BenchLeader

Gemini 3.5 Flash vs Kimi K3.1 Pro

詳しいプロフィール:Gemini 3.5 Flash(Google)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 · 13件の情報源のデータ

2026年11月16日時点で、Gemini 3.5 FlashとKimi K3.1 Proの品質は互角です(BenchLeader Indexで62.5 対 61.8、±4.0の誤差範囲内)。価格はGemini 3.5 Flashの方が1.2倍安く、100万トークンあたりのブレンド価格で$3.38 対 $4.00です。知識(63 対 58)、推論(61 対 59)を重視するならGemini 3.5 Flash、数学(73 対 58)、長文コンテキスト(68 対 61)、エージェント・ツール(65 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Gemini 3.5 Flashの方が短く、9.9秒 対 157.4秒です。Gemini 3.5 Flashは出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.5 Flashが62.5、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • Gemini 3.5 Flashの100万トークンあたりのブレンド価格は$3.38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)。
  • Gemini 3.5 FlashはKimi K3.1 Proより出力が3倍以上速いです(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14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
コーディングどちらでもカテゴリスコア60 対 60;SciCode 53.9% 対 60.8%どちらでも
エージェント・ツール利用Kimi K3.1 Proカテゴリスコア65 対 63;GDPval-AA v2.1 1861 対 1211中
数学Kimi K3.1 Proカテゴリスコア73 対 58;ProofBench 91.0% 対 31.0%高
推論Gemini 3.5 Flashカテゴリスコア61 対 59;Humanity's Last Exam (AA) 42.7% 対 52.5%中
知識Gemini 3.5 Flashカテゴリスコア63 対 58中
長い文書Kimi K3.1 Proカテゴリスコア68 対 61;AA-LCR v1.1 86.3% 対 73.3%中
画像などのメディアどちらでもカテゴリスコア66 対 66;MMMU-Pro 84.3% 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Gemini 3.5 Flashのみです(カテゴリスコア67)比較不可
最低コストGemini 3.5 Flash100万トークンあたりブレンド価格$3.38 対 $4.00;エージェント型コーディングセッション$0.126 対 $0.160–
回答開始の速さGemini 3.5 Flash最初の回答トークンまで9.9秒(Gemini 3.5 Flash (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

  • Gemini 3.5 Flash (high)とKimi K3.1 Proの品質は互角です(62.5 対 61.8、±4.0の誤差範囲内)。
  • Gemini 3.5 Flash (high)は知識、推論で優れています。
  • Kimi K3.1 Proはエージェント・ツール、コーディング、長文コンテキスト、数学、マルチモーダルで優れています。
  • Gemini 3.5 Flash (high)の方が1.2倍安くなっています(100万トークンあたりブレンド価格$3.38 対 $4.00)。
  • Gemini 3.5 Flash (high)の方が出力が5.8倍速くなっています(176 対 30トークン/秒)。

概要

仕様Gemini 3.5 FlashKimi K3.1 Pro
プロバイダーGoogleMoonshot AI
リリース日2026年5月19日2026年10月23日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Gemini 3.5 Flash (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)$1.50 / $9.00 / $0.150$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Gemini 3.5 Flash (high)Kimi K3.1 Proトップ
推論60.659.2Gemini 3.5 Flash
コーディング59.559.6互角
エージェント・ツール62.864.6Kimi K3.1 Pro
数学57.773.4Kimi K3.1 Pro
知識63.358.2Gemini 3.5 Flash
指示追従74.4–比較不可
人間の評価66.8–比較不可
マルチモーダル66.266.3互角
長文コンテキスト61.267.9Kimi 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。

2550 avg75推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダルGemini 3.5 Flash, 推論: 60.6Gemini 3.5 Flash, コーディング: 59.5Gemini 3.5 Flash, エージェント・ツール: 62.8Gemini 3.5 Flash, 数学: 57.7Gemini 3.5 Flash, 知識: 63.3Gemini 3.5 Flash, 長文コンテキスト: 61.2Gemini 3.5 Flash, マルチモーダル: 66.2Kimi 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, 知識: 58.2Kimi K3.1 Pro, 長文コンテキスト: 67.9Kimi 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):指示追従, 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14件のベンチマークのうち、Gemini 3.5 Flashのリードが2件、Kimi K3.1 Proのリードが12件です。両方を評価しているすべての総合指標で、Kimi K3.1 Proが上回っています。

総合IndexGemini 3.5 Flash (high)Kimi K3.1 Proトップ
BenchLeader Index62.561.8互角
Arena Text14781485†Kimi K3.1 Pro

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Gemini 3.5 Flash (high)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$3.38$4.00
100万トークンあたりの入力/出力$1.50 / $9.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.150$0.200
タスクあたりの価格:チャットの返答$0.0033$0.0038
タスクあたりの価格:30ページのレポートを要約$0.023$0.030
タスクあたりの価格:コード編集$0.022$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$0.126$0.160
タスクあたりの価格:構造化データの抽出$0.0048$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)$0.065$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176 tok/s30 tok/s
回答開始までの時間9.9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)27.6秒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。Gemini 3.5 Flash (high)のスコアは62.5、最初の回答トークンまで10秒。Gemini 3.5 Flash (medium)は61.8(9秒)、Gemini 3.5 Flash (minimal)は55.6(3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

164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Gemini 3.5 Flash (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader62.561.8
エージェント・ツールスコアBenchLeader62.864.6
コーディングスコアBenchLeader59.559.6
人間の評価スコアBenchLeader66.8–
指示追従スコアBenchLeader74.4–
知識スコアBenchLeader63.358.2
長文コンテキストスコアBenchLeader61.267.9
数学スコアBenchLeader57.773.4
マルチモーダルスコアBenchLeader66.266.3
推論スコアBenchLeader60.659.2
ブレンド価格($/100万トークン)BenchLeader$3.38$4.00
出力速度BenchLeader176 tok/s30 tok/s
回答開始までの時間BenchLeader9.9秒157.4秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub92.8%–
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)14961504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)14911515†
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%–
LMCAEpoch AI Benchmarking Hub47.1%57.6%†
DTBenchEpoch AI Benchmarking Hub94.7%93.3%†
ForecastBenchForecastBench64.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%60.8%
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)15081530†
164件のベンチマークをすべて表示
指標公開元Gemini 3.5 Flash (high)Kimi K3.1 Pro
コーディング
Arena WebDevArena (LMArena)15001687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%–
IOIVals AI–81.9%†
SWE-bench (Vals)Vals AI78.8%–
Code MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%84.9%†
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%
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.01932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†78.3
GameBench 2 by reasoning settingDuelLab GameBench 263.284.0†
Design Arena WebsiteDesign Arena1260†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-Bench–59.7%†
APEX-AgentsMercor27.5%†65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench49.0%–
Terminal-Bench HardArtificial Analysis40.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
Terminal-Bench 2.1 (Vals)Vals AI74.2%–
MCP AtlasScale AI SEAL83.6%–
HiL-BenchScale AI SEAL27.7%†61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis12111861
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%38.8%
APEX-Agents (AA)Artificial Analysis47.0%–
Finance Agent v2Vals AI57.9%–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%37.5%†
SkillsBenchVals AI52.7%–
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI21.6%24.9%†
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%63.6%†
Terminal-Bench ScienceVals AI5.7%31.4%†
Web Search IndexVals AI37.0%–
Arena Agent Task CompletionArena (LMArena)–2.7†
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%73.3%
GDP.pdf (AA)Artificial Analysis19.8%31.4%
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis8761674
Design Arena AgenticDesign Arena1174†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 Hub62.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%–
ProofBenchVals AI31.0%91.0%
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1497–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench64.9%–
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
Excel Modeling BenchmarkVals AI63.5%–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%–
Access to Justice BenchmarkVals AI–69.5%†
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%63.4%†
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
指示追従
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)14651487†
人間の評価
Arena TextArena (LMArena)14781485†
EQ-Bench 4EQ-Bench1077†–
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)14651453†
Arena Multi-turnArena (LMArena)14801475†
Arena Longer QueriesArena (LMArena)14831491†
マルチモーダル
Arena VisionArena (LMArena)1308–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis84.3%83.9%
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%33.2%†
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%86.3%
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis32.655.1
AA Progress Index v1Artificial Analysis305.1340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals Science IndexVals AI–44.4%†
Vals Multimodal IndexVals AI62.9%–
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL–18.6%
DistressBenchScale AI SEAL66.9%†–
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。
  • Gemini 3.5 Flash (high):新しい結果1件(GDPval-AA v2.1)、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)。
  • Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
  • 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。

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

Gemini 3.5 Flash vs Kimi K3.1 Pro:よくある質問

Gemini 3.5 FlashはKimi K3.1 Proより優れていますか?
Gemini 3.5 Flash (high)とKimi K3.1 Proの品質は互角です(62.5 対 61.8、±4.0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。
Gemini 3.5 Flash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Gemini 3.5 Flashの方が安く、100万トークンあたり$3.38 対 $4.00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Gemini 3.5 FlashとKimi K3.1 Proのどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で60 対 60)。共通するコーディングベンチマークのうち最も重要なSciCodeでは、Gemini 3.5 Flashが53.9%、Kimi K3.1 Proが60.8%です。
Gemini 3.5 FlashとKimi K3.1 Proはどちらが速いですか?
Gemini 3.5 Flashの方が出力が3倍以上速くなっています(出力176 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Gemini 3.5 Flash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Kimi K3.1 Proの方がスコアが高くなっています(カテゴリ指標で65 対 63。50が平均)。
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 61)。どちらも1,048,576トークンのコンテキストに対応しています。
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Gemini 3.5 Flashです。Artificial Analysisの測定では、最初の回答トークンまで9.9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。
Gemini 3.5 Flash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14件のベンチマークのうち、Gemini 3.5 Flashのリードが2件、Kimi K3.1 Proのリードが12件です。両方を評価しているすべての総合指標で、Kimi K3.1 Pro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。