部分就是全部价值的任务 → 依照 Moonshot 自己的评估，应选择 Fable 5。
  • 介于两者之间的一切 → 取决于你的提示词形态、复用模式以及对延迟的容忍度。

锁定单一供应商的团队最终会陷入两种情况之一：为不需要前沿推理的任务支付过高成本，或在质量真正重要的任务上投入不足。两者都很昂贵，后者更糟。

这就是为什么 Jenova 围绕统一的多模型访问而非押注单一模型构建。一次订阅，即可访问美国前沿模型和开放权重模型，并通过智能路由将每项任务发送给最适合它的模型。当性价比前沿发生变化——而它在过去三个月已经变化两次——你只需调整路由，而不是重新谈判合同或重写集成。

上文的比较本身就是论点。模型各有所长，你的访问方式不应受限于此。

常见问题

Kimi K3 API 的价格是多少？

根据 Moonshot 的发布文章，Kimi K3 的价格为：**缓存未命中输入 $3.00/MTok、缓存命中输入 $0.30/MTok，以及输出 $15.00/MTok**。该 API 与 OpenAI SDK 兼容——在 Kimi API Platform 上选择 `kimi-k3` 即可。由于缓存自动启用，且 Moonshot 报告代码工作负载的命中率超过 90%，重复性代码会话的有效输入成本通常会远低于 $3 的标价。

Kimi K3 的开放权重何时发布？

Moonshot 表示，完整模型权重将于 2026 年 7 月 27 日前发布。该公司正在发布前与推理合作伙伴和开源维护者协调，并已向 vLLM 贡献一项前缀缓存实现，该实现将与模型一同推出。涵盖架构、训练和评估的完整技术报告也计划同步发布。

Kimi K3 比 Claude Fable 5 更好吗？

取决于任务。Moonshot 自己的发布文章称，K3 的整体性能“仍落后于最强大的专有模型 Claude Fable 5 和 GPT 5.6 Sol”，并单独承认存在明显的用户体验差距。K3 的优势在于，能够以约为 Fable 5 三分之一的 Token 价格进行长程编程。Fable 5 的优势则是前沿通用推理。不同工作，不同答案。

Kimi K3 的缓存与 Claude Fable 5 的缓存相比如何？

两者都支持缓存，读取都可享受约 90% 的折扣。K3 的缓存是自动的——命中时为 $0.30/MTok，而基础价格为 $3.00，无需设置。Fable 5 的读取价格从 $10 降至 $1/MTok，但你需要支付写入溢价：5 分钟写入 $12.50/MTok，1 小时写入 $20/MTok，详见 Anthropic 的缓存文档。Fable 的缓存每次命中都会免费刷新，因此节省金额取决于复用频率是否足以覆盖写入成本。

我可以在本地运行 Kimi K3 吗？

无法在消费级硬件上运行。K3 每个 Token 激活约 50B 参数，但完整的 2.8T MoE 必须常驻以进行路由。Moonshot 建议使用配置 64 个或更多加速器的超级节点来提高推理效率。使用 MXFP4 权重和 MXFP8 激活的量化感知训练确实有助于硬件兼容性，vLLM 支持也正在向上游贡献——但这是数据中心级部署，而不是本地工作站项目。

2026 年 6 月 Claude Fable 5 发生了什么？

2026 年 6 月 12 日，美国商务部发布一项出口管制指令，暂停向全球任何地点的任何外国国民提供 Fable 5 和 Mythos 5 的全部访问权限，迫使 Anthropic 对所有客户禁用两款模型。Anthropic 公开质疑了相关发现的严重性，并表示其他已部署模型中也存在可比能力。管制于 6 月 30 日解除。其他 Claude 模型在整个期间未受影响。

Kimi K3 的上下文窗口与 Claude Fable 5 相同吗？

两者都提供100 万 Token 的上下文窗口。Fable 5 的输出上限为 128k Token。实际差异更多不在窗口大小，而在于填充窗口的成本：输入价格为 $3/M 对 $10/M，因此向 K3 加载大型上下文的成本明显更低；但对此上下文进行大量输出推理时，计费为 $15/M 对 $50/M，这正是单任务成本计算的关键所在。

总结

Kimi K3 与 Claude Fable 5 的比较可以归结为三个持久事实。

**第一：**定价差距是真实存在的——输入相差 3.3×，输出相差 3.3×——但它只是成本模型的起点，不是答案。针对特定工作负载的 Token 效率、重试率和延迟，决定了实际支出。

**第二：**缓存的区别是自动与手动，而不是有与无。两款模型都会将缓存读取价格降低约 90%。Fable 5 写入缓存要收取 $12.50–$20/MTok；K3 则免费自动启用，并报告代码工作负载命中率超过 90%。

**第三：**每款模型各自占据不同领域。K3 为长程编程而打造，定价也使其适合高频使用。Fable 5 则位于通用推理前沿，这一点由 Moonshot 自己的承认所证实。

这意味着，从运营角度正确的答案是同时拥有两者，并按任务进行路由。这是值得努力构建的能力，也是 Jenova 所致力于提供的服务：一次订阅下，统一访问美国前沿模型与开放权重模型，并通过能够随前沿变化而适应的路由机制实现多模型使用。

请在日历上标记 7 月 27 日。权重发布后，本页将更新。

**面向开发者：**可通过 Jenova API 以编程方式使用多模型访问和智能路由——只需一次集成，即可在你的应用中构建与模型无关的 AI 功能。完整文档 →