BenchLeader

GPT-5.6 Sol vs Kimi K3

詳しいプロフィール:GPT-5.6 Sol(OpenAI)とKimi K3(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 · 15件の情報源のデータ

2026年11月16日時点で、GPT-5.6 SolとKimi K3の品質は互角です(BenchLeader Indexで65.3 対 60.7、±6.8の誤差範囲内)。価格はKimi K3の方が1.3倍安く、100万トークンあたりのブレンド価格で$6.00 対 $8.00です。エージェント・ツール(68 対 54)、コーディング(66 対 62)を重視するならGPT-5.6 Sol、知識(66 対 64)、数学(72 対 70)を重視するならKimi K3が向いています。回答開始までの時間はKimi K3の方が短く、0.8秒 対 33.5秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Solが65.3、Kimi K3が60.7です(BenchLeader、2026年11月16日)。
  • GPT-5.6 Solの100万トークンあたりのブレンド価格は$8.00です(定価、2026年11月16日)。
  • Kimi K3の100万トークンあたりのブレンド価格は$6.00です(定価、2026年11月16日)。
  • 両モデルに結果がある20件のベンチマークのうち、GPT-5.6 Sol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-5.6 Solカテゴリスコア66 対 62;SciCode 57.1% 対 58.7%中
エージェント・ツール利用GPT-5.6 Solカテゴリスコア68 対 54;Terminal-Bench 2.1 (Vals) 85.8% 対 80.9%高
数学Kimi K3カテゴリスコア72 対 70;ProofBench 87.0% 対 83.0%中
知識Kimi K3カテゴリスコア66 対 64;CorpFin 71.6% 対 64.4%中
チャットの質(人間の評価)–Arenaの評価があるのはKimi K3のみです(カテゴリスコア69)比較不可
最低コストKimi K3100万トークンあたりブレンド価格$6.00 対 $8.00;エージェント型コーディングセッション$0.240 対 $0.320–
回答開始の速さKimi K3最初の回答トークンまで0.8秒(Kimi K3)対 33.5秒(GPT-5.6 Sol (max))–
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-5.6 Sol (max)とKimi K3の品質は互角です(65.3 対 60.7、±6.8の誤差範囲内)。
  • GPT-5.6 Sol (max)はエージェント・ツール、コーディングで優れています。
  • Kimi K3は知識、数学で優れています。
  • Kimi K3の方が1.3倍安くなっています(100万トークンあたりブレンド価格$6.00 対 $8.00)。
  • GPT-5.6 Sol (max)の方が出力が1.3倍速くなっています(100 対 76トークン/秒)。

概要

仕様GPT-5.6 SolKimi K3
プロバイダーOpenAIMoonshot AI
リリース日2026年7月9日2026年7月16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-5.6 Sol (max)Kimi K3
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)$4.00 / $20.00 / $0.400$3.00 / $15.00 / $0.300

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-5.6 Sol (max)Kimi K3トップ
推論64.7–比較不可
コーディング65.861.8GPT-5.6 Sol
エージェント・ツール67.553.5GPT-5.6 Sol
数学70.071.5Kimi K3
知識63.866.1Kimi K3
指示追従71.2–比較不可
人間の評価–68.6比較不可
マルチモーダル65.9–比較不可
長文コンテキスト66.7–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。

2550 avg75コーディングエージェント・ツール数学知識GPT-5.6 Sol, コーディング: 65.8GPT-5.6 Sol, エージェント・ツール: 67.5GPT-5.6 Sol, 数学: 70.0GPT-5.6 Sol, 知識: 63.8Kimi K3, コーディング: 61.8Kimi K3, エージェント・ツール: 53.5Kimi K3, 数学: 71.5Kimi K3, 知識: 66.1

描画していないもの(測定済みのモデルが2つ未満):推論, 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20件のベンチマークのうち、GPT-5.6 Solのリードが12件、Kimi K3のリードが8件です。両方を評価しているすべての総合指標で、Kimi K3が上回っています。

総合IndexGPT-5.6 Sol (max)Kimi K3トップ
BenchLeader Index65.360.7互角
Arena Text1485†1487Kimi K3

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-5.6 Sol (max)Kimi K3
100万トークンあたりのブレンド価格$8.00$6.00
100万トークンあたりの入力/出力$4.00 / $20.00$3.00 / $15.00
100万トークンあたりのキャッシュ入力$0.400$0.300
タスクあたりの価格:チャットの返答$0.0076$0.0057
タスクあたりの価格:30ページのレポートを要約$0.060$0.045
タスクあたりの価格:コード編集$0.054$0.041
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$0.320$0.240
タスクあたりの価格:構造化データの抽出$0.012$0.0090
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)$0.158$0.118
出力速度100 tok/s76 tok/s
回答開始までの時間33.5秒0.8秒
回答が完了するまでの時間(最終測定2026年11月13日)157.3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-5.6 Sol (max)のスコアは65.3、最初の回答トークンまで34秒。GPT-5.6 Sol (xhigh)は63.9(17秒)、GPT-5.6 Sol (high)は63.4(10秒)。Kimi K3のスコアは60.7、最初の回答トークンまで1秒。Kimi K3 (max)は60.2(55秒)、Kimi K3 (low)は53.6(8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

197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-5.6 Sol (max)Kimi K3
BenchLeader IndexBenchLeader65.360.7
エージェント・ツールスコアBenchLeader67.553.5
コーディングスコアBenchLeader65.861.8
指示追従スコアBenchLeader71.2–
知識スコアBenchLeader63.866.1
長文コンテキストスコアBenchLeader66.7–
数学スコアBenchLeader70.071.5
マルチモーダルスコアBenchLeader65.9–
推論スコアBenchLeader64.7–
人間の評価スコアBenchLeader–68.6
ブレンド価格($/100万トークン)BenchLeader$8.00$6.00
出力速度BenchLeader100 tok/s76 tok/s
回答開始までの時間BenchLeader33.5秒0.8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 Hub93.5%93.1%†
SimpleBenchSimpleBench64.8%†60.7%†
Arena Hard PromptsArena (LMArena)1511†1516†
LiveBench 2.0 ReasoningLiveBench–90.7%†
LiveBench 1.0 ReasoningLiveBench91.7%90.7%
GPQA Diamond (AA)Artificial Analysis94.1%93.5%†
Humanity's Last Exam (AA)Artificial Analysis49.5%46.9%†
HLE-Diamond (AA)Artificial Analysis–26.9%†
GPQA Diamond (Vals)Vals AI95.2%92.9%
EnigmaEvalScale AI SEAL37.1%†–
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize96.5%94.5%†
ARC-AGI-2ARC Prize92.5%60.4%†
ARC-AGI-3ARC Prize7.8%–
CritPtArtificial Analysis32.3%23.4%†
CritPt v2 hard subset (AA)Artificial Analysis60.0%40.5%†
MysteryMechanismVals AI33.3%–
HLE-Diamond (Scale)Scale AI SEAL31.2%†22.2%
Arena ExpertArena (LMArena)1532†1528†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub58.0%26.0%†
LMCAEpoch AI Benchmarking Hub58.4%52.7%†
DTBenchEpoch AI Benchmarking Hub95.5%91.2%†
ForecastBenchForecastBench65.7%64.2%†
BTF-3Epoch AI Benchmarking Hub13.7%–
197件のベンチマークをすべて表示
指標公開元GPT-5.6 Sol (max)Kimi K3
コーディング
SciCodeSciCode57.1%58.7%
WeirdMLWeirdML87.0%82.6%†
FrontierCodeCognition47.5%†44.2%
GSO-BenchGSO-Bench76.5%†–
Arena CodingArena (LMArena)1533†1538†
Arena WebDevArena (LMArena)1615†1658†
LiveBench 2.0 CodingLiveBench–53.1%†
LiveBench 1.0 CodingLiveBench83.9%81.5%
SciCode (AA)Artificial Analysis57.1%59.5%†
LiveCodeBenchVals AI82.6%87.2%†
IOIVals AI91.2%48.9%†
SWE-bench (Vals)Vals AI96.2%93.4%
Code MigrationVals AI52.9%16.1%†
Code Migration v1.1Vals AI–28.6%†
ProgramBenchVals AI1.5%2.0%
SWE-bench MultimodalVals AI–44.2%†
Vibe Code Bench 1-100Vals AI20.0%18.2%†
Vibe Code Bench v1.1Vals AI80.5%85.0%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL46.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL45.9%†–
SWE Atlas v1.1Scale AI SEAL–61.0%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–65.3%
SWE Atlas v1.1: Test WritingScale AI SEAL–63.3%
SWE Atlas v1.1: RefactoringScale AI SEAL–54.3%
SWE-Bench Pro V2Scale AI SEAL95.5%†97.7%†
SWE-Bench Pro V2 HARDScale AI SEAL82.4%†88.2%†
MirrorCodeEpoch AI Benchmarking Hub20.0%†54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub93.1%†95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub72.7%68.5%†
CursorBenchCursor41.7%–
ALE-BenchEpoch AI Benchmarking Hub2176.91524.5†
FrontierSWEEpoch AI Benchmarking Hub32.2%25.9%†
WeirdML v3WeirdML15.0%†7.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis39.9%12.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis88.0%85.0%†
Startrise FrontendStartrise66.2%†79.8%
GameBench 2 OverallDuelLab GameBench 267.0†48.0
GameBench 2 by reasoning settingDuelLab GameBench 280.0†45.7†
Design Arena WebsiteDesign Arena1319†1336
FrontierCode 1.1 (AA)Artificial Analysis–43.6%†
FrontierCode 2.0 (AA)Artificial Analysis–10.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench38.5%23.0%†
OSWorld-Verified 2.0OSWorld27.3%–
APEX-AgentsMercor51.4%†47.8%
Arena AgentArena (LMArena)4.6†0.6†
LiveBench Long AgenticLiveBench–36.0%†
LiveBench BrowserLiveBench–75.2%†
LiveBench Agentic CodingLiveBench56.2%62.2%
Terminal-Bench HardArtificial Analysis65.9%–
τ²-Bench Telecom (AA)Artificial Analysis85.1%–
Terminal-Bench 2.1 (Vals)Vals AI85.8%80.9%
MCP AtlasScale AI SEAL–82.3%†
HiL-BenchScale AI SEAL32.3%†42.7%
τ³-bench Bankingτ²-bench46.9%†37.1%†
GDPval-AA v2.1Artificial Analysis16191542†
τ³-Banking (AA)Artificial Analysis44.3%46.0%†
ITBench SRE (AA)Artificial Analysis56.2%47.7%†
Analyst Agent (AA)Artificial Analysis47.5%38.8%†
APEX-Agents (AA)Artificial Analysis–41.3%†
CUA-benchVals AI8.3%–
CyberBenchVals AI76.3%75.2%†
Finance Agent v2Vals AI53.8%53.1%†
Finance Agent v2.1Vals AI–60.0%†
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%†
Harvey's Legal Agent Benchmark v1Vals AI2.5%12.9%†
Legal Research BenchVals AI48.1%46.1%†
SkillsBenchVals AI54.1%–
SREBenchVals AI30.5%–
Tax Agent BenchVals AI31.1%33.4%†
Terminal-Bench 4.0 (Vals)Vals AI37.9%17.2%†
Terminal-Bench ScienceVals AI20.0%1.4%†
Time Horizon Index: KSPVals AI23.8%10.5%†
Web Search IndexVals AI43.6%–
Arena SearchArena (LMArena)1255†–
Arena Agent Task CompletionArena (LMArena)2.3†3.4†
BALROGBALROG60.0%–
PostTrainBenchEpoch AI Benchmarking Hub31.0%31.5%
GBAEvalEpoch AI Benchmarking Hub52.6%†48.4%
Vending-Bench 2Andon Labs9619.4†5165.0
AutomationBenchArtificial Analysis60.1%58.3%†
GDP.pdf (AA)Artificial Analysis27.2%22.0%†
Harvey LAB-AA v1.1Harvey–5.3%†
EnterpriseOps-GymArtificial Analysis42.9%45.3%†
AA-Briefcase v1.1Artificial Analysis14791497†
GDPxGDPx by SemiAnalysis–3.7%†
Design Arena AgenticDesign Arena1238†1261
Terminal-Bench-Science 0.1 (AA)Artificial Analysis22.4%8.1%†
CWE-Bench (AA)Artificial Analysis–53.3%†
DeepSec-Bench (AA)Artificial Analysis–12.4%†
CyberGym end-to-end (AA)Artificial Analysis–58.0%†
FACTS SearchGoogle92.9%†90.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.1%72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub82.9%39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%97.2%†
ProofBenchVals AI83.0%87.0%
LiveBench MathematicsLiveBench96.2%84.4%
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–97.0%†
MathArena ApexMathArena–65.6%†
Arena MathsArena (LMArena)1494†1502†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%0.0%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.7%50.6%†
LiveBench 2.0 Data AnalysisLiveBench–78.7%†
LiveBench ResearchLiveBench–79.8%†
LiveBench 1.0 Data AnalysisLiveBench79.8%78.7%
AA-Omniscience v1.1Artificial Analysis–-1.7†
MMLU-ProVals AI89.1%88.0%†
LegalBenchVals AI87.0%86.2%†
CorpFinVals AI64.4%71.6%
TaxEvalVals AI74.8%75.7%
PRBench FinanceScale AI SEAL50.5%–
PRBench LegalScale AI SEAL50.5%–
BioMysteryBenchVals AI71.1%72.6%†
Excel Modeling BenchmarkVals AI72.3%66.7%†
Excel Modeling Benchmark v1.1Vals AI–71.3%†
MedCodeVals AI44.0%49.4%†
MedScribeVals AI85.2%88.0%†
Public Benefits Bench v1.1Vals AI66.5%68.2%†
Access to Justice BenchmarkVals AI–68.2%†
Financial Coaching BenchVals AI74.9%74.5%†
Immigration BenchVals AI–68.3%†
DrugDiscoveryBenchScale AI SEAL56.5%–
EBR-benchEpoch AI Benchmarking Hub44.8%–
GDP.pdfEpoch AI Benchmarking Hub30.7%19.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis–42.4%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–23.4%†
HealthBench Professional (AA)OpenAI–53.2%†
FACTS ParametricGoogle81.1%†–
指示追従
LiveBench LanguageLiveBench87.7%85.5%
LiveBench Instruction FollowingLiveBench71.8%71.4%
IFBenchArtificial Analysis72.7%–
Arena Instruction FollowingArena (LMArena)1490†1489†
人間の評価
Arena TextArena (LMArena)1485†1487†
EQ-Bench 4EQ-Bench1236†1319
EQ-Bench Creative Writing v3EQ-Bench1974†2083
Arena Creative WritingArena (LMArena)1471†1459†
Arena Multi-turnArena (LMArena)1491†1502†
Arena Longer QueriesArena (LMArena)1498†1500†
マルチモーダル
Arena VisionArena (LMArena)1282†–
LiveBench DesignLiveBench–72.5%†
MMMU-ProArtificial Analysis83.4%80.5%†
MMMU-Pro (Vals)Vals AI88.8%88.2%
MortgageTaxVals AI67.3%66.3%
SAGEVals AI–86.8%†
Humanity's Sixth SenseScale AI SEAL30.0%25.5%†
GeoBenchGeoBench73.0%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub33.6%†29.5%
Furniture AssemblyEpoch AI Benchmarking Hub56.7%34.2%†
Code2Video-AAArtificial Analysis–1041†
AA-3DArtificial Analysis–984†
FACTS MultimodalGoogle46.4%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis84.0%88.7%†
Arena DocumentArena (LMArena)1487†–
MLCRArtificial Analysis30.0%21.7%†
FACTS GroundingGoogle61.9%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.0†158.6
LiveBench 2.0LiveBench–65.0%†
LiveBench 1.0LiveBench81.0%79.2%
AA Intelligence Index v5.0.1Artificial Analysis–17.4†
AA Intelligence Index v4.3.2Artificial Analysis47.043.6†
AA Progress Index v1Artificial Analysis331.5319.9†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–58.0%†
Vals RSI IndexVals AI23.9%20.9%†
Vals Science IndexVals AI41.5%–
Vals Multimodal IndexVals AI72.6%73.4%
Vals Router IndexVals AI–53.0%
Vals Legal IndexVals AI–71.7%†
AA Cyber IndexArtificial Analysis–41.3†
安全性・誠実さ
FORTRESSScale AI SEAL20.1%†27.3%
DistressBenchScale AI SEAL73.6%†73.5%
メタデータ
AA Openness IndexArtificial Analysis–38.9†

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:BenchLeader Index 59.1 → 60.7。
  • GPT-5.6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • Kimi K3:スコアの改訂1件。
  • GPT-5.6 Sol (max):BenchLeader Index 65.8 → 65.3。
  • GPT-5.6 Sol (max):スコアの改訂1件。
  • Kimi K3:スコアの改訂4件。
  • Kimi K3:スコアの改訂1件。
  • Kimi K3:新しい結果1件(FACTS Search)。
  • GPT-5.6 Sol (max):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-5.6 Sol vs Kimi K3:よくある質問

GPT-5.6 SolはKimi K3より優れていますか?
GPT-5.6 Sol (max)とKimi K3の品質は互角です(65.3 対 60.7、±6.8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-5.6 SolとKimi K3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の方が安く、100万トークンあたり$6.00 対 $8.00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-5.6 SolとKimi K3のどちらが向いていますか?
コーディングではGPT-5.6 Solの方がスコアが高くなっています(カテゴリ指標で66 対 62。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-5.6 Solが57.1%、Kimi K3が58.7%です。
GPT-5.6 SolとKimi K3はどちらが速いですか?
GPT-5.6 Solの方が出力が速くなっています(出力100 対 76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-5.6 SolとKimi K3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GPT-5.6 Solの方がスコアが高くなっています(カテゴリ指標で68 対 54。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Bench 2.1 (Vals)では、GPT-5.6 Solが85.8%、Kimi K3が80.9%です。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
どちらも約1.1Mトークンです(GPT-5.6 Solは1,050,000、Kimi K3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Kimi K3です。Artificial Analysisの測定では、最初の回答トークンまで0.8秒 対 33.5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-5.6 SolとKimi K3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20件のベンチマークのうち、GPT-5.6 Solのリードが12件、Kimi K3のリードが8件です。両方を評価しているすべての総合指標で、Kimi K3が上回っています。
Kimi K3はいつリリースされましたか?
Kimi K3は2026年7月16日にリリースされました。