Kimi K3、Claude Fable 5、GPT-5.6 Solを比較：最初に試すモデルはどれ？

結論から言えば、試行回数が多くコスト余力を確保したいならKimi K3、ツール連携を含むバランスのよい基準が欲しいならGPT-5.6 Sol、難しい長期タスクで失敗の損失が大きいならClaude Fable 5から試すのが合理的です。ただし、どのモデルも公開ベンチマークの順位だけで本番へ移してはいけません。

2026年7月17日時点で、K3のAPIは利用可能です。一方、Kimiが案内するフルウェイトの公開予定日は7月27日であり、現時点では自社ホスト可能な選択肢ではありません。またOpenAI APIでは、gpt-5.6というエイリアスが現在gpt-5.6-solを指します。製品名だけでなく、実際に呼ぶモデルIDまで固定して比較してください。

比較では、同じリポジトリのcommit、指示、ツール権限、時間制限、推論設定、テスト、レビュールールを固定します。その上でAPI料金だけでなく、再試行回数、待ち時間、レビュー工数、失敗からの復旧まで記録します。採用するのは「最も高い総合点」ではなく、同じ作業に合格した中で総コストが最も低く、運用条件を守れるルートです。

スコアを見る前に現在のAPI条件をそろえる

3モデルはいずれも長いコンテキスト、コーディング、エージェント用途を掲げていますが、交換可能な同一商品ではありません。価格、最大出力、ツール面、長文時の課金、拒否、別モデルへのfallback、データ保持、将来の自社ホスト可否が違います。テスト結果が同じでも、この差だけで採用判断が変わることがあります。

変動する条件の所有者は、KimiのK3発表、OpenAIのSolモデル文書、AnthropicのFable文書です。ここでの価格は直接APIのリスト価格であり、個人向けサブスクリプションの利用枠や第三者routerの価格ではありません。

単純な例として、未キャッシュ入力100Kと出力20Kを使う1回の呼び出しは、K3なら$0.60、Solなら$1.10、Fableなら$2.00です。ツール、再試行、レビューを含める前なので、これはK3を最初に試す理由にはなっても、最終的に最安だという証明にはなりません。安い回答がテストを落とし、担当者が意図を復元するなら、作業はまだ完了していないからです。

Solでは長い入力の境界を見落とせません。270Kと275Kはわずかな差に見えますが、後者はリクエスト全体の課金体系が変わります。エージェントが毎ターン、リポジトリ全体、ツールログ、生成物を戻す構成では、この境界を日常的に越える可能性があります。最大コンテキストの数字だけではなく、入力tokenのp50、p95、最大値を記録する必要があります。

Fableは料金だけでなく運用契約も異なります。Anthropicによれば、拒否がHTTP 200とstop_reason: refusalで返る場合があり、fallback設定によって実際に完了したモデルが変わります。さらにFableとMythosのトラフィックは30日保持され、zero data retentionの対象外です。規制対象データや機密リポジトリでは、出力品質にかかわらず停止条件になり得ます。

用途別に最初の検証モデルを決める

大量に試し、弱い案を捨てられる作業ではK3から始めます。 リポジトリの整理、複数実装案、フロントエンドの反復、定型的な修正候補など、失敗を自動テストで早く落とせる作業と相性のよい出発点です。将来のウェイト公開はロックインや自社運用の選択肢を増やしますが、ファイル、ライセンス、必要メモリ、推論基盤を7月27日以降に確認するまでは将来案にすぎません。

K3の低単価が再試行、冗長な出力、レビュー負荷で消えるなら、通常ルートに昇格させません。同じテストでSolがより少ない修正で合格し、その差が料金を上回るならSolへ切り替えます。見るべきは「1回目の回答が安いか」ではなく「レビューを含めて合格までいくらかかったか」です。

比較の基準を作りたい場合はSolから始めます。 OpenAIはSolをGPT-5.6のフラッグシップ層として位置付け、長いコンテキスト、128K出力と現在のツール面を提供しています。Codexを使うチームでは、結果がモデルだけでなく、ファイル選択、ツール呼び出し、コンテキスト管理、変更検証を行うエージェント基盤にも依存する点が重要です。

ただしSolも自動的な最安解ではありません。推論量とツールループが出力を増やし、長文入力が料金を跳ね上げます。K3より高い価格を正当化するには、同一作業で合格率、レビュー時間、運用安定性の改善を測る必要があります。Codexを使ったスコアと、別のagent環境でのスコアを同じものとして扱わないでください。

Fableは難題のための昇格先として使います。 長期のリポジトリ変更、原因が曖昧な不具合、複数ファイルにまたがる設計変更、初期判断の誤りが数時間の損失になる作業が候補です。高い単価が正当化されるのは、安いルートが失敗したタスクを救う、上級者のレビューを明確に短縮する、重大なロールバックを防ぐ、といった効果が再現した場合だけです。

評価ログには、要求したモデルと実際に完了したモデルを別々に保存します。fallbackで成功した結果は運用上価値がありますが、純粋なFableの能力を示す証拠ではありません。規制や再現性が重要なら、fallbackを無効にした試験と本番想定設定の試験を分けてください。

ベンチマークの勝者が条件ごとに変わる理由

コーディング評価の結果は、モデル単体の属性ではなく、次の組み合わせとして読む方が安全です。

観測結果 = モデル + エージェント基盤 + 推論またはtoken予算 + ツール + fallback + テスト設定

Kimiの発表表は、脚注によってこの問題を可視化しています。評価によってK3はKimiCode、FableはClaude CodeまたはTerminusとfallback、SolはCodexを使っています。モデル名だけを縦に並べても、同じ条件で走っていない行が含まれます。

これはKimiが所有する比較表であり、中立な総合ランキングではありません。役立つのは「どれが常に勝つか」ではなく、仕事と実行基盤が変わると勝者も変わるという点です。

独立した複合評価も、設定名を含めて読む必要があります。2026年7月17日のArtificial Analysisでは、K3がIntelligence Index v4.1で57、Sol Maxが59、Fableが60でした。ただしFableの表示設定は「Adaptive Reasoning, Max Effort, Opus 4.8 Fallback」です。

1点の差よりも、fallback、エージェント基盤、token量、評価費用の差の方が実務には重要です。K3はこの評価で他の2モデルより多くの出力tokenを使い、Fableの表示値にはfallbackが含まれ、Solのコーディング結果はCodexと結び付いています。自社リポジトリでの合格率は、この表からは分かりません。

合格タスク1件の総コストを計算する

ここでいう合格タスクは、自動チェックとチームのレビュー基準を通過した出力です。料金表を実務判断へ変換するには、次の形で計算します。

合格タスク総コスト =（1回当たりAPI + ツール + 基盤）÷ 合格率 + レビュー工数 + 失敗復旧の期待値

合格率は同じ課題セットで測らなければなりません。K3に簡単な課題、Fableに難しい課題を割り当てたり、Solだけをキャッシュ済みで走らせたりすれば比較は壊れます。プロバイダーが失敗リクエストを請求しない場合でも、ツール、待ち時間、fallback、担当者の注意は消費されます。

未キャッシュ入力100K、出力20Kの仮想タスクを考えます。APIの試行料金はK3が$0.60、Solが$1.10、Fableが$2.00です。次に、あくまで計算例として合格率を80%、90%、94%、レビュー時間を8分、6分、5分、社内コストを1時間$60と仮定します。これは実測性能の主張ではありません。

この例が示すのは計算法だけです。安いtokenでも、再試行と人手確認が増えれば総額で負けます。高価なモデルも、仮定したほど品質差がなければ簡単に負けます。合格率、レビュー分数、重大障害の復旧コストを自社データへ置き換えてください。プロバイダー横断の料金、batch割引、router手数料、月次予算はLLM API料金比較で確認し、3モデルの採用判断とは分けて扱います。

同じリポジトリで再現可能な比較を行う

移行前に作業セットを固定し、モデル以外の差を減らします。小さな評価でもよいのですが、各ルートがどこで壊れるかを見つけられる構成が必要です。

1. 1つの固定commitから30〜50件を選びます。定型修正、複数ファイル変更、不具合診断、ツール障害、長文コンテキスト、上級レビューが必要だった難題を含めます。
2. system指示、ツール権限、network方針、sandbox、timeout、リポジトリ状態を統一し、agent基盤とversionを記録します。
3. 推論量またはtoken予算を文書化します。Adaptive thinking、max effort、fallbackを有効にする場合は、モデル名の中へ隠さず結果の列に残します。
4. 実行前に合格条件を決めます。build、test、lint、type check、security check、課題固有assert、変更可能ファイル、レビューrubricを固定します。
5. 可能なら人手レビューをblind化します。合否、再試行、入力・出力token、実時間、ツール障害、レビュー分数、ロールバック級の回帰を記録します。
6. 安定した一部を別の日にも再実行します。リリース直後の容量やroutingによって、1時間だけの結果が歪む可能性があるためです。

各モデルが勝つまで別々のテストへ調整してはいけません。公平な本番設定のためのモデル別調整は必要になることがありますが、追加prompt、コンテキスト圧縮、reasoning effort、fallback、retry方針をすべて記録します。条件を説明できなければ、翌月の再評価や障害時の切り戻しを再現できません。

評価は少なくとも4つの問いを分けて答えるべきです。通常作業を最小の総コストで通すのはどれか。基準ルートが落とした難題を救うのはどれか。失敗はモデル由来かagentやtool環境由来か。料金の境界、fallback、refusal、保持、自社ホストのどれが配備範囲を変えるか、です。

旧Kimi統合から移行する場合、以前のモデルIDやrouteの扱いはKimi K2 APIモデルガイドで確認してください。K2からK3への移行作業と、K3・Sol・Fableの品質比較を同じ実験に混ぜると、原因の切り分けが難しくなります。

昇格・使い分け・ロールバックをルール化する

通常ルートへK3を昇格する条件は、重大な回帰がなく、Solに対する合格率差が合意範囲内で、再試行とレビュー後にも意味のある節約が残ることです。難易度しきい値を超える作業にはSolまたはFableを残し、全件を一度に移さないでください。

Solを基準ルートに維持する条件は、K3より合格率またはレビュー時間を実質的に改善し、ツール経路が安定し、272K超の料金を含めても価値が残ることです。Fableを全トラフィックに適用せず、定義済みの難題だけを昇格する方が安い場合があります。

Fableへ昇格する条件は、特定の失敗クラスを救う、または上級者レビューを十分に短縮することです。fallbackの利用を必ず記録します。保持ポリシーに合わないデータでは、性能差に関係なく利用を停止します。

移行を保留する条件は、差が再現しない、設定が比較可能でない、見かけの勝者が新しい失敗を作る場合です。結果が同点で運用条件が不明なら、現行ルートを維持する方が安全です。

ロールバックする条件は、重大回帰がしきい値を超える、合格タスク総コストがbaselineを超える、p95 latencyがSLOを破る、tool failureが集中する、保持またはfallbackがpolicyに違反する場合です。新ルートが監視付きのproduction sliceを通るまで、旧ルートと評価セットを保存します。

K3には7月27日以降の追加チェックがあります。実際のウェイト公開、license、メモリ量、serving要件を確認し、目的のinference stackで同じ作業を再実行します。ウェイトをダウンロードできることは検証開始の条件であり、ホストAPIと同じ速度や料金を保証するものではありません。

よくある質問

Kimi K3はFable 5やGPT-5.6 Solより総合的に優れていますか？

いいえ。K3は現在の直接API価格が最も低く、Kimi公開表の一部で先頭ですが、SolやFableが先頭の行もあります。agent基盤、推論設定、fallback、token量、作業内容で結果が変わります。K3は安価な最初の候補であり、無条件の総合優勝ではありません。

Kimi K3のウェイトは今すぐ自社ホストできますか？

2026年7月17日時点ではできません。Kimiはフルウェイトを7月27日に公開予定としています。公開後にもlicense、必要メモリ、推論基盤、実タスクでの品質と費用を確認してから本番候補と呼ぶべきです。

Claude Fable 5の高い料金が妥当になるのはいつですか？

難しい長期タスクで、失敗、再試行、上級レビューを減らす実測効果が$10入力・$50出力の料金差を上回る場合です。同時にrefusal、fallback、30日保持、ZDR対象外が作業ポリシーに適合しなければなりません。

GPT-5.6 Solが3モデルで最も費用対効果に優れますか？

CodexやOpenAIのtool面を含めるチームには、強い基準候補です。しかし自動的な最安解ではありません。272K超ではリクエスト全体の料金が変わり、同じ作業に十分合格するK3の方が安い場合もあります。

コーディング用途ではどのモデルから試すべきですか？

社内データがなければ、Solを基準にして通常作業でK3を対比し、最難関の失敗だけFableへ送る構成が分かりやすいです。予算が最優先ならK3から始め、同じリポジトリで合格率やレビュー時間が不足した時だけSolへ移ります。

長く使える答えはモデル名ではなくrouting ruleです。最も安い現実的な候補から始め、同じ作業に合格してから昇格し、定義した難題だけを上位ルートへ送り、いつでも元へ戻せるようにします。