BenchLeader

Claude Opus 4.7 vs Kimi K3.1 Pro

詳しいプロフィール:Claude Opus 4.7(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 · 11件の情報源のデータ

2026年11月16日時点で、Claude Opus 4.7とKimi K3.1 Proの品質は互角です(BenchLeader Indexで63.1 対 61.8、±4.8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(64 対 59)、エージェント・ツール(68 対 65)、コーディング(61 対 60)を重視するならClaude Opus 4.7、数学(73 対 67)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 4.7の方が短く、1.0秒 対 157.4秒です。Claude Opus 4.7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 K3.1 Proが61.8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 K3.1 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)。
  • Claude Opus 4.7はKimi K3.1 Pro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3件のベンチマークのうち、Kimi K3.1 Proが3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Claude Opus 4.7カテゴリスコア61 対 60中
エージェント・ツール利用Claude Opus 4.7カテゴリスコア68 対 65;HiL-Bench 41.7% 対 61.3%中
数学Kimi K3.1 Proカテゴリスコア73 対 67中
推論Claude Opus 4.7カテゴリスコア64 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 4.7のみです(カテゴリスコア67)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 4.7最初の回答トークンまで1.0秒(Claude Opus 4.7)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 4.7とKimi K3.1 Proの品質は互角です(63.1 対 61.8、±4.8の誤差範囲内)。
  • Claude Opus 4.7はエージェント・ツール、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)。
  • Claude Opus 4.7の方が出力が1.6倍速くなっています(48 対 30トークン/秒)。

概要

仕様Claude Opus 4.7Kimi K3.1 Pro
プロバイダーAnthropicMoonshot AI
リリース日2026年4月16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 4.7Kimi 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 4.7Kimi K3.1 Proトップ
推論63.659.2Claude Opus 4.7
コーディング60.959.6Claude Opus 4.7
エージェント・ツール67.964.6Claude Opus 4.7
数学66.773.4Kimi K3.1 Pro
知識–58.2比較不可
人間の評価67.3–比較不可
マルチモーダル67.166.3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推論コーディングエージェント・ツール数学マルチモーダルClaude Opus 4.7, 推論: 63.6Claude 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, マルチモーダル: 67.1Kimi K3.1 Pro, 推論: 59.2Kimi K3.1 Pro, コーディング: 59.6Kimi K3.1 Pro, エージェント・ツール: 64.6Kimi 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):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3件のベンチマークのうち、Claude Opus 4.7のリードが0件、Kimi K3.1 Proのリードが3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 K3.1 Proトップ
BenchLeader Index63.161.8互角
Arena Text14941485†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 K3.1 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48 tok/s30 tok/s
回答開始までの時間1.0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 4.7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 K3.1 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

170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 K3.1 Pro
BenchLeader IndexBenchLeader63.161.8
エージェント・ツールスコアBenchLeader67.964.6
コーディングスコアBenchLeader60.959.6
人間の評価スコアBenchLeader67.3–
数学スコアBenchLeader66.773.4
マルチモーダルスコアBenchLeader67.166.3
推論スコアBenchLeader63.659.2
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BenchLeader48 tok/s30 tok/s
回答開始までの時間BenchLeader1.0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 Hub86.4%†–
Humanity's Last ExamScale AI / CAIS36.2%–
SimpleBenchSimpleBench61.7%–
Arena Hard PromptsArena (LMArena)15191504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench87.2%†–
GPQA Diamond (AA)Artificial Analysis91.4%†–
Humanity's Last Exam (AA)Artificial Analysis42.3%†52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
GPQA Diamond (Vals)Vals AI90.2%†–
Kagi LLM BenchmarkKagi LLM Benchmark73.3%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis12.0%†24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15341515†
Chess PuzzlesEpoch AI Benchmarking Hub41.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub13.0%–
LMCAEpoch AI Benchmarking Hub52.2%†57.6%†
DTBenchEpoch AI Benchmarking Hub94.7%†93.3%†
ForecastBenchForecastBench62.8%–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub83.5%†–
SciCodeSciCode54.5%†60.8%
WeirdMLWeirdML76.4%–
FrontierCodeCognition38.5%–
170件のベンチマークをすべて表示
指標公開元Claude Opus 4.7Kimi K3.1 Pro
コーディング
GSO-BenchGSO-Bench44.1%–
Arena CodingArena (LMArena)15471530†
Arena WebDevArena (LMArena)15551687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench82.1%†–
SciCode (AA)Artificial Analysis–60.8%
LiveCodeBenchVals AI85.1%†–
IOIVals AI–81.9%†
SWE-bench (Vals)Vals AI82.0%†–
Code MigrationVals AI43.9%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI71.0%†84.9%†
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–61.1%
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 Hub31.1%†–
ALE-BenchEpoch AI Benchmarking Hub1323.01932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis–67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis83.2%†–
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena–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-Bench80.2%59.7%†
OSWorld-Verified 2.0OSWorld18.2%†–
APEX-AgentsMercor49.2%†65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench50.7%†–
Terminal-Bench HardArtificial Analysis51.5%†–
τ²-Bench Telecom (AA)Artificial Analysis88.6%†–
Terminal-Bench 2.1 (Vals)Vals AI68.5%†–
MCP AtlasScale AI SEAL79.1%†–
HiL-BenchScale AI SEAL41.7%61.3%
τ³-bench Bankingτ²-bench40.2%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis1361†1861
τ³-Banking (AA)Artificial Analysis34.6%†–
ITBench SRE (AA)Artificial Analysis46.7%†–
Analyst Agent (AA)Artificial Analysis43.8%†38.8%
Finance Agent v2Vals AI51.5%†–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI38.5%†37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI23.7%†24.9%†
Terminal-Bench 2.0 (Vals)Vals AI68.5%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena SearchArena (LMArena)1210–
Arena Agent Task CompletionArena (LMArena)–2.7†
PostTrainBenchEpoch AI Benchmarking Hub24.3%†–
ExploitBenchEpoch AI Benchmarking Hub26.5%–
GBAEvalEpoch AI Benchmarking Hub43.8%–
Vending-Bench 2Andon Labs10936.8–
AutomationBenchArtificial Analysis–73.3%
GDP.pdf (AA)Artificial Analysis–31.4%
AA-Briefcase v1.1Artificial Analysis1252†1674
Design Arena AgenticDesign Arena–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 Hub70.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub31.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub86.7%†–
ProofBenchVals AI54.0%†91.0%
LiveBench MathematicsLiveBench92.8%†–
AIME (Vals)Vals AI96.3%–
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena93.9%†–
MathArena ApexMathArena40.6%†–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1490–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub51.7%†–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench78.3%†–
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI89.9%†–
LegalBenchVals AI85.3%†–
CorpFinVals AI66.1%†–
TaxEvalVals AI75.3%†–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
CaseLaw v2Vals AI68.4%–
Excel Modeling BenchmarkVals AI63.7%†–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI54.9%†–
MedScribeVals AI83.0%†–
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL–63.4%†
EBR-benchEpoch AI Benchmarking Hub19.1%†–
GDP.pdfEpoch AI Benchmarking Hub21.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
指示追従
LiveBench LanguageLiveBench77.9%†–
LiveBench Instruction FollowingLiveBench66.7%†–
IFBenchArtificial Analysis58.6%†–
Arena Instruction FollowingArena (LMArena)14931487†
人間の評価
Arena TextArena (LMArena)14941485†
EQ-Bench 4EQ-Bench1293–
EQ-Bench Creative Writing v3EQ-Bench19152173
Arena Creative WritingArena (LMArena)14821453†
Arena Multi-turnArena (LMArena)15141475†
Arena Longer QueriesArena (LMArena)15081491†
マルチモーダル
Arena VisionArena (LMArena)1319–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis78.8%†83.9%
MMMU-Pro (Vals)Vals AI85.5%†–
MortgageTaxVals AI70.3%†–
Humanity's Sixth SenseScale AI SEAL–33.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub24.5%–
Furniture AssemblyEpoch AI Benchmarking Hub33.3%†–
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
長文コンテキスト
AA-LCR v1.1Artificial Analysis78.7%†86.3%
Arena DocumentArena (LMArena)1494–
MLCRArtificial Analysis–38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.4161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench76.5%†–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis40.7†55.1
AA Progress Index v1Artificial Analysis312.5†340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals RSI IndexVals AI19.1%†–
Vals Science IndexVals AI–44.4%†
Vals Multimodal IndexVals AI67.4%†–
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL–18.6%
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。
  • 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。
  • Claude Opus 4.7: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 K3.1 Pro:よくある質問

Claude Opus 4.7はKimi K3.1 Proより優れていますか?
Claude Opus 4.7とKimi K3.1 Proの品質は互角です(63.1 対 61.8、±4.8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 K3.1 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 4.7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 4.7の方がスコアが高くなっています(カテゴリ指標で61 対 60。50が平均)。
Claude Opus 4.7とKimi K3.1 Proはどちらが速いですか?
Claude Opus 4.7の方が出力が約1.5倍速くなっています(出力48 対 30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 K3.1 Pro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 65。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 K3.1 Proが61.3%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 K3.1 Pro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Claude Opus 4.7です。Artificial Analysisの測定では、最初の回答トークンまで1.0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。
Claude Opus 4.7とKimi K3.1 Pro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3件のベンチマークのうち、Claude Opus 4.7のリードが0件、Kimi K3.1 Proのリードが3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 K3.1 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。