BenchLeader

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 Pro100万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-CodexKimi K3.1 Pro
プロバイダーOpenAIMoonshot 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)400,0001,048,576
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61.059.6GPT-5.3-Codex
エージェント・ツール80.164.6GPT-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60.866.3Kimi K3.1 Pro
長文コンテキスト66.467.9Kimi 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コーディングエージェント・ツール長文コンテキストマルチモーダルGPT-5.3-Codex, コーディング: 61.0GPT-5.3-Codex, エージェント・ツール: 80.1GPT-5.3-Codex, 長文コンテキスト: 66.4GPT-5.3-Codex, マルチモーダル: 60.8Kimi 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, 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):推論, 数学, 知識, 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IndexGPT-5.3-Codex (xhigh)Kimi K3.1 Proトップ
BenchLeader Index62.961.8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/s30 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 IndexBenchLeader62.961.8
エージェント・ツールスコアBenchLeader80.164.6
コーディングスコアBenchLeader61.059.6
指示追従スコアBenchLeader73.6–
長文コンテキストスコアBenchLeader66.467.9
マルチモーダルスコアBenchLeader60.866.3
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BenchLeader94 tok/s30 tok/s
回答開始までの時間BenchLeader38.2秒157.4秒
コンテキストウィンドウBenchLeader400,000トークン1,048,576トークン
推論
Arena Hard PromptsArena (LMArena)–1504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
GPQA Diamond (AA)Artificial Analysis91.5%–
Humanity's Last Exam (AA)Artificial Analysis42.5%52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
CritPtArtificial Analysis16.9%24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)–1515†
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub74.8%†–
SciCodeSciCode–60.8%
WeirdMLWeirdML77.9%–
Arena CodingArena (LMArena)–1530†
Arena WebDevArena (LMArena)1406†1687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveCodeBenchVals AI87.3%–
IOIVals AI53.8%81.9%†
SWE-bench (Vals)Vals AI78.0%–
Vibe Code Bench v1.1Vals AI61.8%84.9%†
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%
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-BenchEpoch AI Benchmarking Hub1655.21932.8†
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 Arena1155†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-Bench78.4%†59.7%†
APEX-AgentsMercor–65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
Terminal-Bench HardArtificial Analysis53.0%–
τ²-Bench Telecom (AA)Artificial Analysis86.0%–
HiL-BenchScale AI SEAL4.3%†61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis–1861
Analyst Agent (AA)Artificial Analysis–38.8%
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 AI64.0%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena Agent Task CompletionArena (LMArena)–2.7†
METR Time HorizonsMETR74.5%†–
Vending-Bench 2Andon Labs5940.1†–
AutomationBenchArtificial Analysis–73.3%
GDP.pdf (AA)Artificial Analysis–31.4%
AA-Briefcase v1.1Artificial Analysis8681674
Design Arena AgenticDesign Arena1018†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
ProofBenchVals AI–91.0%
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
知識
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
AA-Omniscience v1.1Artificial Analysis–29.9
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
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%
指示追従
IFBenchArtificial Analysis75.4%–
Arena Instruction FollowingArena (LMArena)–1487†
人間の評価
Arena TextArena (LMArena)–1485†
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)–1453†
Arena Multi-turnArena (LMArena)–1475†
Arena Longer QueriesArena (LMArena)–1491†
マルチモーダル
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis78.5%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 Analysis83.3%86.3%
MLCRArtificial Analysis–38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–161.4
LiveBench 2.0LiveBench–68.7%†
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis32.555.1
AA Progress Index v1Artificial Analysis301.3340.7
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%
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。
  • 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。

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。