BenchLeader

Gemini 3.6 Flash vs Kimi K3.1 Pro

詳しいプロフィール:Gemini 3.6 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 · 12件の情報源のデータ

2026年11月16日時点で、Gemini 3.6 FlashとKimi K3.1 Proの品質は互角です(BenchLeader Indexで61.0 対 61.8、±4.2の誤差範囲内)。価格はGemini 3.6 Flashの方が2.7倍安く、100万トークンあたりのブレンド価格で$1.50 対 $4.00です。知識(64 対 58)、推論(64 対 59)を重視するならGemini 3.6 Flash、数学(73 対 59)、エージェント・ツール(65 対 59)、長文コンテキスト(68 対 65)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 3.6 Flashの方が短く、11.0秒 対 157.4秒です。Gemini 3.6 Flashは出力が3倍以上速い点も強みです。Gemini 3.6 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.6 Flashが61.0、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • Gemini 3.6 Flashの100万トークンあたりのブレンド価格は$1.50です(2026年12月31日まで。その後は$3.00)(https://ai.google.dev/gemini-api/docs/pricing、2026年10月20日確認)。
  • 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 3.6 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12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Kimi K3.1 Proカテゴリスコア60 対 57;SciCode 60.8% 対 53.4%中
エージェント・ツール利用Kimi K3.1 Proカテゴリスコア65 対 59;GDPval-AA v2.1 1861 対 1293中
数学Kimi K3.1 Proカテゴリスコア73 対 59高
推論Gemini 3.6 Flashカテゴリスコア64 対 59;Humanity's Last Exam (AA) 40.8% 対 52.5%中
知識Gemini 3.6 Flashカテゴリスコア64 対 58中
長い文書Kimi K3.1 Proカテゴリスコア68 対 65;AA-LCR v1.1 86.3% 対 80.0%中
画像などのメディアKimi K3.1 Proカテゴリスコア66 対 65;MMMU-Pro 83.9% 対 83.2%中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 3.6 Flashのみです(カテゴリスコア67)比較不可
最低コストGemini 3.6 Flash100万トークンあたりブレンド価格$1.50 対 $4.00;エージェント型コーディングセッション$0.060 対 $0.160;2027年1月1日以降:$3.00 対 $4.00–
回答開始の速さGemini 3.6 Flash最初の回答トークンまで11.0秒(Gemini 3.6 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 3.6 Flash (high)とKimi K3.1 Proの品質は互角です(61.0 対 61.8、±4.2の誤差範囲内)。
  • Gemini 3.6 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。
  • 2026年12月31日まではGemini 3.6 Flash (high)の方が2.7倍安くなっています(100万トークンあたりブレンド価格$1.50 対 $4.00)。2027年1月1日からは$3.00 対 $4.00になります。
  • Gemini 3.6 Flash (high)の方が出力が5.9倍速くなっています(177 対 30トークン/秒)。

概要

仕様Gemini 3.6 FlashKimi K3.1 Pro
プロバイダーGoogleMoonshot AI
リリース日2026年7月21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 3.6 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)$0.750 / $3.75 / $0.075$2.00 / $10.00 / $0.200
発表済みの価格変更2027年1月1日から$1.50 / $7.50 / $0.150発表なし

上限、提供状況、発表済みの価格は各ベンダーの公式ページによるものです: ai.google.dev(料金) (2026年10月20日確認)。それ以外はすべて当日のデータです。

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 3.6 Flash (high)Kimi K3.1 Proトップ
推論63.659.2Gemini 3.6 Flash
コーディング56.759.6Kimi K3.1 Pro
エージェント・ツール59.264.6Kimi K3.1 Pro
数学59.073.4Kimi K3.1 Pro
知識63.658.2Gemini 3.6 Flash
人間の評価67.3–比較不可
マルチモーダル65.066.3Kimi K3.1 Pro
長文コンテキスト64.667.9Kimi 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 3.6 Flash, 推論: 63.6Gemini 3.6 Flash, コーディング: 56.7Gemini 3.6 Flash, エージェント・ツール: 59.2Gemini 3.6 Flash, 数学: 59.0Gemini 3.6 Flash, 知識: 63.6Gemini 3.6 Flash, 長文コンテキスト: 64.6Gemini 3.6 Flash, マルチモーダル: 65.0Kimi 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12件のベンチマークのうち、Gemini 3.6 Flashのリードが0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 3.6 Flash (high)Kimi K3.1 Proトップ
BenchLeader Index61.061.8互角
Arena Text14831485†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 3.6 Flash (high)Kimi K3.1 Pro
100万トークンあたりのブレンド価格(2026年12月31日まで)$1.50$4.00
100万トークンあたりの入力/出力$0.750 / $3.75$2.00 / $10.00
2027年1月1日以降の100万トークンあたりのブレンド価格$3.00$4.00
2027年1月1日以降の100万トークンあたりの入力/出力$1.50 / $7.50$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.075$0.200
タスクあたりの価格:チャットの返答$0.0014$0.0038
タスクあたりの価格:30ページのレポートを要約$0.011$0.030
タスクあたりの価格:コード編集$0.010$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$0.060$0.160
タスクあたりの価格:構造化データの抽出$0.0023$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)$0.030$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177 tok/s30 tok/s
回答開始までの時間11.0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)30.3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 3.6 Flash (high)のスコアは61.0、最初の回答トークンまで11秒。Gemini 3.6 Flashは49.3(1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

152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 3.6 Flash (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader61.061.8
エージェント・ツールスコアBenchLeader59.264.6
コーディングスコアBenchLeader56.759.6
人間の評価スコアBenchLeader67.3–
知識スコアBenchLeader63.658.2
長文コンテキストスコアBenchLeader64.667.9
数学スコアBenchLeader59.073.4
マルチモーダルスコアBenchLeader65.066.3
推論スコアBenchLeader63.659.2
ブレンド価格($/100万トークン)BenchLeader$1.50$4.00
出力速度BenchLeader177 tok/s30 tok/s
回答開始までの時間BenchLeader11.0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 Hub94.1%–
Arena Hard PromptsArena (LMArena)15011504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench85.2%–
GPQA Diamond (AA)Artificial Analysis92.8%–
Humanity's Last Exam (AA)Artificial Analysis40.8%52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
GPQA Diamond (Vals)Vals AI93.4%–
ARC-AGI-1ARC Prize91.2%–
ARC-AGI-2ARC Prize60.4%–
CritPtArtificial Analysis10.6%24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15001515†
Chess PuzzlesEpoch AI Benchmarking Hub40.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub30.0%–
LMCAEpoch AI Benchmarking Hub44.9%57.6%†
DTBenchEpoch AI Benchmarking Hub95.5%93.3%†
ForecastBenchForecastBench65.7%†–
コーディング
SciCodeSciCode53.4%60.8%
WeirdMLWeirdML56.1%–
FrontierCodeCognition34.4%†–
Arena CodingArena (LMArena)15181530†
Arena WebDevArena (LMArena)15381687†
LiveBench 2.0 CodingLiveBench–67.8%†
152件のベンチマークをすべて表示
指標公開元Gemini 3.6 Flash (high)Kimi K3.1 Pro
コーディング
LiveBench 1.0 CodingLiveBench77.9%–
LiveCodeBenchVals AI88.1%–
IOIVals AI35.1%81.9%†
SWE-bench (Vals)Vals AI79.6%–
Code MigrationVals AI30.9%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI64.0%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%
MirrorCodeEpoch AI Benchmarking Hub23.3%–
DeepSWE v1.1Epoch AI Benchmarking Hub46.7%–
ALE-BenchEpoch AI Benchmarking Hub715.51932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis77.5%–
GameBench 2 OverallDuelLab GameBench 250.6†78.3
GameBench 2 by reasoning settingDuelLab GameBench 263.084.0†
Design Arena WebsiteDesign Arena1292†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-AgentsMercor46.9%†65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench43.4%–
Terminal-Bench 2.1 (Vals)Vals AI73.8%–
HiL-BenchScale AI SEAL–61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis12931861
τ³-Banking (AA)Artificial Analysis29.9%–
Analyst Agent (AA)Artificial Analysis–38.8%
CyberBenchVals AI45.4%–
Finance Agent v2Vals AI56.3%–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Harvey's Legal Agent Benchmark v1Vals AI3.3%–
Legal Research BenchVals AI25.0%37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI18.0%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI4.3%31.4%†
Arena Agent Task CompletionArena (LMArena)–2.7†
AutomationBenchArtificial Analysis53.0%73.3%
GDP.pdf (AA)Artificial Analysis17.4%31.4%
AA-Briefcase v1.1Artificial Analysis9571674
Design Arena AgenticDesign Arena1177†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%
FACTS SearchGoogle75.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub59.0%–
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%–
OTIS Mock AIMEEpoch AI Benchmarking Hub94.2%–
ProofBenchVals AI36.0%†91.0%
LiveBench MathematicsLiveBench86.4%–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena26.0%†–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1501–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub66.2%–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench63.0%–
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI89.3%–
LegalBenchVals AI86.7%–
CorpFinVals AI63.3%–
TaxEvalVals AI74.9%–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI58.5%75.6%†
Excel Modeling BenchmarkVals AI65.4%–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI53.1%–
MedScribeVals AI79.7%–
Public Benefits Bench v1.1Vals AI56.6%–
Access to Justice BenchmarkVals AI–69.5%†
Financial Coaching BenchVals AI65.8%–
DrugDiscoveryBenchScale AI SEAL–63.4%†
GDP.pdfEpoch AI Benchmarking Hub14.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
FACTS ParametricGoogle73.9%†–
指示追従
LiveBench LanguageLiveBench83.9%–
LiveBench Instruction FollowingLiveBench75.4%–
Arena Instruction FollowingArena (LMArena)14731487†
人間の評価
Arena TextArena (LMArena)14831485†
EQ-Bench Creative Writing v3EQ-Bench1602†2173
Arena Creative WritingArena (LMArena)14711453†
Arena Multi-turnArena (LMArena)14901475†
Arena Longer QueriesArena (LMArena)14851491†
マルチモーダル
Arena VisionArena (LMArena)1297–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis83.2%83.9%
MMMU-Pro (Vals)Vals AI88.4%–
MortgageTaxVals AI67.6%–
Humanity's Sixth SenseScale AI SEAL31.9%33.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub31.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub23.3%–
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
FACTS MultimodalGoogle53.7%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.0%86.3%
Arena DocumentArena (LMArena)1454–
MLCRArtificial Analysis10.0%38.3%
FACTS GroundingGoogle66.6%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.2†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench73.6%–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis34.055.1
AA Progress Index v1Artificial Analysis305.7340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals Science IndexVals AI–44.4%†
Vals Multimodal IndexVals AI65.1%–
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL–18.6%
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

  • Gemini 3.6 Flash:定価が100万トークンあたり入力$1.50/出力$7.50に変わります(発表済み)。
  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Gemini 3.6 Flash (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)、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)。
  • Kimi K3.1 Pro:新しい結果3件(PRBench Finance, PRBench Legal, FORTRESS)、スコアの改訂2件。
  • Gemini 3.6 Flash (high):新しい結果1件(MirrorCode)、スコアの改訂1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。

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 3.6 Flash vs Kimi K3.1 Pro:よくある質問

Gemini 3.6 FlashはKimi K3.1 Proより優れていますか?
Gemini 3.6 Flash (high)とKimi K3.1 Proの品質は互角です(61.0 対 61.8、±4.2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 3.6 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 3.6 Flashの方が安く、100万トークンあたり$1.50 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)。Gemini 3.6 Flashの現在の価格は2026年12月31日までで、その後は$3.00になります。
コーディングにはGemini 3.6 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60 対 57。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SciCodeでは、Gemini 3.6 Flashが53.4%、Kimi K3.1 Proが60.8%です。
Gemini 3.6 FlashとKimi K3.1 Proはどちらが速いですか?
Gemini 3.6 Flashの方が出力が3倍以上速くなっています(出力177 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 3.6 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 59。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 65)。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 3.6 Flashです。Artificial Analysisの測定では、最初の回答トークンまで11.0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 3.6 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12件のベンチマークのうち、Gemini 3.6 Flashのリードが0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。