BenchLeader

GPT-6.1 Terra vs Kimi K3.1 Pro

詳しいプロフィール:GPT-6.1 Terra(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、品質ではGPT-6.1 TerraがKimi K3.1 Proを上回ります(BenchLeader Indexで64.1 対 61.8)。価格はGPT-6.1 Terraの方が2.0倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.00です。コーディング(69 対 60)、推論(68 対 59)、知識(61 対 58)を重視するならGPT-6.1 Terra、長文コンテキスト(68 対 66)、数学(73 対 72)、エージェント・ツール(65 対 63)を重視するならKimi K3.1 Proが向いています。GPT-6.1 Terra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-6.1 Terraが64.1、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • GPT-6.1 Terraの100万トークンあたりのブレンド価格は$2.00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-6.1 Terra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23件のベンチマークのうち、Kimi K3.1 Proが13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-6.1 Terraカテゴリスコア69 対 60;FrontierCode 2.0 (AA) 42.3% 対 25.4%高
エージェント・ツール利用Kimi K3.1 Proカテゴリスコア65 対 63;APEX-Agents 65.5% 対 68.3%中
数学Kimi K3.1 Proカテゴリスコア73 対 72中
推論GPT-6.1 Terraカテゴリスコア68 対 59;HLE-Diamond (AA) 47.3% 対 37.3%高
知識GPT-6.1 Terraカテゴリスコア61 対 58;AA-Omniscience v1.1 29.6 対 29.9中
長い文書Kimi K3.1 Proカテゴリスコア68 対 66;AA-LCR v1.1 86.3% 対 82.7%中
画像などのメディアどちらでもカテゴリスコア67 対 66;MMMU-Pro 84.7% 対 83.9%どちらでも
最低コストGPT-6.1 Terra100万トークンあたりブレンド価格$2.00 対 $4.00;エージェント型コーディングセッション$0.080 対 $0.160–
回答開始の速さどちらでも最初の回答トークンまで150.9秒(GPT-6.1 Terra (max))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

  • 品質ではGPT-6.1 Terra (max)がリードしています:64.1 対 61.8。
  • GPT-6.1 Terra (max)はコーディング、知識、マルチモーダル、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、数学で優れています。
  • GPT-6.1 Terra (max)の方が2.0倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $4.00)。
  • GPT-6.1 Terra (max)の方が出力が2.4倍速くなっています(72 対 30トークン/秒)。

概要

仕様GPT-6.1 TerraKimi K3.1 Pro
プロバイダーOpenAIMoonshot AI
リリース日2026年10月26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-6.1 Terra (max)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)$1.00 / $5.00 / $0.050$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-6.1 Terra (max)Kimi K3.1 Proトップ
推論68.459.2GPT-6.1 Terra
コーディング69.359.6GPT-6.1 Terra
エージェント・ツール63.464.6Kimi K3.1 Pro
数学71.773.4Kimi K3.1 Pro
知識61.458.2GPT-6.1 Terra
マルチモーダル67.266.3互角
長文コンテキスト66.067.9Kimi K3.1 Pro
総合65.0–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-6.1 Terra, 推論: 68.4GPT-6.1 Terra, コーディング: 69.3GPT-6.1 Terra, エージェント・ツール: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知識: 61.4GPT-6.1 Terra, 長文コンテキスト: 66.0GPT-6.1 Terra, マルチモーダル: 67.2Kimi 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23件のベンチマークのうち、GPT-6.1 Terraのリードが10件、Kimi K3.1 Proのリードが13件です。第三者の総合指標でも評価が分かれ、GPT-6.1 TerraはBenchLeader Index、AA Intelligence Index v5.0.1で、Kimi K3.1 ProはVals Indexでリードしています。

総合IndexGPT-6.1 Terra (max)Kimi K3.1 Proトップ
BenchLeader Index64.161.8GPT-6.1 Terra
AA Intelligence Index v5.0.151.346.5GPT-6.1 Terra
Vals Index60.562.5†Kimi 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-6.1 Terra (max)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$2.00$4.00
100万トークンあたりの入力/出力$1.00 / $5.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.050$0.200
タスクあたりの価格:チャットの返答$0.0019$0.0038
タスクあたりの価格:30ページのレポートを要約$0.015$0.030
タスクあたりの価格:コード編集$0.013$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$0.080$0.160
タスクあたりの価格:構造化データの抽出$0.0030$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)$0.037$0.079
ベンチマークのタスクあたりのコスト(AA Index)$0.961$3.68
タスクあたりの出力トークン(AA Index)60k72k
うち推論39k44k
タスクあたりの時間(AA Index)14 min40 min
出力速度72 tok/s30 tok/s
回答開始までの時間150.9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)375.7秒417.5秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、GPT-6.1 Terra (max)で$0.961、Kimi K3.1 Proで$3.68でした。同じ作業でKimi K3.1 Proは1.2倍の出力トークンを書いています。

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-6.1 Terra (max)のスコアは64.1、最初の回答トークンまで151秒。GPT-6.1 Terra (xhigh)は60.0(30秒)、GPT-6.1 Terra (high)は59.6(10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

114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-6.1 Terra (max)Kimi K3.1 Pro
BenchLeader IndexBenchLeader64.161.8
エージェント・ツールスコアBenchLeader63.464.6
コーディングスコアBenchLeader69.359.6
総合スコアBenchLeader65.0–
知識スコアBenchLeader61.458.2
長文コンテキストスコアBenchLeader66.067.9
数学スコアBenchLeader71.773.4
マルチモーダルスコアBenchLeader67.266.3
推論スコアBenchLeader68.459.2
ブレンド価格($/100万トークン)BenchLeader$2.00$4.00
出力速度BenchLeader72 tok/s30 tok/s
回答開始までの時間BenchLeader150.9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 Hub94.3%–
SimpleBenchSimpleBench72.2%†–
Arena Hard PromptsArena (LMArena)–1504†
LiveBench 2.0 ReasoningLiveBench88.7%91.1%†
Humanity's Last Exam (AA)Artificial Analysis46.3%52.5%
HLE-Diamond (AA)Artificial Analysis47.3%37.3%
CritPtArtificial Analysis28.0%24.6%
CritPt v2 hard subset (AA)Artificial Analysis68.0%49.5%
MysteryMechanismVals AI–26.1%†
HLE-Diamond (Scale)Scale AI SEAL35.7%†–
Arena ExpertArena (LMArena)–1515†
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%–
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
コーディング
SciCodeSciCode55.1%60.8%
Arena CodingArena (LMArena)–1530†
Arena WebDevArena (LMArena)16781687†
LiveBench 2.0 CodingLiveBench89.2%67.8%†
IOIVals AI–81.9%†
Vibe Code Bench v1.1Vals AI84.0%84.9%†
SWE Atlas v1.1Scale AI SEAL57.7%†61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†54.3%
MirrorCodeEpoch AI Benchmarking Hub76.7%–
114件のベンチマークをすべて表示
指標公開元GPT-6.1 Terra (max)Kimi K3.1 Pro
コーディング
ALE-BenchEpoch AI Benchmarking Hub2608.81932.8†
WeirdML v3WeirdML28.1%†9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%67.2%
GameBench 2 OverallDuelLab GameBench 281.2†78.3
GameBench 2 by reasoning settingDuelLab GameBench 285.8†84.0†
Design Arena WebsiteDesign Arena1286†1321
FrontierCode 1.1 (AA)Artificial Analysis36.0%47.1%
FrontierCode 2.0 (AA)Artificial Analysis42.3%25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench53.3%59.7%†
APEX-AgentsMercor68.3%65.5%
Arena AgentArena (LMArena)124.9†
LiveBench Long AgenticLiveBench56.2%38.7%†
LiveBench BrowserLiveBench93.1%75.9%†
HiL-BenchScale AI SEAL68.0%†61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis14761861
Analyst Agent (AA)Artificial Analysis–38.8%
Finance Agent v2.1Vals AI56.0%61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%11.7%†
Legal Research BenchVals AI26.0%37.5%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI17.1%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI49.5%63.6%†
Terminal-Bench ScienceVals AI–31.4%†
Arena Agent Task CompletionArena (LMArena)9.72.7†
Vending-Bench 2Andon Labs9107.5†–
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%73.3%
GDP.pdf (AA)Artificial Analysis28.6%31.4%
AA-Briefcase v1.1Artificial Analysis14011674
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1192†1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%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 Analysis43.8%43.9%
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%–
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI–91.0%
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%–
LiveBench 2.0 Data AnalysisLiveBench82.3%79.1%†
LiveBench ResearchLiveBench79.1%82.1%†
AA-Omniscience v1.1Artificial Analysis29.629.9
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL–47.9%
BioMysteryBenchVals AI–75.6%†
Excel Modeling Benchmark v1.1Vals AI73.3%70.0%†
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL–63.4%†
EBR-benchEpoch AI Benchmarking Hub78.1%–
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%62.7%
FACTS ParametricGoogle70.8%†–
指示追従
MultiChallengeScale AI SEAL74.2%†–
Arena Instruction FollowingArena (LMArena)–1487†
人間の評価
Arena TextArena (LMArena)–1485†
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)–1453†
Arena Multi-turnArena (LMArena)–1475†
Arena Longer QueriesArena (LMArena)–1491†
マルチモーダル
LiveBench DesignLiveBench79.7%73.7%†
MMMU-ProArtificial Analysis84.7%83.9%
Humanity's Sixth SenseScale AI SEAL–33.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub79.2%–
VIALS-AAHandshake AI60.3%45.3%
AA-3DArtificial Analysis–1112
FACTS MultimodalGoogle48.8%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%86.3%
MLCRArtificial Analysis30.6%38.3%
FACTS GroundingGoogle84.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†161.4
LiveBench 2.0LiveBench78.8%68.7%†
AA Intelligence Index v5.0.1Artificial Analysis51.346.5
AA Intelligence Index v4.3.2Artificial Analysis48.155.1
AA Progress Index v1Artificial Analysis345.2340.7
Vals IndexVals AI60.562.5†
Vals Finance IndexVals AI53.3%56.0%†
Vals Science IndexVals AI–44.4%†
Vals Legal IndexVals AI58.8%67.0%†
AA Cyber IndexArtificial Analysis–64.1
安全性・誠実さ
FORTRESSScale AI SEAL18.2%†18.6%
DistressBenchScale AI SEAL65.9%†–
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。
  • GPT-6.1 Terra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):新しい結果1件(Terminal-Bench)。
  • Kimi K3.1 Pro:新しい結果1件(HiL-Bench)。
  • 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-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • GPT-6.1 Terra (max):新しい結果1件(MirrorCode)。

ランキング: 総合ベストLLM · コーディングに最適なLLM · エージェントに最適なLLM · 安くて優秀なLLM

GPT-6.1 Terra vs Kimi K3.1 Pro:よくある質問

GPT-6.1 TerraはKimi K3.1 Proより優れていますか?
品質ではGPT-6.1 Terra (max)がリードしています:64.1 対 61.8。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日時点では総合でGPT-6.1 Terra (max)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
GPT-6.1 Terra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GPT-6.1 Terraの方が安く、100万トークンあたり$2.00 対 $4.00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-6.1 Terra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-6.1 Terraの方がスコアが高くなっています(カテゴリ指標で69 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FrontierCode 2.0 (AA)では、GPT-6.1 Terraが42.3%、Kimi K3.1 Proが25.4%です。
GPT-6.1 TerraとKimi K3.1 Proはどちらが速いですか?
GPT-6.1 Terraの方が出力が約2倍速くなっています(出力72 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-6.1 Terra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 63。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APEX-Agentsでは、GPT-6.1 Terraが68.3%、Kimi K3.1 Proが65.5%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?
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 66)。どちらも約1.1Mトークンです(GPT-6.1 Terra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-6.1 Terraです。Artificial Analysisの測定では、最初の回答トークンまで150.9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-6.1 Terra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23件のベンチマークのうち、GPT-6.1 Terraのリードが10件、Kimi K3.1 Proのリードが13件です。第三者の総合指標でも評価が分かれ、GPT-6.1 TerraはBenchLeader Index、AA Intelligence Index v5.0.1で、Kimi K3.1 ProはVals Indexでリードしています。
GPT-6.1 Terraはいつリリースされましたか?
GPT-6.1 Terraは2026年10月26日にリリースされました。