Claude Opus 5 vs Kimi K3.1 Pro
詳しいプロフィール:Claude Opus 5(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 · 15件の情報源のデータ
2026年11月16日時点で、品質ではClaude Opus 5がKimi K3.1 Proを上回ります(BenchLeader Indexで65.0 対 61.8)。ただし、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。コーディング(67 対 60)、知識(65 対 58)、推論(66 対 59)を重視するならClaude Opus 5、数学(73 対 70)、長文コンテキスト(68 対 64)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 5の方が短く、48.5秒 対 157.4秒です。Claude Opus 5は出力が約2倍速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Opus 5が65.0、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
- Claude Opus 5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 5はKimi K3.1 Proより出力が約2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23件のベンチマークのうち、Kimi K3.1 Proが12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 5 | カテゴリスコア67 対 60;FrontierCode 2.0 (AA) 31.1% 対 25.4% | 中 |
| エージェント・ツール利用 | どちらでも | カテゴリスコア64 対 65;APEX-Agents 65.8% 対 65.5% | どちらでも |
| 数学 | Kimi K3.1 Pro | カテゴリスコア73 対 70;ProofBench 91.0% 対 99.0% | 中 |
| 推論 | Claude Opus 5 | カテゴリスコア66 対 59;HLE-Diamond (AA) 44.8% 対 37.3% | 中 |
| 知識 | Claude Opus 5 | カテゴリスコア65 対 58;AA-Omniscience v1.1 37.6 対 29.9 | 中 |
| 長い文書 | Kimi K3.1 Pro | カテゴリスコア68 対 64;AA-LCR v1.1 86.3% 対 79.3% | 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;MMMU-Pro 84.7% 対 83.9% | 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 5のみです(カテゴリスコア68) | 比較不可 |
| 最低コスト | Kimi K3.1 Pro | 100万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 5 | 最初の回答トークンまで48.5秒(Claude Opus 5 (max))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
- 品質ではClaude Opus 5 (max)がリードしています:65.0 対 61.8。
- Claude Opus 5 (max)はコーディング、知識、マルチモーダル、推論で優れています。
- Kimi K3.1 Proはエージェント・ツール、長文コンテキスト、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 5 (max)の方が出力が2.7倍速くなっています(80 対 30トークン/秒)。
概要
| 仕様 | Claude Opus 5 | Kimi K3.1 Pro |
|---|---|---|
| プロバイダー | Anthropic | Moonshot AI |
| リリース日 | 2026年7月24日 | 2026年10月23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 | Claude Opus 5 (max) | 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 5 (max) | Kimi K3.1 Pro | トップ |
|---|---|---|---|
| 推論 | 66.1 | 59.2 | Claude Opus 5 |
| コーディング | 67.0 | 59.6 | Claude Opus 5 |
| エージェント・ツール | 63.8 | 64.6 | 互角 |
| 数学 | 69.8 | 73.4 | Kimi K3.1 Pro |
| 知識 | 65.2 | 58.2 | Claude Opus 5 |
| 人間の評価 | 68.1 | – | 比較不可 |
| マルチモーダル | 67.2 | 66.3 | 互角 |
| 長文コンテキスト | 64.3 | 67.9 | Kimi K3.1 Pro |
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。
描画していないもの(測定済みのモデルが2つ未満):指示追従, 人間の評価。
情報源で評価が分かれる点
両方に結果がある23件のベンチマークのうち、Claude Opus 5のリードが11件、Kimi K3.1 Proのリードが12件です。第三者の総合指標でも評価が分かれ、Claude Opus 5はBenchLeader Index、Arena Textで、Kimi K3.1 ProはAA Intelligence Index v5.0.1でリードしています。
| 総合Index | Claude Opus 5 (max) | Kimi K3.1 Pro | トップ |
|---|---|---|---|
| BenchLeader Index | 65.0 | 61.8 | Claude Opus 5 |
| AA Intelligence Index v5.0.1 | 44.2 | 46.5 | Kimi K3.1 Pro |
| Arena Text | 1489 | 1485† | Claude Opus 5 |
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 5 (max) | 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) | $11.82 | $3.68 |
| タスクあたりの出力トークン(AA Index) | 118k | 72k |
| うち推論 | 73k | 44k |
| タスクあたりの時間(AA Index) | 25 min | 40 min |
| 出力速度 | 80 tok/s | 30 tok/s |
| 回答開始までの時間 | 48.5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) | 191.6秒 | 417.5秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Claude Opus 5 (max)で$11.82、Kimi K3.1 Proで$3.68でした。同じ作業でClaude Opus 5 (max)は1.6倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Opus 5 (max)のスコアは65.0、最初の回答トークンまで49秒。Claude Opus 5 (high)は64.4(17秒)、Claude Opus 5は63.2(2秒)。Kimi K3.1 Proのスコアは61.8、最初の回答トークンまで157秒。Kimi K3.1 Pro (max)は59.9(157秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
174件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Opus 5 (max) | Kimi K3.1 Pro |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 65.0 | 61.8 |
| エージェント・ツールスコア | BenchLeader | 63.8 | 64.6 |
| コーディングスコア | BenchLeader | 67.0 | 59.6 |
| 人間の評価スコア | BenchLeader | 68.1 | – |
| 知識スコア | BenchLeader | 65.2 | 58.2 |
| 長文コンテキストスコア | BenchLeader | 64.3 | 67.9 |
| 数学スコア | BenchLeader | 69.8 | 73.4 |
| マルチモーダルスコア | BenchLeader | 67.2 | 66.3 |
| 推論スコア | BenchLeader | 66.1 | 59.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $10.00 | $4.00 |
| 出力速度 | BenchLeader | 80 tok/s | 30 tok/s |
| 回答開始までの時間 | BenchLeader | 48.5秒 | 157.4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 | 93.9% | – |
| SimpleBench | SimpleBench | 80.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1513 | 1504† |
| LiveBench 2.0 Reasoning | LiveBench | – | 91.1%† |
| LiveBench 1.0 Reasoning | LiveBench | 91.2% | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.2% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 54.9% | 52.5% |
| HLE-Diamond (AA) | Artificial Analysis | 44.8% | 37.3% |
| GPQA Diamond (Vals) | Vals AI | 93.4%† | – |
| ARC-AGI-1 | ARC Prize | 97.5% | – |
| ARC-AGI-2 | ARC Prize | 90.4% | – |
| ARC-AGI-3 | ARC Prize | 30.2%† | – |
| CritPt | Artificial Analysis | 29.1% | 24.6% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 50.0% | 49.5% |
| MysteryMechanism | Vals AI | 37.4% | 26.1%† |
| HLE-Diamond (Scale) | Scale AI SEAL | 38.6%† | – |
| Arena Expert | Arena (LMArena) | 1530 | 1515† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 43.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 59.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 63.3% | 57.6%† |
| DTBench | Epoch AI Benchmarking Hub | 97.6% | 93.3%† |
| ForecastBench | ForecastBench | 66.6% | – |
| BTF-3 | Epoch AI Benchmarking Hub | 12.0%† | – |
| コーディング | |||
| SciCode | SciCode | 56.4% | 60.8% |
| WeirdML | WeirdML | 91.8% | – |
174件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Opus 5 (max) | Kimi K3.1 Pro |
|---|---|---|---|
| コーディング | |||
| FrontierCode | Cognition | 53.4% | – |
| Arena Coding | Arena (LMArena) | 1528 | 1530† |
| Arena WebDev | Arena (LMArena) | 1691 | 1687† |
| LiveBench 2.0 Coding | LiveBench | – | 67.8%† |
| LiveBench 1.0 Coding | LiveBench | 81.5% | – |
| LiveCodeBench | Vals AI | 89.0% | – |
| IOI | Vals AI | 84.3% | 81.9%† |
| SWE-bench (Vals) | Vals AI | 97.0%† | – |
| Code Migration | Vals AI | 57.5% | – |
| ProgramBench | Vals AI | 3.0% | – |
| Vibe Code Bench 1-100 | Vals AI | 28.5% | – |
| Vibe Code Bench v1.1 | Vals AI | 88.4%† | 84.9%† |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 63.2%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 62.2%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 61.1% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 70.2% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 58.9% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 54.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | 99.4%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 98.0%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 87.8% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 73.7% | – |
| CursorBench | Cursor | 46.6% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 2164.6† | 1932.8† |
| FrontierSWE | Epoch AI Benchmarking Hub | 52.0% | – |
| WeirdML v3 | WeirdML | 19.0%† | 9.9%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 49.0% | 67.2% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 89.1% | – |
| Startrise Frontend | Startrise | 82.3%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 76.5† | 78.3 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 84.8† | 84.0† |
| Design Arena Website | Design Arena | 1304† | 1321 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 47.1% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 31.1% | 25.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 52.1% | 59.7%† |
| OSWorld-Verified 2.0 | OSWorld | 31.4% | – |
| APEX-Agents | Mercor | 65.8% | 65.5% |
| Arena Agent | Arena (LMArena) | 7.2 | 4.9† |
| LiveBench Long Agentic | LiveBench | – | 38.7%† |
| LiveBench Browser | LiveBench | – | 75.9%† |
| LiveBench Agentic Coding | LiveBench | 65.2% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 84.6%† | – |
| MCP Atlas | Scale AI SEAL | 85.8%† | – |
| HiL-Bench | Scale AI SEAL | 57.0%† | 61.3% |
| τ³-bench Banking | τ²-bench | 48.7% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 67.3% |
| GDPval-AA v2.1 | Artificial Analysis | 1729 | 1861 |
| τ³-Banking (AA) | Artificial Analysis | 42.1% | – |
| Analyst Agent (AA) | Artificial Analysis | 53.8% | 38.8% |
| CUA-bench | Vals AI | 9.0% | – |
| CyberBench | Vals AI | 65.4% | – |
| Finance Agent v2 | Vals AI | 58.6% | – |
| Finance Agent v2.1 | Vals AI | – | 61.5%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 11.7%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 6.7% | – |
| Legal Research Bench | Vals AI | 55.3% | 37.5%† |
| SkillsBench | Vals AI | 60.4% | – |
| SREBench | Vals AI | 12.2% | 27.1%† |
| Tax Agent Bench | Vals AI | 47.1% | 24.9%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 53.5% | 63.6%† |
| Terminal-Bench Science | Vals AI | 27.1% | 31.4%† |
| Time Horizon Index: KSP | Vals AI | 18.8% | – |
| Arena Search | Arena (LMArena) | 1213† | – |
| Arena Agent Task Completion | Arena (LMArena) | 10.2 | 2.7† |
| BALROG | BALROG | 63.4% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 35.7%† | – |
| GBAEval | Epoch AI Benchmarking Hub | 79.6%† | – |
| Vending-Bench 2 | Andon Labs | 11181.9† | – |
| AutomationBench | Artificial Analysis | 56.6% | 73.3% |
| GDP.pdf (AA) | Artificial Analysis | 21.6% | 31.4% |
| EnterpriseOps-Gym | Artificial Analysis | 47.5% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1654 | 1674 |
| Design Arena Agentic | Design Arena | 1270† | 1301 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 28.6% | 34.3% |
| CWE-Bench (AA) | Artificial Analysis | – | 60.8% |
| DeepSec-Bench (AA) | Artificial Analysis | 25.9% | 36.7% |
| CyberGym end-to-end (AA) | Artificial Analysis | – | 94.7% |
| MKA (AA) | Artificial Analysis | – | 43.9% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 85.6% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 73.2% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9% | – |
| ProofBench | Vals AI | 99.0% | 91.0% |
| LiveBench Mathematics | LiveBench | 95.7% | – |
| ArXivMath | MathArena | – | 58.3%† |
| BrokenArXiv | MathArena | – | 61.9%† |
| Arena Maths | Arena (LMArena) | 1515 | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 59.9% | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 79.1%† |
| LiveBench Research | LiveBench | – | 82.1%† |
| LiveBench 1.0 Data Analysis | LiveBench | 74.5% | – |
| AA-Omniscience v1.1 | Artificial Analysis | 37.6 | 29.9 |
| MMLU-Pro | Vals AI | 91.6% | – |
| LegalBench | Vals AI | 87.0% | – |
| CorpFin | Vals AI | 73.2%† | – |
| TaxEval | Vals AI | 75.1%† | – |
| PRBench Finance | Scale AI SEAL | – | 47.5% |
| PRBench Legal | Scale AI SEAL | – | 47.9% |
| BioMysteryBench | Vals AI | 79.3% | 75.6%† |
| Excel Modeling Benchmark | Vals AI | 73.6% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 70.0%† |
| MedCode | Vals AI | 63.6% | – |
| MedScribe | Vals AI | 91.0% | – |
| Public Benefits Bench v1.1 | Vals AI | 76.9% | – |
| Access to Justice Benchmark | Vals AI | – | 69.5%† |
| DrugDiscoveryBench | Scale AI SEAL | 53.7% | 63.4%† |
| EBR-bench | Epoch AI Benchmarking Hub | 45.7% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 24.0% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 60.9% | 48.9% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 40.6% | 62.7% |
| FACTS Parametric | 48.8%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 88.7% | – |
| LiveBench Instruction Following | LiveBench | 63.8% | – |
| Arena Instruction Following | Arena (LMArena) | 1494 | 1487† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1489 | 1485† |
| EQ-Bench 4 | EQ-Bench | 1365† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2135† | 2173 |
| Arena Creative Writing | Arena (LMArena) | 1473 | 1453† |
| Arena Multi-turn | Arena (LMArena) | 1486 | 1475† |
| Arena Longer Queries | Arena (LMArena) | 1502 | 1491† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1318† | – |
| LiveBench Design | LiveBench | – | 73.7%† |
| MMMU-Pro | Artificial Analysis | 84.7% | 83.9% |
| MMMU-Pro (Vals) | Vals AI | 89.9% | – |
| MortgageTax | Vals AI | 72.1%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | 30.5% | 33.2%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 30.4%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 60.8% | – |
| VIALS-AA | Handshake AI | – | 45.3% |
| AA-3D | Artificial Analysis | – | 1112 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 79.3% | 86.3% |
| Arena Document | Arena (LMArena) | 1486† | – |
| MLCR | Artificial Analysis | 11.1% | 38.3% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 164.7† | 161.4 |
| LiveBench 2.0 | LiveBench | – | 68.7%† |
| LiveBench 1.0 | LiveBench | 80.1% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 44.2 | 46.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 50.8 | 55.1 |
| AA Progress Index v1 | Artificial Analysis | 333.7 | 340.7 |
| Vals Index | Vals AI | – | 62.5† |
| Vals Finance Index | Vals AI | – | 56.0%† |
| Vals RSI Index | Vals AI | 33.0% | – |
| Vals Science Index | Vals AI | 47.9% | 44.4%† |
| Vals Multimodal Index | Vals AI | 73.9%† | – |
| Vals Legal Index | Vals AI | – | 67.0%† |
| AA Cyber Index | Artificial Analysis | – | 64.1 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 16.8%† | 18.6% |
| DistressBench | Scale AI SEAL | 70.2%† | – |
| メタデータ | |||
| AA Openness Index | Artificial 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。
- Claude Opus 5 (max):新しい結果25件(LiveCodeBench, MMLU-Pro, IOI…)。
- Kimi K3.1 Pro:スコアの改訂1件。
- Claude Opus 5 (max):新しい結果1件(GDPval-AA v2.1)。
- 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。
- Claude Opus 5 (max):新しい結果1件(MirrorCode)。
- Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
- Kimi K3.1 Pro:新しい結果2件(APEX-Agents, Epoch Capabilities Index)。
関連する比較
- Claude Opus 5 vs Claude Fable 5.2
- Claude Opus 5 vs Gemini 4 Carbon
- Claude Opus 5 vs Claude Opus 5.5
- Kimi K3.1 Pro vs Claude Fable 5.2
- Kimi K3.1 Pro vs Gemini 4 Carbon
- Kimi K3.1 Pro vs Claude Opus 5.5
- Kimi K3.1 Pro vs GPT-6 Astra
- Claude Fable 5 vs Kimi K3.1 Pro
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 5 vs Kimi K3.1 Pro:よくある質問
- Claude Opus 5はKimi K3.1 Proより優れていますか?
- 品質ではClaude Opus 5 (max)がリードしています:65.0 対 61.8。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日時点では総合でClaude Opus 5 (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
- Claude Opus 5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 5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 5の方がスコアが高くなっています(カテゴリ指標で67 対 60。50が平均)。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 2.0 (AA)では、Claude Opus 5が31.1%、Kimi K3.1 Proが25.4%です。
- Claude Opus 5とKimi K3.1 Proはどちらが速いですか?
- Claude Opus 5の方が出力が約2倍速くなっています(出力80 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 5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互角です(カテゴリ指標で64 対 65)。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APEX-Agentsでは、Claude Opus 5が65.8%、Kimi K3.1 Proが65.5%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?
- 長文コンテキストのベンチマークではKimi K3.1 Proの方がスコアが高くなっています(68 対 64)。どちらも約1Mトークンです(Claude Opus 5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 5です。Artificial Analysisの測定では、最初の回答トークンまで48.5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 5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23件のベンチマークのうち、Claude Opus 5のリードが11件、Kimi K3.1 Proのリードが12件です。第三者の総合指標でも評価が分かれ、Claude Opus 5はBenchLeader Index、Arena Textで、Kimi K3.1 ProはAA Intelligence Index v5.0.1でリードしています。
- 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。