BenchLeader

Claude Opus 4.6 vs Kimi K3.1 Pro

詳しいプロフィール:Claude Opus 4.6(Anthropic)とKimi K3.1 Pro(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、Claude Opus 4.6とKimi K3.1 Proの品質は互角です(BenchLeader Indexで62.5 対 61.8、±3.9の誤差範囲内)。価格はKimi K3.1 Proの方が2.5倍安く、100万トークンあたりのブレンド価格で$4.00 対 $10.00です。推論(65 対 59)、コーディング(62 対 60)を重視するならClaude Opus 4.6、数学(73 対 63)を重視するならKimi K3.1 Proが向いています。回答開始までの時間はClaude Opus 4.6の方が短く、1.1秒 対 157.4秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.6が62.5、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.6の100万トークンあたりのブレンド価格は$10.00です(定価、2026年11月16日)。
  • Kimi K3.1 Proの100万トークンあたりのブレンド価格は$4.00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
コーディングClaude Opus 4.6カテゴリスコア62 対 60中
数学Kimi K3.1 Proカテゴリスコア73 対 63高
推論Claude Opus 4.6カテゴリスコア65 対 59中
画像などのメディアどちらでもカテゴリスコア67 対 66どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはClaude Opus 4.6のみです(カテゴリスコア70)比較不可
最低コストKimi K3.1 Pro100万トークンあたりブレンド価格$4.00 対 $10.00;エージェント型コーディングセッション$0.160 対 $0.400–
回答開始の速さClaude Opus 4.6最初の回答トークンまで1.1秒(Claude Opus 4.6 (high))対 157.4秒(Kimi K3.1 Pro)–
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

  • Claude Opus 4.6 (high)とKimi K3.1 Proの品質は互角です(62.5 対 61.8、±3.9の誤差範囲内)。
  • Claude Opus 4.6 (high)はコーディング、マルチモーダル、推論で優れています。
  • Kimi K3.1 Proは数学で優れています。
  • Kimi K3.1 Proの方が2.5倍安くなっています(100万トークンあたりブレンド価格$4.00 対 $10.00)。

概要

仕様Claude Opus 4.6Kimi K3.1 Pro
プロバイダーAnthropicMoonshot AI
リリース日2026年2月5日2026年10月23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Claude Opus 4.6 (high)Kimi K3.1 Pro
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)$5.00 / $25.00 / $0.500$2.00 / $10.00 / $0.200

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Claude Opus 4.6 (high)Kimi K3.1 Proトップ
推論65.059.2Claude Opus 4.6
コーディング62.259.6Claude Opus 4.6
エージェント・ツール–64.6比較不可
数学63.473.4Kimi K3.1 Pro
知識–58.2比較不可
人間の評価69.8–比較不可
マルチモーダル66.766.3互角
長文コンテキスト–67.9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推論コーディング数学マルチモーダルClaude Opus 4.6, 推論: 65.0Claude Opus 4.6, コーディング: 62.2Claude Opus 4.6, 数学: 63.4Claude Opus 4.6, マルチモーダル: 66.7Kimi K3.1 Pro, 推論: 59.2Kimi K3.1 Pro, コーディング: 59.6Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, マルチモーダル: 66.3

描画していないもの(測定済みのモデルが2つ未満):エージェント・ツール, 知識, 指示追従, 長文コンテキスト, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある0件のベンチマークのうち、Claude Opus 4.6のリードが0件、Kimi K3.1 Proのリードが0件です。両方を評価しているすべての総合指標で、Claude Opus 4.6が上回っています。

総合IndexClaude Opus 4.6 (high)Kimi K3.1 Proトップ
BenchLeader Index62.561.8互角
Arena Text15031485†Claude Opus 4.6

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

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Claude Opus 4.6 (high)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$10.00$4.00
100万トークンあたりの入力/出力$5.00 / $25.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.500$0.200
タスクあたりの価格:チャットの返答$0.0095$0.0038
タスクあたりの価格:30ページのレポートを要約$0.075$0.030
タスクあたりの価格:コード編集$0.068$0.027
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$0.400$0.160
タスクあたりの価格:構造化データの抽出$0.015$0.0060
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)$0.198$0.079
ベンチマークのタスクあたりのコスト(AA Index)–$3.68
タスクあたりの出力トークン(AA Index)–72k
うち推論–44k
タスクあたりの時間(AA Index)–40 min
出力速度35 tok/s30 tok/s
回答開始までの時間1.1秒157.4秒
回答が完了するまでの時間(最終測定2026年11月13日)–417.5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。Claude Opus 4.6 (high)のスコアは62.5、最初の回答トークンまで1秒。Claude Opus 4.6は62.1(1秒)、Claude Opus 4.6 (推論なし)は58.4(2秒)。Kimi K3.1 Proのスコアは61.8、最初の回答トークンまで157秒。Kimi K3.1 Pro (max)は59.9(157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

177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Claude Opus 4.6 (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader62.561.8
コーディングスコアBenchLeader62.259.6
人間の評価スコアBenchLeader69.8–
数学スコアBenchLeader63.473.4
マルチモーダルスコアBenchLeader66.766.3
推論スコアBenchLeader65.059.2
エージェント・ツールスコアBenchLeader–64.6
知識スコアBenchLeader–58.2
長文コンテキストスコアBenchLeader–67.9
ブレンド価格($/100万トークン)BenchLeader$10.00$4.00
出力速度BenchLeader35 tok/s30 tok/s
回答開始までの時間BenchLeader1.1秒157.4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 Hub90.5%†–
Humanity's Last ExamScale AI / CAIS19.0%†–
SimpleBenchSimpleBench67.6%†–
Arena Hard PromptsArena (LMArena)15301504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench88.7%–
GPQA Diamond (AA)Artificial Analysis84.0%†–
Humanity's Last Exam (AA)Artificial Analysis19.1%†52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
GPQA Diamond (Vals)Vals AI89.7%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.4%†–
ARC-AGI-1ARC Prize94.0%–
ARC-AGI-2ARC Prize69.2%–
ARC-AGI-3ARC Prize0.5%†–
CritPtArtificial Analysis2.8%†24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15441515†
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%†–
CL-benchEpoch AI Benchmarking Hub20.7%†–
CL-bench LifeEpoch AI Benchmarking Hub17.0%–
LMCAEpoch AI Benchmarking Hub55.8%†57.6%†
DTBenchEpoch AI Benchmarking Hub91.2%†93.3%†
ForecastBenchForecastBench63.1%†–
177件のベンチマークをすべて表示
指標公開元Claude Opus 4.6 (high)Kimi K3.1 Pro
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub78.7%†–
SciCodeSciCode–60.8%
WeirdMLWeirdML78.0%–
FrontierCodeCognition26.6%†–
GSO-BenchGSO-Bench41.2%–
Arena CodingArena (LMArena)15471530†
Arena WebDevArena (LMArena)15471687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI84.7%†–
IOIVals AI–81.9%†
SWE-bench (Vals)Vals AI78.2%†–
SWE-Bench ProScale AI SEAL51.9%†–
SWE-bench Verified (bash only)SWE-bench75.6%†–
SWE-bench Multilingual (bash only)SWE-bench72.0%†–
SWE-bench Verified (any scaffold)SWE-bench75.6%†–
Vibe Code Bench v1.1Vals AI57.6%†84.9%†
SWE-Bench Pro (private)Scale AI SEAL47.1%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL33.3%†–
SWE Atlas v1.0: RefactoringScale AI SEAL35.6%†–
SWE Atlas v1.0: Test WritingScale AI SEAL36.7%†–
SWE Atlas v1.1Scale AI SEAL–61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–54.3%
MirrorCodeEpoch AI Benchmarking Hub33.3%†–
ALE-BenchEpoch AI Benchmarking Hub996.5†1932.8†
AlgoTuneAlgoTune1.5–
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis–67.2%
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena1283†1321
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis–25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench79.8%†59.7%†
CybenchCybench93.0%†–
Remote Labor IndexScale AI / CAIS4.2%†–
APEX-AgentsMercor46.3%†65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis48.5%†–
τ²-Bench Telecom (AA)Artificial Analysis84.8%†–
MCP AtlasScale AI SEAL76.8%†–
HiL-BenchScale AI SEAL38.3%†61.3%
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis–1861
Analyst Agent (AA)Artificial Analysis–38.8%
APEX-Agents (AA)Artificial Analysis33.0%†–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Legal Research BenchVals AI–37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI–24.9%†
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena SearchArena (LMArena)1222†–
Arena Agent Task CompletionArena (LMArena)–2.7†
DeepResearch BenchDeepResearch Bench55.3%–
METR Time HorizonsMETR78.9%†–
GBAEvalEpoch AI Benchmarking Hub44.1%†–
Vending-Bench 2Andon Labs8017.6†–
AutomationBenchArtificial Analysis–73.3%
GDP.pdf (AA)Artificial Analysis–31.4%
AA-Briefcase v1.1Artificial Analysis–1674
Design Arena AgenticDesign Arena1196†1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–34.3%
CWE-Bench (AA)Artificial Analysis–60.8%
DeepSec-Bench (AA)Artificial Analysis–36.7%
CyberGym end-to-end (AA)Artificial Analysis–94.7%
MKA (AA)Artificial Analysis–43.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub66.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub94.4%†–
ProofBenchVals AI50.0%†91.0%
LiveBench MathematicsLiveBench89.3%–
AIME (Vals)Vals AI95.6%†–
AIME 2026MathArena96.7%–
HMMT February 2026MathArena96.2%–
USAMO 2026MathArena47.0%–
MathArena ApexMathArena34.5%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1516–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub47.0%†–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench69.9%–
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI89.1%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI76.0%†–
MedQAVals AI95.4%†–
PRBench FinanceScale AI SEAL53.3%†47.5%
PRBench LegalScale AI SEAL52.3%†47.9%
MultiNRCScale AI SEAL48.3%†–
BioMysteryBenchVals AI–75.6%†
CaseLaw v2Vals AI62.1%†–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI49.1%†–
MedScribeVals AI86.7%†–
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL27.7%†63.4%†
EBR-benchEpoch AI Benchmarking Hub12.7%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
Global-MMLU-Lite (AA)Artificial Analysis90.6%†–
指示追従
LiveBench LanguageLiveBench83.3%–
LiveBench Instruction FollowingLiveBench63.3%–
IFBenchArtificial Analysis44.6%†–
MultiChallengeScale AI SEAL56.0%†–
TutorBenchScale AI SEAL53.5%†–
Arena Instruction FollowingArena (LMArena)15111487†
人間の評価
Arena TextArena (LMArena)15031485†
EQ-Bench 4EQ-Bench1210†–
EQ-Bench Creative Writing v3EQ-Bench1810†2173
Arena Creative WritingArena (LMArena)14991453†
Arena Multi-turnArena (LMArena)15171475†
Arena Longer QueriesArena (LMArena)15221491†
マルチモーダル
Arena VisionArena (LMArena)1316–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis72.5%†83.9%
VISTAScale AI SEAL45.5%†–
MMMU-Pro (Vals)Vals AI83.9%†–
MortgageTaxVals AI68.5%†–
Humanity's Sixth SenseScale AI SEAL–33.2%†
VTBScale AI SEAL27.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub28.3%†–
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
長文コンテキスト
AA-LCR v1.1Artificial Analysis67.0%†86.3%
Arena DocumentArena (LMArena)1497–
MLCRArtificial Analysis–38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.3†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench74.5%–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis26.4†55.1
AA Progress Index v1Artificial Analysis274.5†340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals Science IndexVals AI–44.4%†
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL20.5%†18.6%
MASKScale AI SEAL96.3%†–
メタデータ
AA Openness IndexArtificial Analysis–33.3

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 K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Claude Opus 4.6 (high):BenchLeader Index 63.0 → 62.5。
  • Kimi K3.1 Pro:新しい結果1件(HiL-Bench)。
  • Kimi K3.1 Pro:新しい結果3件(PRBench Finance, PRBench Legal, FORTRESS)、スコアの改訂2件。
  • Kimi K3.1 Pro:新しい結果2件(APEX-Agents, Epoch Capabilities Index)。
  • Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。
  • Kimi K3.1 Pro:スコアの改訂5件。
  • Kimi K3.1 Pro:BenchLeader Index 61.3 → 61.8。

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

Claude Opus 4.6 vs Kimi K3.1 Pro:よくある質問

Claude Opus 4.6はKimi K3.1 Proより優れていますか?
Claude Opus 4.6 (high)とKimi K3.1 Proの品質は互角です(62.5 対 61.8、±3.9の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Claude Opus 4.6とKimi K3.1 Pro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Kimi K3.1 Proの方が安く、100万トークンあたり$4.00 対 $10.00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。
コーディングにはClaude Opus 4.6とKimi K3.1 Proのどちらが向いていますか?
コーディングではClaude Opus 4.6の方がスコアが高くなっています(カテゴリ指標で62 対 60。50が平均)。
Claude Opus 4.6とKimi K3.1 Proはどちらが速いですか?
Claude Opus 4.6の方が出力が速くなっています(出力35 対 30トークン/秒、Artificial Analysisの7日間の中央値)。
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(Claude Opus 4.6は1,000,000、Kimi K3.1 Proは1,048,576)。
ほかの質問(2件)
レイテンシが低いのはどちらですか?
先に回答を始めるのはClaude Opus 4.6です。Artificial Analysisの測定では、最初の回答トークンまで1.1秒 対 157.4秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Kimi K3.1 Proはいつリリースされましたか?
Kimi K3.1 Proは2026年10月23日にリリースされました。