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。
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 Beta | Kimi K3 |
|---|---|---|
| プロバイダー | Sapiens AI | Moonshot 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) | 1,000,000 | 1,048,576 |
| 比較した構成 | Agnes 2.5 Pro Beta | Kimi 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 Beta | Kimi 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 | 64.4 | 53.5 | Agnes 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。
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。
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 Beta | Kimi 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) | – | $0.118 |
| 出力速度 | – | 76 tok/s |
| 回答開始までの時間 | – | 0.8秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Agnes 2.5 Pro Beta。Kimi K3のスコアは60.7、最初の回答トークンまで1秒。Kimi K3 (max)は60.2(55秒)、Kimi K3 (low)は53.6(8秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
168件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Agnes 2.5 Pro Beta | Kimi K3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | – | 60.7 |
| エージェント・ツールスコア | BenchLeader | 64.4 | 53.5 |
| 長文コンテキストスコア | BenchLeader | 66.2 | – |
| マルチモーダルスコア | BenchLeader | 57.7 | – |
| コーディングスコア | BenchLeader | – | 61.8 |
| 人間の評価スコア | BenchLeader | – | 68.6 |
| 知識スコア | BenchLeader | – | 66.1 |
| 数学スコア | BenchLeader | – | 71.5 |
| ブレンド価格($/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 | BenchLeader | 1,000,000トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 93.1%† |
| SimpleBench | SimpleBench | – | 60.7%† |
| Arena Hard Prompts | Arena (LMArena) | – | 1516† |
| LiveBench 2.0 Reasoning | LiveBench | – | 90.7%† |
| LiveBench 1.0 Reasoning | LiveBench | – | 90.7% |
| GPQA Diamond (AA) | Artificial Analysis | 90.5% | 93.5%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 37.5% | 46.9%† |
| HLE-Diamond (AA) | Artificial Analysis | – | 26.9%† |
| GPQA Diamond (Vals) | Vals AI | – | 92.9% |
| ARC-AGI-1 | ARC Prize | – | 94.5%† |
| ARC-AGI-2 | ARC Prize | – | 60.4%† |
| CritPt | Artificial Analysis | 15.7% | 23.4%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 40.5%† |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 22.2% |
| Arena Expert | Arena (LMArena) | – | 1528† |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 26.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 52.7%† |
| DTBench | Epoch AI Benchmarking Hub | – | 91.2%† |
| ForecastBench | ForecastBench | – | 64.2%† |
| コーディング | |||
| SciCode | SciCode | – | 58.7% |
| WeirdML | WeirdML | – | 82.6%† |
| FrontierCode | Cognition | – | 44.2% |
| Arena Coding | Arena (LMArena) | – | 1538† |
| Arena WebDev | Arena (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 Beta | Kimi K3 |
|---|---|---|---|
| コーディング | |||
| LiveBench 2.0 Coding | LiveBench | – | 53.1%† |
| LiveBench 1.0 Coding | LiveBench | – | 81.5% |
| SciCode (AA) | Artificial Analysis | 48.8% | 59.5%† |
| LiveCodeBench | Vals AI | – | 87.2%† |
| IOI | Vals AI | – | 48.9%† |
| SWE-bench (Vals) | Vals AI | – | 93.4% |
| Code Migration | Vals AI | – | 16.1%† |
| Code Migration v1.1 | Vals AI | – | 28.6%† |
| ProgramBench | Vals AI | – | 2.0% |
| SWE-bench Multimodal | Vals AI | – | 44.2%† |
| Vibe Code Bench 1-100 | Vals AI | – | 18.2%† |
| Vibe Code Bench v1.1 | Vals AI | – | 85.0%† |
| SWE Atlas v1.1 | Scale AI SEAL | – | 61.0% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 65.3% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 63.3% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 54.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 97.7%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 88.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 54.4%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 95.0% |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 68.5%† |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 1524.5† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 25.9%† |
| WeirdML v3 | WeirdML | – | 7.5%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 12.6%† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 69.7% | 85.0%† |
| Startrise Frontend | Startrise | – | 79.8% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 48.0 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 45.7† |
| Design Arena Website | Design 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-Bench | Terminal-Bench | – | 23.0%† |
| APEX-Agents | Mercor | – | 47.8% |
| Arena Agent | Arena (LMArena) | – | 0.6† |
| LiveBench Long Agentic | LiveBench | – | 36.0%† |
| LiveBench Browser | LiveBench | – | 75.2%† |
| LiveBench Agentic Coding | LiveBench | – | 62.2% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 80.9% |
| MCP Atlas | Scale AI SEAL | – | 82.3%† |
| HiL-Bench | Scale AI SEAL | – | 42.7% |
| τ³-bench Banking | τ²-bench | – | 37.1%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 41.5% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1335 | 1542† |
| τ³-Banking (AA) | Artificial Analysis | 35.7% | 46.0%† |
| ITBench SRE (AA) | Artificial Analysis | – | 47.7%† |
| Analyst Agent (AA) | Artificial Analysis | – | 38.8%† |
| APEX-Agents (AA) | Artificial Analysis | – | 41.3%† |
| CyberBench | Vals AI | – | 75.2%† |
| Finance Agent v2 | Vals AI | – | 53.1%† |
| Finance Agent v2.1 | Vals AI | – | 60.0%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 12.9%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 12.9%† |
| Legal Research Bench | Vals AI | – | 46.1%† |
| Tax Agent Bench | Vals AI | – | 33.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 17.2%† |
| Terminal-Bench Science | Vals AI | – | 1.4%† |
| Time Horizon Index: KSP | Vals AI | – | 10.5%† |
| Arena Agent Task Completion | Arena (LMArena) | – | 3.4† |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 31.5% |
| GBAEval | Epoch AI Benchmarking Hub | – | 48.4% |
| Vending-Bench 2 | Andon Labs | – | 5165.0 |
| AutomationBench | Artificial Analysis | – | 58.3%† |
| GDP.pdf (AA) | Artificial Analysis | – | 22.0%† |
| Harvey LAB-AA v1.1 | Harvey | – | 5.3%† |
| EnterpriseOps-Gym | Artificial Analysis | – | 45.3%† |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1497† |
| GDPx | GDPx by SemiAnalysis | – | 3.7%† |
| Design Arena Agentic | Design 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 Search | – | 90.3% | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 72.2%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 39.0%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 97.2%† |
| ProofBench | Vals AI | – | 87.0% |
| LiveBench Mathematics | LiveBench | – | 84.4% |
| AIME 2026 | MathArena | – | 96.7%† |
| HMMT February 2026 | MathArena | – | 97.0%† |
| MathArena Apex | MathArena | – | 65.6%† |
| Arena Maths | Arena (LMArena) | – | 1502† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | – | 0.0%† |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 50.6%† |
| LiveBench 2.0 Data Analysis | LiveBench | – | 78.7%† |
| LiveBench Research | LiveBench | – | 79.8%† |
| LiveBench 1.0 Data Analysis | LiveBench | – | 78.7% |
| AA-Omniscience v1.1 | Artificial Analysis | – | -1.7† |
| MMLU-Pro | Vals AI | – | 88.0%† |
| LegalBench | Vals AI | – | 86.2%† |
| CorpFin | Vals AI | – | 71.6% |
| TaxEval | Vals AI | – | 75.7% |
| BioMysteryBench | Vals AI | – | 72.6%† |
| Excel Modeling Benchmark | Vals AI | – | 66.7%† |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 71.3%† |
| MedCode | Vals AI | – | 49.4%† |
| MedScribe | Vals AI | – | 88.0%† |
| Public Benefits Bench v1.1 | Vals AI | – | 68.2%† |
| Access to Justice Benchmark | Vals AI | – | 68.2%† |
| Financial Coaching Bench | Vals AI | – | 74.5%† |
| Immigration Bench | Vals AI | – | 68.3%† |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 19.0%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 42.4%† |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 23.4%† |
| HealthBench Professional (AA) | OpenAI | – | 53.2%† |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 85.5% |
| LiveBench Instruction Following | LiveBench | – | 71.4% |
| Arena Instruction Following | Arena (LMArena) | – | 1489† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | – | 1487† |
| EQ-Bench 4 | EQ-Bench | – | 1319 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 2083 |
| Arena Creative Writing | Arena (LMArena) | – | 1459† |
| Arena Multi-turn | Arena (LMArena) | – | 1502† |
| Arena Longer Queries | Arena (LMArena) | – | 1500† |
| マルチモーダル | |||
| LiveBench Design | LiveBench | – | 72.5%† |
| MMMU-Pro | Artificial Analysis | 75.4% | 80.5%† |
| MMMU-Pro (Vals) | Vals AI | – | 88.2% |
| MortgageTax | Vals AI | – | 66.3% |
| SAGE | Vals AI | – | 86.8%† |
| Humanity's Sixth Sense | Scale AI SEAL | – | 25.5%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 29.5% |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 34.2%† |
| Code2Video-AA | Artificial Analysis | – | 1041† |
| AA-3D | Artificial Analysis | – | 984† |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.0% | 88.7%† |
| MLCR | Artificial Analysis | – | 21.7%† |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 158.6 |
| LiveBench 2.0 | LiveBench | – | 65.0%† |
| LiveBench 1.0 | LiveBench | – | 79.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 17.4† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 35.2 | 43.6† |
| AA Progress Index v1 | Artificial Analysis | 299.1 | 319.9† |
| Vals Index | Vals AI | – | 53.0† |
| Vals Finance Index | Vals AI | – | 58.0%† |
| Vals RSI Index | Vals AI | – | 20.9%† |
| Vals Multimodal Index | Vals AI | – | 73.4% |
| Vals Router Index | Vals AI | – | 53.0% |
| Vals Legal Index | Vals AI | – | 71.7%† |
| AA Cyber Index | Artificial Analysis | – | 41.3† |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 27.3% |
| DistressBench | Scale AI SEAL | – | 73.5% |
| メタデータ | |||
| AA Openness Index | Artificial 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)。
関連する比較
- Kimi K3 vs Claude Opus 5.5
- Agnes 2.5 Pro Beta vs Claude Opus 5
- Agnes 2.5 Pro Beta vs GPT-6 Sol
- Agnes 2.5 Pro Beta vs Muse Wonder Full
- Agnes 2.5 Pro Beta vs Muse Spark 1.3
- Agnes 2.5 Pro Beta vs Qwen3.8 Max
- Kimi K3 vs GPT-6.1 Sol
- Kimi K3 vs Gemini 4 Argon
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。