BenchLeader

Agnes 2.5 Pro Beta vs Kimi K3

詳しいプロフィール:Agnes 2.5 Pro Beta(Sapiens AI)とKimi K3(Moonshot AI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 12件の情報源のデータ

2026年11月16日時点で、共通するベンチマークが少なく、品質の判定はできません。価格はAgnes 2.5 Pro Betaの方が40倍安く、100万トークンあたりのブレンド価格で$0.150 対 $6.00です。両方を測定できるすべてのカテゴリでAgnes 2.5 Pro Betaがリードしています。

要点(2026年11月16日時点)

  • Agnes 2.5 Pro Betaの100万トークンあたりのブレンド価格は$0.150です(定価、2026年11月16日)。
  • Kimi K3の100万トークンあたりのブレンド価格は$6.00です(定価、2026年11月16日)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
エージェント・ツール利用Agnes 2.5 Pro Betaカテゴリスコア64 対 54高
チャットの質(人間の評価)–Arenaの評価があるのはKimi K3のみです(カテゴリスコア69)比較不可
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • 共通するベンチマークが少なく、判定できません。
  • Agnes 2.5 Pro Betaはエージェント・ツールで優れています。
  • Agnes 2.5 Pro Betaの方が40倍安くなっています(100万トークンあたりブレンド価格$0.150 対 $6.00)。

概要

仕様Agnes 2.5 Pro BetaKimi K3
プロバイダーSapiens AIMoonshot AI
リリース日2026年8月26日2026年7月16日
コンテキストウィンドウ(トークン)1,000,0001,048,576
比較した構成Agnes 2.5 Pro BetaKimi K3
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)–$3.00 / $15.00 / $0.300

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリAgnes 2.5 Pro BetaKimi K3トップ
コーディング–61.8比較不可
エージェント・ツール64.453.5Agnes 2.5 Pro Beta
数学–71.5比較不可
知識–66.1比較不可
人間の評価–68.6比較不可
マルチモーダル57.7–比較不可
長文コンテキスト66.2–比較不可

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価Agnes 2.5 Pro Beta, エージェント・ツール: 64.4Agnes 2.5 Pro Beta, 長文コンテキスト: 66.2Agnes 2.5 Pro Beta, マルチモーダル: 57.7Kimi K3, コーディング: 61.8Kimi K3, エージェント・ツール: 53.5Kimi K3, 数学: 71.5Kimi K3, 知識: 66.1Kimi K3, 人間の評価: 68.6

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

描画していないもの(これらのモデルの結果なし):推論, 指示追従。

モデル(クリックで追加・削除)Index

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Agnes 2.5 Pro BetaKimi K3
100万トークンあたりのブレンド価格–$6.00
100万トークンあたりの入力/出力– / –$3.00 / $15.00
100万トークンあたりのキャッシュ入力–$0.300
タスクあたりの価格:チャットの返答–$0.0057
タスクあたりの価格:30ページのレポートを要約–$0.045
タスクあたりの価格:コード編集–$0.041
タスクあたりの価格:エージェント型コーディングセッション–$0.240
タスクあたりの価格:構造化データの抽出–$0.0090
エージェント型コーディングセッション(入力の大半がキャッシュ)–$0.118
出力速度–76 tok/s
回答開始までの時間–0.8秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Agnes 2.5 Pro Beta。Kimi K3のスコアは60.7、最初の回答トークンまで1秒。Kimi K3 (max)は60.2(55秒)、Kimi K3 (low)は53.6(8秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

168件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Agnes 2.5 Pro BetaKimi K3
BenchLeader IndexBenchLeader–60.7
エージェント・ツールスコアBenchLeader64.453.5
長文コンテキストスコアBenchLeader66.2–
マルチモーダルスコアBenchLeader57.7–
コーディングスコアBenchLeader–61.8
人間の評価スコアBenchLeader–68.6
知識スコアBenchLeader–66.1
数学スコアBenchLeader–71.5
ブレンド価格($/100万トークン)BenchLeader–$6.00
出力速度BenchLeader–76 tok/s
回答開始までの時間BenchLeader–0.8秒
コンテキストウィンドウBenchLeader1,000,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–93.1%†
SimpleBenchSimpleBench–60.7%†
Arena Hard PromptsArena (LMArena)–1516†
LiveBench 2.0 ReasoningLiveBench–90.7%†
LiveBench 1.0 ReasoningLiveBench–90.7%
GPQA Diamond (AA)Artificial Analysis90.5%93.5%†
Humanity's Last Exam (AA)Artificial Analysis37.5%46.9%†
HLE-Diamond (AA)Artificial Analysis–26.9%†
GPQA Diamond (Vals)Vals AI–92.9%
ARC-AGI-1ARC Prize–94.5%†
ARC-AGI-2ARC Prize–60.4%†
CritPtArtificial Analysis15.7%23.4%†
CritPt v2 hard subset (AA)Artificial Analysis–40.5%†
HLE-Diamond (Scale)Scale AI SEAL–22.2%
Arena ExpertArena (LMArena)–1528†
Chess PuzzlesEpoch AI Benchmarking Hub–36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–26.0%†
LMCAEpoch AI Benchmarking Hub–52.7%†
DTBenchEpoch AI Benchmarking Hub–91.2%†
ForecastBenchForecastBench–64.2%†
コーディング
SciCodeSciCode–58.7%
WeirdMLWeirdML–82.6%†
FrontierCodeCognition–44.2%
Arena CodingArena (LMArena)–1538†
Arena WebDevArena (LMArena)–1658†
168件のベンチマークをすべて表示
指標公開元Agnes 2.5 Pro BetaKimi K3
コーディング
LiveBench 2.0 CodingLiveBench–53.1%†
LiveBench 1.0 CodingLiveBench–81.5%
SciCode (AA)Artificial Analysis48.8%59.5%†
LiveCodeBenchVals AI–87.2%†
IOIVals AI–48.9%†
SWE-bench (Vals)Vals AI–93.4%
Code MigrationVals AI–16.1%†
Code Migration v1.1Vals AI–28.6%†
ProgramBenchVals AI–2.0%
SWE-bench MultimodalVals AI–44.2%†
Vibe Code Bench 1-100Vals AI–18.2%†
Vibe Code Bench v1.1Vals AI–85.0%†
SWE Atlas v1.1Scale AI SEAL–61.0%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–65.3%
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%
SWE Atlas v1.1: RefactoringScale AI SEAL–54.3%
SWE-Bench Pro V2Scale AI SEAL–97.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–88.2%†
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub–95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–68.5%†
ALE-BenchEpoch AI Benchmarking Hub–1524.5†
FrontierSWEEpoch AI Benchmarking Hub–25.9%†
WeirdML v3WeirdML–7.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis–12.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis69.7%85.0%†
Startrise FrontendStartrise–79.8%
GameBench 2 OverallDuelLab GameBench 2–48.0
GameBench 2 by reasoning settingDuelLab GameBench 2–45.7†
Design Arena WebsiteDesign Arena–1336
FrontierCode 1.1 (AA)Artificial Analysis–43.6%†
FrontierCode 2.0 (AA)Artificial Analysis–10.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench–23.0%†
APEX-AgentsMercor–47.8%
Arena AgentArena (LMArena)–0.6†
LiveBench Long AgenticLiveBench–36.0%†
LiveBench BrowserLiveBench–75.2%†
LiveBench Agentic CodingLiveBench–62.2%
Terminal-Bench 2.1 (Vals)Vals AI–80.9%
MCP AtlasScale AI SEAL–82.3%†
HiL-BenchScale AI SEAL–42.7%
τ³-bench Bankingτ²-bench–37.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis41.5%–
GDPval-AA v2.1Artificial Analysis13351542†
τ³-Banking (AA)Artificial Analysis35.7%46.0%†
ITBench SRE (AA)Artificial Analysis–47.7%†
Analyst Agent (AA)Artificial Analysis–38.8%†
APEX-Agents (AA)Artificial Analysis–41.3%†
CyberBenchVals AI–75.2%†
Finance Agent v2Vals AI–53.1%†
Finance Agent v2.1Vals AI–60.0%†
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%†
Harvey's Legal Agent Benchmark v1Vals AI–12.9%†
Legal Research BenchVals AI–46.1%†
Tax Agent BenchVals AI–33.4%†
Terminal-Bench 4.0 (Vals)Vals AI–17.2%†
Terminal-Bench ScienceVals AI–1.4%†
Time Horizon Index: KSPVals AI–10.5%†
Arena Agent Task CompletionArena (LMArena)–3.4†
PostTrainBenchEpoch AI Benchmarking Hub–31.5%
GBAEvalEpoch AI Benchmarking Hub–48.4%
Vending-Bench 2Andon Labs–5165.0
AutomationBenchArtificial Analysis–58.3%†
GDP.pdf (AA)Artificial Analysis–22.0%†
Harvey LAB-AA v1.1Harvey–5.3%†
EnterpriseOps-GymArtificial Analysis–45.3%†
AA-Briefcase v1.1Artificial Analysis–1497†
GDPxGDPx by SemiAnalysis–3.7%†
Design Arena AgenticDesign Arena–1261
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–8.1%†
CWE-Bench (AA)Artificial Analysis–53.3%†
DeepSec-Bench (AA)Artificial Analysis–12.4%†
CyberGym end-to-end (AA)Artificial Analysis–58.0%†
FACTS SearchGoogle–90.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–97.2%†
ProofBenchVals AI–87.0%
LiveBench MathematicsLiveBench–84.4%
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–97.0%†
MathArena ApexMathArena–65.6%†
Arena MathsArena (LMArena)–1502†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–50.6%†
LiveBench 2.0 Data AnalysisLiveBench–78.7%†
LiveBench ResearchLiveBench–79.8%†
LiveBench 1.0 Data AnalysisLiveBench–78.7%
AA-Omniscience v1.1Artificial Analysis–-1.7†
MMLU-ProVals AI–88.0%†
LegalBenchVals AI–86.2%†
CorpFinVals AI–71.6%
TaxEvalVals AI–75.7%
BioMysteryBenchVals AI–72.6%†
Excel Modeling BenchmarkVals AI–66.7%†
Excel Modeling Benchmark v1.1Vals AI–71.3%†
MedCodeVals AI–49.4%†
MedScribeVals AI–88.0%†
Public Benefits Bench v1.1Vals AI–68.2%†
Access to Justice BenchmarkVals AI–68.2%†
Financial Coaching BenchVals AI–74.5%†
Immigration BenchVals AI–68.3%†
GDP.pdfEpoch AI Benchmarking Hub–19.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis–42.4%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–23.4%†
HealthBench Professional (AA)OpenAI–53.2%†
指示追従
LiveBench LanguageLiveBench–85.5%
LiveBench Instruction FollowingLiveBench–71.4%
Arena Instruction FollowingArena (LMArena)–1489†
人間の評価
Arena TextArena (LMArena)–1487†
EQ-Bench 4EQ-Bench–1319
EQ-Bench Creative Writing v3EQ-Bench–2083
Arena Creative WritingArena (LMArena)–1459†
Arena Multi-turnArena (LMArena)–1502†
Arena Longer QueriesArena (LMArena)–1500†
マルチモーダル
LiveBench DesignLiveBench–72.5%†
MMMU-ProArtificial Analysis75.4%80.5%†
MMMU-Pro (Vals)Vals AI–88.2%
MortgageTaxVals AI–66.3%
SAGEVals AI–86.8%†
Humanity's Sixth SenseScale AI SEAL–25.5%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–29.5%
Furniture AssemblyEpoch AI Benchmarking Hub–34.2%†
Code2Video-AAArtificial Analysis–1041†
AA-3DArtificial Analysis–984†
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.0%88.7%†
MLCRArtificial Analysis–21.7%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–158.6
LiveBench 2.0LiveBench–65.0%†
LiveBench 1.0LiveBench–79.2%
AA Intelligence Index v5.0.1Artificial Analysis–17.4†
AA Intelligence Index v4.3.2Artificial Analysis35.243.6†
AA Progress Index v1Artificial Analysis299.1319.9†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–58.0%†
Vals RSI IndexVals AI–20.9%†
Vals Multimodal IndexVals AI–73.4%
Vals Router IndexVals AI–53.0%
Vals Legal IndexVals AI–71.7%†
AA Cyber IndexArtificial Analysis–41.3†
安全性・誠実さ
FORTRESSScale AI SEAL–27.3%
DistressBenchScale AI SEAL–73.5%
メタデータ
AA Openness IndexArtificial Analysis–38.9†

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Kimi K3:BenchLeader Index 59.1 → 60.7。
  • Kimi K3:スコアの改訂1件。
  • Kimi K3:スコアの改訂4件。
  • Kimi K3:スコアの改訂1件。
  • Kimi K3:新しい結果1件(FACTS Search)。
  • Kimi K3:スコアの改訂1件。
  • Agnes 2.5 Pro Beta:新しい結果1件(AA Progress Index v1)。
  • Kimi K3:スコアの改訂3件。
  • Kimi K3:スコアの改訂1件。
  • Kimi K3:新しい結果1件(Vals Router Index)。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Agnes 2.5 Pro Beta vs Kimi K3:よくある質問

Agnes 2.5 Pro BetaとKimi K3はどちらが安いですか?今後変わる予定はありますか?
現在はAgnes 2.5 Pro Betaの方が安く、100万トークンあたり$0.150 対 $6.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
エージェントやツール利用にはAgnes 2.5 Pro BetaとKimi K3のどちらが向いていますか?
エージェント型のタスクではAgnes 2.5 Pro Betaの方がスコアが高くなっています(カテゴリ指標で64 対 54。50が平均)。
長い文書にはどちらが向いていますか?
どちらも約1Mトークンです(Agnes 2.5 Pro Betaは1,000,000、Kimi K3は1,048,576)。
Agnes 2.5 Pro Betaはいつリリースされましたか?
Agnes 2.5 Pro Betaは2026年8月26日にリリースされました。