BenchLeader

GLM-5 vs Kimi K3.1 Pro

詳しいプロフィール:GLM-5(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 · 11件の情報源のデータ

2026年11月16日時点で、GLM-5とKimi K3.1 Proの品質は互角です(BenchLeader Indexで60.2 対 61.8、±4.7の誤差範囲内)。価格はGLM-5の方が2.6倍安く、100万トークンあたりのブレンド価格で$1.55 対 $4.00です。推論(68 対 59)を重視するならGLM-5、数学(73 対 63)、エージェント・ツール(65 対 58)、長文コンテキスト(68 対 62)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GLM-5の方が短く、29.2秒 対 157.4秒です。GLM-5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GLM-5が60.2、Kimi K3.1 Proが61.8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 K3.1 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5件のベンチマークのうち、Kimi K3.1 Pro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
コーディングどちらでもカテゴリスコア59 対 60どちらでも
エージェント・ツール利用Kimi K3.1 Proカテゴリスコア65 対 58中
数学Kimi K3.1 Proカテゴリスコア73 対 63高
推論GLM-5カテゴリスコア68 対 59;Humanity's Last Exam (AA) 29.3% 対 52.5%高
知識どちらでもカテゴリスコア57 対 58どちらでも
長い文書Kimi K3.1 Proカテゴリスコア68 対 62;AA-LCR v1.1 86.3% 対 75.7%中
最低コストGLM-5100万トークンあたりブレンド価格$1.55 対 $4.00;エージェント型コーディングセッション$0.073 対 $0.160–
回答開始の速さGLM-5最初の回答トークンまで29.2秒(GLM-5 (thinking))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 (thinking)とKimi K3.1 Proの品質は互角です(60.2 対 61.8、±4.7の誤差範囲内)。
  • GLM-5 (thinking)は推論で優れています。
  • 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、数学で優れています。
  • GLM-5 (thinking)の方が2.6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 $4.00)。
  • GLM-5 (thinking)の方が出力が2.3倍速くなっています(69 対 30トークン/秒)。

概要

仕様GLM-5Kimi K3.1 Pro
プロバイダーZhipu AIMoonshot AI
リリース日2026年2月11日2026年10月23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 K3.1 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)$1.00 / $3.20 / $0.200$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 (thinking)Kimi K3.1 Proトップ
推論68.259.2GLM-5
コーディング59.159.6互角
エージェント・ツール58.064.6Kimi K3.1 Pro
数学63.473.4Kimi K3.1 Pro
知識57.458.2互角
指示追従70.9–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62.467.9Kimi 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GLM-5, 推論: 68.2GLM-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: 57.4GLM-5, 長文コンテキスト: 62.4Kimi 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5件のベンチマークのうち、GLM-5のリードが1件、Kimi K3.1 Pro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 K3.1 Proが上回っています。

総合IndexGLM-5 (thinking)Kimi K3.1 Proトップ
BenchLeader Index60.261.8互角
Arena Text1457†1485Kimi 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 (thinking)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$1.55$4.00
100万トークンあたりの入力/出力$1.00 / $3.20$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.200$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$0.014$0.030
タスクあたりの価格:コード編集$0.011$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$0.073$0.160
タスクあたりの価格:構造化データの抽出$0.0026$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)$0.037$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69 tok/s30 tok/s
回答開始までの時間29.2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)81.4秒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。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 K3.1 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

135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 K3.1 Pro
BenchLeader IndexBenchLeader60.261.8
エージェント・ツールスコアBenchLeader58.064.6
コーディングスコアBenchLeader59.159.6
指示追従スコアBenchLeader70.9–
知識スコアBenchLeader57.458.2
長文コンテキストスコアBenchLeader62.467.9
数学スコアBenchLeader63.473.4
推論スコアBenchLeader68.259.2
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$1.55$4.00
出力速度BenchLeader69 tok/s30 tok/s
回答開始までの時間BenchLeader29.2秒157.4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%†–
SimpleBenchSimpleBench53.2%†–
Arena Hard PromptsArena (LMArena)1478†1504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
GPQA Diamond (AA)Artificial Analysis82.0%–
Humanity's Last Exam (AA)Artificial Analysis29.3%52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
GPQA Diamond (Vals)Vals AI83.3%–
Kagi LLM BenchmarkKagi LLM Benchmark75.0%–
ARC-AGI-1ARC Prize44.7%†–
ARC-AGI-2ARC Prize4.9%†–
CritPtArtificial Analysis2.0%24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)1482†1515†
CL-benchEpoch AI Benchmarking Hub18.7%†–
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
ForecastBenchForecastBench63.4%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub72.1%†–
SciCodeSciCode–60.8%
WeirdMLWeirdML48.2%†–
Arena CodingArena (LMArena)1498†1530†
Arena WebDevArena (LMArena)1435†1687†
LiveBench 2.0 CodingLiveBench–67.8%†
135件のベンチマークをすべて表示
指標公開元GLM-5 (thinking)Kimi K3.1 Pro
コーディング
LiveCodeBenchVals AI81.9%–
IOIVals AI–81.9%†
SWE-bench (Vals)Vals AI71.4%–
SWE-bench Verified (bash only)SWE-bench72.8%†–
SWE-bench Multilingual (bash only)SWE-bench69.7%†–
SWE-bench Verified (any scaffold)SWE-bench72.8%†–
Vibe Code Bench v1.1Vals AI23.4%84.9%†
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–61.1%
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%
ALE-BenchEpoch AI Benchmarking Hub765.6†1932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis–67.2%
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena1239†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-Bench52.4%†59.7%†
APEX-AgentsMercor–65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
Terminal-Bench HardArtificial Analysis43.2%–
τ²-Bench Telecom (AA)Artificial Analysis98.3%–
HiL-BenchScale AI SEAL–61.3%
τ²-benchτ²-bench81.0%–
τ³-bench Bankingτ²-bench9.8%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis–1861
Analyst Agent (AA)Artificial Analysis–38.8%
APEX-Agents (AA)Artificial Analysis14.4%–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Legal Research BenchVals AI–37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI–24.9%†
Terminal-Bench 2.0 (Vals)Vals AI49.4%–
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena Agent Task CompletionArena (LMArena)–2.7†
Vending-Bench 2Andon Labs4432.1†–
AutomationBenchArtificial Analysis–73.3%
GDP.pdf (AA)Artificial Analysis–31.4%
AA-Briefcase v1.1Artificial Analysis–1674
Design Arena AgenticDesign Arena1115†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
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†–
ProofBenchVals AI–91.0%
AIME (Vals)Vals AI91.7%–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena86.4%†–
USAMO 2026MathArena35.1%†–
MathArena ApexMathArena10.9%†–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1443†–
知識
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI86.0%–
LegalBenchVals AI84.1%–
CorpFinVals AI62.9%–
TaxEvalVals AI70.0%–
MedQAVals AI94.3%–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
CaseLaw v2Vals AI52.5%–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL–63.4%†
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
Global-MMLU-Lite (AA)Artificial Analysis81.9%†–
指示追従
IFBenchArtificial Analysis72.3%–
Arena Instruction FollowingArena (LMArena)1447†1487†
人間の評価
Arena TextArena (LMArena)1457†1485†
EQ-Bench Creative Writing v3EQ-Bench1601†2173
Arena Creative WritingArena (LMArena)1447†1453†
Arena Multi-turnArena (LMArena)1472†1475†
Arena Longer QueriesArena (LMArena)1469†1491†
マルチモーダル
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis–83.9%
Humanity's Sixth SenseScale AI SEAL–33.2%†
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis–1112
長文コンテキスト
AA-LCR v1.1Artificial Analysis75.7%86.3%
MLCRArtificial Analysis–38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub146.5†161.4
LiveBench 2.0LiveBench–68.7%†
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis27.955.1
AA Progress Index v1Artificial Analysis280.9340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
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 SEAL71.2%†–
メタデータ
AA Openness IndexArtificial Analysis5033.3

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。
  • 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。
  • Kimi K3.1 Pro:BenchLeader Index 61.3 → 61.8。
  • GLM-5 (thinking):価格 $0.15/M → $0.20/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 K3.1 Pro:よくある質問

GLM-5はKimi K3.1 Proより優れていますか?
GLM-5 (thinking)とKimi K3.1 Proの品質は互角です(60.2 対 61.8、±4.7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。
GLM-5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の方が安く、100万トークンあたり$1.55 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?
コーディングでは互角です(カテゴリ指標で59 対 60)。
GLM-5とKimi K3.1 Proはどちらが速いですか?
GLM-5の方が出力が約2倍速くなっています(出力69 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 58。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 62)。コンテキストはKimi K3.1 Pro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GLM-5です。Artificial Analysisの測定では、最初の回答トークンまで29.2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。
GLM-5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5件のベンチマークのうち、GLM-5のリードが1件、Kimi K3.1 Pro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 K3.1 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。