Gemini 3.5 Flash vs Kimi K3.1 Pro Together
詳しいプロフィール:Gemini 3.5 Flash(Google)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 · 11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 Togetherの品質は互角です(BenchLeader Indexで62.5 対 60.0、±3.5の誤差範囲内)。両方を測定できるすべてのカテゴリでKimi K3.1 Pro Togetherがリードしています。
要点(2026年11月16日時点)
- BenchLeader IndexはGemini 3.5 Flashが62.5、Kimi K3.1 Pro Togetherが60.0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)。
- 両モデルに結果がある7件のベンチマークのうち、Kimi K3.1 Pro Togetherが5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 |
|---|---|---|---|
| 数学 | Kimi K3.1 Pro Together | カテゴリスコア65 対 58;FrontierMath Tiers 1–3 78.3% 対 62.8% | 高 |
| 推論 | Kimi K3.1 Pro Together | カテゴリスコア67 対 61;GPQA Diamond 94.2% 対 92.8% | 中 |
| 知識 | Kimi K3.1 Pro Together | カテゴリスコア66 対 63;SimpleQA Verified 62.2% 対 66.2% | 中 |
| 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 |
| 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 Together (max)の品質は互角です(62.5 対 60.0、±3.5の誤差範囲内)。
- Kimi K3.1 Pro Together (max)は知識、数学、推論で優れています。
概要
| 仕様 | Gemini 3.5 Flash | Kimi K3.1 Pro Together |
|---|---|---|
| プロバイダー | Moonshot 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) | 1,048,576 | – |
| 比較した構成 | Gemini 3.5 Flash (high) | 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) | $1.50 / $9.00 / $0.150 | – |
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 Together (max) | トップ |
|---|---|---|---|
| 推論 | 60.6 | 66.9 | Kimi K3.1 Pro Together |
| コーディング | 59.5 | – | 比較不可 |
| エージェント・ツール | 62.8 | – | 比較不可 |
| 数学 | 57.7 | 65.2 | Kimi K3.1 Pro Together |
| 知識 | 63.3 | 66.0 | Kimi K3.1 Pro Together |
| 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 | 66.2 | – | 比較不可 |
| 長文コンテキスト | 61.2 | – | 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。
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。
情報源で評価が分かれる点
両方に結果がある7件のベンチマークのうち、Gemini 3.5 Flashのリードが1件、Kimi K3.1 Pro Togetherのリードが5件、同点が1件です。
| 総合Index | Gemini 3.5 Flash (high) | Kimi K3.1 Pro Together (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 62.5 | 60.0 | 互角 |
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 Together (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $3.38 | – |
| 100万トークンあたりの入力/出力 | $1.50 / $9.00 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.150 | – |
| タスクあたりの価格:チャットの返答 | $0.0033 | – |
| タスクあたりの価格:30ページのレポートを要約 | $0.023 | – |
| タスクあたりの価格:コード編集 | $0.022 | – |
| 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 | – |
| タスクあたりの価格:構造化データの抽出 | $0.0048 | – |
| 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) | $0.065 | – |
| 出力速度 | 176 tok/s | – |
| 回答開始までの時間 | 9.9秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 27.6秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.5 Flash (high)のスコアは62.5、最初の回答トークンまで10秒。Gemini 3.5 Flash (medium)は61.8(9秒)、Gemini 3.5 Flash (minimal)は55.6(3秒)。Kimi K3.1 Pro Together (max)のスコアは60.0。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
113件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.5 Flash (high) | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.5 | 60.0 |
| エージェント・ツールスコア | BenchLeader | 62.8 | – |
| コーディングスコア | BenchLeader | 59.5 | – |
| 人間の評価スコア | BenchLeader | 66.8 | – |
| 指示追従スコア | BenchLeader | 74.4 | – |
| 知識スコア | BenchLeader | 63.3 | 66.0 |
| 長文コンテキストスコア | BenchLeader | 61.2 | – |
| 数学スコア | BenchLeader | 57.7 | 65.2 |
| マルチモーダルスコア | BenchLeader | 66.2 | – |
| 推論スコア | BenchLeader | 60.6 | 66.9 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.38 | – |
| 出力速度 | BenchLeader | 176 tok/s | – |
| 回答開始までの時間 | BenchLeader | 9.9秒 | – |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | – |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.8% | 94.2% |
| SimpleBench | SimpleBench | 76.7%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1496 | – |
| LiveBench 1.0 Reasoning | LiveBench | 82.0% | – |
| GPQA Diamond (AA) | Artificial Analysis | 92.2% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.7% | – |
| GPQA Diamond (Vals) | Vals AI | 92.7% | – |
| EnigmaEval | Scale AI SEAL | 25.4% | – |
| ARC-AGI-1 | ARC Prize | 92.5% | – |
| ARC-AGI-2 | ARC Prize | 72.1% | – |
| CritPt | Artificial Analysis | 13.1% | – |
| Arena Expert | Arena (LMArena) | 1491 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 45.0% | 45.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 32.0% | 42.0% |
| LMCA | Epoch AI Benchmarking Hub | 47.1% | – |
| DTBench | Epoch AI Benchmarking Hub | 94.7% | – |
| ForecastBench | ForecastBench | 64.0%† | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 79.3% | – |
| SciCode | SciCode | 53.9% | – |
| WeirdML | WeirdML | 62.6% | – |
| Arena Coding | Arena (LMArena) | 1508 | – |
| Arena WebDev | Arena (LMArena) | 1500 | – |
| LiveBench 1.0 Coding | LiveBench | 78.2% | – |
| LiveCodeBench | Vals AI | 87.6% | – |
| SWE-bench (Vals) | Vals AI | 78.8% | – |
113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 Together (max) |
|---|---|---|---|
| コーディング | |||
| Code Migration | Vals AI | 26.8% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 48.7% | – |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 58.1%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 36.1% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 911.0 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 6.6% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.7% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 49.4† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 63.2 | – |
| Design Arena Website | Design Arena | 1260† | – |
| エージェント・ツール | |||
| APEX-Agents | Mercor | 27.5%† | – |
| LiveBench Agentic Coding | LiveBench | 49.0% | – |
| Terminal-Bench Hard | Artificial Analysis | 40.9% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 95.3% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 74.2% | – |
| MCP Atlas | Scale AI SEAL | 83.6% | – |
| HiL-Bench | Scale AI SEAL | 27.7%† | – |
| GDPval-AA v2.1 | Artificial Analysis | 1211 | – |
| τ³-Banking (AA) | Artificial Analysis | 32.2% | – |
| ITBench SRE (AA) | Artificial Analysis | 40.4% | – |
| Analyst Agent (AA) | Artificial Analysis | 45.0% | – |
| APEX-Agents (AA) | Artificial Analysis | 47.0% | – |
| Finance Agent v2 | Vals AI | 57.9% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 2.5% | – |
| Legal Research Bench | Vals AI | 30.8% | – |
| SkillsBench | Vals AI | 52.7% | – |
| Tax Agent Bench | Vals AI | 21.6% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 67.4% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 6.1% | – |
| Terminal-Bench Science | Vals AI | 5.7% | – |
| Web Search Index | Vals AI | 37.0% | – |
| GBAEval | Epoch AI Benchmarking Hub | 6.7%† | – |
| Vending-Bench 2 | Andon Labs | 5396.4† | – |
| AutomationBench | Artificial Analysis | 42.1% | – |
| GDP.pdf (AA) | Artificial Analysis | 19.8% | – |
| EnterpriseOps-Gym | Artificial Analysis | 50.1% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 876 | – |
| Design Arena Agentic | Design Arena | 1174† | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 62.8% | 78.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 26.8% | 65.8% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.6% | 100.0% |
| ProofBench | Vals AI | 31.0% | – |
| LiveBench Mathematics | LiveBench | 88.2% | – |
| AIME 2026 | MathArena | 95.0% | – |
| HMMT February 2026 | MathArena | 95.5% | – |
| MathArena Apex | MathArena | 32.3% | – |
| Arena Maths | Arena (LMArena) | 1497 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 66.2% | 62.2% |
| LiveBench 1.0 Data Analysis | LiveBench | 64.9% | – |
| MMLU-Pro | Vals AI | 89.5% | – |
| LegalBench | Vals AI | 83.6% | – |
| CorpFin | Vals AI | 64.7% | – |
| TaxEval | Vals AI | 74.4% | – |
| Excel Modeling Benchmark | Vals AI | 63.5% | – |
| MedCode | Vals AI | 55.8% | – |
| MedScribe | Vals AI | 76.6% | – |
| Public Benefits Bench v1.1 | Vals AI | 59.5% | – |
| Financial Coaching Bench | Vals AI | 63.0% | – |
| DrugDiscoveryBench | Scale AI SEAL | 50.0% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 4.8% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 14.0%† | – |
| 指示追従 | |||
| LiveBench Language | LiveBench | 84.6% | – |
| LiveBench Instruction Following | LiveBench | 75.6% | – |
| IFBench | Artificial Analysis | 76.3% | – |
| Arena Instruction Following | Arena (LMArena) | 1465 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1478 | – |
| EQ-Bench 4 | EQ-Bench | 1077† | – |
| Arena Creative Writing | Arena (LMArena) | 1465 | – |
| Arena Multi-turn | Arena (LMArena) | 1480 | – |
| Arena Longer Queries | Arena (LMArena) | 1483 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1308 | – |
| MMMU-Pro | Artificial Analysis | 84.3% | – |
| MMMU-Pro (Vals) | Vals AI | 88.3% | – |
| MortgageTax | Vals AI | 68.1% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 32.6% | – |
| GeoBench | GeoBench | 85.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 33.6%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 55.8% |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 73.3% | – |
| Arena Document | Arena (LMArena) | 1455 | – |
| MLCR | Artificial Analysis | 10.0% | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 155.3† | – |
| LiveBench 1.0 | LiveBench | 74.6% | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.6 | – |
| AA Progress Index v1 | Artificial Analysis | 305.1 | – |
| Vals Multimodal Index | Vals AI | 62.9% | – |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 66.9%† | – |
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
- Gemini 3.5 Flash (high):新しい結果1件(GDPval-AA v2.1)、スコアの改訂1件。
- Gemini 3.5 Flash (high):新しい結果3件(AIME 2026, HMMT February 2026, MathArena Apex)。
- Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
- Kimi K3.1 Pro Together (max):初めての結果。
- Gemini 3.5 Flash (high):スコアの改訂1件。
- Gemini 3.5 Flash (high):BenchLeader Index 63.2 → 62.6。
- Gemini 3.5 Flash (high):新しい結果1件(AA Progress Index v1)。
- Gemini 3.5 Flash (high):価格 $3.69/M → $2.98/M。
- Gemini 3.5 Flash (high):新しい結果1件(Harvey's Legal Agent Benchmark v1)。
- Gemini 3.5 Flash (high):スコアの改訂1件。
関連する比較
- Gemini 3.5 Flash vs Claude Fable 5.2
- Gemini 3.5 Flash vs Gemini 4 Carbon
- Gemini 3.5 Flash vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs Claude Fable 5.2
- Kimi K3.1 Pro Together vs Gemini 4 Carbon
- Kimi K3.1 Pro Together vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs GPT-6 Astra
- Gemini 3.5 Flash vs Claude Fable 5.1
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 Together:よくある質問
- Gemini 3.5 FlashはKimi K3.1 Pro Togetherより優れていますか?
- Gemini 3.5 Flash (high)とKimi K3.1 Pro Together (max)の品質は互角です(62.5 対 60.0、±3.5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 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7件のベンチマークのうち、Gemini 3.5 Flashのリードが1件、Kimi K3.1 Pro Togetherのリードが5件、同点が1件です。
- 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。