BenchLeader

Claude Opus 4.7 vs Kimi K3

詳しいプロフィール:Claude Opus 4.7(Anthropic)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 · 13件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.7とKimi K3の品質は互角です(BenchLeader Indexで63.1 対 60.7、±7.0の誤差範囲内)。価格はKimi K3の方が1.7倍安く、100万トークンあたりのブレンド価格で$6.00 対 $10.00です。エージェント・ツール(68 対 54)を重視するならClaude Opus 4.7、数学(72 対 67)、人間の評価(69 対 67)を重視するならKimi K3が向いています。Kimi K3は出力が約1.5倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 4.7が63.1、Kimi K3が60.7です(BenchLeader、2026年11月16日)。
  • Claude Opus 4.7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)。
  • Kimi K3はClaude Opus 4.7より出力が約1.5倍速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある8件のベンチマークのうち、Kimi K3が7件でリードしています(BenchLeader、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
コーディングどちらでもカテゴリスコア61 対 62;FrontierCode 38.5% 対 44.2%どちらでも
エージェント・ツール利用Claude Opus 4.7カテゴリスコア68 対 54;HiL-Bench 41.7% 対 42.7%高
数学Kimi K3カテゴリスコア72 対 67中
チャットの質(人間の評価)Kimi K3Arenaの投票で69 対 67中
最低コストKimi K3100万トークンあたりブレンド価格$6.00 対 $10.00;エージェント型コーディングセッション$0.240 対 $0.400–
回答開始の速さどちらでも最初の回答トークンまで1.0秒(Claude Opus 4.7)対 0.8秒(Kimi K3)–
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 4.7とKimi K3の品質は互角です(63.1 対 60.7、±7.0の誤差範囲内)。
  • Claude Opus 4.7はエージェント・ツールで優れています。
  • Kimi K3はコーディング、人間の評価、数学で優れています。
  • Kimi K3の方が1.7倍安くなっています(100万トークンあたりブレンド価格$6.00 対 $10.00)。
  • Kimi K3の方が出力が1.6倍速くなっています(76 対 48トークン/秒)。

概要

仕様Claude Opus 4.7Kimi K3
プロバイダーAnthropicMoonshot AI
リリース日2026年4月16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Claude Opus 4.7Kimi 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)$5.00 / $25.00 / $0.500$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Claude Opus 4.7Kimi K3トップ
推論63.6–比較不可
コーディング60.961.8互角
エージェント・ツール67.953.5Claude Opus 4.7
数学66.771.5Kimi K3
知識–66.1比較不可
人間の評価67.368.6Kimi K3
マルチモーダル67.1–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・ツール数学人間の評価Claude Opus 4.7, コーディング: 60.9Claude Opus 4.7, エージェント・ツール: 67.9Claude Opus 4.7, 数学: 66.7Claude Opus 4.7, 人間の評価: 67.3Kimi 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, 人間の評価: 68.6

描画していないもの(測定済みのモデルが2つ未満):推論, 知識, 指示追従, 長文コンテキスト, マルチモーダル。

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8件のベンチマークのうち、Claude Opus 4.7のリードが1件、Kimi K3のリードが7件です。両方を評価しているすべての総合指標で、Claude Opus 4.7が上回っています。

総合IndexClaude Opus 4.7Kimi K3トップ
BenchLeader Index63.160.7互角
Arena Text14941487†Claude Opus 4.7

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 4.7Kimi K3
100万トークンあたりのブレンド価格$10.00$6.00
100万トークンあたりの入力/出力$5.00 / $25.00$3.00 / $15.00
100万トークンあたりのキャッシュ入力$0.500$0.300
タスクあたりの価格:チャットの返答$0.0095$0.0057
タスクあたりの価格:30ページのレポートを要約$0.075$0.045
タスクあたりの価格:コード編集$0.068$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$0.400$0.240
タスクあたりの価格:構造化データの抽出$0.015$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)$0.198$0.118
出力速度48 tok/s76 tok/s
回答開始までの時間1.0秒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。Claude Opus 4.7のスコアは63.1、最初の回答トークンまで1秒。Claude Opus 4.7 (high)は60.0(1秒)、Claude Opus 4.7 (max)は59.7(15秒)。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

187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 4.7Kimi K3
BenchLeader IndexBenchLeader63.160.7
エージェント・ツールスコアBenchLeader67.953.5
コーディングスコアBenchLeader60.961.8
人間の評価スコアBenchLeader67.368.6
数学スコアBenchLeader66.771.5
マルチモーダルスコアBenchLeader67.1–
推論スコアBenchLeader63.6–
知識スコアBenchLeader–66.1
ブレンド価格($/100万トークン)BenchLeader$10.00$6.00
出力速度BenchLeader48 tok/s76 tok/s
回答開始までの時間BenchLeader1.0秒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 Hub86.4%†93.1%†
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%60.7%†
Arena Hard PromptsArena (LMArena)15191516†
LiveBench 2.0 ReasoningLiveBench–90.7%†
LiveBench 1.0 ReasoningLiveBench87.2%†90.7%
GPQA Diamond (AA)Artificial Analysis91.4%†93.5%†
Humanity's Last Exam (AA)Artificial Analysis42.3%†46.9%†
HLE-Diamond (AA)Artificial Analysis–26.9%†
GPQA Diamond (Vals)Vals AI90.2%†92.9%
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-1ARC Prize–94.5%†
ARC-AGI-2ARC Prize–60.4%†
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†23.4%†
CritPt v2 hard subset (AA)Artificial Analysis–40.5%†
HLE-Diamond (Scale)Scale AI SEAL–22.2%
Arena ExpertArena (LMArena)15341528†
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%26.0%†
LMCAEpoch AI Benchmarking Hub52.2%†52.7%†
DTBenchEpoch AI Benchmarking Hub94.7%†91.2%†
ForecastBenchForecastBench62.8%64.2%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†58.7%
187件のベンチマークをすべて表示
指標公開元Claude Opus 4.7Kimi K3
コーディング
WeirdMLWeirdML76.4%82.6%†
FrontierCodeCognition38.5%44.2%
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471538†
Arena WebDevArena (LMArena)15551658†
LiveBench 2.0 CodingLiveBench–53.1%†
LiveBench 1.0 CodingLiveBench82.1%†81.5%
SciCode (AA)Artificial Analysis–59.5%†
LiveCodeBenchVals AI85.1%†87.2%†
IOIVals AI–48.9%†
SWE-bench (Vals)Vals AI82.0%†93.4%
Code MigrationVals AI43.9%†16.1%†
Code Migration v1.1Vals AI–28.6%†
ProgramBenchVals AI0.0%†2.0%
SWE-bench MultimodalVals AI–44.2%†
Vibe Code Bench 1-100Vals AI–18.2%†
Vibe Code Bench v1.1Vals AI71.0%†85.0%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL48.6%–
SWE Atlas v1.0: Test WritingScale AI SEAL38.5%–
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 Hub31.1%†54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub–95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–68.5%†
ALE-BenchEpoch AI Benchmarking Hub1323.01524.5†
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 Analysis83.2%†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-Bench80.2%23.0%†
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†47.8%
Arena AgentArena (LMArena)–0.6†
LiveBench Long AgenticLiveBench–36.0%†
LiveBench BrowserLiveBench–75.2%†
LiveBench Agentic CodingLiveBench50.7%†62.2%
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†80.9%
MCP AtlasScale AI SEAL79.1%†82.3%†
HiL-BenchScale AI SEAL41.7%42.7%
τ³-bench Bankingτ²-bench40.2%†37.1%†
GDPval-AA v2.1Artificial Analysis1361†1542†
τ³-Banking (AA)Artificial Analysis34.6%†46.0%†
ITBench SRE (AA)Artificial Analysis46.7%†47.7%†
Analyst Agent (AA)Artificial Analysis43.8%†38.8%†
APEX-Agents (AA)Artificial Analysis–41.3%†
CyberBenchVals AI–75.2%†
Finance Agent v2Vals AI51.5%†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 AI6.7%†12.9%†
Legal Research BenchVals AI38.5%†46.1%†
Tax Agent BenchVals AI23.7%†33.4%†
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–17.2%†
Terminal-Bench ScienceVals AI–1.4%†
Time Horizon Index: KSPVals AI–10.5%†
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–3.4†
PostTrainBenchEpoch AI Benchmarking Hub24.3%†31.5%
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%48.4%
Vending-Bench 2Andon Labs10936.85165.0
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 Analysis1252†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 Hub70.2%†72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†97.2%†
ProofBenchVals AI54.0%†87.0%
LiveBench MathematicsLiveBench92.8%†84.4%
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†96.7%†
HMMT February 2026MathArena93.9%†97.0%†
MathArena ApexMathArena40.6%†65.6%†
Arena MathsArena (LMArena)14901502†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†50.6%†
LiveBench 2.0 Data AnalysisLiveBench–78.7%†
LiveBench ResearchLiveBench–79.8%†
LiveBench 1.0 Data AnalysisLiveBench78.3%†78.7%
AA-Omniscience v1.1Artificial Analysis–-1.7†
MMLU-ProVals AI89.9%†88.0%†
LegalBenchVals AI85.3%†86.2%†
CorpFinVals AI66.1%†71.6%
TaxEvalVals AI75.3%†75.7%
BioMysteryBenchVals AI–72.6%†
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†66.7%†
Excel Modeling Benchmark v1.1Vals AI–71.3%†
MedCodeVals AI54.9%†49.4%†
MedScribeVals AI83.0%†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%†
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†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 LanguageLiveBench77.9%†85.5%
LiveBench Instruction FollowingLiveBench66.7%†71.4%
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931489†
人間の評価
Arena TextArena (LMArena)14941487†
EQ-Bench 4EQ-Bench12931319
EQ-Bench Creative Writing v3EQ-Bench19152083
Arena Creative WritingArena (LMArena)14821459†
Arena Multi-turnArena (LMArena)15141502†
Arena Longer QueriesArena (LMArena)15081500†
マルチモーダル
Arena VisionArena (LMArena)1319–
LiveBench DesignLiveBench–72.5%†
MMMU-ProArtificial Analysis78.8%†80.5%†
MMMU-Pro (Vals)Vals AI85.5%†88.2%
MortgageTaxVals AI70.3%†66.3%
SAGEVals AI–86.8%†
Humanity's Sixth SenseScale AI SEAL–25.5%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%29.5%
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†34.2%†
Code2Video-AAArtificial Analysis–1041†
AA-3DArtificial Analysis–984†
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.7%†88.7%†
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–21.7%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4158.6
LiveBench 2.0LiveBench–65.0%†
LiveBench 1.0LiveBench76.5%†79.2%
AA Intelligence Index v5.0.1Artificial Analysis–17.4†
AA Intelligence Index v4.3.2Artificial Analysis40.7†43.6†
AA Progress Index v1Artificial Analysis312.5†319.9†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–58.0%†
Vals RSI IndexVals AI19.1%†20.9%†
Vals Multimodal IndexVals AI67.4%†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。
  • Claude Opus 4.7: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。
  • Kimi K3:スコアの改訂3件。
  • Claude Opus 4.7:スコアの改訂1件。
  • Kimi K3:スコアの改訂1件。

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 4.7 vs Kimi K3:よくある質問

Claude Opus 4.7はKimi K3より優れていますか?
Claude Opus 4.7とKimi K3の品質は互角です(63.1 対 60.7、±7.0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 4.7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Kimi K3の方が安く、100万トークンあたり$6.00 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 4.7とKimi K3のどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で61 対 62)。共通するコーディングベンチマークのうち最も重要なFrontierCodeでは、Claude Opus 4.7が38.5%、Kimi K3が44.2%です。
Claude Opus 4.7とKimi K3はどちらが速いですか?
Kimi K3の方が出力が約1.5倍速くなっています(出力76 対 48トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Opus 4.7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Claude Opus 4.7の方がスコアが高くなっています(カテゴリ指標で68 対 54。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なHiL-Benchでは、Claude Opus 4.7が41.7%、Kimi K3が42.7%です。
ほかの質問(4件)
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 4.7は1,000,000、Kimi K3は1,048,576)。
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Kimi K3です。Artificial Analysisの測定では、最初の回答トークンまで0.8秒 対 1.0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。
Claude Opus 4.7とKimi K3について、第三者ベンチマークの評価は一致していますか?
両方に結果がある8件のベンチマークのうち、Claude Opus 4.7のリードが1件、Kimi K3のリードが7件です。両方を評価しているすべての総合指標で、Claude Opus 4.7が上回っています。
Kimi K3はいつリリースされましたか?
Kimi K3は2026年7月16日にリリースされました。