前两天报道过一篇分析（Fable 5 比开源模型贵三倍，Anthropic 的账怎么算？），讨论 Anthropic 的 Fable 5 比开源模型贵了三倍，商业模式能不能撑住。现在有一份硬数据来了。

AI 推理平台 Fireworks AI 跑了 1030 个真实 agent 任务，把 Kimi K3（Moonshot 的开源模型）和 Fable 5 放在同一个 harness 里做了对照测试。结论很简单：K3 在 SWE-bench 类任务上拿了 92.4%，Fable 拿了 92.6%——差距不到 0.3 个百分点。但在长 agentic 循环里，K3 的成本可以做到 Fable 的五十分之一。

这个测试不是跑几个 math benchmark 就收工的。1030 个任务分成五类：SWE 类真实仓库 bug 修复（460 题）、终端运维类长链路操作（安全、加密、逆向、系统管理）、算法题、六语言交叉实现、法律 agent 任务。每个任务都是完整 agent 循环，不是单次推理。

两个模型各有强项。K3 在符号数学和开发工具链上更强，终端任务里拿了 11 个 solo win（Fable 7 个），安全加密类集群里表现突出。Fable 在 Web 和数据可视化上更好，Java、Python、C++ 领先于 K3。但 JavaScript 和 Rust 基本持平。

真正有意思的不是单挑，是路由。Fireworks 做了一个 oracle router——每次任务选更便宜的那个正确模型。结果 93% 的通过率，高于任何一个单模型。K3 被选中了 72-96% 的任务，这意味着大多数时候开源模型就够用了。

为什么 K3 token 量更大（SWE 平均 55 轮、130 万 token vs Fable 的 21 轮、13 万 token）但成本反而低？Prompt caching 是答案。K3 虽然轮数多、token 多，但命中的基本都是缓存，实际推理成本极低。Fable 在终端任务里反而容易螺旋——64 轮、150 万 token，经常超时，成本翻了十倍不止。

Fireworks 的结论很直白：「单一模型既浪费，也不再是最佳方案。」它建议把 K3 作为默认底座，大部分任务开源模型已经够强了，只有少数复杂场景才路由到 Fable 级别的闭源模型。路由层本身才是护城河。

这份测试的背景值得留意。Fireworks 是推理平台不是模型厂，K3 和 Fable 都在它上面跑，它没有站队的动力。Moonshot 上周刚宣布 K3 会开源权重，这意味着任何推理服务商都能部署，闭源模型的价格压力只会更大。

参考来源：

• Kimi K3 is competitive with Fable; Kimi K3 + Fable is SoTA — Fireworks AI