BenchLeader

GLM-5 vs Kimi K3

詳しいプロフィール:GLM-5(Zhipu AI)とKimi K3(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 · 14件の情報源のデータ

2026年11月16日時点で、GLM-5とKimi K3の品質は互角です(BenchLeader Indexで60.2 対 60.7、±7.0の誤差範囲内)。価格はGLM-5の方が3.9倍安く、100万トークンあたりのブレンド価格で$1.55 対 $6.00です。エージェント・ツール(58 対 54)を重視するならGLM-5、知識(66 対 57)、数学(72 対 63)、コーディング(62 対 59)を重視するならKimi K3が向いています。回答開始までの時間はKimi K3の方が短く、0.8秒 対 29.2秒です。Kimi K3は出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGLM-5が60.2、Kimi K3が60.7です(BenchLeader、2026年11月16日)。
  • GLM-5の100万トークンあたりのブレンド価格は$1.55です(定価、2026年11月16日)。
  • Kimi K3の100万トークンあたりのブレンド価格は$6.00です(定価、2026年11月16日)。
  • Kimi K3はGLM-5より出力が速いです(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4件のベンチマークのうち、Kimi K3が4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カテゴリスコア62 対 59;SWE-bench (Vals) 93.4% 対 71.4%中
エージェント・ツール利用GLM-5カテゴリスコア58 対 54中
数学Kimi K3カテゴリスコア72 対 63高
知識Kimi K3カテゴリスコア66 対 57;CorpFin 71.6% 対 62.9%高
チャットの質(人間の評価)–Arenaの評価があるのはKimi K3のみです(カテゴリスコア69)比較不可
最低コストGLM-5100万トークンあたりブレンド価格$1.55 対 $6.00;エージェント型コーディングセッション$0.073 対 $0.240–
回答開始の速さKimi K3最初の回答トークンまで0.8秒(Kimi K3)対 29.2秒(GLM-5 (thinking))–
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 (thinking)とKimi K3の品質は互角です(60.2 対 60.7、±7.0の誤差範囲内)。
  • GLM-5 (thinking)はエージェント・ツールで優れています。
  • Kimi K3はコーディング、知識、数学で優れています。
  • GLM-5 (thinking)の方が3.9倍安くなっています(100万トークンあたりブレンド価格$1.55 対 $6.00)。

概要

仕様GLM-5Kimi K3
プロバイダーZhipu AIMoonshot AI
リリース日2026年2月11日2026年7月16日
コンテキストウィンドウ(トークン)204,8001,048,576
比較した構成GLM-5 (thinking)Kimi K3
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)$1.00 / $3.20 / $0.200$3.00 / $15.00 / $0.300

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 (thinking)Kimi K3トップ
推論68.2–比較不可
コーディング59.161.8Kimi K3
エージェント・ツール58.053.5GLM-5
数学63.471.5Kimi K3
知識57.466.1Kimi K3
指示追従70.9–比較不可
人間の評価–68.6比較不可
長文コンテキスト62.4–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コーディングエージェント・ツール数学知識GLM-5, コーディング: 59.1GLM-5, エージェント・ツール: 58.0GLM-5, 数学: 63.4GLM-5, 知識: 57.4Kimi K3, コーディング: 61.8Kimi K3, エージェント・ツール: 53.5Kimi K3, 数学: 71.5Kimi K3, 知識: 66.1

描画していないもの(測定済みのモデルが2つ未満):推論, 指示追従, 長文コンテキスト, 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4件のベンチマークのうち、GLM-5のリードが0件、Kimi K3のリードが4件です。両方を評価しているすべての総合指標で、Kimi K3が上回っています。

総合IndexGLM-5 (thinking)Kimi K3トップ
BenchLeader Index60.260.7互角
Arena Text1457†1487Kimi K3

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 (thinking)Kimi K3
100万トークンあたりのブレンド価格$1.55$6.00
100万トークンあたりの入力/出力$1.00 / $3.20$3.00 / $15.00
100万トークンあたりのキャッシュ入力$0.200$0.300
タスクあたりの価格:チャットの返答$0.0014$0.0057
タスクあたりの価格:30ページのレポートを要約$0.014$0.045
タスクあたりの価格:コード編集$0.011$0.041
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$0.073$0.240
タスクあたりの価格:構造化データの抽出$0.0026$0.0090
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)$0.037$0.118
出力速度69 tok/s76 tok/s
回答開始までの時間29.2秒0.8秒
回答が完了するまでの時間(最終測定2026年11月13日)81.4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。GLM-5 (thinking)のスコアは60.2、最初の回答トークンまで29秒。GLM-5は54.9(2秒)。Kimi K3のスコアは60.7、最初の回答トークンまで1秒。Kimi K3 (max)は60.2(55秒)、Kimi K3 (low)は53.6(8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

186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 (thinking)Kimi K3
BenchLeader IndexBenchLeader60.260.7
エージェント・ツールスコアBenchLeader58.053.5
コーディングスコアBenchLeader59.161.8
指示追従スコアBenchLeader70.9–
知識スコアBenchLeader57.466.1
長文コンテキストスコアBenchLeader62.4–
数学スコアBenchLeader63.471.5
推論スコアBenchLeader68.2–
人間の評価スコアBenchLeader–68.6
ブレンド価格($/100万トークン)BenchLeader$1.55$6.00
出力速度BenchLeader69 tok/s76 tok/s
回答開始までの時間BenchLeader29.2秒0.8秒
コンテキストウィンドウBenchLeader204,800トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub87.8%†93.1%†
SimpleBenchSimpleBench53.2%†60.7%†
Arena Hard PromptsArena (LMArena)1478†1516†
LiveBench 2.0 ReasoningLiveBench–90.7%†
LiveBench 1.0 ReasoningLiveBench–90.7%
GPQA Diamond (AA)Artificial Analysis82.0%93.5%†
Humanity's Last Exam (AA)Artificial Analysis29.3%46.9%†
HLE-Diamond (AA)Artificial Analysis–26.9%†
GPQA Diamond (Vals)Vals AI83.3%92.9%
Kagi LLM BenchmarkKagi LLM Benchmark75.0%–
ARC-AGI-1ARC Prize44.7%†94.5%†
ARC-AGI-2ARC Prize4.9%†60.4%†
CritPtArtificial Analysis2.0%23.4%†
CritPt v2 hard subset (AA)Artificial Analysis–40.5%†
HLE-Diamond (Scale)Scale AI SEAL–22.2%
Arena ExpertArena (LMArena)1482†1528†
Chess PuzzlesEpoch AI Benchmarking Hub–36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–26.0%†
CL-benchEpoch AI Benchmarking Hub18.7%†–
LMCAEpoch AI Benchmarking Hub–52.7%†
DTBenchEpoch AI Benchmarking Hub–91.2%†
ForecastBenchForecastBench63.4%†64.2%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.1%†–
SciCodeSciCode–58.7%
WeirdMLWeirdML48.2%†82.6%†
186件のベンチマークをすべて表示
指標公開元GLM-5 (thinking)Kimi K3
コーディング
FrontierCodeCognition–44.2%
Arena CodingArena (LMArena)1498†1538†
Arena WebDevArena (LMArena)1435†1658†
LiveBench 2.0 CodingLiveBench–53.1%†
LiveBench 1.0 CodingLiveBench–81.5%
SciCode (AA)Artificial Analysis–59.5%†
LiveCodeBenchVals AI81.9%87.2%†
IOIVals AI–48.9%†
SWE-bench (Vals)Vals AI71.4%93.4%
SWE-bench Verified (bash only)SWE-bench72.8%†–
SWE-bench Multilingual (bash only)SWE-bench69.7%†–
SWE-bench Verified (any scaffold)SWE-bench72.8%†–
Code MigrationVals AI–16.1%†
Code Migration v1.1Vals AI–28.6%†
ProgramBenchVals AI–2.0%
SWE-bench MultimodalVals AI–44.2%†
Vibe Code Bench 1-100Vals AI–18.2%†
Vibe Code Bench v1.1Vals AI23.4%85.0%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL20.5%†–
SWE Atlas v1.0: RefactoringScale AI SEAL24.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL28.7%†–
SWE Atlas v1.1Scale AI SEAL–61.0%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–65.3%
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%
SWE Atlas v1.1: RefactoringScale AI SEAL–54.3%
SWE-Bench Pro V2Scale AI SEAL–97.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–88.2%†
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub–95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–68.5%†
ALE-BenchEpoch AI Benchmarking Hub765.6†1524.5†
FrontierSWEEpoch AI Benchmarking Hub–25.9%†
WeirdML v3WeirdML–7.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis–12.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis–85.0%†
Startrise FrontendStartrise–79.8%
GameBench 2 OverallDuelLab GameBench 2–48.0
GameBench 2 by reasoning settingDuelLab GameBench 2–45.7†
Design Arena WebsiteDesign Arena1239†1336
FrontierCode 1.1 (AA)Artificial Analysis–43.6%†
FrontierCode 2.0 (AA)Artificial Analysis–10.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench52.4%†23.0%†
APEX-AgentsMercor–47.8%
Arena AgentArena (LMArena)–0.6†
LiveBench Long AgenticLiveBench–36.0%†
LiveBench BrowserLiveBench–75.2%†
LiveBench Agentic CodingLiveBench–62.2%
Terminal-Bench HardArtificial Analysis43.2%–
τ²-Bench Telecom (AA)Artificial Analysis98.3%–
Terminal-Bench 2.1 (Vals)Vals AI–80.9%
MCP AtlasScale AI SEAL–82.3%†
HiL-BenchScale AI SEAL–42.7%
τ²-benchτ²-bench81.0%–
τ³-bench Bankingτ²-bench9.8%37.1%†
GDPval-AA v2.1Artificial Analysis–1542†
τ³-Banking (AA)Artificial Analysis–46.0%†
ITBench SRE (AA)Artificial Analysis–47.7%†
Analyst Agent (AA)Artificial Analysis–38.8%†
APEX-Agents (AA)Artificial Analysis14.4%41.3%†
CyberBenchVals AI–75.2%†
Finance Agent v2Vals AI–53.1%†
Finance Agent v2.1Vals AI–60.0%†
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%†
Harvey's Legal Agent Benchmark v1Vals AI–12.9%†
Legal Research BenchVals AI–46.1%†
Tax Agent BenchVals AI–33.4%†
Terminal-Bench 2.0 (Vals)Vals AI49.4%–
Terminal-Bench 4.0 (Vals)Vals AI–17.2%†
Terminal-Bench ScienceVals AI–1.4%†
Time Horizon Index: KSPVals AI–10.5%†
Arena Agent Task CompletionArena (LMArena)–3.4†
PostTrainBenchEpoch AI Benchmarking Hub–31.5%
GBAEvalEpoch AI Benchmarking Hub–48.4%
Vending-Bench 2Andon Labs4432.1†5165.0
AutomationBenchArtificial Analysis–58.3%†
GDP.pdf (AA)Artificial Analysis–22.0%†
Harvey LAB-AA v1.1Harvey–5.3%†
EnterpriseOps-GymArtificial Analysis–45.3%†
AA-Briefcase v1.1Artificial Analysis–1497†
GDPxGDPx by SemiAnalysis–3.7%†
Design Arena AgenticDesign Arena1115†1261
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–8.1%†
CWE-Bench (AA)Artificial Analysis–53.3%†
DeepSec-Bench (AA)Artificial Analysis–12.4%†
CyberGym end-to-end (AA)Artificial Analysis–58.0%†
FACTS SearchGoogle–90.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†97.2%†
ProofBenchVals AI–87.0%
LiveBench MathematicsLiveBench–84.4%
AIME (Vals)Vals AI91.7%–
AIME 2026MathArena96.7%†96.7%†
HMMT February 2026MathArena86.4%†97.0%†
USAMO 2026MathArena35.1%†–
MathArena ApexMathArena10.9%†65.6%†
Arena MathsArena (LMArena)1443†1502†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–50.6%†
LiveBench 2.0 Data AnalysisLiveBench–78.7%†
LiveBench ResearchLiveBench–79.8%†
LiveBench 1.0 Data AnalysisLiveBench–78.7%
AA-Omniscience v1.1Artificial Analysis–-1.7†
MMLU-ProVals AI86.0%88.0%†
LegalBenchVals AI84.1%86.2%†
CorpFinVals AI62.9%71.6%
TaxEvalVals AI70.0%75.7%
MedQAVals AI94.3%–
BioMysteryBenchVals AI–72.6%†
CaseLaw v2Vals AI52.5%–
Excel Modeling BenchmarkVals AI–66.7%†
Excel Modeling Benchmark v1.1Vals AI–71.3%†
MedCodeVals AI–49.4%†
MedScribeVals AI–88.0%†
Public Benefits Bench v1.1Vals AI–68.2%†
Access to Justice BenchmarkVals AI–68.2%†
Financial Coaching BenchVals AI–74.5%†
Immigration BenchVals AI–68.3%†
GDP.pdfEpoch AI Benchmarking Hub–19.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis–42.4%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–23.4%†
Global-MMLU-Lite (AA)Artificial Analysis81.9%†–
HealthBench Professional (AA)OpenAI–53.2%†
指示追従
LiveBench LanguageLiveBench–85.5%
LiveBench Instruction FollowingLiveBench–71.4%
IFBenchArtificial Analysis72.3%–
Arena Instruction FollowingArena (LMArena)1447†1489†
人間の評価
Arena TextArena (LMArena)1457†1487†
EQ-Bench 4EQ-Bench–1319
EQ-Bench Creative Writing v3EQ-Bench1601†2083
Arena Creative WritingArena (LMArena)1447†1459†
Arena Multi-turnArena (LMArena)1472†1502†
Arena Longer QueriesArena (LMArena)1469†1500†
マルチモーダル
LiveBench DesignLiveBench–72.5%†
MMMU-ProArtificial Analysis–80.5%†
MMMU-Pro (Vals)Vals AI–88.2%
MortgageTaxVals AI–66.3%
SAGEVals AI–86.8%†
Humanity's Sixth SenseScale AI SEAL–25.5%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–29.5%
Furniture AssemblyEpoch AI Benchmarking Hub–34.2%†
Code2Video-AAArtificial Analysis–1041†
AA-3DArtificial Analysis–984†
長文コンテキスト
AA-LCR v1.1Artificial Analysis75.7%88.7%†
MLCRArtificial Analysis–21.7%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub146.5†158.6
LiveBench 2.0LiveBench–65.0%†
LiveBench 1.0LiveBench–79.2%
AA Intelligence Index v5.0.1Artificial Analysis–17.4†
AA Intelligence Index v4.3.2Artificial Analysis27.943.6†
AA Progress Index v1Artificial Analysis280.9319.9†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–58.0%†
Vals RSI IndexVals AI–20.9%†
Vals Multimodal IndexVals AI–73.4%
Vals Router IndexVals AI–53.0%
Vals Legal IndexVals AI–71.7%†
AA Cyber IndexArtificial Analysis–41.3†
安全性・誠実さ
FORTRESSScale AI SEAL–27.3%
DistressBenchScale AI SEAL71.2%†73.5%
メタデータ
AA Openness IndexArtificial Analysis5038.9†

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:BenchLeader Index 59.1 → 60.7。
  • Kimi K3:スコアの改訂1件。
  • Kimi K3:スコアの改訂4件。
  • Kimi K3:スコアの改訂1件。
  • Kimi K3:新しい結果1件(FACTS Search)。
  • GLM-5 (thinking):価格 $0.15/M → $0.20/M。
  • Kimi K3:スコアの改訂1件。
  • GLM-5 (thinking):価格 $0.20/M → $0.15/M。
  • GLM-5 (thinking):価格 $0.15/M → $0.20/M。
  • GLM-5 (thinking):価格 $0.20/M → $0.15/M。

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 vs Kimi K3:よくある質問

GLM-5はKimi K3より優れていますか?
GLM-5 (thinking)とKimi K3の品質は互角です(60.2 対 60.7、±7.0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とKimi K3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の方が安く、100万トークンあたり$1.55 対 $6.00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とKimi K3のどちらが向いていますか?
コーディングではKimi K3の方がスコアが高くなっています(カテゴリ指標で62 対 59。50が平均)。
GLM-5とKimi K3はどちらが速いですか?
Kimi K3の方が出力が速くなっています(出力76 対 69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とKimi K3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GLM-5の方がスコアが高くなっています(カテゴリ指標で58 対 54。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?
コンテキストはKimi K3の方が長く、1,048,576トークンです(GLM-5は204,800トークン)。
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Kimi K3です。Artificial Analysisの測定では、最初の回答トークンまで0.8秒 対 29.2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とKimi K3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4件のベンチマークのうち、GLM-5のリードが0件、Kimi K3のリードが4件です。両方を評価しているすべての総合指標で、Kimi K3が上回っています。
Kimi K3はいつリリースされましたか?
Kimi K3は2026年7月16日にリリースされました。