Realizamos un experimento en el que Kimi K2.7 Code y Claude Fable 5 generaron 12 páginas de aterrizaje cada uno para una comparación lado a lado. En general, Kimi K2.7 Code costó aproximadamente un 94 % menos (16 veces menos) que Fable 5 y produjo resultados de calidad similar, especialmente después de proporcionarle a Kimi el contexto adecuado con un MCP de diseño.
Publicamos nuestros hallazgos en el sitio web de OVSC, junto con todas las variantes generadas por Claude Opus 4.8, Claude Fable 5 y Kimi K2.7 Code. En promedio, Kimi fue ~16 veces más barato que Fable y ~8 veces más barato que Opus.
Una captura de pantalla de https://ovsc.vercel.app/
El sitio web de OVSC te permite explorar todas las páginas de aterrizaje junto con desgloses de costos totales, uso de tokens y tiempo de generación.
Para entender cómo realizamos este experimento, comenzamos estableciendo una línea base y viendo qué podía producir el modelo a partir solo del prompt.
Los Prompts
Comenzamos con un pequeño conjunto de prompts para páginas de aterrizaje de varias categorías, incluyendo B2B SaaS, un speakeasy en la azotea y una herramienta para desarrolladores de consultas SQL. Aquí tienes una muestra de los prompts que usamos:
- Crea una página de aterrizaje para una herramienta de desarrollador que convierte consultas SQL en gráficos.
- Crea una página de aterrizaje para un cóctel bar speakeasy en la azotea — estilo art déco, pan de oro y esmeralda, glamour de los años 20.
- Crea una página de aterrizaje para una startup B2B SaaS — una herramienta de gestión de proyectos y colaboración en equipo (tareas, cronogramas, flujos de trabajo del equipo, integraciones).
Dimos los mismos prompts tanto a Kimi K2.7 Code como a Claude Fable 5.
Estas son las páginas que estos modelos crearon cuando se les pidió "Crea una página de aterrizaje para una herramienta de desarrollador que convierte consultas SQL en gráficos."
Desafortunadamente, ambos modelos crearon páginas de aterrizaje que se sentían claramente generadas por IA.
Servidor MCP de Inspiración de Diseño
Configuramos un servidor MCP personalizado que proporcionaba capturas de pantalla de páginas de aterrizaje bien diseñadas, junto con elementos de UI individuales y otras referencias visuales. Como Kimi K2.7 Code es multimodal, pudimos incluir esas imágenes directamente en el prompt junto con el texto.
Eso cambió significativamente los resultados. En lugar de generar un diseño a partir de un prompt corto, Kimi podía trabajar a partir de ejemplos concretos, captar el lenguaje visual y aplicar esos patrones a una página nueva. En la práctica, los resultados tenían una jerarquía más sólida, mejor tipografía y una composición más intencionada.
Aquí tienes un antes y después de la página de aterrizaje del Rooftop Speakeasy:
Con inspiración de diseño, Kimi produjo páginas que cargaban más rápido, evitaban marcadores de posición de imágenes rotas y usaban una tipografía mucho más legible.
Una vez que el diseño mejoró, lo siguiente que quisimos explorar fue el costo.
Costos por Página de Aterrizaje
Una de las ventajas de usar un modelo de código abierto como Kimi K2.7 Code es el costo. Por ejemplo, esta página de aterrizaje para un B2B SaaS costó solo 4 centavos con Kimi. El mismo prompt costó $1.09 con Claude Fable, lo que lo hace casi 27 veces más caro.
En promedio, las páginas de aterrizaje que generamos con Kimi K2.7 Code fueron aproximadamente 16 veces más baratas que las generadas con un modelo propietario como Claude Fable 5.
Con los agentes de codificación generativa, rara vez generas una sola versión de una página de aterrizaje. Más a menudo, generas muchas variaciones para explorar diferentes direcciones de diseño, textos y elementos de la página. Luego iteras sobre las que muestran potencial, editando y refinando mediante ciclos repetidos de experimentación y ajuste. Con todo el ir y venir, la diferencia de precio se acumula rápidamente, incluso para algo tan simple como una página de aterrizaje SaaS.
Si generaras 100 páginas con Kimi K2.7 Code, ahorrarías alrededor de $94 en comparación con usar un modelo propietario como Claude Fable 5.
El costo más bajo fue una ventaja clara, pero también queríamos una forma de comparar la calidad de los resultados.
Comparación de Resultados
Después de generar las páginas de aterrizaje, queríamos una forma sistemática de comparar Kimi y Fable. No solo estábamos mirando el código en sí, sino la calidad general de cada página, incluyendo posicionamiento, dirección visual, estructura del contenido, artesanía, capacidad de respuesta y ejecución técnica. Para eso, le dimos a GPT-5.5 una rúbrica para revisar y calificar las capturas de pantalla y el código fuente de cada página y asignar una puntuación final de 0 a 100.
Aquí están las puntuaciones de cada página de aterrizaje:
Claude Fable obtuvo una puntuación más alta en ambos ejemplos, pero la diferencia fue relativamente pequeña. Kimi se mantuvo competitivo en diseño, estructura y calidad general de la página, mientras costaba mucho menos ejecutarlo. Para este tipo de flujo de trabajo, consideramos que esa compensación era razonable.
Claude Fable obtuvo una puntuación más alta en ambos ejemplos, pero la diferencia fue relativamente pequeña. Kimi se mantuvo competitivo en diseño, estructura y calidad general de la página, mientras costaba mucho menos ejecutarlo. Para este tipo de flujo de trabajo, consideramos que esa compensación era razonable.
Reflexiones Finales
Los modelos de código abierto como Kimi K2.7 Code ya son capaces de generar páginas de aterrizaje útiles, pero nuestro experimento demostró que los prompts por sí solos son solo parte de la ecuación. Sin un mejor contexto, tanto Kimi como Claude Fable tendían a producir resultados pulidos pero genéricos.
La mayor mejora provino de darle a Kimi inspiración visual a través de un servidor MCP personalizado. Una vez que pudo trabajar a partir de capturas de pantalla y referencias de diseño, las páginas se volvieron más legibles, más estructuradas y visualmente más intencionadas.
Combinado con el menor costo, eso convierte a los modelos de código abierto en una opción práctica para este tipo de flujo de trabajo. Si puedes proporcionarle al modelo entradas más sólidas e iterar a bajo costo, puedes llegar sorprendentemente lejos.
Puedes probar modelos de código abierto como Kimi K2.7 Code en together.ai.
