BenchLeader

GPT-5.4 Pro vs Kimi K3.1 Pro Together

詳しいプロフィール:GPT-5.4 Pro(OpenAI)とKimi K3.1 Pro Together(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 · 4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 Togetherの品質は互角です(BenchLeader Indexで63.1 対 60.0、±4.2の誤差範囲内)。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。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.4 Proが63.1、Kimi K3.1 Pro Togetherが60.0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)。

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 67中
知識GPT-5.4 Proカテゴリスコア74 対 66高
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 Together (max)の品質は互角です(63.1 対 60.0、±4.2の誤差範囲内)。
  • GPT-5.4 Proは知識、推論で優れています。

概要

仕様GPT-5.4 ProKimi K3.1 Pro Together
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)1,050,000–
比較した構成GPT-5.4 ProKimi K3.1 Pro Together (max)
オープンウェイトなしなし
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 / ––

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 Together (max)トップ
推論70.166.9GPT-5.4 Pro
数学–65.2比較不可
知識74.066.0GPT-5.4 Pro
指示追従64.4–比較不可
マルチモーダル69.8–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推論数学知識指示追従マルチモーダルGPT-5.4 Pro, 推論: 70.1GPT-5.4 Pro, 知識: 74.0GPT-5.4 Pro, 指示追従: 64.4GPT-5.4 Pro, マルチモーダル: 69.8Kimi K3.1 Pro Together, 推論: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知識: 66.0

破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。

描画していないもの(これらのモデルの結果なし):コーディング, エージェント・ツール, 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0件のベンチマークのうち、GPT-5.4 Proのリードが0件、Kimi K3.1 Pro Togetherのリードが0件です。

総合IndexGPT-5.4 ProKimi K3.1 Pro Together (max)トップ
BenchLeader Index63.160.0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 Together (max)
100万トークンあたりのブレンド価格$67.50–
100万トークンあたりの入力/出力$30.00 / $180.00– / –
タスクあたりの価格:チャットの返答$0.066–
タスクあたりの価格:30ページのレポートを要約$0.468–
タスクあたりの価格:コード編集$0.450–
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–
タスクあたりの価格:構造化データの抽出$0.096–
出力速度7 tok/s–
回答開始までの時間7.9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 Together (max)のスコアは60.0。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

22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 Together (max)
BenchLeader IndexBenchLeader63.160.0
指示追従スコアBenchLeader64.4–
知識スコアBenchLeader74.066.0
マルチモーダルスコアBenchLeader69.8–
推論スコアBenchLeader70.166.9
数学スコアBenchLeader–65.2
ブレンド価格($/100万トークン)BenchLeader$67.50–
出力速度BenchLeader7 tok/s–
回答開始までの時間BenchLeader7.9秒–
コンテキストウィンドウBenchLeader1,050,000トークン–
推論
GPQA DiamondEpoch AI Benchmarking Hub94.6%†94.2%
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%–
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize83.3%†–
CritPtArtificial Analysis30.0%†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–42.0%
コーディング
WeirdMLWeirdML57.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
MathArena ApexMathArena69.8%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†62.2%
MultiNRCScale AI SEAL62.3%–
指示追従
MultiChallengeScale AI SEAL69.2%–
TutorBenchScale AI SEAL56.6%–
マルチモーダル
VISTAScale AI SEAL53.9%–
Furniture AssemblyEpoch AI Benchmarking Hub–55.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2–
安全性・誠実さ
FORTRESSScale AI SEAL14.8%–
MASKScale AI SEAL91.7%–

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。

最近の変化

  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • Kimi K3.1 Pro Together (max):初めての結果。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • GPT-5.4 Pro: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 Together:よくある質問

GPT-5.4 ProはKimi K3.1 Pro Togetherより優れていますか?
GPT-5.4 ProとKimi K3.1 Pro Together (max)の品質は互角です(63.1 対 60.0、±4.2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。
Kimi K3.1 Pro Togetherはいつリリースされましたか?
Kimi K3.1 Pro Togetherは2026年10月23日にリリースされました。