GPT-5.4 vs Kimi K3.1 Pro Together
詳しいプロフィール:GPT-5.4(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 · 11件の情報源のデータ
2026年11月16日時点で、GPT-5.4とKimi K3.1 Pro Togetherの品質は互角です(BenchLeader Indexで63.1 対 60.0、±3.5の誤差範囲内)。両方を測定できるすべてのカテゴリでKimi K3.1 Pro Together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が63.1、Kimi K3.1 Pro Togetherが60.0です(BenchLeader、2026年11月16日)。
- GPT-5.4の100万トークンあたりのブレンド価格は$5.63です(定価、2026年11月16日)。
- 両モデルに結果がある8件のベンチマークのうち、Kimi K3.1 Pro Together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。
主な違い
- GPT-5.4 (xhigh)とKimi K3.1 Pro Together (max)の品質は互角です(63.1 対 60.0、±3.5の誤差範囲内)。
- Kimi K3.1 Pro Together (max)は知識、数学、推論で優れています。
概要
| 仕様 | GPT-5.4 | Kimi K3.1 Pro Together |
|---|---|---|
| プロバイダー | OpenAI | Moonshot AI |
| リリース日 | 2026年3月5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 (xhigh) | 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) | $2.50 / $15.00 / $0.250 | – |
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 (xhigh) | Kimi K3.1 Pro Together (max) | トップ |
|---|---|---|---|
| 推論 | 65.7 | 66.9 | Kimi K3.1 Pro Together |
| コーディング | 64.7 | – | 比較不可 |
| エージェント・ツール | 63.0 | – | 比較不可 |
| 数学 | 64.8 | 65.2 | 互角 |
| 知識 | 58.6 | 66.0 | Kimi K3.1 Pro Together |
| 指示追従 | 72.4 | – | 比較不可 |
| マルチモーダル | 60.8 | – | 比較不可 |
| 長文コンテキスト | 65.7 | – | 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。
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, 指示追従, 長文コンテキスト, マルチモーダル, 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8件のベンチマークのうち、GPT-5.4のリードが2件、Kimi K3.1 Pro Togetherのリードが6件です。
| 総合Index | GPT-5.4 (xhigh) | 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 (xhigh) | Kimi K3.1 Pro Together (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $5.63 | – |
| 100万トークンあたりの入力/出力 | $2.50 / $15.00 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.250 | – |
| タスクあたりの価格:チャットの返答 | $0.0055 | – |
| タスクあたりの価格:30ページのレポートを要約 | $0.039 | – |
| タスクあたりの価格:コード編集 | $0.037 | – |
| 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 | $0.210 | – |
| タスクあたりの価格:構造化データの抽出 | $0.0080 | – |
| 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) | $0.109 | – |
| 出力速度 | 73 tok/s | – |
| 回答開始までの時間 | 144.9秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 193.1秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5.4 (xhigh)のスコアは63.1、最初の回答トークンまで145秒。GPT-5.4 (low)は58.8(3秒)、GPT-5.4 (high)は58.6(2秒)。Kimi K3.1 Pro Together (max)のスコアは60.0。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
118件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5.4 (xhigh) | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 60.0 |
| エージェント・ツールスコア | BenchLeader | 63.0 | – |
| コーディングスコア | BenchLeader | 64.7 | – |
| 指示追従スコア | BenchLeader | 72.4 | – |
| 知識スコア | BenchLeader | 58.6 | 66.0 |
| 長文コンテキストスコア | BenchLeader | 65.7 | – |
| 数学スコア | BenchLeader | 64.8 | 65.2 |
| マルチモーダルスコア | BenchLeader | 60.8 | – |
| 推論スコア | BenchLeader | 65.7 | 66.9 |
| ブレンド価格($/100万トークン) | BenchLeader | $5.63 | – |
| 出力速度 | BenchLeader | 73 tok/s | – |
| 回答開始までの時間 | BenchLeader | 144.9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 | 93.3% | 94.2% |
| Humanity's Last Exam | Scale AI / CAIS | 36.2% | – |
| Arena Hard Prompts | Arena (LMArena) | 1487† | – |
| LiveBench 1.0 Reasoning | LiveBench | 88.1% | – |
| GPQA Diamond (AA) | Artificial Analysis | 92.0% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.7% | – |
| GPQA Diamond (Vals) | Vals AI | 91.7% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 63.8%† | – |
| ARC-AGI-1 | ARC Prize | 93.7% | – |
| ARC-AGI-2 | ARC Prize | 74.0% | – |
| ARC-AGI-3 | ARC Prize | 0.2%† | – |
| CritPt | Artificial Analysis | 23.4% | – |
| Arena Expert | Arena (LMArena) | 1491† | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 48.0% | 45.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | 42.0% |
| CL-bench | Epoch AI Benchmarking Hub | 27.9% | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 21.7% | – |
| LMCA | Epoch AI Benchmarking Hub | 52.0% | – |
| DTBench | Epoch AI Benchmarking Hub | 94.4% | – |
| ForecastBench | ForecastBench | 63.0%† | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 76.9%† | – |
| SciCode | SciCode | 56.6% | – |
| WeirdML | WeirdML | 77.7% | – |
| GSO-Bench | GSO-Bench | 31.4% | – |
| Arena Coding | Arena (LMArena) | 1511† | – |
118件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5.4 (xhigh) | Kimi K3.1 Pro Together (max) |
|---|---|---|---|
| コーディング | |||
| Arena WebDev | Arena (LMArena) | 1400† | – |
| LiveBench 1.0 Coding | LiveBench | 77.5% | – |
| LiveCodeBench | Vals AI | 84.1% | – |
| SWE-bench (Vals) | Vals AI | 78.2% | – |
| SWE-Bench Pro | Scale AI SEAL | 59.1% | – |
| Code Migration | Vals AI | 35.0% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 67.4% | – |
| SWE-Bench Pro (private) | Scale AI SEAL | 43.4% | – |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 40.8% | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.3% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 44.4% | – |
| MirrorCode | Epoch AI Benchmarking Hub | 23.3% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 51.8% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1607† | – |
| AlgoTune | AlgoTune | 1.9† | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.3% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 53.4† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 62.1 | – |
| Design Arena Website | Design Arena | 1190† | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 81.8%† | – |
| APEX-Agents | Mercor | 52.4%† | – |
| LiveBench Agentic Coding | LiveBench | 53.8% | – |
| Terminal-Bench Hard | Artificial Analysis | 57.6% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1% | – |
| MCP Atlas | Scale AI SEAL | 70.6% | – |
| HiL-Bench | Scale AI SEAL | 9.7%† | – |
| τ³-bench Banking | τ²-bench | 39.4% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1256 | – |
| τ³-Banking (AA) | Artificial Analysis | 39.6% | – |
| APEX-Agents (AA) | Artificial Analysis | 33.3% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0% | – |
| SkillsBench | Vals AI | 51.7% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4%† | – |
| Arena Search | Arena (LMArena) | 1196† | – |
| DeepResearch Bench | DeepResearch Bench | 35.1%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 17.8%† | – |
| METR Time Horizons | METR | 74.3% | – |
| GBAEval | Epoch AI Benchmarking Hub | 45.1%† | – |
| Vending-Bench 2 | Andon Labs | 6144.2† | – |
| Design Arena Agentic | Design Arena | 1042† | – |
| DeepSearchQA | 63.7%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 78.6% | 78.3% |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 49.0% | 65.8% |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.3% | 100.0% |
| ProofBench | Vals AI | 56.0% | – |
| LiveBench Mathematics | LiveBench | 94.2% | – |
| AIME (Vals) | Vals AI | 96.7% | – |
| AIME 2026 | MathArena | 99.2% | – |
| HMMT February 2026 | MathArena | 97.7% | – |
| USAMO 2026 | MathArena | 95.2% | – |
| MathArena Apex | MathArena | 54.2% | – |
| Arena Maths | Arena (LMArena) | 1459† | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 45.1% | 62.2% |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3% | – |
| MMLU-Pro | Vals AI | 87.5% | – |
| LegalBench | Vals AI | 86.0% | – |
| CorpFin | Vals AI | 65.3% | – |
| TaxEval | Vals AI | 74.0% | – |
| MedQA | Vals AI | 96.1% | – |
| PRBench Finance | Scale AI SEAL | 45.6%† | – |
| PRBench Legal | Scale AI SEAL | 44.4%† | – |
| MultiNRC | Scale AI SEAL | 58.3%† | – |
| CaseLaw v2 | Vals AI | 63.8% | – |
| MedCode | Vals AI | 41.3% | – |
| MedScribe | Vals AI | 77.5% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 25.4% | – |
| 指示追従 | |||
| LiveBench Language | LiveBench | 82.6% | – |
| LiveBench Instruction Following | LiveBench | 70.2% | – |
| IFBench | Artificial Analysis | 74.0% | – |
| Arena Instruction Following | Arena (LMArena) | 1460† | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1465† | – |
| EQ-Bench 4 | EQ-Bench | 1258† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1841† | – |
| Arena Creative Writing | Arena (LMArena) | 1433† | – |
| Arena Multi-turn | Arena (LMArena) | 1480† | – |
| Arena Longer Queries | Arena (LMArena) | 1477† | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1292† | – |
| MMMU-Pro | Artificial Analysis | 78.4% | – |
| VISTA | Scale AI SEAL | 50.9%† | – |
| MMMU-Pro (Vals) | Vals AI | 87.5% | – |
| MortgageTax | Vals AI | 68.3% | – |
| VTB | Scale AI SEAL | 29.2%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 27.1%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 37.5% | 55.8% |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 82.0% | – |
| Arena Document | Arena (LMArena) | 1471† | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.8† | – |
| LiveBench 1.0 | LiveBench | 78.0% | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.0 | – |
| AA Progress Index v1 | Artificial Analysis | 311.6 | – |
| Vals RSI Index | Vals AI | 15.5% | – |
| 安全性・誠実さ | |||
| MASK | Scale AI SEAL | 89.7%† | – |
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。
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
- GPT-5.4 (xhigh):新しい結果1件(GDPval-AA v2.1)。
- Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
- GPT-5.4 (xhigh):新しい結果1件(MirrorCode)。
- GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
- Kimi K3.1 Pro Together (max):初めての結果。
- GPT-5.4 (xhigh):スコアの改訂1件。
- GPT-5.4 (xhigh):新しい結果1件(AA Progress Index v1)。
- GPT-5.4 (xhigh):新しい結果2件(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。
- GPT-5.4 (xhigh):新しい結果2件(USAMO 2026, τ³-bench Banking)。
関連する比較
- GPT-5.4 vs Claude Fable 5.2
- GPT-5.4 vs Gemini 4 Carbon
- GPT-5.4 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 Kimi K3.1 Pro Together
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 vs Kimi K3.1 Pro Together:よくある質問
- GPT-5.4はKimi K3.1 Pro Togetherより優れていますか?
- GPT-5.4 (xhigh)とKimi K3.1 Pro Together (max)の品質は互角です(63.1 対 60.0、±3.5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とKimi K3.1 Pro Together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8件のベンチマークのうち、GPT-5.4のリードが2件、Kimi K3.1 Pro Togetherのリードが6件です。
- 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。