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。
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 Pro | Kimi K3.1 Pro Together |
|---|---|---|
| プロバイダー | OpenAI | Moonshot 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 Pro | Kimi 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 Pro | Kimi K3.1 Pro Together (max) | トップ |
|---|---|---|---|
| 推論 | 70.1 | 66.9 | GPT-5.4 Pro |
| 数学 | – | 65.2 | 比較不可 |
| 知識 | 74.0 | 66.0 | GPT-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。
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。
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Index | GPT-5.4 Pro | Kimi K3.1 Pro Together (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 63.1 | 60.0 | 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 Pro | Kimi 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 | $0.096 | – |
| 出力速度 | 7 tok/s | – |
| 回答開始までの時間 | 7.9秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.4 Proのスコアは63.1、最初の回答トークンまで8秒。GPT-5.4 Pro (xhigh)は59.5(8秒)。Kimi K3.1 Pro Together (max)のスコアは60.0。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
22件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.4 Pro | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 60.0 |
| 指示追従スコア | BenchLeader | 64.4 | – |
| 知識スコア | BenchLeader | 74.0 | 66.0 |
| マルチモーダルスコア | BenchLeader | 69.8 | – |
| 推論スコア | BenchLeader | 70.1 | 66.9 |
| 数学スコア | BenchLeader | – | 65.2 |
| ブレンド価格($/100万トークン) | BenchLeader | $67.50 | – |
| 出力速度 | BenchLeader | 7 tok/s | – |
| 回答開始までの時間 | BenchLeader | 7.9秒 | – |
| コンテキストウィンドウ | BenchLeader | 1,050,000トークン | – |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.6%† | 94.2% |
| Humanity's Last Exam | Scale AI / CAIS | 44.3% | – |
| SimpleBench | SimpleBench | 74.1% | – |
| ARC-AGI-1 | ARC Prize | 94.5%† | – |
| ARC-AGI-2 | ARC Prize | 83.3%† | – |
| CritPt | Artificial Analysis | 30.0%† | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 59.0%† | 45.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 42.0% |
| コーディング | |||
| WeirdML | WeirdML | 57.4%† | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 82.5%† | 78.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 58.5%† | 65.8% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 100.0% |
| MathArena Apex | MathArena | 69.8%† | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 46.3%† | 62.2% |
| MultiNRC | Scale AI SEAL | 62.3% | – |
| 指示追従 | |||
| MultiChallenge | Scale AI SEAL | 69.2% | – |
| TutorBench | Scale AI SEAL | 56.6% | – |
| マルチモーダル | |||
| VISTA | Scale AI SEAL | 53.9% | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 55.8% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 160.2 | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 14.8% | – |
| MASK | Scale AI SEAL | 91.7% | – |
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。
関連する比較
- GPT-5.4 Pro vs Claude Fable 5.2
- GPT-5.4 Pro vs Gemini 4 Carbon
- GPT-5.4 Pro vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs Claude Fable 5.2
- Kimi K3.1 Pro Together vs Gemini 4 Carbon
- Kimi K3.1 Pro Together vs Claude Opus 5.5
- Kimi K3.1 Pro Together vs GPT-6 Astra
- GPT-5.4 Pro 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-5.4 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。