GPT-5.3-Codex vs Kimi K3.1 Pro
詳しいプロフィール:GPT-5.3-Codex(OpenAI)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 · 9件の情報源のデータ
2026年11月16日時点で、GPT-5.3-CodexとKimi K3.1 Proの品質は互角です(BenchLeader Indexで62.9 対 61.8、±7.6の誤差範囲内)。価格はKimi K3.1 Proの方が1.2倍安く、100万トークンあたりのブレンド価格で$4.00 対 $4.81です。エージェント・ツール(80 対 65)、コーディング(61 対 60)を重視するならGPT-5.3-Codex、マルチモーダル(66 対 61)、長文コンテキスト(68 対 66)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GPT-5.3-Codexの方が短く、38.2秒 対 157.4秒です。GPT-5.3-Codex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GPT-5.3-Codexが62.9、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
- GPT-5.3-Codexの100万トークンあたりのブレンド価格は$4.81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)。
- GPT-5.3-Codex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6件のベンチマークのうち、Kimi K3.1 Proが6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 | GPT-5.3-Codex | カテゴリスコア61 対 60 | 中 |
| エージェント・ツール利用 | GPT-5.3-Codex | カテゴリスコア80 対 65;AA-Briefcase v1.1 868 対 1674 | 高 |
| 長い文書 | Kimi K3.1 Pro | カテゴリスコア68 対 66;AA-LCR v1.1 86.3% 対 83.3% | 中 |
| 画像などのメディア | Kimi K3.1 Pro | カテゴリスコア66 対 61;MMMU-Pro 83.9% 対 78.5% | 中 |
| 最低コスト | Kimi K3.1 Pro | 100万トークンあたりブレンド価格$4.00 対 $4.81;エージェント型コーディングセッション$0.160 対 $0.161 | – |
| 回答開始の速さ | GPT-5.3-Codex | 最初の回答トークンまで38.2秒(GPT-5.3-Codex (xhigh))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
- GPT-5.3-Codex (xhigh)とKimi K3.1 Proの品質は互角です(62.9 対 61.8、±7.6の誤差範囲内)。
- GPT-5.3-Codex (xhigh)はエージェント・ツール、コーディングで優れています。
- Kimi K3.1 Proは長文コンテキスト、マルチモーダルで優れています。
- Kimi K3.1 Proの方が1.2倍安くなっています(100万トークンあたりブレンド価格$4.00 対 $4.81)。
- GPT-5.3-Codex (xhigh)の方が出力が3.1倍速くなっています(94 対 30トークン/秒)。
概要
| 仕様 | GPT-5.3-Codex | Kimi K3.1 Pro |
|---|---|---|
| プロバイダー | OpenAI | Moonshot AI |
| リリース日 | 2026年2月5日 | 2026年10月23日 |
| コンテキストウィンドウ(トークン) | 400,000 | 1,048,576 |
| 比較した構成 | GPT-5.3-Codex (xhigh) | 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) | $1.75 / $14.00 / $0.175 | $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 | GPT-5.3-Codex (xhigh) | Kimi K3.1 Pro | トップ |
|---|---|---|---|
| 推論 | – | 59.2 | 比較不可 |
| コーディング | 61.0 | 59.6 | GPT-5.3-Codex |
| エージェント・ツール | 80.1 | 64.6 | GPT-5.3-Codex |
| 数学 | – | 73.4 | 比較不可 |
| 知識 | – | 58.2 | 比較不可 |
| 指示追従 | 73.6 | – | 比較不可 |
| マルチモーダル | 60.8 | 66.3 | Kimi K3.1 Pro |
| 長文コンテキスト | 66.4 | 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):推論, 数学, 知識, 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6件のベンチマークのうち、GPT-5.3-Codexのリードが0件、Kimi K3.1 Proのリードが6件です。
| 総合Index | GPT-5.3-Codex (xhigh) | Kimi K3.1 Pro | トップ |
|---|---|---|---|
| BenchLeader Index | 62.9 | 61.8 | 互角 |
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 | GPT-5.3-Codex (xhigh) | Kimi K3.1 Pro |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.81 | $4.00 |
| 100万トークンあたりの入力/出力 | $1.75 / $14.00 | $2.00 / $10.00 |
| 100万トークンあたりのキャッシュ入力 | $0.175 | $0.200 |
| タスクあたりの価格:チャットの返答 | $0.0049 | $0.0038 |
| タスクあたりの価格:30ページのレポートを要約 | $0.029 | $0.030 |
| タスクあたりの価格:コード編集 | $0.032 | $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 | $0.161 | $0.160 |
| タスクあたりの価格:構造化データの抽出 | $0.0063 | $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) | $0.090 | $0.079 |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $3.68 |
| タスクあたりの出力トークン(AA Index) | – | 72k |
| うち推論 | – | 44k |
| タスクあたりの時間(AA Index) | – | 40 min |
| 出力速度 | 94 tok/s | 30 tok/s |
| 回答開始までの時間 | 38.2秒 | 157.4秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 97.1秒 | 417.5秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.3-Codex (xhigh)のスコアは62.9、最初の回答トークンまで38秒。Kimi K3.1 Proのスコアは61.8、最初の回答トークンまで157秒。Kimi K3.1 Pro (max)は59.9(157秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
104件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | Kimi K3.1 Pro |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 62.9 | 61.8 |
| エージェント・ツールスコア | BenchLeader | 80.1 | 64.6 |
| コーディングスコア | BenchLeader | 61.0 | 59.6 |
| 指示追従スコア | BenchLeader | 73.6 | – |
| 長文コンテキストスコア | BenchLeader | 66.4 | 67.9 |
| マルチモーダルスコア | BenchLeader | 60.8 | 66.3 |
| 知識スコア | BenchLeader | – | 58.2 |
| 数学スコア | BenchLeader | – | 73.4 |
| 推論スコア | BenchLeader | – | 59.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.81 | $4.00 |
| 出力速度 | BenchLeader | 94 tok/s | 30 tok/s |
| 回答開始までの時間 | BenchLeader | 38.2秒 | 157.4秒 |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 1,048,576トークン |
| 推論 | |||
| Arena Hard Prompts | Arena (LMArena) | – | 1504† |
| LiveBench 2.0 Reasoning | LiveBench | – | 91.1%† |
| GPQA Diamond (AA) | Artificial Analysis | 91.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 42.5% | 52.5% |
| HLE-Diamond (AA) | Artificial Analysis | – | 37.3% |
| CritPt | Artificial Analysis | 16.9% | 24.6% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 49.5% |
| MysteryMechanism | Vals AI | – | 26.1%† |
| Arena Expert | Arena (LMArena) | – | 1515† |
| LMCA | Epoch AI Benchmarking Hub | – | 57.6%† |
| DTBench | Epoch AI Benchmarking Hub | – | 93.3%† |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 74.8%† | – |
| SciCode | SciCode | – | 60.8% |
| WeirdML | WeirdML | 77.9% | – |
| Arena Coding | Arena (LMArena) | – | 1530† |
| Arena WebDev | Arena (LMArena) | 1406† | 1687† |
| LiveBench 2.0 Coding | LiveBench | – | 67.8%† |
| LiveCodeBench | Vals AI | 87.3% | – |
| IOI | Vals AI | 53.8% | 81.9%† |
| SWE-bench (Vals) | Vals AI | 78.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 61.8% | 84.9%† |
| SWE Atlas v1.1 | Scale AI SEAL | – | 61.1% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 70.2% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 58.9% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 54.3% |
104件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.3-Codex (xhigh) | Kimi K3.1 Pro |
|---|---|---|---|
| コーディング | |||
| ALE-Bench | Epoch AI Benchmarking Hub | 1655.2 | 1932.8† |
| WeirdML v3 | WeirdML | – | 9.9%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 67.2% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 78.3 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 84.0† |
| Design Arena Website | Design Arena | 1155† | 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-Bench | Terminal-Bench | 78.4%† | 59.7%† |
| APEX-Agents | Mercor | – | 65.5% |
| Arena Agent | Arena (LMArena) | – | 4.9† |
| LiveBench Long Agentic | LiveBench | – | 38.7%† |
| LiveBench Browser | LiveBench | – | 75.9%† |
| Terminal-Bench Hard | Artificial Analysis | 53.0% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.0% | – |
| HiL-Bench | Scale AI SEAL | 4.3%† | 61.3% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 67.3% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1861 |
| Analyst Agent (AA) | Artificial Analysis | – | 38.8% |
| Finance Agent v2.1 | Vals AI | – | 61.5%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 11.7%† |
| Legal Research Bench | Vals AI | – | 37.5%† |
| SREBench | Vals AI | – | 27.1%† |
| Tax Agent Bench | Vals AI | – | 24.9%† |
| Terminal-Bench 2.0 (Vals) | Vals AI | 64.0%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 63.6%† |
| Terminal-Bench Science | Vals AI | – | 31.4%† |
| Arena Agent Task Completion | Arena (LMArena) | – | 2.7† |
| METR Time Horizons | METR | 74.5%† | – |
| Vending-Bench 2 | Andon Labs | 5940.1† | – |
| AutomationBench | Artificial Analysis | – | 73.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 31.4% |
| AA-Briefcase v1.1 | Artificial Analysis | 868 | 1674 |
| Design Arena Agentic | Design Arena | 1018† | 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 | |||
| ProofBench | Vals AI | – | 91.0% |
| ArXivMath | MathArena | – | 58.3%† |
| BrokenArXiv | MathArena | – | 61.9%† |
| 知識 | |||
| LiveBench 2.0 Data Analysis | LiveBench | – | 79.1%† |
| LiveBench Research | LiveBench | – | 82.1%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | 29.9 |
| PRBench Finance | Scale AI SEAL | – | 47.5% |
| PRBench Legal | Scale AI SEAL | – | 47.9% |
| BioMysteryBench | Vals AI | – | 75.6%† |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 70.0%† |
| Access to Justice Benchmark | Vals AI | – | 69.5%† |
| DrugDiscoveryBench | Scale AI SEAL | – | 63.4%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 48.9% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 62.7% |
| 指示追従 | |||
| IFBench | Artificial Analysis | 75.4% | – |
| Arena Instruction Following | Arena (LMArena) | – | 1487† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | – | 1485† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 2173 |
| Arena Creative Writing | Arena (LMArena) | – | 1453† |
| Arena Multi-turn | Arena (LMArena) | – | 1475† |
| Arena Longer Queries | Arena (LMArena) | – | 1491† |
| マルチモーダル | |||
| LiveBench Design | LiveBench | – | 73.7%† |
| MMMU-Pro | Artificial Analysis | 78.5% | 83.9% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 33.2%† |
| VIALS-AA | Handshake AI | – | 45.3% |
| AA-3D | Artificial Analysis | – | 1112 |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 83.3% | 86.3% |
| MLCR | Artificial Analysis | – | 38.3% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 161.4 |
| LiveBench 2.0 | LiveBench | – | 68.7%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 46.5 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 32.5 | 55.1 |
| AA Progress Index v1 | Artificial Analysis | 301.3 | 340.7 |
| Vals Index | Vals AI | – | 62.5† |
| Vals Finance Index | Vals AI | – | 56.0%† |
| Vals Science Index | Vals AI | – | 44.4%† |
| Vals Legal Index | Vals AI | – | 67.0%† |
| AA Cyber Index | Artificial Analysis | – | 64.1 |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 18.6% |
| 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
- 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。
- Kimi K3.1 Pro:新しい結果1件(GameBench 2 Overall)、スコアの改訂1件。
関連する比較
- GPT-5.3-Codex vs Claude Fable 5.2
- GPT-5.3-Codex vs Gemini 4 Carbon
- GPT-5.3-Codex vs Claude Opus 5.5
- 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
- GPT-5.3-Codex vs Claude Fable 5.1
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
GPT-5.3-Codex vs Kimi K3.1 Pro:よくある質問
- GPT-5.3-CodexはKimi K3.1 Proより優れていますか?
- GPT-5.3-Codex (xhigh)とKimi K3.1 Proの品質は互角です(62.9 対 61.8、±7.6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。
- GPT-5.3-Codex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Kimi K3.1 Proの方が安く、100万トークンあたり$4.00 対 $4.81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GPT-5.3-Codex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GPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で61 対 60。50が平均)。
- GPT-5.3-CodexとKimi K3.1 Proはどちらが速いですか?
- GPT-5.3-Codexの方が出力が約2倍速くなっています(出力94 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GPT-5.3-Codex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GPT-5.3-Codexの方がスコアが高くなっています(カテゴリ指標で80 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 66)。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(GPT-5.3-Codexは400,000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GPT-5.3-Codexです。Artificial Analysisの測定では、最初の回答トークンまで38.2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。
- GPT-5.3-Codex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6件のベンチマークのうち、GPT-5.3-Codexのリードが0件、Kimi K3.1 Proのリードが6件です。
- 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。