BenchLeader

Gemini 3.7 Flash vs Kimi K3.1 Pro

詳しいプロフィール:Gemini 3.7 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 3.7 FlashとKimi K3.1 Proの品質は互角です(BenchLeader Indexで62.1 対 61.8、±4.6の誤差範囲内)。価格はGemini 3.7 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。推論(68 対 59)、知識(66 対 58)、コーディング(62 対 60)を重視するならGemini 3.7 Flash、エージェント・ツール(65 対 49)、数学(73 対 63)、長文コンテキスト(68 対 66)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 3.7 Flashの方が短く、2.2秒 対 157.4秒です。Gemini 3.7 Flashは出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.7 Flashが62.1、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • Gemini 3.7 Flashの100万トークンあたりのブレンド価格は$1.50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 3.7 FlashはKimi K3.1 Proより出力が約2倍速いです(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13件のベンチマークのうち、Kimi K3.1 Proが11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Gemini 3.7 Flashカテゴリスコア62 対 60;SciCode 57.2% 対 60.8%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 49;GDPval-AA v2.1 1861 対 1404高
数学Kimi K3.1 Proカテゴリスコア73 対 63高
推論Gemini 3.7 Flashカテゴリスコア68 対 59;Humanity's Last Exam (AA) 47.9% 対 52.5%高
知識Gemini 3.7 Flashカテゴリスコア66 対 58高
長い文書Kimi K3.1 Proカテゴリスコア68 対 66;AA-LCR v1.1 86.3% 対 81.7%中
画像などのメディアどちらでもカテゴリスコア67 対 66;MMMU-Pro 85.5% 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 3.7 Flashのみです(カテゴリスコア68)比較不可
最低コストGemini 3.7 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–
回答開始の速さGemini 3.7 Flash最初の回答トークンまで2.2秒(Gemini 3.7 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 3.7 Flash (high)とKimi K3.1 Proの品質は互角です(62.1 対 61.8、±4.6の誤差範囲内)。
  • Gemini 3.7 Flash (high)はコーディング、知識、マルチモーダル、推論で優れています。
  • Kimi K3.1 Proはエージェント・ツール、長文コンテキスト、数学で優れています。
  • Gemini 3.7 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)。
  • Gemini 3.7 Flash (high)の方が出力が3.2倍速くなっています(95 対 30トークン/秒)。

概要

仕様Gemini 3.7 FlashKimi K3.1 Pro
プロバイダーGoogleMoonshot AI
リリース日2026年8月13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 3.7 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

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 3.7 Flash (high)Kimi K3.1 Proトップ
推論67.859.2Gemini 3.7 Flash
コーディング62.359.6Gemini 3.7 Flash
エージェント・ツール48.964.6Kimi K3.1 Pro
数学62.673.4Kimi K3.1 Pro
知識65.958.2Gemini 3.7 Flash
人間の評価68.1–比較不可
マルチモーダル67.266.3互角
長文コンテキスト65.567.9Kimi 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 3.7 Flash, 推論: 67.8Gemini 3.7 Flash, コーディング: 62.3Gemini 3.7 Flash, エージェント・ツール: 48.9Gemini 3.7 Flash, 数学: 62.6Gemini 3.7 Flash, 知識: 65.9Gemini 3.7 Flash, 長文コンテキスト: 65.5Gemini 3.7 Flash, マルチモーダル: 67.2Kimi 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13件のベンチマークのうち、Gemini 3.7 Flashのリードが2件、Kimi K3.1 Proのリードが11件です。両方を評価しているすべての総合指標で、Gemini 3.7 Flashが上回っています。

総合IndexGemini 3.7 Flash (high)Kimi K3.1 Proトップ
BenchLeader Index62.161.8互角
Arena Text14891485†Gemini 3.7 Flash

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 3.7 Flash (high)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$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
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95 tok/s30 tok/s
回答開始までの時間2.2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)–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 3.7 Flash (high)のスコアは62.1、最初の回答トークンまで2秒。Gemini 3.7 Flash (medium)は60.1(2秒)、Gemini 3.7 Flash (low)は57.3(2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

145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 3.7 Flash (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader62.161.8
エージェント・ツールスコアBenchLeader48.964.6
コーディングスコアBenchLeader62.359.6
人間の評価スコアBenchLeader68.1–
知識スコアBenchLeader65.958.2
長文コンテキストスコアBenchLeader65.567.9
数学スコアBenchLeader62.673.4
マルチモーダルスコアBenchLeader67.266.3
推論スコアBenchLeader67.859.2
ブレンド価格($/100万トークン)BenchLeader$1.50$4.00
出力速度BenchLeader95 tok/s30 tok/s
回答開始までの時間BenchLeader2.2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 Hub94.8%–
Arena Hard PromptsArena (LMArena)15101504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench87.8%–
GPQA Diamond (AA)Artificial Analysis94.5%–
Humanity's Last Exam (AA)Artificial Analysis47.9%52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize84.6%–
CritPtArtificial Analysis14.3%24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15191515†
Chess PuzzlesEpoch AI Benchmarking Hub66.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
LMCAEpoch AI Benchmarking Hub50.4%57.6%†
DTBenchEpoch AI Benchmarking Hub96.8%93.3%†
ForecastBenchForecastBench66.2%–
コーディング
SciCodeSciCode57.2%60.8%
FrontierCodeCognition43.6%†–
Arena CodingArena (LMArena)15201530†
Arena WebDevArena (LMArena)15881687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench78.9%–
145件のベンチマークをすべて表示
指標公開元Gemini 3.7 Flash (high)Kimi K3.1 Pro
コーディング
LiveCodeBenchVals AI88.7%–
IOIVals AI67.8%81.9%†
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%–
ProgramBenchVals AI0.0%–
Vibe Code Bench v1.1Vals AI70.4%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 Hub41.1%–
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%–
ALE-BenchEpoch AI Benchmarking Hub904.31932.8†
FrontierSWEEpoch AI Benchmarking Hub20.3%–
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena1295†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-Bench12.4%59.7%†
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†65.5%
Arena AgentArena (LMArena)-2.24.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench58.3%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%–
HiL-BenchScale AI SEAL–61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis14041861
τ³-Banking (AA)Artificial Analysis32.8%–
Analyst Agent (AA)Artificial Analysis60.0%38.8%
CyberBenchVals AI43.8%–
Finance Agent v2Vals AI59.0%–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Harvey's Legal Agent Benchmark v1Vals AI8.8%–
Legal Research BenchVals AI34.6%37.5%†
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%27.1%†
Tax Agent BenchVals AI22.8%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI12.1%63.6%†
Terminal-Bench ScienceVals AI7.1%31.4%†
Arena Agent Task CompletionArena (LMArena)-3.52.7†
AutomationBenchArtificial Analysis62.0%73.3%
GDP.pdf (AA)Artificial Analysis23.6%31.4%
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis11151674
Design Arena AgenticDesign Arena1222†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 Hub71.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%–
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%–
ProofBenchVals AI58.0%†91.0%
LiveBench MathematicsLiveBench93.5%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1502–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench68.0%–
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%–
TaxEvalVals AI74.7%–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
Excel Modeling BenchmarkVals AI71.3%–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI53.4%–
MedScribeVals AI83.9%–
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL–63.4%†
GDP.pdfEpoch AI Benchmarking Hub23.8%–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
指示追従
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench79.9%–
Arena Instruction FollowingArena (LMArena)14861487†
人間の評価
Arena TextArena (LMArena)14891485†
EQ-Bench Creative Writing v3EQ-Bench1720†2173
Arena Creative WritingArena (LMArena)14871453†
Arena Multi-turnArena (LMArena)14901475†
Arena Longer QueriesArena (LMArena)15011491†
マルチモーダル
Arena VisionArena (LMArena)1313–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis85.5%83.9%
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
Humanity's Sixth SenseScale AI SEAL39.8%33.2%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%–
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%86.3%
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis39.155.1
AA Progress Index v1Artificial Analysis317.4340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals RSI IndexVals AI18.3%–
Vals Science IndexVals AI–44.4%†
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 SEAL69.0%†–
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 3.7 Flash (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • 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 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • 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。
  • Gemini 3.7 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 3.7 Flash vs Kimi K3.1 Pro:よくある質問

Gemini 3.7 FlashはKimi K3.1 Proより優れていますか?
Gemini 3.7 Flash (high)とKimi K3.1 Proの品質は互角です(62.1 対 61.8、±4.6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 3.7 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 3.7 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)。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 3.7 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Gemini 3.7 Flashの方がスコアが高くなっています(カテゴリ指標で62 対 60。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 3.7 Flashが57.2%、Kimi K3.1 Proが60.8%です。
Gemini 3.7 FlashとKimi K3.1 Proはどちらが速いですか?
Gemini 3.7 Flashの方が出力が約2倍速くなっています(出力95 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 3.7 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 49。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 66)。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 3.7 Flashです。Artificial Analysisの測定では、最初の回答トークンまで2.2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 3.7 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13件のベンチマークのうち、Gemini 3.7 Flashのリードが2件、Kimi K3.1 Proのリードが11件です。両方を評価しているすべての総合指標で、Gemini 3.7 Flash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。