BenchLeader

GLM 5.3 Flash vs Kimi K3.1 Pro

詳しいプロフィール:GLM 5.3 Flash(Zhipu AI)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、GLM 5.3 FlashとKimi K3.1 Proの品質は互角です(BenchLeader Indexで57.8 対 61.8、±5.6の誤差範囲内)。価格はGLM 5.3 Flashの方が17倍安く、100万トークンあたりのブレンド価格で$0.238 対 $4.00です。両方を測定できるすべてのカテゴリでKimi K3.1 Proがリードしています。GLM 5.3 Flashの方が出力が約1.5倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM 5.3 Flashが57.8、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • GLM 5.3 Flashの100万トークンあたりのブレンド価格は$0.238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)。
  • GLM 5.3 FlashはKimi K3.1 Proより出力が約1.5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38件のベンチマークのうち、Kimi K3.1 Proが37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;FrontierCode 2.0 (AA) 25.4% 対 17.6%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;APEX-Agents 65.5% 対 52.8%中
数学Kimi K3.1 Proカテゴリスコア73 対 69中
推論Kimi K3.1 Proカテゴリスコア59 対 48;HLE-Diamond (AA) 37.3% 対 18.2%高
知識Kimi K3.1 Proカテゴリスコア58 対 45;AA-Omniscience v1.1 29.9 対 0.7高
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 64;VIALS-AA 45.3% 対 39.8%中
チャットの質(人間の評価)–Arenaの評価があるのはGLM 5.3 Flashのみです(カテゴリスコア66)比較不可
最低コストGLM 5.3 Flash100万トークンあたりブレンド価格$0.238 対 $4.00;エージェント型コーディングセッション$0.011 対 $0.160–
回答開始の速さGLM 5.3 Flash最初の回答トークンまで87.0秒(GLM 5.3 Flash)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

  • GLM 5.3 FlashとKimi K3.1 Proの品質は互角です(57.8 対 61.8、±5.6の誤差範囲内)。
  • Kimi K3.1 Proはエージェント・ツール、コーディング、知識、長文コンテキスト、数学、マルチモーダル、推論で優れています。
  • GLM 5.3 Flashの方が17倍安くなっています(100万トークンあたりブレンド価格$0.238 対 $4.00)。
  • GLM 5.3 Flashの方が出力が1.8倍速くなっています(54 対 30トークン/秒)。

概要

仕様GLM 5.3 FlashKimi K3.1 Pro
プロバイダーZhipu AIMoonshot AI
リリース日2026年8月20日2026年10月23日
コンテキストウィンドウ(トークン)1,000,0001,048,576
比較した構成GLM 5.3 FlashKimi K3.1 Pro
オープンウェイトありあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.150 / $0.500 / $0.030$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GLM 5.3 FlashKimi K3.1 Proトップ
推論48.359.2Kimi K3.1 Pro
コーディング56.959.6Kimi K3.1 Pro
エージェント・ツール58.764.6Kimi K3.1 Pro
数学68.873.4Kimi K3.1 Pro
知識45.158.2Kimi K3.1 Pro
人間の評価66.4–比較不可
マルチモーダル64.066.3Kimi 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GLM 5.3 Flash, 推論: 48.3GLM 5.3 Flash, コーディング: 56.9GLM 5.3 Flash, エージェント・ツール: 58.7GLM 5.3 Flash, 数学: 68.8GLM 5.3 Flash, 知識: 45.1GLM 5.3 Flash, 長文コンテキスト: 64.6GLM 5.3 Flash, マルチモーダル: 64.0Kimi 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38件のベンチマークのうち、GLM 5.3 Flashのリードが1件、Kimi K3.1 Proのリードが37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IndexGLM 5.3 FlashKimi K3.1 Proトップ
BenchLeader Index57.861.8互角
AA Intelligence Index v5.0.127.846.5Kimi K3.1 Pro
Vals Index50.9†62.5Kimi K3.1 Pro
Arena Text14751485†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GLM 5.3 FlashKimi K3.1 Pro
100万トークンあたりのブレンド価格$0.238$4.00
100万トークンあたりの入力/出力$0.150 / $0.500$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.030$0.200
タスクあたりの価格:チャットの返答$0.0002$0.0038
タスクあたりの価格:30ページのレポートを要約$0.0021$0.030
タスクあたりの価格:コード編集$0.0017$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$0.011$0.160
タスクあたりの価格:構造化データの抽出$0.0004$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)$0.0056$0.079
ベンチマークのタスクあたりのコスト(AA Index)$0.583$3.68
タスクあたりの出力トークン(AA Index)134k72k
うち推論103k44k
タスクあたりの時間(AA Index)41 min40 min
出力速度54 tok/s30 tok/s
回答開始までの時間87.0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)220.4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、GLM 5.3 Flashで$0.583、Kimi K3.1 Proで$3.68でした。同じ作業でGLM 5.3 Flashは1.9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。GLM 5.3 Flashのスコアは57.8、最初の回答トークンまで87秒。GLM 5.3 Flash (max)は52.4(87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

148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GLM 5.3 FlashKimi K3.1 Pro
BenchLeader IndexBenchLeader57.861.8
エージェント・ツールスコアBenchLeader58.764.6
コーディングスコアBenchLeader56.959.6
人間の評価スコアBenchLeader66.4–
知識スコアBenchLeader45.158.2
長文コンテキストスコアBenchLeader64.667.9
数学スコアBenchLeader68.873.4
マルチモーダルスコアBenchLeader64.066.3
推論スコアBenchLeader48.359.2
ブレンド価格($/100万トークン)BenchLeader$0.238$4.00
出力速度BenchLeader54 tok/s30 tok/s
回答開始までの時間BenchLeader87.0秒157.4秒
コンテキストウィンドウBenchLeader1,000,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.2%†–
Arena Hard PromptsArena (LMArena)15001504†
LiveBench 2.0 ReasoningLiveBench77.6%†91.1%†
LiveBench 1.0 ReasoningLiveBench77.6%–
GPQA Diamond (AA)Artificial Analysis91.2%–
Humanity's Last Exam (AA)Artificial Analysis39.9%52.5%
HLE-Diamond (AA)Artificial Analysis18.2%37.3%
GPQA Diamond (Vals)Vals AI86.4%†–
ARC-AGI-1ARC Prize91.0%†–
ARC-AGI-2ARC Prize65.8%†–
CritPtArtificial Analysis15.4%24.6%
CritPt v2 hard subset (AA)Artificial Analysis24.5%49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)15111515†
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub8.0%†–
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
BTF-3Epoch AI Benchmarking Hub14.9%–
コーディング
SciCodeSciCode51.6%60.8%
FrontierCodeCognition31.8%†–
Arena CodingArena (LMArena)15261530†
Arena WebDevArena (LMArena)16091687†
LiveBench 2.0 CodingLiveBench70.9%†67.8%†
LiveBench 1.0 CodingLiveBench79.0%–
148件のベンチマークをすべて表示
指標公開元GLM 5.3 FlashKimi K3.1 Pro
コーディング
LiveCodeBenchVals AI80.5%†–
IOIVals AI52.5%†81.9%†
SWE-bench (Vals)Vals AI92.0%†–
Code MigrationVals AI20.5%†–
Code Migration v1.1Vals AI51.6%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI16.0%†–
Vibe Code Bench v1.1Vals AI30.8%†84.9%†
SWE Atlas v1.1Scale AI SEAL55.3%61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL66.9%70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL53.3%58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL45.7%54.3%
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub63.4%†–
CursorBenchCursor36.8%†–
ALE-BenchEpoch AI Benchmarking Hub303.6†1932.8†
FrontierSWEEpoch AI Benchmarking Hub18.1%†–
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis32.8%67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 254.978.3
GameBench 2 by reasoning settingDuelLab GameBench 257.2†84.0†
Design Arena WebsiteDesign Arena12571321
FrontierCode 1.1 (AA)Artificial Analysis41.0%47.1%
FrontierCode 2.0 (AA)Artificial Analysis17.6%25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench37.0%†59.7%†
APEX-AgentsMercor52.8%65.5%
Arena AgentArena (LMArena)-2.94.9†
LiveBench Long AgenticLiveBench20.7%†38.7%†
LiveBench BrowserLiveBench59.8%†75.9%†
LiveBench Agentic CodingLiveBench56.8%–
Terminal-Bench 2.1 (Vals)Vals AI62.9%†–
HiL-BenchScale AI SEAL–61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis57.1%67.3%
GDPval-AA v2.1Artificial Analysis16481861
τ³-Banking (AA)Artificial Analysis47.2%–
ITBench SRE (AA)Artificial Analysis51.2%–
Analyst Agent (AA)Artificial Analysis25.0%38.8%
CyberBenchVals AI67.9%†–
Finance Agent v2Vals AI57.9%†–
Finance Agent v2.1Vals AI60.6%†61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%†11.7%†
Harvey's Legal Agent Benchmark v1Vals AI6.7%†–
Legal Research BenchVals AI45.2%†37.5%†
SkillsBenchVals AI40.2%†–
SREBenchVals AI0.8%†27.1%†
Tax Agent BenchVals AI31.6%†24.9%†
Terminal-Bench 4.0 (Vals)Vals AI37.4%†63.6%†
Terminal-Bench ScienceVals AI2.9%†31.4%†
Arena Agent Task CompletionArena (LMArena)1.32.7†
PostTrainBenchEpoch AI Benchmarking Hub36.8%†–
AutomationBenchArtificial Analysis60.4%73.3%
GDP.pdf (AA)Artificial Analysis15.4%31.4%
Harvey LAB-AA v1.1Harvey0.8%–
EnterpriseOps-GymArtificial Analysis33.2%–
AA-Briefcase v1.1Artificial Analysis14501674
Design Arena AgenticDesign Arena–1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis4.8%34.3%
CWE-Bench (AA)Artificial Analysis55.8%60.8%
DeepSec-Bench (AA)Artificial Analysis19.9%36.7%
CyberGym end-to-end (AA)Artificial Analysis74.0%94.7%
MKA (AA)Artificial Analysis36.2%43.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub93.9%†–
ProofBenchVals AI21.0%†91.0%
LiveBench MathematicsLiveBench81.2%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1505–
知識
LiveBench 2.0 Data AnalysisLiveBench76.4%†79.1%†
LiveBench ResearchLiveBench73.9%†82.1%†
LiveBench 1.0 Data AnalysisLiveBench76.4%–
AA-Omniscience v1.1Artificial Analysis0.729.9
MMLU-ProVals AI86.1%†–
LegalBenchVals AI83.9%†–
TaxEvalVals AI75.6%†–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
Excel Modeling BenchmarkVals AI55.9%†–
Excel Modeling Benchmark v1.1Vals AI66.3%†70.0%†
MedScribeVals AI88.9%†–
Access to Justice BenchmarkVals AI71.1%†69.5%†
DrugDiscoveryBenchScale AI SEAL–63.4%†
GDP.pdfEpoch AI Benchmarking Hub14.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis28.2%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.6%62.7%
指示追従
LiveBench LanguageLiveBench77.3%–
LiveBench Instruction FollowingLiveBench52.8%–
Arena Instruction FollowingArena (LMArena)14741487†
人間の評価
Arena TextArena (LMArena)14751485†
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)14351453†
Arena Multi-turnArena (LMArena)14761475†
Arena Longer QueriesArena (LMArena)14801491†
マルチモーダル
Arena VisionArena (LMArena)1295–
LiveBench DesignLiveBench73.7%†73.7%†
MMMU-ProArtificial Analysis–83.9%
MMMU-Pro (Vals)Vals AI86.0%†–
SAGEVals AI89.3%†–
Humanity's Sixth SenseScale AI SEAL26.8%†33.2%†
VIALS-AAHandshake AI39.8%45.3%
Code2Video-AAArtificial Analysis975–
AA-3DArtificial Analysis9371112
長文コンテキスト
AA-LCR v1.1Artificial Analysis80.0%86.3%
MLCRArtificial Analysis11.7%38.3%
FACTS GroundingGoogle56.1%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.8161.4
LiveBench 2.0LiveBench60.7%†68.7%†
LiveBench 1.0LiveBench71.6%–
AA Intelligence Index v5.0.1Artificial Analysis27.846.5
AA Intelligence Index v4.3.2Artificial Analysis41.855.1
AA Progress Index v1Artificial Analysis318.6340.7
Vals IndexVals AI50.9†62.5†
Vals Finance IndexVals AI55.8%†56.0%†
Vals Science IndexVals AI–44.4%†
Vals Router IndexVals AI50.9%–
Vals Legal IndexVals AI71.0%†67.0%†
AA Cyber IndexArtificial Analysis49.964.1
安全性・誠実さ
FORTRESSScale AI SEAL26.7%18.6%
DistressBenchScale AI SEAL72.7%–
メタデータ
AA Openness IndexArtificial Analysis44.433.3

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

  • GLM 5.3 Flash:BenchLeader Index 56.7 → 57.8。
  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro: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)。
  • GLM 5.3 Flash:スコアの改訂1件。
  • 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。
  • GLM 5.3 Flash:スコアの改訂5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

GLM 5.3 Flash vs Kimi K3.1 Pro:よくある質問

GLM 5.3 FlashはKimi K3.1 Proより優れていますか?
GLM 5.3 FlashとKimi K3.1 Proの品質は互角です(57.8 対 61.8、±5.6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。
GLM 5.3 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GLM 5.3 Flashの方が安く、100万トークンあたり$0.238 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GLM 5.3 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FrontierCode 2.0 (AA)では、GLM 5.3 Flashが17.6%、Kimi K3.1 Proが25.4%です。
GLM 5.3 FlashとKimi K3.1 Proはどちらが速いですか?
GLM 5.3 Flashの方が出力が約1.5倍速くなっています(出力54 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GLM 5.3 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)。共通するエージェント・ツールベンチマークのうち最も重要なAPEX-Agentsでは、GLM 5.3 Flashが52.8%、Kimi K3.1 Proが65.5%です。
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)。どちらも約1Mトークンです(GLM 5.3 Flashは1,000,000、Kimi K3.1 Proは1,048,576)。
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GLM 5.3 Flashです。Artificial Analysisの測定では、最初の回答トークンまで87.0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。
GLM 5.3 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38件のベンチマークのうち、GLM 5.3 Flashのリードが1件、Kimi K3.1 Proのリードが37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。