DEV Community

Cover image for Kimi K3 face à Claude Fable 5 : rigueur du raisonnement ou rapidité de livraison ?
Jemmmm
Jemmmm

Posted on • Originally published at crazyrouter.com

Kimi K3 face à Claude Fable 5 : rigueur du raisonnement ou rapidité de livraison ?

#ai #api #llm #benchmark

Kimi K3 face à Claude Fable 5 : rigueur du raisonnement ou rapidité de livraison ?

Kimi K3 face à Claude Fable 5

Comparer deux modèles exige une méthode qui distingue résultat final, cohérence du raisonnement et livrable réellement exploitable. Ce test vérifie donc les calculs intermédiaires et exécute le code généré.

Le compromis observé

Fable 5 a répondu en moyenne en 37,1 secondes contre 108,0 secondes pour Kimi K3. Kimi K3 a toutefois fourni la démonstration mathématique la plus cohérente.

Mathématiques : vérifier la démonstration, pas seulement la réponse

Le problème de pièce biaisée demandait le nombre moyen de lancers avant le premier HHTH, avec P(H)=3/5 et chevauchement autorisé. Le résultat correct est :

E[T] = 715/54 ≈ 13.2407407407
E1 = 625/54
E2 = 475/54
E3 = 170/27
Enter fullscreen mode Exit fullscreen mode

Kimi K3 a recoupé l'automate avec deux contrôles indépendants. Fable 5 a trouvé la bonne fraction finale, mais deux états intermédiaires étaient incompatibles avec ses équations.

Résultats synthétiques

Tâche Kimi K3 Claude Fable 5
Probabilité HHTH Réussi Résultat final correct ; erreur arithmétique intermédiaire
Collision et ressort Réussi Réussi
Agrégation Python Tronqué à 4k ; réussi à 7k Tronqué à 4k ; réussi à 7k
Planning contraint Réussi Réussi 
Latence moyenne — Kimi K3: 108.0 s
Latence moyenne — Claude Fable 5: 37.1 s
Enter fullscreen mode Exit fullscreen mode

Protocole expérimental 

Test date: 2026-07-17
Base URL: https://cn.crazyrouter.com/v1
Endpoint: POST /v1/chat/completions
Models: kimi-k3, claude-fable-5
temperature: 0.2
Round 1 max_tokens: 4000
Coding retry max_tokens: 7000
Enter fullscreen mode Exit fullscreen mode

Les deux modèles ont reçu exactement les mêmes prompts et critères d'acceptation. Un HTTP 200 n'était pas suffisant : nous avons vérifié les valeurs finales, les états intermédiaires, finish_reason, le Python exécutable et les mêmes assertions.

Physique : les deux modèles séparent correctement les étapes

Le problème de physique combinait collision totalement inélastique, frottement et compression d'un ressort. Les deux modèles ont obtenu :

Post-collision speed: 2.4 m/s
Energy lost in collision: 21.6 J
Maximum compression: about 0.2212 m
Enter fullscreen mode Exit fullscreen mode

Les deux modèles ont obtenu environ 0,2212 m pour le ressort et le même planning unique Eli, Bo, Ada, Cici, Deng.

Python : la limite de sortie a provoqué le premier échec

La fonction Python devait dédupliquer les retries par request_id, parser les horodatages ISO-8601, filtrer le demi-intervalle [start,end), agréger tokens et latence, puis appliquer un tri multi-clé.

Round 1, max_tokens=4000:
Kimi K3 finish_reason=length
Fable 5 finish_reason=length

Retry, max_tokens=7000:
Kimi K3: 145.2 s, 5199 completion tokens, 8/8 assertions
Fable 5: 46.6 s, 3710 completion tokens, 8/8 assertions
Enter fullscreen mode Exit fullscreen mode

Avec 4 000 tokens, les deux réponses se sont arrêtées sur length. À 7 000 tokens, les deux programmes ont réussi les huit mêmes assertions.

Raisonnement sous contraintes : même solution unique

Les deux modèles ont trouvé le même planning hebdomadaire unique :

Lundi Mardi Mercredi Jeudi Vendredi
Eli Bo Ada Cici Deng

Les deux modèles ont obtenu environ 0,2212 m pour le ressort et le même planning unique Eli, Bo, Ada, Cici, Deng.

Impact opérationnel des reasoning tokens 

Kimi K3 completion tokens: 13,975
Kimi K3 reasoning tokens: about 12,500
Fable 5 completion tokens: 10,187
Enter fullscreen mode Exit fullscreen mode

Kimi K3 a déclaré environ 12 500 reasoning tokens. La vérification supplémentaire s'accompagne ici d'une latence plus élevée et de moins d'espace pour le code visible.

Choix de modèle selon la charge

  • Fable 5 pour les tâches fréquentes et testables
  • Kimi K3 pour les dérivations exactes
  • Valider finish_reason et exécuter tout code long

Portée et limites

Il s'agit d'un petit échantillon, pas d'un classement universel. Une évaluation de production devrait répéter chaque catégorie 20 à 50 fois et mesurer taux de réussite, taux de troncature, temps jusqu'au premier token, latence P50/P95/P99, completion tokens et coût par résultat accepté.

Conclusion

Fable 5 constitue le chemin rapide ; Kimi K3 le chemin plus prudent pour les calculs intermédiaires dans cet échantillon.

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://cn.crazyrouter.com/v1")
response = client.chat.completions.create(
    model="kimi-k3",
    temperature=0.2,
    max_tokens=4000,
    messages=[{"role": "user", "content": "YOUR_TEST_PROMPT"}],
)
print(response.model, response.choices[0].finish_reason, response.usage)
Enter fullscreen mode Exit fullscreen mode

Article complet : https://crazyrouter.com/fr/blog/kimi-k3-vs-claude-fable-5-hard-reasoning-benchmark-2026-fr

API : https://crazyrouter.com/register?utm_source=crazyrouter_blog&utm_medium=article&utm_campaign=kimi_k3_fable5_multilingual_20260718&utm_content=kimi-k3-vs-claude-fable-5-hard-reasoning-benchmark-2026-fr__body_cta&utm_term=kimi-k3+claude-fable-5+benchmark

Top comments (0)