Kimi K3 vs Claude Fable 5：DeepSWE上的成本与编码能力对比
我们在DeepSWE基准上对Kimi K3和Claude Fable 5进行了452次实验。Fable在pass@1上领先1.4个百分点，但Kimi K3在pass@4上胜出，且每美元解决问题的数量是Fable的2.8倍。Kimi K3作为开源模型，成本仅为Fable的三分之一，是追求性价比的理性选择。
最新发布的DeepSWE基准测试对比显示，Kimi K3和Claude Fable 5在软件工程能力上旗鼓相当，但成本差异巨大。Kimi K3作为开源模型，以不到Claude Fable 5三分之一的成本，提供了接近旗舰级别的性能，成为高性价比的默认选择。
DeepSWE评分：pass@1与pass@k
在DeepSWE官方评分中，Claude Fable 5（xhigh配置）的pass@1为69.9%，而Kimi K3（最大努力配置）为68.5%，仅落后1.4个百分点。这是开源模型与Anthropic旗舰模型之间最小的差距之一，且Kimi K3相比前代模型提升了38个百分点，是该数据集上最大的跨版本提升。
当考虑多次尝试时（pass@k），排名发生逆转。Kimi K3在pass@2上以82.0%对80.2%领先，pass@4上以89.4%对88.5%超越Fable。在整个44个配置的导出数据中，只有两个低成本的GPT配置（Luna max和GPT-5.5 high，均为90.3%）曾达到更高水平。
覆盖度与可靠性：Kimi K3与Fable 5的差异
将pass@1分解为覆盖度（至少成功一次的任务）和可靠性（这些任务上的成功率），两个模型展现出不同特点。Kimi K3覆盖了89.4%的基准任务——高于任何峰值，仅有12个任务从未成功（Fable为13个）。但在4/4全部成功的可靠性上，Kimi K3为76.6%，仅45个任务四次全部成功，而Fable为79.0%和58个任务。Fable更稳定、更确定，而Kimi是更宽的网，这解释了它在pass@2和pass@4上的优势。
成本对比：Kimi K3 vs Claude Fable 5定价
Kimi K3每次部署成本为4.65美元，Fable xhigh为13.41美元。完整的452次部署成本：Kimi K3为2,103美元，Fable为6,010美元。
每解决一个任务，Kimi K3每100美元可完成14.7个任务，而Fable为5.3个——每美元工作量是Fable的2.8倍。Kimi K3运行时间更长，但随着模型开源和推理优化，这一情况有望改善。
Kimi K3与Claude Fable 5的相似性
每个任务的相关性分析显示，Kimi K3与Fable之间的相关系数为0.72——这是整个基准中跨供应商的最高相似度。事实上，导出数据中前四的跨供应商相似度都是Kimi K3与Anthropic模型对。没有出现一个模型四次全胜而另一个四次全败的任务，这是所有已分析配对中的首次。两者都解决了96个任务，Kimi独有5个，Fable独有4个，另有8个任务两者都无法解决。
它们的失败模式也高度一致：65%的失败是“接近成功”，两者保护现有测试套件的能力也相近（基线回归率分别为11%和10%）。
实际上，Kimi K3和Claude Fable 5在几乎相同的任务上成功或失败，因此将它们配对几乎无法带来多样性：它们的并集覆盖了113个任务中的105个，仅略高于Kimi单独的101个。
按编程语言对比Kimi K3与Fable 5
Kimi K3在Go语言上以79%对71%胜出。Fable在其他四种语言上领先：Python 74%对68%、JavaScript 70%对65%、TypeScript 64%对60%、Rust 75%对65%。值得注意的是，Kimi K3在Rust任务上追平Fable的程度远超其他模型——甚至GPT 5.6 Sol也不如它在Rust上表现好。
意义
Kimi K3现在成为理性默认选择：接近旗舰的覆盖范围，最佳旗舰级配置的pass@4，成本仅为Fable的35%。作为开源模型，一旦权重发布，团队可以完全控制部署，通过Together AI等推理提供商以生产规模运行，无需支付前沿模型的令牌价格。
Kimi K3和Claude Fable 5的对比表明，开源模型正在迅速缩小与闭源模型的差距，尤其在成本和多次尝试的覆盖面上展现出明显优势。