BenchLeader

Gemini 4 Carbon vs Kimi K3.1 Pro

詳しいプロフィール:Gemini 4 Carbon(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 · 15件の情報源のデータ

2026年11月16日時点で、品質ではGemini 4 CarbonがKimi K3.1 Proを上回ります(BenchLeader Indexで68.9 対 61.8)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$4.00 対 $4.00)。知識(76 対 58)、コーディング(74 対 60)、推論(73 対 59)を重視するならGemini 4 Carbon、長文コンテキスト(68 対 64)、数学(73 対 72)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 4 Carbonの方が短く、73.5秒 対 157.4秒です。Gemini 4 Carbon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 4 Carbonが68.9、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • Gemini 4 Carbon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)。
  • 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 4 Carbon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18件のベンチマークのうち、Gemini 4 Carbon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Gemini 4 Carbonカテゴリスコア74 対 60;FrontierCode 2.0 (AA) 40.6% 対 25.4%高
エージェント・ツール利用Gemini 4 Carbonカテゴリスコア70 対 65;AutomationBench 77.8% 対 73.3%中
数学Kimi K3.1 Proカテゴリスコア73 対 72中
推論Gemini 4 Carbonカテゴリスコア73 対 59;HLE-Diamond (AA) 69.1% 対 37.3%高
知識Gemini 4 Carbonカテゴリスコア76 対 58;AA-Omniscience v1.1 53.5 対 29.9高
長い文書Kimi K3.1 Proカテゴリスコア68 対 64;AA-LCR v1.1 86.3% 対 79.3%中
チャットの質(人間の評価)–Arenaの評価があるのはGemini 4 Carbonのみです(カテゴリスコア73)比較不可
最低コストどちらでも100万トークンあたりブレンド価格$4.00 対 $4.00;エージェント型コーディングセッション$0.160 対 $0.160–
回答開始の速さGemini 4 Carbon最初の回答トークンまで73.5秒(Gemini 4 Carbon (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

  • 品質ではGemini 4 Carbon (high)がリードしています:68.9 対 61.8。
  • Gemini 4 Carbon (high)はエージェント・ツール、コーディング、知識、推論で優れています。
  • Kimi K3.1 Proは長文コンテキスト、数学で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$4.00)。
  • Gemini 4 Carbon (high)の方が出力が2.1倍速くなっています(64 対 30トークン/秒)。

概要

仕様Gemini 4 CarbonKimi K3.1 Pro
プロバイダーGoogleMoonshot AI
リリース日2026年10月28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 4 Carbon (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)$2.00 / $10.00 / $0.100$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 4 Carbon (high)Kimi K3.1 Proトップ
推論73.259.2Gemini 4 Carbon
コーディング74.159.6Gemini 4 Carbon
エージェント・ツール70.364.6Gemini 4 Carbon
数学71.973.4Kimi K3.1 Pro
知識76.158.2Gemini 4 Carbon
人間の評価72.6–比較不可
マルチモーダル–66.3比較不可
長文コンテキスト64.367.9Kimi K3.1 Pro
総合70.3–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Gemini 4 Carbon, 推論: 73.2Gemini 4 Carbon, コーディング: 74.1Gemini 4 Carbon, エージェント・ツール: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知識: 76.1Gemini 4 Carbon, 長文コンテキスト: 64.3Kimi 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: 67.9

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, 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18件のベンチマークのうち、Gemini 4 Carbonのリードが12件、Kimi K3.1 Proのリードが6件です。両方を評価しているすべての総合指標で、Gemini 4 Carbonが上回っています。

総合IndexGemini 4 Carbon (high)Kimi K3.1 Proトップ
BenchLeader Index68.961.8Gemini 4 Carbon
AA Intelligence Index v5.0.160.046.5Gemini 4 Carbon
Vals Index70.562.5†Gemini 4 Carbon
Arena Text15261485†Gemini 4 Carbon

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 4 Carbon (high)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$4.00$4.00
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.100$0.200
タスクあたりの価格:チャットの返答$0.0038$0.0038
タスクあたりの価格:30ページのレポートを要約$0.030$0.030
タスクあたりの価格:コード編集$0.027$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$0.160$0.160
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.074$0.079
ベンチマークのタスクあたりのコスト(AA Index)$5.48$3.68
タスクあたりの出力トークン(AA Index)123k72k
うち推論72k44k
タスクあたりの時間(AA Index)32 min40 min
出力速度64 tok/s30 tok/s
回答開始までの時間73.5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)160.6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 4 Carbon (high)で$5.48、Kimi K3.1 Proで$3.68でした。同じ作業でGemini 4 Carbon (high)は1.7倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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 4 Carbon (high)のスコアは68.9、最初の回答トークンまで73秒。Gemini 4 Carbon (medium)は65.8(21秒)、Gemini 4 Carbon (low)は60.1(11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

119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 4 Carbon (high)Kimi K3.1 Pro
BenchLeader IndexBenchLeader68.961.8
エージェント・ツールスコアBenchLeader70.364.6
コーディングスコアBenchLeader74.159.6
総合スコアBenchLeader70.3–
人間の評価スコアBenchLeader72.6–
知識スコアBenchLeader76.158.2
長文コンテキストスコアBenchLeader64.367.9
数学スコアBenchLeader71.973.4
推論スコアBenchLeader73.259.2
マルチモーダルスコアBenchLeader–66.3
ブレンド価格($/100万トークン)BenchLeader$4.00$4.00
出力速度BenchLeader64 tok/s30 tok/s
回答開始までの時間BenchLeader73.5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 Hub96.5%–
SimpleBenchSimpleBench92.6%†–
Arena Hard PromptsArena (LMArena)15471504†
LiveBench 2.0 ReasoningLiveBench90.6%91.1%†
Humanity's Last Exam (AA)Artificial Analysis–52.5%
HLE-Diamond (AA)Artificial Analysis69.1%37.3%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize92.1%–
ARC-AGI-3ARC Prize96.9%–
CritPtArtificial Analysis–24.6%
CritPt v2 hard subset (AA)Artificial Analysis69.0%49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15671515†
Chess PuzzlesEpoch AI Benchmarking Hub78.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub73.0%–
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
コーディング
SciCodeSciCode64.2%60.8%
Arena CodingArena (LMArena)15681530†
Arena WebDevArena (LMArena)17681687†
LiveBench 2.0 CodingLiveBench91.0%67.8%†
SciCode (AA)Artificial Analysis–60.8%
IOIVals AI–81.9%†
Vibe Code Bench v1.1Vals AI89.1%84.9%†
Vibe Code Bench 1-100 v1.1Vals AI49.7%–
119件のベンチマークをすべて表示
指標公開元Gemini 4 Carbon (high)Kimi K3.1 Pro
コーディング
SWE Atlas v1.1Scale AI SEAL71.4%†61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL76.7%†58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL64.3%†54.3%
CursorBenchCursor60.4%–
ALE-BenchEpoch AI Benchmarking Hub–1932.8†
FrontierSWEEpoch AI Benchmarking Hub61.2%–
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis65.2%67.2%
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena1319†1321
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis40.6%25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench64.5%59.7%†
APEX-AgentsMercor84.2%†65.5%
Arena AgentArena (LMArena)174.9†
LiveBench Long AgenticLiveBench72.7%38.7%†
LiveBench BrowserLiveBench80.0%75.9%†
HiL-BenchScale AI SEAL50.3%†61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis17331861
Analyst Agent (AA)Artificial Analysis–38.8%
Finance Agent v2.1Vals AI67.2%61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI17.5%11.7%†
Legal Research BenchVals AI55.8%37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI51.8%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI63.1%63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena Agent Task CompletionArena (LMArena)18.42.7†
Vending-Bench 2Andon Labs16484.2†–
AutomationBenchArtificial Analysis77.8%73.3%
GDP.pdf (AA)Artificial Analysis28.4%31.4%
AA-Briefcase v1.1Artificial Analysis16111674
GDPxGDPx by SemiAnalysis10.9%–
Design Arena AgenticDesign Arena1305†1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis64.8%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 Analysis54.3%43.9%
FACTS SearchGoogle94.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.5%–
FrontierMath Tier 4Epoch AI Benchmarking Hub95.1%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI–91.0%
ArXivMathMathArena94.3%58.3%†
BrokenArXivMathArena84.4%61.9%†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub77.7%–
LiveBench 2.0 Data AnalysisLiveBench86.5%79.1%†
LiveBench ResearchLiveBench92.5%82.1%†
AA-Omniscience v1.1Artificial Analysis53.529.9
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL53.4%†47.9%
BioMysteryBenchVals AI–75.6%†
Excel Modeling Benchmark v1.1Vals AI76.5%70.0%†
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL71.5%63.4%†
EBR-benchEpoch AI Benchmarking Hub87.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis58.3%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis88.6%62.7%
FACTS ParametricGoogle81.6%†–
指示追従
Arena Instruction FollowingArena (LMArena)15251487†
人間の評価
Arena TextArena (LMArena)15261485†
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)15161453†
Arena Multi-turnArena (LMArena)15641475†
Arena Longer QueriesArena (LMArena)15381491†
マルチモーダル
LiveBench DesignLiveBench80.2%73.7%†
MMMU-ProArtificial Analysis89.3%†83.9%
Humanity's Sixth SenseScale AI SEAL71.1%33.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub58.6%†–
Furniture AssemblyEpoch AI Benchmarking Hub77.5%–
VIALS-AAHandshake AI64.0%45.3%
AA-3DArtificial Analysis–1112
FACTS MultimodalGoogle60.2%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.3%86.3%
MLCRArtificial Analysis19.4%38.3%
FACTS GroundingGoogle77.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169.8†161.4
LiveBench 2.0LiveBench83.5%68.7%†
AA Intelligence Index v5.0.1Artificial Analysis60.046.5
AA Intelligence Index v4.3.2Artificial Analysis–55.1
AA Progress Index v1Artificial Analysis350.8340.7
Vals IndexVals AI70.562.5†
Vals Finance IndexVals AI67.0%56.0%†
Vals RSI IndexVals AI27.7%–
Vals Science IndexVals AI–44.4%†
Vals Legal IndexVals AI75.9%67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL16.4%†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

  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Gemini 4 Carbon (high):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Gemini 4 Carbon (high):BenchLeader Index 69.9 → 68.9。
  • Gemini 4 Carbon (high):新しい結果1件(Terminal-Bench)。
  • 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)。
  • Gemini 4 Carbon (high):新しい結果1件(DrugDiscoveryBench)、入力価格 $4.00/M → $2.00/M、出力価格 $20.00/M → $10.00/M、価格 $7.76/M → $5.48/M。
  • 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 4 Carbon (high):BenchLeader Index 68.5 → 69.9。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

Gemini 4 Carbon vs Kimi K3.1 Pro:よくある質問

Gemini 4 CarbonはKimi K3.1 Proより優れていますか?
品質ではGemini 4 Carbon (high)がリードしています:68.9 対 61.8。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日時点では総合でGemini 4 Carbon (high)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
Gemini 4 Carbon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?
価格は同じで、100万トークンあたりのブレンド価格は$4.00です。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 4 Carbon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 4 Carbonの方がスコアが高くなっています(カテゴリ指標で74 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FrontierCode 2.0 (AA)では、Gemini 4 Carbonが40.6%、Kimi K3.1 Proが25.4%です。
Gemini 4 CarbonとKimi K3.1 Proはどちらが速いですか?
Gemini 4 Carbonの方が出力が約2倍速くなっています(出力64 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 4 Carbon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 4 Carbonの方がスコアが高くなっています(カテゴリ指標で70 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 64)。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 4 Carbonです。Artificial Analysisの測定では、最初の回答トークンまで73.5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 4 Carbon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18件のベンチマークのうち、Gemini 4 Carbonのリードが12件、Kimi K3.1 Proのリードが6件です。両方を評価しているすべての総合指標で、Gemini 4 Carbonが上回っています。
Gemini 4 Carbonはいつリリースされましたか?
Gemini 4 Carbonは2026年10月28日にリリースされました。