BenchLeader

GPT-5.4 Pro vs Kimi K3.1 Pro

詳しいプロフィール:GPT-5.4 Pro(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 · 8件の情報源のデータ

2026年11月16日時点で、GPT-5.4 ProとKimi K3.1 Proの品質は互角です(BenchLeader Indexで63.1 対 61.8、±4.6の誤差範囲内)。価格はKimi K3.1 Proの方が17倍安く、100万トークンあたりのブレンド価格で$4.00 対 $67.50です。両方を測定できるすべてのカテゴリでGPT-5.4 Proがリードしています。Kimi K3.1 Proの方が出力が3倍以上速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4 Proが63.1、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • GPT-5.4 Proの100万トークンあたりのブレンド価格は$67.50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)。
  • Kimi K3.1 ProはGPT-5.4 Proより出力が3倍以上速いです(Artificial Analysis、7日間の中央値、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
推論GPT-5.4 Proカテゴリスコア70 対 59高
知識GPT-5.4 Proカテゴリスコア74 対 58高
画像などのメディアGPT-5.4 Proカテゴリスコア70 対 66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 $67.50;エージェント型コーディングセッション$0.160 対 $2.52–
回答開始の速さGPT-5.4 Pro最初の回答トークンまで7.9秒(GPT-5.4 Pro)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-5.4 ProとKimi K3.1 Proの品質は互角です(63.1 対 61.8、±4.6の誤差範囲内)。
  • GPT-5.4 Proは知識、マルチモーダル、推論で優れています。
  • Kimi K3.1 Pro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$4.00 対 $67.50)。
  • Kimi K3.1 Proの方が出力が4.6倍速くなっています(30 対 7トークン/秒)。

概要

仕様GPT-5.4 ProKimi K3.1 Pro
プロバイダーOpenAIMoonshot AI
リリース日2026年3月4日2026年10月23日
コンテキストウィンドウ(トークン)1,050,0001,048,576
比較した構成GPT-5.4 ProKimi 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)$30.00 / $180.00 / –$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-5.4 ProKimi K3.1 Proトップ
推論70.159.2GPT-5.4 Pro
コーディング–59.6比較不可
エージェント・ツール–64.6比較不可
数学–73.4比較不可
知識74.058.2GPT-5.4 Pro
指示追従64.4–比較不可
マルチモーダル69.866.3GPT-5.4 Pro
長文コンテキスト–67.9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推論知識マルチモーダルGPT-5.4 Pro, 推論: 70.1GPT-5.4 Pro, 知識: 74.0GPT-5.4 Pro, マルチモーダル: 69.8Kimi K3.1 Pro, 推論: 59.2Kimi K3.1 Pro, 知識: 58.2Kimi 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):コーディング, エージェント・ツール, 数学, 指示追従, 長文コンテキスト, 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2件のベンチマークのうち、GPT-5.4 Proのリードが1件、Kimi K3.1 Proのリードが1件です。

総合IndexGPT-5.4 ProKimi K3.1 Proトップ
BenchLeader Index63.161.8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-5.4 ProKimi K3.1 Pro
100万トークンあたりのブレンド価格$67.50$4.00
100万トークンあたりの入力/出力$30.00 / $180.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力–$0.200
タスクあたりの価格:チャットの返答$0.066$0.0038
タスクあたりの価格:30ページのレポートを要約$0.468$0.030
タスクあたりの価格:コード編集$0.450$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$2.52$0.160
タスクあたりの価格:構造化データの抽出$0.096$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)–$0.079
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7 tok/s30 tok/s
回答開始までの時間7.9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)–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-5.4 Proのスコアは63.1、最初の回答トークンまで8秒。GPT-5.4 Pro (xhigh)は59.5(8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

109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-5.4 ProKimi K3.1 Pro
BenchLeader IndexBenchLeader63.161.8
指示追従スコアBenchLeader64.4–
知識スコアBenchLeader74.058.2
マルチモーダルスコアBenchLeader69.866.3
推論スコアBenchLeader70.159.2
エージェント・ツールスコアBenchLeader–64.6
コーディングスコアBenchLeader–59.6
長文コンテキストスコアBenchLeader–67.9
数学スコアBenchLeader–73.4
ブレンド価格($/100万トークン)BenchLeader$67.50$4.00
出力速度BenchLeader7 tok/s30 tok/s
回答開始までの時間BenchLeader7.9秒157.4秒
コンテキストウィンドウBenchLeader1,050,000トークン1,048,576トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.6%†–
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%–
Arena Hard PromptsArena (LMArena)–1504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
Humanity's Last Exam (AA)Artificial Analysis–52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize83.3%†–
CritPtArtificial Analysis30.0%†24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)–1515†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†–
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
コーディング
SciCodeSciCode–60.8%
WeirdMLWeirdML57.4%†–
Arena CodingArena (LMArena)–1530†
Arena WebDevArena (LMArena)–1687†
LiveBench 2.0 CodingLiveBench–67.8%†
IOIVals AI–81.9%†
Vibe Code Bench v1.1Vals AI–84.9%†
SWE Atlas v1.1Scale AI SEAL–61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%
109件のベンチマークをすべて表示
指標公開元GPT-5.4 ProKimi K3.1 Pro
コーディング
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–54.3%
ALE-BenchEpoch AI Benchmarking Hub–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 Arena–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-Bench–59.7%†
APEX-AgentsMercor–65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
HiL-BenchScale AI SEAL–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 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena Agent Task CompletionArena (LMArena)–2.7†
AutomationBenchArtificial Analysis–73.3%
GDP.pdf (AA)Artificial Analysis–31.4%
AA-Briefcase v1.1Artificial Analysis–1674
Design Arena AgenticDesign Arena–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
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†–
ProofBenchVals AI–91.0%
MathArena ApexMathArena69.8%†–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†–
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%
MultiNRCScale AI SEAL62.3%–
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
MultiChallengeScale AI SEAL69.2%–
TutorBenchScale AI SEAL56.6%–
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 Analysis–83.9%
VISTAScale AI SEAL53.9%–
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 Analysis–86.3%
MLCRArtificial Analysis–38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2161.4
LiveBench 2.0LiveBench–68.7%†
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis–55.1
AA Progress Index v1Artificial Analysis–340.7
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 SEAL14.8%18.6%
MASKScale AI SEAL91.7%–
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-5.4 Pro vs Kimi K3.1 Pro:よくある質問

GPT-5.4 ProはKimi K3.1 Proより優れていますか?
GPT-5.4 ProとKimi K3.1 Proの品質は互角です(63.1 対 61.8、±4.6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-5.4 Pro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 $67.50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。
GPT-5.4 ProとKimi K3.1 Proはどちらが速いですか?
Kimi K3.1 Proの方が出力が3倍以上速くなっています(出力30 対 7トークン/秒、Artificial Analysisの7日間の中央値)。
長い文書にはどちらが向いていますか?
どちらも約1.1Mトークンです(GPT-5.4 Proは1,050,000、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GPT-5.4 Proです。Artificial Analysisの測定では、最初の回答トークンまで7.9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。
ほかの質問(2件)
GPT-5.4 Pro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2件のベンチマークのうち、GPT-5.4 Proのリードが1件、Kimi K3.1 Proのリードが1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。