BenchLeader

Claude Opus 5 vs Kimi K3.1 Pro Together

詳しいプロフィール:Claude Opus 5(Anthropic)とKimi K3.1 Pro Together(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、品質ではClaude Opus 5がKimi K3.1 Pro Togetherを上回ります(BenchLeader Indexで65.0 対 60.0)。両方を測定できるすべてのカテゴリでClaude Opus 5がリードしています。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Opus 5が65.0、Kimi K3.1 Pro Togetherが60.0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)。

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
数学Claude Opus 5カテゴリスコア70 対 65;FrontierMath Tiers 1–3 85.6% 対 78.3%中
推論どちらでもカテゴリスコア66 対 67;GPQA Diamond 93.9% 対 94.2%どちらでも
知識どちらでもカテゴリスコア65 対 66;SimpleQA Verified 59.9% 対 62.2%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
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 60.0。
  • Claude Opus 5 (max)は数学で優れています。
  • Kimi K3.1 Pro Together (max)は知識、推論で優れています。

概要

仕様Claude Opus 5Kimi K3.1 Pro Together
プロバイダーAnthropicMoonshot 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–
比較した構成Claude Opus 5 (max)Kimi K3.1 Pro Together (max)
オープンウェイトなしなし
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–

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 Together (max)トップ
推論66.166.9互角
コーディング67.0–比較不可
エージェント・ツール63.8–比較不可
数学69.865.2Claude Opus 5
知識65.266.0互角
人間の評価68.1–比較不可
マルチモーダル67.2–比較不可
長文コンテキスト64.3–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推論数学知識Claude Opus 5, 推論: 66.1Claude Opus 5, 数学: 69.8Claude Opus 5, 知識: 65.2Kimi K3.1 Pro Together, 推論: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知識: 66.0

描画していないもの(測定済みのモデルが2つ未満):コーディング, エージェント・ツール, 指示追従, 長文コンテキスト, マルチモーダル, 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8件のベンチマークのうち、Claude Opus 5のリードが4件、Kimi K3.1 Pro Togetherのリードが4件です。両方を評価しているすべての総合指標で、Claude Opus 5が上回っています。

総合IndexClaude Opus 5 (max)Kimi K3.1 Pro Together (max)トップ
BenchLeader Index65.060.0Claude 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 Together (max)
100万トークンあたりのブレンド価格$10.00–
100万トークンあたりの入力/出力$5.00 / $25.00– / –
100万トークンあたりのキャッシュ入力$0.500–
タスクあたりの価格:チャットの返答$0.0095–
タスクあたりの価格:30ページのレポートを要約$0.075–
タスクあたりの価格:コード編集$0.068–
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–
タスクあたりの価格:構造化データの抽出$0.015–
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–
ベンチマークのタスクあたりのコスト(AA Index)$11.82–
タスクあたりの出力トークン(AA Index)118k–
うち推論73k–
タスクあたりの時間(AA Index)25 min–
出力速度80 tok/s–
回答開始までの時間48.5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–

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 Together (max)のスコアは60.0。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

142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 Together (max)
BenchLeader IndexBenchLeader65.060.0
エージェント・ツールスコアBenchLeader63.8–
コーディングスコアBenchLeader67.0–
人間の評価スコアBenchLeader68.1–
知識スコアBenchLeader65.266.0
長文コンテキストスコアBenchLeader64.3–
数学スコアBenchLeader69.865.2
マルチモーダルスコアBenchLeader67.2–
推論スコアBenchLeader66.166.9
ブレンド価格($/100万トークン)BenchLeader$10.00–
出力速度BenchLeader80 tok/s–
回答開始までの時間BenchLeader48.5秒–
コンテキストウィンドウBenchLeader1,000,000トークン–
推論
GPQA DiamondEpoch AI Benchmarking Hub93.9%94.2%
SimpleBenchSimpleBench80.6%†–
Arena Hard PromptsArena (LMArena)1513–
LiveBench 1.0 ReasoningLiveBench91.2%–
GPQA Diamond (AA)Artificial Analysis93.2%–
Humanity's Last Exam (AA)Artificial Analysis54.9%–
HLE-Diamond (AA)Artificial Analysis44.8%–
GPQA Diamond (Vals)Vals AI93.4%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize90.4%–
ARC-AGI-3ARC Prize30.2%†–
CritPtArtificial Analysis29.1%–
CritPt v2 hard subset (AA)Artificial Analysis50.0%–
MysteryMechanismVals AI37.4%–
HLE-Diamond (Scale)Scale AI SEAL38.6%†–
Arena ExpertArena (LMArena)1530–
Chess PuzzlesEpoch AI Benchmarking Hub43.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%42.0%
LMCAEpoch AI Benchmarking Hub63.3%–
DTBenchEpoch AI Benchmarking Hub97.6%–
ForecastBenchForecastBench66.6%–
BTF-3Epoch AI Benchmarking Hub12.0%†–
コーディング
SciCodeSciCode56.4%–
WeirdMLWeirdML91.8%–
FrontierCodeCognition53.4%–
142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 Together (max)
コーディング
Arena CodingArena (LMArena)1528–
Arena WebDevArena (LMArena)1691–
LiveBench 1.0 CodingLiveBench81.5%–
LiveCodeBenchVals AI89.0%–
IOIVals AI84.3%–
SWE-bench (Vals)Vals AI97.0%†–
Code MigrationVals AI57.5%–
ProgramBenchVals AI3.0%–
Vibe Code Bench 1-100Vals AI28.5%–
Vibe Code Bench v1.1Vals AI88.4%†–
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%–
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†–
FrontierSWEEpoch AI Benchmarking Hub52.0%–
WeirdML v3WeirdML19.0%†–
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%–
Startrise FrontendStartrise82.3%†–
GameBench 2 OverallDuelLab GameBench 276.5†–
GameBench 2 by reasoning settingDuelLab GameBench 284.8†–
Design Arena WebsiteDesign Arena1304†–
FrontierCode 2.0 (AA)Artificial Analysis31.1%–
エージェント・ツール
Terminal-BenchTerminal-Bench52.1%–
OSWorld-Verified 2.0OSWorld31.4%–
APEX-AgentsMercor65.8%–
Arena AgentArena (LMArena)7.2–
LiveBench Agentic CodingLiveBench65.2%–
Terminal-Bench 2.1 (Vals)Vals AI84.6%†–
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†–
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1Artificial Analysis1729–
τ³-Banking (AA)Artificial Analysis42.1%–
Analyst Agent (AA)Artificial Analysis53.8%–
CUA-benchVals AI9.0%–
CyberBenchVals AI65.4%–
Finance Agent v2Vals AI58.6%–
Harvey's Legal Agent Benchmark v1Vals AI6.7%–
Legal Research BenchVals AI55.3%–
SkillsBenchVals AI60.4%–
SREBenchVals AI12.2%–
Tax Agent BenchVals AI47.1%–
Terminal-Bench 4.0 (Vals)Vals AI53.5%–
Terminal-Bench ScienceVals AI27.1%–
Time Horizon Index: KSPVals AI18.8%–
Arena SearchArena (LMArena)1213†–
Arena Agent Task CompletionArena (LMArena)10.2–
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†–
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†–
AutomationBenchArtificial Analysis56.6%–
GDP.pdf (AA)Artificial Analysis21.6%–
EnterpriseOps-GymArtificial Analysis47.5%–
AA-Briefcase v1.1Artificial Analysis1654–
Design Arena AgenticDesign Arena1270†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%–
DeepSec-Bench (AA)Artificial Analysis25.9%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI99.0%–
LiveBench MathematicsLiveBench95.7%–
Arena MathsArena (LMArena)1515–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%62.2%
LiveBench 1.0 Data AnalysisLiveBench74.5%–
AA-Omniscience v1.1Artificial Analysis37.6–
MMLU-ProVals AI91.6%–
LegalBenchVals AI87.0%–
CorpFinVals AI73.2%†–
TaxEvalVals AI75.1%†–
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI73.6%–
MedCodeVals AI63.6%–
MedScribeVals AI91.0%–
Public Benefits Bench v1.1Vals AI76.9%–
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%–
GDP.pdfEpoch AI Benchmarking Hub24.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%–
FACTS ParametricGoogle48.8%†–
指示追従
LiveBench LanguageLiveBench88.7%–
LiveBench Instruction FollowingLiveBench63.8%–
Arena Instruction FollowingArena (LMArena)1494–
人間の評価
Arena TextArena (LMArena)1489–
EQ-Bench 4EQ-Bench1365†–
EQ-Bench Creative Writing v3EQ-Bench2135†–
Arena Creative WritingArena (LMArena)1473–
Arena Multi-turnArena (LMArena)1486–
Arena Longer QueriesArena (LMArena)1502–
マルチモーダル
Arena VisionArena (LMArena)1318†–
MMMU-ProArtificial Analysis84.7%–
MMMU-Pro (Vals)Vals AI89.9%–
MortgageTaxVals AI72.1%†–
Humanity's Sixth SenseScale AI SEAL30.5%–
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†–
Furniture AssemblyEpoch AI Benchmarking Hub60.8%55.8%
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%–
Arena DocumentArena (LMArena)1486†–
MLCRArtificial Analysis11.1%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†–
LiveBench 1.0LiveBench80.1%–
AA Intelligence Index v5.0.1Artificial Analysis44.2–
AA Intelligence Index v4.3.2Artificial Analysis50.8–
AA Progress Index v1Artificial Analysis333.7–
Vals RSI IndexVals AI33.0%–
Vals Science IndexVals AI47.9%–
Vals Multimodal IndexVals AI73.9%†–
安全性・誠実さ
FORTRESSScale AI SEAL16.8%†–
DistressBenchScale AI SEAL70.2%†–

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

  • Claude Opus 5 (max):新しい結果25件(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5 (max):新しい結果1件(GDPval-AA v2.1)。
  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • 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 Together (max):初めての結果。
  • Claude Opus 5 (max):新しい結果7件(AA Intelligence Index v5.0.1, HLE-Diamond (AA), AA-Omniscience v1.1…)。
  • Claude Opus 5 (max):新しい結果1件(MirrorCode)。
  • Claude Opus 5 (max):スコアの改訂1件。
  • Claude Opus 5 (max):BenchLeader Index 66.3 → 65.5。

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 Together:よくある質問

Claude Opus 5はKimi K3.1 Pro Together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 60.0。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 Together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 5のリードが4件、Kimi K3.1 Pro Togetherのリードが4件です。両方を評価しているすべての総合指標で、Claude Opus 5が上回っています。
Kimi K3.1 Pro Togetherはいつリリースされましたか?
Kimi K3.1 Pro Togetherは2026年10月23日にリリースされました。