BenchLeader

GPT-5.5 vs Kimi K3.1 Pro

詳しいプロフィール:GPT-5.5(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 · 14件の情報源のデータ

2026年11月16日時点で、GPT-5.5とKimi K3.1 Proの品質は互角です(BenchLeader Indexで64.1 対 61.8、±4.9の誤差範囲内)。価格はKimi K3.1 Proの方が2.8倍安く、100万トークンあたりのブレンド価格で$4.00 対 $11.25です。推論(68 対 59)、知識(64 対 58)、コーディング(61 対 60)を重視するならGPT-5.5、数学(73 対 69)、マルチモーダル(66 対 62)、エージェント・ツール(65 対 62)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-5.5の方が短く、38.3秒 対 157.4秒です。GPT-5.5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-5.5が64.1、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • GPT-5.5の100万トークンあたりのブレンド価格は$11.25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-5.5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15件のベンチマークのうち、Kimi K3.1 Proが12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-5.5カテゴリスコア61 対 60;SciCode 55.8% 対 60.8%中
エージェント・ツール利用Kimi K3.1 Proカテゴリスコア65 対 62;GDPval-AA v2.1 1861 対 1357中
数学Kimi K3.1 Proカテゴリスコア73 対 69;ProofBench 91.0% 対 50.0%中
推論GPT-5.5カテゴリスコア68 対 59;CritPt 27.1% 対 24.6%高
知識GPT-5.5カテゴリスコア64 対 58中
長い文書Kimi K3.1 Proカテゴリスコア68 対 67;AA-LCR v1.1 86.3% 対 84.3%中
画像などのメディアKimi K3.1 Proカテゴリスコア66 対 62;MMMU-Pro 83.9% 対 79.9%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 $11.25;エージェント型コーディングセッション$0.160 対 $0.420–
回答開始の速さGPT-5.5最初の回答トークンまで38.3秒(GPT-5.5 (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-5.5 (xhigh)とKimi K3.1 Proの品質は互角です(64.1 対 61.8、±4.9の誤差範囲内)。
  • GPT-5.5 (xhigh)はコーディング、知識、推論で優れています。
  • Kimi K3.1 Proはエージェント・ツール、長文コンテキスト、数学、マルチモーダルで優れています。
  • Kimi K3.1 Proの方が2.8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 $11.25)。
  • GPT-5.5 (xhigh)の方が出力が2.7倍速くなっています(81 対 30トークン/秒)。

概要

仕様GPT-5.5Kimi K3.1 Pro
プロバイダーOpenAIMoonshot AI
リリース日2026年4月23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-5.5 (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)$5.00 / $30.00 / $0.500$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-5.5 (xhigh)Kimi K3.1 Proトップ
推論68.159.2GPT-5.5
コーディング60.759.6GPT-5.5
エージェント・ツール61.864.6Kimi K3.1 Pro
数学69.373.4Kimi K3.1 Pro
知識63.658.2GPT-5.5
指示追従74.0–比較不可
マルチモーダル62.366.3Kimi K3.1 Pro
長文コンテキスト66.967.9Kimi 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推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダルGPT-5.5, 推論: 68.1GPT-5.5, コーディング: 60.7GPT-5.5, エージェント・ツール: 61.8GPT-5.5, 数学: 69.3GPT-5.5, 知識: 63.6GPT-5.5, 長文コンテキスト: 66.9GPT-5.5, マルチモーダル: 62.3Kimi K3.1 Pro, 推論: 59.2Kimi 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, 数学: 73.4Kimi K3.1 Pro, 知識: 58.2Kimi 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):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15件のベンチマークのうち、GPT-5.5のリードが3件、Kimi K3.1 Proのリードが12件です。両方を評価しているすべての総合指標で、Kimi K3.1 Proが上回っています。

総合IndexGPT-5.5 (xhigh)Kimi K3.1 Proトップ
BenchLeader Index64.161.8互角
Arena Text1481†1485Kimi K3.1 Pro

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-5.5 (xhigh)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$11.25$4.00
100万トークンあたりの入力/出力$5.00 / $30.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.500$0.200
タスクあたりの価格:チャットの返答$0.011$0.0038
タスクあたりの価格:30ページのレポートを要約$0.078$0.030
タスクあたりの価格:コード編集$0.075$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$0.420$0.160
タスクあたりの価格:構造化データの抽出$0.016$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)$0.217$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81 tok/s30 tok/s
回答開始までの時間38.3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)104.3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-5.5 (xhigh)のスコアは64.1、最初の回答トークンまで38秒。GPT-5.5 (high)は63.5(16秒)、GPT-5.5は61.0(3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

183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-5.5 (xhigh)Kimi K3.1 Pro
BenchLeader IndexBenchLeader64.161.8
エージェント・ツールスコアBenchLeader61.864.6
コーディングスコアBenchLeader60.759.6
指示追従スコアBenchLeader74.0–
知識スコアBenchLeader63.658.2
長文コンテキストスコアBenchLeader66.967.9
数学スコアBenchLeader69.373.4
マルチモーダルスコアBenchLeader62.366.3
推論スコアBenchLeader68.159.2
ブレンド価格($/100万トークン)BenchLeader$11.25$4.00
出力速度BenchLeader81 tok/s30 tok/s
回答開始までの時間BenchLeader38.3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 Hub90.7%†–
SimpleBenchSimpleBench69.0%†–
Arena Hard PromptsArena (LMArena)1499†1504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench89.7%–
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis45.8%52.5%
HLE-Diamond (AA)Artificial Analysis–37.3%
GPQA Diamond (Vals)Vals AI93.2%–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†–
ARC-AGI-1ARC Prize95.0%–
ARC-AGI-2ARC Prize85.0%–
ARC-AGI-3ARC Prize0.4%†–
CritPtArtificial Analysis27.1%24.6%
CritPt v2 hard subset (AA)Artificial Analysis–49.5%
MysteryMechanismVals AI–26.1%†
Arena ExpertArena (LMArena)1510†1515†
Chess PuzzlesEpoch AI Benchmarking Hub63.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%–
CL-bench LifeEpoch AI Benchmarking Hub22.2%†–
LMCAEpoch AI Benchmarking Hub54.3%57.6%†
DTBenchEpoch AI Benchmarking Hub96.0%93.3%†
ForecastBenchForecastBench64.2%†–
BTF-3Epoch AI Benchmarking Hub14.3%†–
コーディング
SciCodeSciCode55.8%60.8%
183件のベンチマークをすべて表示
指標公開元GPT-5.5 (xhigh)Kimi K3.1 Pro
コーディング
WeirdMLWeirdML84.9%–
FrontierCodeCognition43.0%†–
GSO-BenchGSO-Bench40.2%–
Arena CodingArena (LMArena)1510†1530†
Arena WebDevArena (LMArena)15121687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench82.2%–
LiveCodeBenchVals AI85.3%–
IOIVals AI–81.9%†
SWE-bench (Vals)Vals AI82.6%–
Code MigrationVals AI45.2%–
ProgramBenchVals AI0.5%–
Vibe Code Bench v1.1Vals AI69.8%84.9%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL45.4%–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%–
SWE Atlas v1.0: Test WritingScale AI SEAL42.6%–
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%
MirrorCodeEpoch AI Benchmarking Hub23.3%–
Surface Evolver BenchEpoch AI Benchmarking Hub88.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub67.0%–
ALE-BenchEpoch AI Benchmarking Hub1943.01932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis14.7%67.2%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 249.2†78.3
GameBench 2 by reasoning settingDuelLab GameBench 259.984.0†
Design Arena WebsiteDesign Arena1248†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-Bench84.7%†59.7%†
OSWorld-Verified 2.0OSWorld13.0%–
Remote Labor IndexScale AI / CAIS6.3%†–
APEX-AgentsMercor55.1%†65.5%
Arena AgentArena (LMArena)–4.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench54.0%–
Terminal-Bench HardArtificial Analysis60.6%–
τ²-Bench Telecom (AA)Artificial Analysis93.9%–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†–
MCP AtlasScale AI SEAL75.3%–
HiL-BenchScale AI SEAL39.7%†61.3%
τ³-bench Bankingτ²-bench44.6%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis13571861
τ³-Banking (AA)Artificial Analysis39.0%–
ITBench SRE (AA)Artificial Analysis45.8%–
Analyst Agent (AA)Artificial Analysis50.0%38.8%
APEX-Agents (AA)Artificial Analysis37.7%–
Finance Agent v2Vals AI51.8%–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI40.4%37.5%†
SkillsBenchVals AI62.2%–
SREBenchVals AI3.8%27.1%†
Tax Agent BenchVals AI21.8%24.9%†
Terminal-Bench 2.0 (Vals)Vals AI73.2%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Time Horizon Index: KSPVals AI8.3%–
Arena SearchArena (LMArena)1226†–
Arena Agent Task CompletionArena (LMArena)–2.7†
DeepResearch BenchDeepResearch Bench54.0%†–
PostTrainBenchEpoch AI Benchmarking Hub23.9%–
ExploitBenchEpoch AI Benchmarking Hub47.4%†–
GBAEvalEpoch AI Benchmarking Hub53.2%†–
Vending-Bench 2Andon Labs7523.8†–
AutomationBenchArtificial Analysis47.3%73.3%
GDP.pdf (AA)Artificial Analysis21.2%31.4%
EnterpriseOps-GymArtificial Analysis46.6%–
AA-Briefcase v1.1Artificial Analysis11351674
Design Arena AgenticDesign Arena1113†1301
RoboDojo (LLM as robot policy)RoboDojo1.1†–
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 Hub85.3%–
FrontierMath Tier 4Epoch AI Benchmarking Hub72.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub84.4%†–
ProofBenchVals AI50.0%91.0%
LiveBench MathematicsLiveBench95.9%–
AIME 2026MathArena100.0%–
HMMT February 2026MathArena98.5%–
USAMO 2026MathArena98.2%–
MathArena ApexMathArena80.2%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1500†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub63.0%–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench81.6%–
AA-Omniscience v1.1Artificial Analysis–29.9
MMLU-ProVals AI88.1%–
LegalBenchVals AI86.5%–
CorpFinVals AI68.4%–
TaxEvalVals AI75.0%–
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
CaseLaw v2Vals AI66.2%–
Excel Modeling BenchmarkVals AI64.5%–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI49.1%–
MedScribeVals AI86.9%–
Public Benefits Bench v1.1Vals AI60.9%–
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL51.6%63.4%†
EBR-benchEpoch AI Benchmarking Hub34.3%–
GDP.pdfEpoch AI Benchmarking Hub26.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–62.7%
指示追従
LiveBench LanguageLiveBench87.4%–
LiveBench Instruction FollowingLiveBench70.7%–
IFBenchArtificial Analysis75.8%–
Arena Instruction FollowingArena (LMArena)1475†1487†
人間の評価
Arena TextArena (LMArena)1476†1485†
EQ-Bench 4EQ-Bench1295†–
EQ-Bench Creative Writing v3EQ-Bench1845†2173
Arena Creative WritingArena (LMArena)1448†1453†
Arena Multi-turnArena (LMArena)1484†1475†
Arena Longer QueriesArena (LMArena)1486†1491†
マルチモーダル
Arena VisionArena (LMArena)1296†–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis79.9%83.9%
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.8%–
Humanity's Sixth SenseScale AI SEAL–33.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub36.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub44.2%–
VIALS-AAHandshake AI–45.3%
Code2Video-AAArtificial Analysis1000–
AA-3DArtificial Analysis–1112
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.3%86.3%
Arena DocumentArena (LMArena)1479†–
MLCRArtificial Analysis28.9%38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.1†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench80.2%–
AA Intelligence Index v5.0.1Artificial Analysis–46.5
AA Intelligence Index v4.3.2Artificial Analysis38.455.1
AA Progress Index v1Artificial Analysis320340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals RSI IndexVals AI16.5%–
Vals Science IndexVals AI–44.4%†
Vals Multimodal IndexVals AI68.1%–
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL16.3%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。
  • GPT-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • Kimi K3.1 Pro:新しい結果1件(HiL-Bench)。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • Kimi K3.1 Pro:新しい結果3件(PRBench Finance, PRBench Legal, FORTRESS)、スコアの改訂2件。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • Kimi K3.1 Pro:新しい結果2件(APEX-Agents, Epoch Capabilities Index)。

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-5.5 vs Kimi K3.1 Pro:よくある質問

GPT-5.5はKimi K3.1 Proより優れていますか?
GPT-5.5 (xhigh)とKimi K3.1 Proの品質は互角です(64.1 対 61.8、±4.9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-5.5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 $11.25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-5.5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-5.5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)。共通するコーディングベンチマークのうち最も重要なSciCodeでは、GPT-5.5が55.8%、Kimi K3.1 Proが60.8%です。
GPT-5.5とKimi K3.1 Proはどちらが速いですか?
GPT-5.5の方が出力が約2倍速くなっています(出力81 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-5.5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Kimi K3.1 Proの方がスコアが高くなっています(カテゴリ指標で65 対 62。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 67)。どちらも約1.1Mトークンです(GPT-5.5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-5.5です。Artificial Analysisの測定では、最初の回答トークンまで38.3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-5.5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15件のベンチマークのうち、GPT-5.5のリードが3件、Kimi K3.1 Proのリードが12件です。両方を評価しているすべての総合指標で、Kimi K3.1 Proが上回っています。
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。