Gemini 3.8 Flash vs Kimi K3.1 Pro
詳しいプロフィール:Gemini 3.8 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 · 10件の情報源のデータ
2026年11月16日時点で、Gemini 3.8 FlashとKimi K3.1 Proの品質は互角です(BenchLeader Indexで60.2 対 61.8、±5.7の誤差範囲内)。価格はGemini 3.8 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。エージェント・ツール(75 対 65)を重視するならGemini 3.8 Flash、コーディング(60 対 52)、長文コンテキスト(68 対 67)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 3.8 Flashの方が短く、14.8秒 対 157.4秒です。Gemini 3.8 Flashは出力が3倍以上速い点も強みです。Gemini 3.8 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 3.8 Flashが60.2、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
- Gemini 3.8 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 3.8 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21件のベンチマークのうち、Kimi K3.1 Proが19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 52;FrontierCode 2.0 (AA) 25.4% 対 16.5% | 高 |
| エージェント・ツール利用 | Gemini 3.8 Flash | カテゴリスコア75 対 65;GDPval-AA v2.1, normalised score 46.1% 対 67.3% | 高 |
| 推論 | どちらでも | カテゴリスコア59 対 59;HLE-Diamond (AA) 29.1% 対 37.3% | どちらでも |
| 知識 | どちらでも | カテゴリスコア58 対 58;AA-Omniscience v1.1 23.7 対 29.9 | どちらでも |
| 長い文書 | Kimi K3.1 Pro | カテゴリスコア68 対 67;AA-LCR v1.1 86.3% 対 84.0% | 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 84.2% 対 83.9% | どちらでも |
| 最低コスト | Gemini 3.8 Flash | 100万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 3.8 Flash | 最初の回答トークンまで14.8秒(Gemini 3.8 Flash (medium))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 3.8 Flash (medium)とKimi K3.1 Proの品質は互角です(60.2 対 61.8、±5.7の誤差範囲内)。
- Gemini 3.8 Flash (medium)はエージェント・ツール、マルチモーダルで優れています。
- Kimi K3.1 Proはコーディング、知識、長文コンテキスト、推論で優れています。
- 2026年12月31日まではGemini 3.8 Flash (medium)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 3.8 Flash (medium)の方が出力が3.9倍速くなっています(116 対 30トークン/秒)。
概要
| 仕様 | Gemini 3.8 Flash | Kimi K3.1 Pro |
|---|---|---|
| プロバイダー | Moonshot AI | |
| リリース日 | 2026年9月2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 | 1,048,576 |
| 比較した構成 | Gemini 3.8 Flash (medium) | 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 | 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 3.8 Flash (medium) | Kimi K3.1 Pro | トップ |
|---|---|---|---|
| 推論 | 58.7 | 59.2 | 互角 |
| コーディング | 51.6 | 59.6 | Kimi K3.1 Pro |
| エージェント・ツール | 75.0 | 64.6 | Gemini 3.8 Flash |
| 数学 | – | 73.4 | 比較不可 |
| 知識 | 57.7 | 58.2 | 互角 |
| マルチモーダル | 66.7 | 66.3 | 互角 |
| 長文コンテキスト | 66.7 | 67.9 | Kimi 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。
描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, 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21件のベンチマークのうち、Gemini 3.8 Flashのリードが2件、Kimi K3.1 Proのリードが19件です。第三者の総合指標でも評価が分かれ、Gemini 3.8 FlashはArena Textで、Kimi K3.1 ProはAA Intelligence Index v5.0.1、Vals Indexでリードしています。
| 総合Index | Gemini 3.8 Flash (medium) | Kimi K3.1 Pro | トップ |
|---|---|---|---|
| BenchLeader Index | 60.2 | 61.8 | 互角 |
| AA Intelligence Index v5.0.1 | 30.1 | 46.5 | Kimi K3.1 Pro |
| Vals Index | 56.0† | 62.5 | Kimi K3.1 Pro |
| Arena Text | 1497† | 1485 | Gemini 3.8 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 3.8 Flash (medium) | 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) | $6.26 | $3.68 |
| タスクあたりの出力トークン(AA Index) | 82k | 72k |
| うち推論 | 47k | 44k |
| タスクあたりの時間(AA Index) | 12 min | 40 min |
| 出力速度 | 116 tok/s | 30 tok/s |
| 回答開始までの時間 | 14.8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) | 41.8秒 | 417.5秒 |
トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Gemini 3.8 Flash (medium)で$6.26、Kimi K3.1 Proで$3.68でした。同じ作業でGemini 3.8 Flash (medium)は1.1倍の出力トークンを書いています。
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.8 Flash (medium)のスコアは60.2、最初の回答トークンまで15秒。Gemini 3.8 Flash (high)は59.4(20秒)、Gemini 3.8 Flashは56.4(2秒)。Kimi K3.1 Proのスコアは61.8、最初の回答トークンまで157秒。Kimi K3.1 Pro (max)は59.9(157秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
180件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | Kimi K3.1 Pro |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.2 | 61.8 |
| エージェント・ツールスコア | BenchLeader | 75.0 | 64.6 |
| コーディングスコア | BenchLeader | 51.6 | 59.6 |
| 知識スコア | BenchLeader | 57.7 | 58.2 |
| 長文コンテキストスコア | BenchLeader | 66.7 | 67.9 |
| マルチモーダルスコア | BenchLeader | 66.7 | 66.3 |
| 推論スコア | BenchLeader | 58.7 | 59.2 |
| 数学スコア | BenchLeader | – | 73.4 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.50 | $4.00 |
| 出力速度 | BenchLeader | 116 tok/s | 30 tok/s |
| 回答開始までの時間 | BenchLeader | 14.8秒 | 157.4秒 |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.4%† | – |
| Humanity's Last Exam | Scale AI / CAIS | 44.5%† | – |
| SimpleBench | SimpleBench | 82.4%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1518† | 1504† |
| LiveBench 2.0 Reasoning | LiveBench | 89.3%† | 91.1%† |
| LiveBench 1.0 Reasoning | LiveBench | 89.3%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.1% | 52.5% |
| HLE-Diamond (AA) | Artificial Analysis | 29.1% | 37.3% |
| GPQA Diamond (Vals) | Vals AI | 94.4%† | – |
| ARC-AGI-1 | ARC Prize | 97.5% | – |
| ARC-AGI-2 | ARC Prize | 82.9% | – |
| ARC-AGI-3 | ARC Prize | 24.2% | – |
| CritPt | Artificial Analysis | 12.3% | 24.6% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 45.0% | 49.5% |
| MysteryMechanism | Vals AI | 36.5%† | 26.1%† |
| HLE-Diamond (Scale) | Scale AI SEAL | 34.3%† | – |
| Arena Expert | Arena (LMArena) | 1527† | 1515† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 58.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 47.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 52.9% | 57.6%† |
| DTBench | Epoch AI Benchmarking Hub | 94.9% | 93.3%† |
| コーディング | |||
| SciCode | SciCode | 55.1% | 60.8% |
| WeirdML | WeirdML | 84.8%† | – |
| FrontierCode | Cognition | 41.2% | – |
180件のベンチマークをすべて表示
| 指標 | 公開元 | Gemini 3.8 Flash (medium) | Kimi K3.1 Pro |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1531† | 1530† |
| Arena WebDev | Arena (LMArena) | 1584† | 1687† |
| LiveBench 2.0 Coding | LiveBench | 73.3%† | 67.8%† |
| LiveBench 1.0 Coding | LiveBench | 72.5%† | – |
| LiveCodeBench | Vals AI | 89.5%† | – |
| IOI | Vals AI | 56.9%† | 81.9%† |
| SWE-bench (Vals) | Vals AI | 80.0%† | – |
| Code Migration | Vals AI | 36.5%† | – |
| Code Migration v1.1 | Vals AI | 38.6%† | – |
| ProgramBench | Vals AI | 1.0%† | – |
| SWE-bench Multimodal | Vals AI | 40.8%† | – |
| Vibe Code Bench 1-100 | Vals AI | 18.8%† | – |
| Vibe Code Bench v1.1 | Vals AI | 78.7%† | 84.9%† |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 47.0%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.8%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 53.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 57.3%† | 61.1% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 45.2%† | 70.2% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 71.1%† | 58.9% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 55.7%† | 54.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | 94.9%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 58.8%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 38.9%† | – |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 76.9%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 71.0% | – |
| CursorBench | Cursor | 37.3% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1269.7† | 1932.8† |
| FrontierSWE | Epoch AI Benchmarking Hub | 19.6%† | – |
| WeirdML v3 | WeirdML | 7.4%† | 9.9%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 19.7% | 67.2% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 83.9% | – |
| Startrise Frontend | Startrise | 64.6%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 59.0† | 78.3 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.7 | 84.0† |
| Design Arena Website | Design Arena | 1291† | 1321 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 37.1% | 47.1% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 16.5% | 25.4% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 18.2%† | 59.7%† |
| Remote Labor Index | Scale AI / CAIS | 5.8%† | – |
| APEX-Agents | Mercor | 64.3%† | 65.5% |
| Arena Agent | Arena (LMArena) | 2.3† | 4.9† |
| LiveBench Long Agentic | LiveBench | 16.5%† | 38.7%† |
| LiveBench Browser | LiveBench | 45.1%† | 75.9%† |
| LiveBench Agentic Coding | LiveBench | 54.2%† | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 81.3%† | – |
| HiL-Bench | Scale AI SEAL | 41.5%† | 61.3% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 46.1% | 67.3% |
| GDPval-AA v2.1 | Artificial Analysis | 1432 | 1861 |
| τ³-Banking (AA) | Artificial Analysis | 45.8% | – |
| ITBench SRE (AA) | Artificial Analysis | 52.5%† | – |
| Analyst Agent (AA) | Artificial Analysis | 46.3%† | 38.8% |
| CUA-bench | Vals AI | 4.2%† | – |
| CyberBench | Vals AI | 43.8%† | – |
| Finance Agent v2 | Vals AI | 61.4%† | – |
| Finance Agent v2.1 | Vals AI | 65.8%† | 61.5%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 12.1%† | 11.7%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.0%† | – |
| Legal Research Bench | Vals AI | 38.9%† | 37.5%† |
| SkillsBench | Vals AI | 58.0%† | – |
| SREBench | Vals AI | 11.1%† | 27.1%† |
| Tax Agent Bench | Vals AI | 32.1%† | 24.9%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 19.7%† | 63.6%† |
| Terminal-Bench Science | Vals AI | 8.6%† | 31.4%† |
| Time Horizon Index: KSP | Vals AI | 18.8%† | – |
| Arena Agent Task Completion | Arena (LMArena) | 1.3† | 2.7† |
| Vending-Bench 2 | Andon Labs | 5093.8† | – |
| AutomationBench | Artificial Analysis | 60.9% | 73.3% |
| GDP.pdf (AA) | Artificial Analysis | 22.8% | 31.4% |
| Harvey LAB-AA v1.1 | Harvey | 0.0%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1183 | 1674 |
| Design Arena Agentic | Design Arena | 1225† | 1301 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 10.5% | 34.3% |
| CWE-Bench (AA) | Artificial Analysis | 52.5%† | 60.8% |
| DeepSec-Bench (AA) | Artificial Analysis | 14.5%† | 36.7% |
| CyberGym end-to-end (AA) | Artificial Analysis | 8.4%† | 94.7% |
| MKA (AA) | Artificial Analysis | 35.3%† | 43.9% |
| FACTS Search | 80.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 68.4%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.9%† | – |
| ProofBench | Vals AI | 48.0%† | 91.0% |
| LiveBench Mathematics | LiveBench | 91.6%† | – |
| ArXivMath | MathArena | – | 58.3%† |
| BrokenArXiv | MathArena | – | 61.9%† |
| Arena Maths | Arena (LMArena) | 1519† | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 69.7%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | 54.0%† | 79.1%† |
| LiveBench Research | LiveBench | 79.4%† | 82.1%† |
| LiveBench 1.0 Data Analysis | LiveBench | 54.0%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | 23.7 | 29.9 |
| MMLU-Pro | Vals AI | 90.2%† | – |
| LegalBench | Vals AI | 87.0%† | – |
| TaxEval | Vals AI | 74.5%† | – |
| PRBench Finance | Scale AI SEAL | 49.5%† | 47.5% |
| PRBench Legal | Scale AI SEAL | 48.9%† | 47.9% |
| BioMysteryBench | Vals AI | 62.2%† | 75.6%† |
| Excel Modeling Benchmark | Vals AI | 72.2%† | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.9%† | 70.0%† |
| MedCode | Vals AI | 48.1%† | – |
| MedScribe | Vals AI | 84.5%† | – |
| Public Benefits Bench v1.1 | Vals AI | 65.3%† | – |
| Access to Justice Benchmark | Vals AI | 67.1%† | 69.5%† |
| Financial Coaching Bench | Vals AI | 66.3%† | – |
| Immigration Bench | Vals AI | 63.4%† | – |
| DrugDiscoveryBench | Scale AI SEAL | – | 63.4%† |
| GDP.pdf | Epoch AI Benchmarking Hub | 23.4% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 49.6% | 48.9% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 48.5% | 62.7% |
| HealthBench Professional (AA) | OpenAI | 51.7%† | – |
| FACTS Parametric | 78.7%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 87.8%† | – |
| LiveBench Instruction Following | LiveBench | 81.4%† | – |
| Arena Instruction Following | Arena (LMArena) | 1492† | 1487† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1497† | 1485† |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1744† | 2173 |
| Arena Creative Writing | Arena (LMArena) | 1488† | 1453† |
| Arena Multi-turn | Arena (LMArena) | 1505† | 1475† |
| Arena Longer Queries | Arena (LMArena) | 1511† | 1491† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1317† | – |
| LiveBench Design | LiveBench | 69.7%† | 73.7%† |
| MMMU-Pro | Artificial Analysis | 84.2% | 83.9% |
| MMMU-Pro (Vals) | Vals AI | 89.1%† | – |
| MortgageTax | Vals AI | 65.3%† | – |
| SAGE | Vals AI | 88.2%† | – |
| AudioMC | Scale AI SEAL | 60.4%† | – |
| AudioMC (text output) | Scale AI SEAL | 60.4%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | 41.6%† | 33.2%† |
| GeoBench | GeoBench | 86.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 38.6%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 31.7%† | – |
| VIALS-AA | Handshake AI | 41.0%† | 45.3% |
| Code2Video-AA | Artificial Analysis | 899† | – |
| AA-3D | Artificial Analysis | 974† | 1112 |
| FACTS Multimodal | 57.6%† | – | |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 84.0% | 86.3% |
| Arena Document | Arena (LMArena) | 1469† | – |
| MLCR | Artificial Analysis | 12.8% | 38.3% |
| FACTS Grounding | 68.2%† | – | |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.8† | 161.4 |
| LiveBench 2.0 | LiveBench | 57.3%† | 68.7%† |
| LiveBench 1.0 | LiveBench | 75.8%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 30.1 | 46.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.8 | 55.1 |
| AA Progress Index v1 | Artificial Analysis | 319.1 | 340.7 |
| Vals Index | Vals AI | 56.0† | 62.5† |
| Vals Finance Index | Vals AI | 60.5%† | 56.0%† |
| Vals RSI Index | Vals AI | 19.9%† | – |
| Vals Science Index | Vals AI | 35.8%† | 44.4%† |
| Vals Router Index | Vals AI | 56.0%† | – |
| Vals Legal Index | Vals AI | 69.8%† | 67.0%† |
| AA Cyber Index | Artificial Analysis | 25.1† | 64.1 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 18.6% |
| DistressBench | Scale AI SEAL | 70.7%† | – |
| メタデータ | |||
| AA Openness Index | Artificial 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 3.8 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 3.8 Flash (medium):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。
- 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。
関連する比較
- Gemini 3.8 Flash vs Gemini 4 Carbon
- Kimi K3.1 Pro vs Claude Fable 5.2
- Kimi K3.1 Pro vs Gemini 4 Carbon
- Kimi K3.1 Pro vs Claude Opus 5.5
- Kimi K3.1 Pro vs GPT-6 Astra
- Gemini 3.7 Flash vs Kimi K3.1 Pro
- Gemini 3.8 Flash vs Kimi K3
- Gemini 3.8 Flash vs GPT-6.1 Sol
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 3.8 Flash vs Kimi K3.1 Pro:よくある質問
- Gemini 3.8 FlashはKimi K3.1 Proより優れていますか?
- Gemini 3.8 Flash (medium)とKimi K3.1 Proの品質は互角です(60.2 対 61.8、±5.7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 3.8 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 3.8 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 3.8 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 3.8 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 52。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FrontierCode 2.0 (AA)では、Gemini 3.8 Flashが16.5%、Kimi K3.1 Proが25.4%です。
- Gemini 3.8 FlashとKimi K3.1 Proはどちらが速いですか?
- Gemini 3.8 Flashの方が出力が3倍以上速くなっています(出力116 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 3.8 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Gemini 3.8 Flashの方がスコアが高くなっています(カテゴリ指標で75 対 65。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 67)。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 3.8 Flashです。Artificial Analysisの測定では、最初の回答トークンまで14.8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 3.8 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21件のベンチマークのうち、Gemini 3.8 Flashのリードが2件、Kimi K3.1 Proのリードが19件です。第三者の総合指標でも評価が分かれ、Gemini 3.8 FlashはArena Textで、Kimi K3.1 ProはAA Intelligence Index v5.0.1、Vals Indexでリードしています。
- 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。