BenchLeader

GPT-5.6 Terra vs Kimi K3

詳しいプロフィール:GPT-5.6 Terra(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 TerraとKimi K3の品質は互角です(BenchLeader Indexで60.1 対 60.7、±7.2の誤差範囲内)。価格はGPT-5.6 Terra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$4.50 対 $6.00です。エージェント・ツール(63 対 54)を重視するならGPT-5.6 Terra、知識(66 対 53)、数学(72 対 66)、人間の評価(69 対 66)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 19.2秒です。GPT-5.6 Terraは出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-5.6 Terraが60.1、Kimi K3が60.7です(BenchLeader、2026年11月16日)。
  • GPT-5.6 Terraの100万トークンあたりのブレンド価格は$4.50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)。
  • GPT-5.6 TerraはKimi K3より出力が速いです(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8件のベンチマークのうち、Kimi K3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。

用途おすすめ理由信頼度
コーディングKimi K3カテゴリスコア62 対 59;SciCode 58.7% 対 52.3%中
エージェント・ツール利用GPT-5.6 Terraカテゴリスコア63 対 54高
数学Kimi K3カテゴリスコア72 対 66;ProofBench 87.0% 対 74.0%中
知識Kimi K3カテゴリスコア66 対 53;CorpFin 71.6% 対 65.3%高
チャットの質(人間の評価)Kimi K3Arenaの投票で69 対 66中
最低コストGPT-5.6 Terra100万トークンあたりブレンド価格$4.50 対 $6.00;エージェント型コーディングセッション$0.168 対 $0.240–
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 19.2秒(GPT-5.6 Terra (xhigh))–
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 Terra (xhigh)とKimi K3の品質は互角です(60.1 対 60.7、±7.2の誤差範囲内)。
  • GPT-5.6 Terra (xhigh)はエージェント・ツールで優れています。
  • Kimi K3はコーディング、人間の評価、知識、数学で優れています。
  • GPT-5.6 Terra (xhigh)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$4.50 対 $6.00)。

概要

仕様GPT-5.6 TerraKimi 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 Terra (xhigh)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)$2.00 / $12.00 / $0.200$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 Terra (xhigh)Kimi K3トップ
推論54.8–比較不可
コーディング59.161.8Kimi K3
エージェント・ツール63.153.5GPT-5.6 Terra
数学65.771.5Kimi K3
知識53.066.1Kimi K3
指示追従65.6–比較不可
人間の評価65.568.6Kimi K3
マルチモーダル61.2–比較不可
長文コンテキスト64.1–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・ツール数学知識人間の評価GPT-5.6 Terra, コーディング: 59.1GPT-5.6 Terra, エージェント・ツール: 63.1GPT-5.6 Terra, 数学: 65.7GPT-5.6 Terra, 知識: 53.0GPT-5.6 Terra, 人間の評価: 65.5Kimi 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: 66.1Kimi K3, 人間の評価: 68.6

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。

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8件のベンチマークのうち、GPT-5.6 Terraのリードが2件、Kimi K3のリードが6件です。第三者の総合指標でも評価が分かれ、GPT-5.6 TerraはAA Intelligence Index v5.0.1で、Kimi K3はArena Textでリードしています。

総合IndexGPT-5.6 Terra (xhigh)Kimi K3トップ
BenchLeader Index60.160.7互角
AA Intelligence Index v5.0.132.3†17.4GPT-5.6 Terra
Arena Text14681487†Kimi 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 Terra (xhigh)Kimi K3
100万トークンあたりのブレンド価格$4.50$6.00
100万トークンあたりの入力/出力$2.00 / $12.00$3.00 / $15.00
100万トークンあたりのキャッシュ入力$0.200$0.300
タスクあたりの価格:チャットの返答$0.0044$0.0057
タスクあたりの価格:30ページのレポートを要約$0.031$0.045
タスクあたりの価格:コード編集$0.030$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$0.168$0.240
タスクあたりの価格:構造化データの抽出$0.0064$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)$0.087$0.118
出力速度97 tok/s76 tok/s
回答開始までの時間19.2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)84.0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 Terra (xhigh)のスコアは60.1、最初の回答トークンまで19秒。GPT-5.6 Terra (max)は59.5(73秒)、GPT-5.6 Terra (high)は56.8(6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

182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 Terra (xhigh)Kimi K3
BenchLeader IndexBenchLeader60.160.7
エージェント・ツールスコアBenchLeader63.153.5
コーディングスコアBenchLeader59.161.8
人間の評価スコアBenchLeader65.568.6
指示追従スコアBenchLeader65.6–
知識スコアBenchLeader53.066.1
長文コンテキストスコアBenchLeader64.1–
数学スコアBenchLeader65.771.5
マルチモーダルスコアBenchLeader61.2–
推論スコアBenchLeader54.8–
ブレンド価格($/100万トークン)BenchLeader$4.50$6.00
出力速度BenchLeader97 tok/s76 tok/s
回答開始までの時間BenchLeader19.2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 Hub93.3%†93.1%†
SimpleBenchSimpleBench48.9%60.7%†
Arena Hard PromptsArena (LMArena)14911516†
LiveBench 2.0 ReasoningLiveBench90.6%†90.7%†
LiveBench 1.0 ReasoningLiveBench90.6%†90.7%
GPQA Diamond (AA)Artificial Analysis90.8%93.5%†
Humanity's Last Exam (AA)Artificial Analysis41.9%46.9%†
HLE-Diamond (AA)Artificial Analysis24.7%26.9%†
GPQA Diamond (Vals)Vals AI90.9%92.9%
Kagi LLM BenchmarkKagi LLM Benchmark51.3%†–
ARC-AGI-1ARC Prize94.0%94.5%†
ARC-AGI-2ARC Prize74.2%60.4%†
ARC-AGI-3ARC Prize0.7%–
CritPtArtificial Analysis27.1%23.4%†
CritPt v2 hard subset (AA)Artificial Analysis50.5%†40.5%†
HLE-Diamond (Scale)Scale AI SEAL–22.2%
Arena ExpertArena (LMArena)15071528†
Chess PuzzlesEpoch AI Benchmarking Hub47.0%†36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub35.0%†26.0%†
LMCAEpoch AI Benchmarking Hub52.2%52.7%†
DTBenchEpoch AI Benchmarking Hub92.5%91.2%†
ForecastBenchForecastBench–64.2%†
コーディング
SciCodeSciCode52.3%58.7%
WeirdMLWeirdML78.3%†82.6%†
FrontierCodeCognition41.3%†44.2%
182件のベンチマークをすべて表示
指標公開元GPT-5.6 Terra (xhigh)Kimi K3
コーディング
Arena CodingArena (LMArena)15171538†
Arena WebDevArena (LMArena)15201658†
LiveBench 2.0 CodingLiveBench84.2%†53.1%†
LiveBench 1.0 CodingLiveBench78.3%†81.5%
SciCode (AA)Artificial Analysis52.3%59.5%†
LiveCodeBenchVals AI85.9%87.2%†
IOIVals AI87.6%†48.9%†
SWE-bench (Vals)Vals AI95.4%†93.4%
Code MigrationVals AI47.8%†16.1%†
Code Migration v1.1Vals AI–28.6%†
ProgramBenchVals AI0.5%†2.0%
SWE-bench MultimodalVals AI–44.2%†
Vibe Code Bench 1-100Vals AI14.8%†18.2%†
Vibe Code Bench v1.1Vals AI74.6%†85.0%†
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 SEAL92.4%97.7%†
SWE-Bench Pro V2 HARDScale AI SEAL86.3%88.2%†
MirrorCodeEpoch AI Benchmarking Hub41.1%†54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub83.8%95.0%
DeepSWE v1.1Epoch AI Benchmarking Hub60.2%68.5%†
CursorBenchCursor33.6%–
ALE-BenchEpoch AI Benchmarking Hub1951.4†1524.5†
FrontierSWEEpoch AI Benchmarking Hub–25.9%†
WeirdML v3WeirdML–7.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%12.6%†
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%85.0%†
Startrise FrontendStartrise66.9%†79.8%
GameBench 2 OverallDuelLab GameBench 245.6†48.0
GameBench 2 by reasoning settingDuelLab GameBench 253.545.7†
Design Arena WebsiteDesign Arena1260†1336
FrontierCode 1.1 (AA)Artificial Analysis–43.6%†
FrontierCode 2.0 (AA)Artificial Analysis23.9%†10.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench21.5%†23.0%†
APEX-AgentsMercor58.2%†47.8%
Arena AgentArena (LMArena)-1.80.6†
LiveBench Long AgenticLiveBench25.9%†36.0%†
LiveBench BrowserLiveBench70.3%†75.2%†
LiveBench Agentic CodingLiveBench55.0%†62.2%
Terminal-Bench HardArtificial Analysis62.9%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI77.5%†80.9%
MCP AtlasScale AI SEAL–82.3%†
HiL-BenchScale AI SEAL–42.7%
τ³-bench Bankingτ²-bench–37.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis47.4%–
GDPval-AA v2.1Artificial Analysis14561542†
τ³-Banking (AA)Artificial Analysis29.7%46.0%†
ITBench SRE (AA)Artificial Analysis51.0%†47.7%†
Analyst Agent (AA)Artificial Analysis–38.8%†
APEX-Agents (AA)Artificial Analysis38.9%†41.3%†
CyberBenchVals AI72.1%†75.2%†
Finance Agent v2Vals AI54.4%†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 AI0.8%†12.9%†
Legal Research BenchVals AI41.4%†46.1%†
SkillsBenchVals AI58.9%†–
SREBenchVals AI9.5%†–
Tax Agent BenchVals AI30.0%†33.4%†
Terminal-Bench 4.0 (Vals)Vals AI22.7%†17.2%†
Terminal-Bench ScienceVals AI10.0%†1.4%†
Time Horizon Index: KSPVals AI–10.5%†
Arena Agent Task CompletionArena (LMArena)-7.23.4†
BALROGBALROG53.2%†–
PostTrainBenchEpoch AI Benchmarking Hub–31.5%
GBAEvalEpoch AI Benchmarking Hub–48.4%
Vending-Bench 2Andon Labs7343.2†5165.0
AutomationBenchArtificial Analysis47.1%58.3%†
GDP.pdf (AA)Artificial Analysis24.6%22.0%†
Harvey LAB-AA v1.1Harvey–5.3%†
EnterpriseOps-GymArtificial Analysis38.5%†45.3%†
AA-Briefcase v1.1Artificial Analysis13321497†
GDPxGDPx by SemiAnalysis–3.7%†
Design Arena AgenticDesign Arena1089†1261
Terminal-Bench-Science 0.1 (AA)Artificial Analysis13.8%†8.1%†
CWE-Bench (AA)Artificial Analysis–53.3%†
DeepSec-Bench (AA)Artificial Analysis25.1%†12.4%†
CyberGym end-to-end (AA)Artificial Analysis–58.0%†
FACTS SearchGoogle87.0%†90.3%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub86.0%†72.2%†
FrontierMath Tier 4Epoch AI Benchmarking Hub70.7%†39.0%†
OTIS Mock AIMEEpoch AI Benchmarking Hub99.7%†97.2%†
ProofBenchVals AI74.0%87.0%
LiveBench MathematicsLiveBench94.9%†84.4%
AIME 2026MathArena–96.7%†
HMMT February 2026MathArena–97.0%†
MathArena ApexMathArena–65.6%†
Arena MathsArena (LMArena)14781502†
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub43.2%†50.6%†
LiveBench 2.0 Data AnalysisLiveBench79.3%†78.7%†
LiveBench ResearchLiveBench79.7%†79.8%†
LiveBench 1.0 Data AnalysisLiveBench79.3%†78.7%
AA-Omniscience v1.1Artificial Analysis-11.5-1.7†
MMLU-ProVals AI86.7%88.0%†
LegalBenchVals AI85.1%†86.2%†
CorpFinVals AI65.3%71.6%
TaxEvalVals AI76.2%75.7%
BioMysteryBenchVals AI–72.6%†
Excel Modeling BenchmarkVals AI66.2%†66.7%†
Excel Modeling Benchmark v1.1Vals AI–71.3%†
MedCodeVals AI43.4%49.4%†
MedScribeVals AI82.9%88.0%†
Public Benefits Bench v1.1Vals AI62.4%†68.2%†
Access to Justice BenchmarkVals AI–68.2%†
Financial Coaching BenchVals AI71.0%†74.5%†
Immigration BenchVals AI–68.3%†
GDP.pdfEpoch AI Benchmarking Hub24.7%†19.0%†
AA-Omniscience v1.1: accuracyArtificial Analysis41.3%42.4%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis9.9%23.4%†
HealthBench Professional (AA)OpenAI–53.2%†
FACTS ParametricGoogle57.6%†–
指示追従
LiveBench LanguageLiveBench82.9%†85.5%
LiveBench Instruction FollowingLiveBench64.6%†71.4%
IFBenchArtificial Analysis66.3%–
Arena Instruction FollowingArena (LMArena)14631489†
人間の評価
Arena TextArena (LMArena)14681487†
EQ-Bench 4EQ-Bench1220†1319
EQ-Bench Creative Writing v3EQ-Bench1856†2083
Arena Creative WritingArena (LMArena)14301459†
Arena Multi-turnArena (LMArena)14751502†
Arena Longer QueriesArena (LMArena)14691500†
マルチモーダル
Arena VisionArena (LMArena)1269–
LiveBench DesignLiveBench70.9%†72.5%†
MMMU-ProArtificial Analysis79.5%80.5%†
MMMU-Pro (Vals)Vals AI86.5%†88.2%
MortgageTaxVals AI67.3%66.3%
SAGEVals AI87.0%†86.8%†
Humanity's Sixth SenseScale AI SEAL22.7%†25.5%†
Blueprint-Bench 2Epoch AI Benchmarking Hub30.8%†29.5%
Furniture AssemblyEpoch AI Benchmarking Hub54.2%†34.2%†
Code2Video-AAArtificial Analysis–1041†
AA-3DArtificial Analysis–984†
FACTS MultimodalGoogle39.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis79.0%88.7%†
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis22.8%21.7%†
FACTS GroundingGoogle60.5%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.7†158.6
LiveBench 2.0LiveBench67.2%†65.0%†
LiveBench 1.0LiveBench77.9%†79.2%
AA Intelligence Index v5.0.1Artificial Analysis32.3†17.4†
AA Intelligence Index v4.3.2Artificial Analysis38.043.6†
AA Progress Index v1Artificial Analysis312319.9†
Vals IndexVals AI–53.0†
Vals Finance IndexVals AI–58.0%†
Vals RSI IndexVals AI–20.9%†
Vals Multimodal IndexVals AI65.1%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 SEAL–27.3%
DistressBenchScale AI SEAL76.4%†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 Terra (xhigh):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Kimi K3: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 Terra (xhigh):スコアの改訂1件。
  • Kimi K3:スコアの改訂1件。
  • GPT-5.6 Terra (xhigh):スコアの改訂1件。
  • GPT-5.6 Terra (xhigh):BenchLeader Index 61.2 → 60.4。

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 Terra vs Kimi K3:よくある質問

GPT-5.6 TerraはKimi K3より優れていますか?
GPT-5.6 Terra (xhigh)とKimi K3の品質は互角です(60.1 対 60.7、±7.2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。
GPT-5.6 Terra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GPT-5.6 Terraの方が安く、100万トークンあたり$4.50 対 $6.00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 TerraとKimi K3のどちらが向いていますか?
コーディングではKimi K3の方がスコアが高くなっています(カテゴリ指標で62 対 59。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 Terraが52.3%、Kimi K3が58.7%です。
GPT-5.6 TerraとKimi K3はどちらが速いですか?
GPT-5.6 Terraの方が出力が速くなっています(出力97 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 Terra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 Terraの方がスコアが高くなっています(カテゴリ指標で63 対 54。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?
どちらも約1.1Mトークンです(GPT-5.6 Terra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 19.2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 Terra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8件のベンチマークのうち、GPT-5.6 Terraのリードが2件、Kimi K3のリードが6件です。第三者の総合指標でも評価が分かれ、GPT-5.6 TerraはAA Intelligence Index v5.0.1で、Kimi K3はArena Textでリードしています。
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。