BenchLeader

GPT-5.5 vs Kimi K3.1 Pro Together

詳しいプロフィール:GPT-5.5(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 · 12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 Togetherの品質は互角です(BenchLeader Indexで64.1 対 60.0、±4.5の誤差範囲内)。数学(69 対 65)、推論(68 対 67)を重視するならGPT-5.5、知識(66 対 64)を重視するならKimi K3.1 Pro Togetherが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.5が64.1、Kimi K3.1 Pro Togetherが60.0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)。
  • 両モデルに結果がある6件のベンチマークのうち、GPT-5.5が5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
数学GPT-5.5カテゴリスコア69 対 65;FrontierMath Tiers 1–3 85.3% 対 78.3%中
推論GPT-5.5カテゴリスコア68 対 67;Chess Puzzles 63.0% 対 45.0%中
知識Kimi K3.1 Pro Togetherカテゴリスコア66 対 64;SimpleQA Verified 62.2% 対 63.0%中
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 Together (max)の品質は互角です(64.1 対 60.0、±4.5の誤差範囲内)。
  • GPT-5.5 (xhigh)は数学、推論で優れています。
  • Kimi K3.1 Pro Together (max)は知識で優れています。

概要

仕様GPT-5.5Kimi K3.1 Pro Together
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)1,050,000–
比較した構成GPT-5.5 (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)$5.00 / $30.00 / $0.500–

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 Together (max)トップ
推論68.166.9GPT-5.5
コーディング60.7–比較不可
エージェント・ツール61.8–比較不可
数学69.365.2GPT-5.5
知識63.666.0Kimi K3.1 Pro Together
指示追従74.0–比較不可
マルチモーダル62.3–比較不可
長文コンテキスト66.9–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推論数学知識GPT-5.5, 推論: 68.1GPT-5.5, 数学: 69.3GPT-5.5, 知識: 63.6Kimi K3.1 Pro Together, 推論: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知識: 66.0

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。

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6件のベンチマークのうち、GPT-5.5のリードが5件、Kimi K3.1 Pro Togetherのリードが1件です。

総合IndexGPT-5.5 (xhigh)Kimi K3.1 Pro Together (max)トップ
BenchLeader Index64.160.0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-5.5 (xhigh)Kimi K3.1 Pro Together (max)
100万トークンあたりのブレンド価格$11.25–
100万トークンあたりの入力/出力$5.00 / $30.00– / –
100万トークンあたりのキャッシュ入力$0.500–
タスクあたりの価格:チャットの返答$0.011–
タスクあたりの価格:30ページのレポートを要約$0.078–
タスクあたりの価格:コード編集$0.075–
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–
タスクあたりの価格:構造化データの抽出$0.016–
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–
出力速度81 tok/s–
回答開始までの時間38.3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–

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 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

132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 Together (max)
BenchLeader IndexBenchLeader64.160.0
エージェント・ツールスコアBenchLeader61.8–
コーディングスコアBenchLeader60.7–
指示追従スコアBenchLeader74.0–
知識スコアBenchLeader63.666.0
長文コンテキストスコアBenchLeader66.9–
数学スコアBenchLeader69.365.2
マルチモーダルスコアBenchLeader62.3–
推論スコアBenchLeader68.166.9
ブレンド価格($/100万トークン)BenchLeader$11.25–
出力速度BenchLeader81 tok/s–
回答開始までの時間BenchLeader38.3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 Hub90.7%†94.2%
SimpleBenchSimpleBench69.0%†–
Arena Hard PromptsArena (LMArena)1499†–
LiveBench 1.0 ReasoningLiveBench89.7%–
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis45.8%–
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%–
Arena ExpertArena (LMArena)1510†–
Chess PuzzlesEpoch AI Benchmarking Hub63.0%45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%42.0%
CL-bench LifeEpoch AI Benchmarking Hub22.2%†–
LMCAEpoch AI Benchmarking Hub54.3%–
DTBenchEpoch AI Benchmarking Hub96.0%–
ForecastBenchForecastBench64.2%†–
BTF-3Epoch AI Benchmarking Hub14.3%†–
コーディング
SciCodeSciCode55.8%–
WeirdMLWeirdML84.9%–
FrontierCodeCognition43.0%†–
GSO-BenchGSO-Bench40.2%–
Arena CodingArena (LMArena)1510†–
132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 Together (max)
コーディング
Arena WebDevArena (LMArena)1512–
LiveBench 1.0 CodingLiveBench82.2%–
LiveCodeBenchVals AI85.3%–
SWE-bench (Vals)Vals AI82.6%–
Code MigrationVals AI45.2%–
ProgramBenchVals AI0.5%–
Vibe Code Bench v1.1Vals AI69.8%–
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%–
MirrorCodeEpoch AI Benchmarking Hub23.3%–
Surface Evolver BenchEpoch AI Benchmarking Hub88.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub67.0%–
ALE-BenchEpoch AI Benchmarking Hub1943.0–
Terminal-Bench 4.0 (AA)Artificial Analysis14.7%–
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 249.2†–
GameBench 2 by reasoning settingDuelLab GameBench 259.9–
Design Arena WebsiteDesign Arena1248†–
エージェント・ツール
Terminal-BenchTerminal-Bench84.7%†–
OSWorld-Verified 2.0OSWorld13.0%–
Remote Labor IndexScale AI / CAIS6.3%†–
APEX-AgentsMercor55.1%†–
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%†–
τ³-bench Bankingτ²-bench44.6%–
GDPval-AA v2.1Artificial Analysis1357–
τ³-Banking (AA)Artificial Analysis39.0%–
ITBench SRE (AA)Artificial Analysis45.8%–
Analyst Agent (AA)Artificial Analysis50.0%–
APEX-Agents (AA)Artificial Analysis37.7%–
Finance Agent v2Vals AI51.8%–
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI40.4%–
SkillsBenchVals AI62.2%–
SREBenchVals AI3.8%–
Tax Agent BenchVals AI21.8%–
Terminal-Bench 2.0 (Vals)Vals AI73.2%†–
Time Horizon Index: KSPVals AI8.3%–
Arena SearchArena (LMArena)1226†–
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%–
GDP.pdf (AA)Artificial Analysis21.2%–
EnterpriseOps-GymArtificial Analysis46.6%–
AA-Briefcase v1.1Artificial Analysis1135–
Design Arena AgenticDesign Arena1113†–
RoboDojo (LLM as robot policy)RoboDojo1.1†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.3%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub72.5%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub84.4%†100.0%
ProofBenchVals AI50.0%–
LiveBench MathematicsLiveBench95.9%–
AIME 2026MathArena100.0%–
HMMT February 2026MathArena98.5%–
USAMO 2026MathArena98.2%–
MathArena ApexMathArena80.2%–
Arena MathsArena (LMArena)1500†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub63.0%62.2%
LiveBench 1.0 Data AnalysisLiveBench81.6%–
MMLU-ProVals AI88.1%–
LegalBenchVals AI86.5%–
CorpFinVals AI68.4%–
TaxEvalVals AI75.0%–
CaseLaw v2Vals AI66.2%–
Excel Modeling BenchmarkVals AI64.5%–
MedCodeVals AI49.1%–
MedScribeVals AI86.9%–
Public Benefits Bench v1.1Vals AI60.9%–
DrugDiscoveryBenchScale AI SEAL51.6%–
EBR-benchEpoch AI Benchmarking Hub34.3%–
GDP.pdfEpoch AI Benchmarking Hub26.0%–
指示追従
LiveBench LanguageLiveBench87.4%–
LiveBench Instruction FollowingLiveBench70.7%–
IFBenchArtificial Analysis75.8%–
Arena Instruction FollowingArena (LMArena)1475†–
人間の評価
Arena TextArena (LMArena)1476†–
EQ-Bench 4EQ-Bench1295†–
EQ-Bench Creative Writing v3EQ-Bench1845†–
Arena Creative WritingArena (LMArena)1448†–
Arena Multi-turnArena (LMArena)1484†–
Arena Longer QueriesArena (LMArena)1486†–
マルチモーダル
Arena VisionArena (LMArena)1296†–
MMMU-ProArtificial Analysis79.9%–
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.8%–
Blueprint-Bench 2Epoch AI Benchmarking Hub36.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub44.2%55.8%
Code2Video-AAArtificial Analysis1000–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.3%–
Arena DocumentArena (LMArena)1479†–
MLCRArtificial Analysis28.9%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.1†–
LiveBench 1.0LiveBench80.2%–
AA Intelligence Index v4.3.2Artificial Analysis38.4–
AA Progress Index v1Artificial Analysis320–
Vals RSI IndexVals AI16.5%–
Vals Multimodal IndexVals AI68.1%–
安全性・誠実さ
FORTRESSScale AI SEAL16.3%–

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

  • GPT-5.5 (xhigh):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • GPT-5.5 (xhigh):新しい結果1件(MirrorCode)。
  • Kimi K3.1 Pro Together (max):初めての結果。
  • GPT-5.5 (xhigh):スコアの改訂1件。
  • GPT-5.5 (xhigh):新しい結果1件(AA Progress Index v1)。
  • GPT-5.5 (xhigh):価格 $2.63/M → $2.10/M。
  • GPT-5.5 (xhigh):新しい結果1件(AA-Briefcase v1.1)。

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-5.5 vs Kimi K3.1 Pro Together:よくある質問

GPT-5.5はKimi K3.1 Pro Togetherより優れていますか?
GPT-5.5 (xhigh)とKimi K3.1 Pro Together (max)の品質は互角です(64.1 対 60.0、±4.5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-5.5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6件のベンチマークのうち、GPT-5.5のリードが5件、Kimi K3.1 Pro Togetherのリードが1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。