BenchLeader

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 FlashKimi K3.1 Pro Together
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)1,048,576–
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60.666.9Kimi 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57.765.2Kimi K3.1 Pro Together
知識63.366.0Kimi 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。

2550 avg75推論数学知識Gemini 3.5 Flash, 推論: 60.6Gemini 3.5 Flash, 数学: 57.7Gemini 3.5 Flash, 知識: 63.3Kimi 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IndexGemini 3.5 Flash (high)Kimi K3.1 Pro Together (max)トップ
BenchLeader Index62.560.0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 IndexBenchLeader62.560.0
エージェント・ツールスコアBenchLeader62.8–
コーディングスコアBenchLeader59.5–
人間の評価スコアBenchLeader66.8–
指示追従スコアBenchLeader74.4–
知識スコアBenchLeader63.366.0
長文コンテキストスコアBenchLeader61.2–
数学スコアBenchLeader57.765.2
マルチモーダルスコアBenchLeader66.2–
推論スコアBenchLeader60.666.9
ブレンド価格($/100万トークン)BenchLeader$3.38–
出力速度BenchLeader176 tok/s–
回答開始までの時間BenchLeader9.9秒–
コンテキストウィンドウBenchLeader1,048,576トークン–
推論
GPQA DiamondEpoch AI Benchmarking Hub92.8%94.2%
SimpleBenchSimpleBench76.7%†–
Arena Hard PromptsArena (LMArena)1496–
LiveBench 1.0 ReasoningLiveBench82.0%–
GPQA Diamond (AA)Artificial Analysis92.2%–
Humanity's Last Exam (AA)Artificial Analysis42.7%–
GPQA Diamond (Vals)Vals AI92.7%–
EnigmaEvalScale AI SEAL25.4%–
ARC-AGI-1ARC Prize92.5%–
ARC-AGI-2ARC Prize72.1%–
CritPtArtificial Analysis13.1%–
Arena ExpertArena (LMArena)1491–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub32.0%42.0%
LMCAEpoch AI Benchmarking Hub47.1%–
DTBenchEpoch AI Benchmarking Hub94.7%–
ForecastBenchForecastBench64.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub79.3%–
SciCodeSciCode53.9%–
WeirdMLWeirdML62.6%–
Arena CodingArena (LMArena)1508–
Arena WebDevArena (LMArena)1500–
LiveBench 1.0 CodingLiveBench78.2%–
LiveCodeBenchVals AI87.6%–
SWE-bench (Vals)Vals AI78.8%–
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 MigrationVals AI26.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI48.7%–
Surface Evolver BenchEpoch AI Benchmarking Hub58.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub36.1%–
ALE-BenchEpoch AI Benchmarking Hub911.0–
Terminal-Bench 4.0 (AA)Artificial Analysis6.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis78.7%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 263.2–
Design Arena WebsiteDesign Arena1260†–
エージェント・ツール
APEX-AgentsMercor27.5%†–
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%†–
GDPval-AA v2.1Artificial Analysis1211–
τ³-Banking (AA)Artificial Analysis32.2%–
ITBench SRE (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis45.0%–
APEX-Agents (AA)Artificial Analysis47.0%–
Finance Agent v2Vals AI57.9%–
Harvey's Legal Agent Benchmark v1Vals AI2.5%–
Legal Research BenchVals AI30.8%–
SkillsBenchVals AI52.7%–
Tax Agent BenchVals AI21.6%–
Terminal-Bench 2.0 (Vals)Vals AI67.4%–
Terminal-Bench 4.0 (Vals)Vals AI6.1%–
Terminal-Bench ScienceVals AI5.7%–
Web Search IndexVals AI37.0%–
GBAEvalEpoch AI Benchmarking Hub6.7%†–
Vending-Bench 2Andon Labs5396.4†–
AutomationBenchArtificial Analysis42.1%–
GDP.pdf (AA)Artificial Analysis19.8%–
EnterpriseOps-GymArtificial Analysis50.1%–
AA-Briefcase v1.1Artificial Analysis876–
Design Arena AgenticDesign Arena1174†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub62.8%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub26.8%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub95.6%100.0%
ProofBenchVals AI31.0%–
LiveBench MathematicsLiveBench88.2%–
AIME 2026MathArena95.0%–
HMMT February 2026MathArena95.5%–
MathArena ApexMathArena32.3%–
Arena MathsArena (LMArena)1497–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%62.2%
LiveBench 1.0 Data AnalysisLiveBench64.9%–
MMLU-ProVals AI89.5%–
LegalBenchVals AI83.6%–
CorpFinVals AI64.7%–
TaxEvalVals AI74.4%–
Excel Modeling BenchmarkVals AI63.5%–
MedCodeVals AI55.8%–
MedScribeVals AI76.6%–
Public Benefits Bench v1.1Vals AI59.5%–
Financial Coaching BenchVals AI63.0%–
DrugDiscoveryBenchScale AI SEAL50.0%–
EBR-benchEpoch AI Benchmarking Hub4.8%–
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
指示追従
LiveBench LanguageLiveBench84.6%–
LiveBench Instruction FollowingLiveBench75.6%–
IFBenchArtificial Analysis76.3%–
Arena Instruction FollowingArena (LMArena)1465–
人間の評価
Arena TextArena (LMArena)1478–
EQ-Bench 4EQ-Bench1077†–
Arena Creative WritingArena (LMArena)1465–
Arena Multi-turnArena (LMArena)1480–
Arena Longer QueriesArena (LMArena)1483–
マルチモーダル
Arena VisionArena (LMArena)1308–
MMMU-ProArtificial Analysis84.3%–
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.1%–
Humanity's Sixth SenseScale AI SEAL32.6%–
GeoBenchGeoBench85.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub–55.8%
長文コンテキスト
AA-LCR v1.1Artificial Analysis73.3%–
Arena DocumentArena (LMArena)1455–
MLCRArtificial Analysis10.0%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.3†–
LiveBench 1.0LiveBench74.6%–
AA Intelligence Index v4.3.2Artificial Analysis32.6–
AA Progress Index v1Artificial Analysis305.1–
Vals Multimodal IndexVals AI62.9%–
安全性・誠実さ
DistressBenchScale AI SEAL66.9%†–

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。

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。