CrazyrouterKimi K3 vs. Claude Fable 5: Ein API-Test zu Prüfbarkeit, Code-Abbruch und Latenz
Ein reproduzierbarer Vergleich von Kimi K3 und Claude Fable 5 mit Mathematik, Physik, ausführbarem Python und Constraint-Reasoning.
Kimi K3 vs. Claude Fable 5: Ein API-Test zu Prüfbarkeit, Code-Abbruch und Latenz#
Ein belastbarer Modelltest muss mehr prüfen als die letzte Antwortzeile. Deshalb wurden Zwischenwerte zurück in Gleichungen eingesetzt, generierter Code ausgeführt und abgeschnittene Antworten separat bewertet.
Versuchsaufbau#
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
Beide Modelle erhielten identische Prompts und Abnahmekriterien. HTTP 200 allein galt nicht als Erfolg: Endwerte, Zwischenzustände, finish_reason, ausführbares Python und dieselben Assertions wurden geprüft.
Das technische Spannungsfeld#
Fable 5 antwortete im Mittel nach 37,1 Sekunden, Kimi K3 nach 108,0 Sekunden. Kimi K3 lieferte jedoch die konsistentere mathematische Verifikation.
Messwerte im Überblick#
| Aufgabe | Kimi K3 | Claude Fable 5 |
|---|---|---|
| HHTH-Wahrscheinlichkeit | Bestanden | Endwert korrekt; Zwischenrechnung fehlerhaft |
| Kollision und Feder | Bestanden | Bestanden |
| Python-Aggregation | Bei 4k gekürzt; bei 7k bestanden | Bei 4k gekürzt; bei 7k bestanden |
| Dienstplanlogik | Bestanden | Bestanden |
Mittlere Latenz — Kimi K3: 108.0 s
Mittlere Latenz — Claude Fable 5: 37.1 s
Mathematik: Konsistenz der Zwischenwerte#
Die Aufgabe zur verzerrten Münze fragte nach der erwarteten Zahl der Würfe bis zum ersten HHTH bei P(H)=3/5 und erlaubter Überlappung. Das korrekte Ergebnis lautet:
E[T] = 715/54 ≈ 13.2407407407
E1 = 625/54
E2 = 475/54
E3 = 170/27
Kimi K3 prüfte den Zustandsautomaten mit zwei unabhängigen Methoden. Fable 5 fand das richtige Endergebnis, meldete aber zwei Zwischenwerte, die nicht zu den eigenen Gleichungen passten.
Physik: korrekte Trennung der Energiephasen#
Die Physikaufgabe kombinierte einen vollständig unelastischen Stoß mit Reibung und Federkompression. Beide Modelle erhielten:
Post-collision speed: 2.4 m/s
Energy lost in collision: 21.6 J
Maximum compression: about 0.2212 m
Beide Modelle berechneten etwa 0,2212 m Federkompression und denselben eindeutigen Dienstplan.
Code: ein Output-Limit ist ein Qualitätsparameter#
Die Python-Funktion musste Retries nach request_id zusammenführen, ISO-8601-Zeitstempel verarbeiten, das Halbintervall [start,end) filtern, Token und Latenz aggregieren und mehrstufig sortieren.
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
Bei 4.000 Tokens wurden beide Antworten mit length beendet. Mit 7.000 Tokens bestanden beide Python-Programme dieselben acht Assertions.
Reasoning-Tokens und sichtbare Ausgabe#
Kimi K3 completion tokens: 13,975
Kimi K3 reasoning tokens: about 12,500
Fable 5 completion tokens: 10,187
Kimi K3 meldete rund 12.500 Reasoning-Tokens. Das verbessert in diesem Beispiel die Kontrolle, erhöht aber Latenz und Kürzungsrisiko bei langem Code.
Empfohlene Aufgabenverteilung#
- Fable 5 für häufige, automatisiert testbare Aufgaben
- Kimi K3 für exakte Herleitungen und Zwischenwert-Audits
- Langen Code nur mit finish_reason- und Laufzeittest akzeptieren
Constraint-Reasoning: identische eindeutige Lösung#
Beide Modelle fanden denselben eindeutig bestimmten Wochenplan:
| Montag | Dienstag | Mittwoch | Donnerstag | Freitag |
|---|---|---|---|---|
| Eli | Bo | Ada | Cici | Deng |
Beide Modelle berechneten etwa 0,2212 m Federkompression und denselben eindeutigen Dienstplan.
Grenzen des Tests#
Dies ist ein kleiner Test und keine allgemeine Rangliste. Für den Betrieb sollten alle Kategorien 20–50 Mal wiederholt und Erfolgsrate, Abbruchrate, Time-to-first-token, P50/P95/P99-Latenz, completion tokens und Kosten pro akzeptiertem Ergebnis erfasst werden.
Fazit#
Fable 5 war der schnelle Ausführungspfad; Kimi K3 war in diesem kleinen Test der sorgfältigere mathematische Prüfpfad.
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)
Vollständiger Artikel: https://crazyrouter.com/de/blog/kimi-k3-vs-claude-fable-5-hard-reasoning-benchmark-2026-de
