Kimi K2.7 Code vs. Claude Fable 5: Landingpages, die 94 % weniger kosten

Wir haben ein Experiment durchgeführt, bei dem wir Kimi K2.7 Code und Claude Fable 5 jeweils 12 Landingpages für einen direkten Vergleich erstellen ließen. Insgesamt war Kimi K2.7 Code etwa 94 % günstiger (16‑mal weniger) als Fable 5 und lieferte eine ähnliche Qualität, insbesondere nachdem wir Kimi den richtigen Kontext mit einem Design‑MCP gegeben hatten.

Wir haben unsere Ergebnisse auf der OVSC‑Website veröffentlicht, zusammen mit allen Varianten, die von Claude Opus 4.8, Claude Fable 5 und Kimi K2.7 Code generiert wurden. Im Durchschnitt war Kimi etwa 16‑mal günstiger als Fable und etwa 8‑mal günstiger als Opus.

Ein Screenshot von https://ovsc.vercel.app/

Die OVSC‑Website ermöglicht es dir, alle Landingpages sowie Aufschlüsselungen der Gesamtkosten, Token‑Nutzung und Generierungszeit zu erkunden.

Um zu verstehen, wie wir dieses Experiment durchgeführt haben, begannen wir damit, eine Baseline zu etablieren und zu sehen, was das Modell allein aus dem Prompt produzieren konnte.

Die Prompts

Wir starteten mit einer kleinen Auswahl an Landing‑Page‑Prompts aus verschiedenen Kategorien, darunter B2B‑SaaS, eine Rooftop‑Speakeasy und ein Entwickler‑Tool für SQL‑Abfragen. Hier ein Beispiel der verwendeten Prompts:

• Erstelle eine Landingpage für ein Entwickler‑Tool, das SQL‑Abfragen in Diagramme umwandelt.
• Erstelle eine Landingpage für eine Rooftop‑Speakeasy‑Cocktailbar – Art Deco, Blattgold und Smaragd, 1920er‑Jahre‑Glamour.
• Erstelle eine Landingpage für ein B2B‑SaaS‑Startup – ein Team‑Projektmanagement‑ und Kollaborationstool (Aufgaben, Zeitpläne, Team‑Workflows, Integrationen).

Wir haben dieselben Prompts sowohl Kimi K2.7 Code als auch Claude Fable 5 gegeben.

Hier sind die Seiten, die diese Modelle erstellt haben, als sie gebeten wurden, „eine Landingpage für ein Entwickler‑Tool zu erstellen, das SQL‑Abfragen in Diagramme umwandelt“.

Leider erstellten beide Modelle Landingpages, die erkennbar KI‑generiert wirkten.

Design‑Inspiration MCP‑Server

Wir haben einen benutzerdefinierten MCP‑Server eingerichtet, der Screenshots von gut gestalteten Landingpages sowie einzelne UI‑Elemente und andere visuelle Referenzen bereitstellte. Da Kimi K2.7 Code multimodal ist, konnten wir diese Bilder direkt zusammen mit Text in den Prompt aufnehmen.

Das veränderte die Ergebnisse erheblich. Anstatt ein Layout nur aus einem kurzen Prompt zu generieren, konnte Kimi anhand konkreter Beispiele arbeiten, die visuelle Sprache aufgreifen und diese Muster auf eine neue Seite anwenden. In der Praxis hatten die Ergebnisse eine stärkere Hierarchie, bessere Typografie und eine durchdachtere Komposition.

Hier ein Vorher‑Nachher‑Vergleich der Rooftop‑Speakeasy‑Landingpage:

Mit Design‑Inspiration erstellte Kimi Seiten, die schneller luden, Platzhalter für defekte Bilder vermieden und eine viel lesbarere Typografie verwendeten.

Nachdem sich das Design verbessert hatte, wollten wir als nächstes die Kosten untersuchen.

Kosten pro Landingpage

Einer der Vorteile der Verwendung eines Open‑Source‑Modells wie Kimi K2.7 Code sind die Kosten. Zum Beispiel kostete diese Landingpage für ein B2B‑SaaS mit Kimi nur 4 Cent. Derselbe Prompt kostete mit Claude Fable 1,09 $, was ihn fast 27‑mal teurer macht.

Im Durchschnitt waren die mit Kimi K2.7 Code generierten Landingpages etwa 16‑mal günstiger als die mit einem proprietären Modell wie Claude Fable 5 generierten.

Mit generativen Coding‑Agenten erstellt man selten nur eine Version einer Landingpage. Häufiger erstellt man viele Variationen, um verschiedene Designrichtungen, Texte und Seitenelemente zu erkunden. Dann iteriert man auf den vielversprechenden und verfeinert sie durch wiederholte Zyklen von Experimentieren und Anpassen. Bei all dem Hin und Her summiert sich der Preisunterschied schnell, selbst bei etwas so Einfachem wie einer SaaS‑Landingpage.

Wenn man 100 Seiten mit Kimi K2.7 Code generieren würde, würde man rund 94 $ im Vergleich zu einem proprietären Modell wie Claude Fable 5 sparen.

Geringere Kosten waren ein klarer Vorteil, aber wir wollten auch eine Möglichkeit, die Qualität der Ergebnisse zu vergleichen.

Vergleich der Ergebnisse

Nach der Generierung der Landingpages wollten wir eine systematische Methode, um Kimi und Fable zu vergleichen. Wir haben nicht nur den Code selbst betrachtet, sondern die Gesamtqualität jeder Seite, einschließlich Positionierung, visuelle Ausrichtung, Inhaltsstruktur, Handwerkskunst, Responsivität und technische Umsetzung. Dazu haben wir GPT‑5.5 eine Bewertungsmatrix gegeben, um die Screenshots und den Quellcode jeder Seite zu bewerten und eine Endnote von 0 bis 100 zu vergeben.

Hier sind die Bewertungen für jede Landingpage:

Claude Fable schnitt in beiden Beispielen höher ab, aber der Abstand war relativ gering. Kimi blieb wettbewerbsfähig in Design, Struktur und Gesamtqualität der Seite, während die Ausführung viel weniger kostete. Für diese Art von Workflow fanden wir diesen Kompromiss angemessen.

Claude Fable schnitt in beiden Beispielen höher ab, aber der Abstand war relativ gering. Kimi blieb wettbewerbsfähig in Design, Struktur und Gesamtqualität der Seite, während die Ausführung viel weniger kostete. Für diese Art von Workflow fanden wir diesen Kompromiss angemessen.

Abschließende Gedanken

Open‑Source‑Modelle wie Kimi K2.7 Code sind bereits in der Lage, nützliche Landingpages zu generieren, aber unser Experiment hat gezeigt, dass Prompts allein nur ein Teil der Gleichung sind. Ohne besseren Kontext neigten sowohl Kimi als auch Claude Fable dazu, polierte, aber generische Ergebnisse zu liefern.

Die größte Verbesserung erzielten wir, indem wir Kimi visuelle Inspiration durch einen benutzerdefinierten MCP‑Server gaben. Sobald es mit Screenshots und Design‑Referenzen arbeiten konnte, wurden die Seiten lesbarer, strukturierter und visuell durchdachter.

In Kombination mit den geringeren Kosten machen das Open‑Source‑Modelle zu einer praktischen Wahl für diese Art von Workflow. Wenn man dem Modell stärkere Eingaben geben und günstig iterieren kann, kommt man überraschend weit.

Du kannst Open‑Source‑Modelle wie Kimi K2.7 Code auf together.ai ausprobieren.