BenchLeader

GPT-6.1 Terra vs Kimi K3.1 Pro Together

詳しいプロフィール:GPT-6.1 Terra(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 · 10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 Togetherを上回ります(BenchLeader Indexで64.1 対 60.0)。数学(72 対 65)、推論(68 対 67)を重視するならGPT-6.1 Terra、知識(66 対 61)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-6.1 Terraが64.1、Kimi K3.1 Pro Togetherが60.0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)。
  • 両モデルに結果がある7件のベンチマークのうち、GPT-6.1 Terra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-6.1 Terraカテゴリスコア72 対 65;FrontierMath Tiers 1–3 90.9% 対 78.3%中
推論GPT-6.1 Terraカテゴリスコア68 対 67;GPQA Diamond 94.3% 対 94.2%中
知識Kimi K3.1 Pro Togetherカテゴリスコア66 対 61;SimpleQA Verified 62.2% 対 57.3%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

  • 品質ではGPT-6.1 Terra (max)がリードしています:64.1 対 60.0。
  • GPT-6.1 Terra (max)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-6.1 TerraKimi K3.1 Pro Together
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)1,050,000–
比較した構成GPT-6.1 Terra (max)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)$1.00 / $5.00 / $0.050–

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 Together (max)トップ
推論68.466.9GPT-6.1 Terra
コーディング69.3–比較不可
エージェント・ツール63.4–比較不可
数学71.765.2GPT-6.1 Terra
知識61.466.0Kimi K3.1 Pro Together
マルチモーダル67.2–比較不可
長文コンテキスト66.0–比較不可
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推論数学知識GPT-6.1 Terra, 推論: 68.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知識: 61.4Kimi 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7件のベンチマークのうち、GPT-6.1 Terraのリードが5件、Kimi K3.1 Pro Togetherのリードが1件、同点が1件です。両方を評価しているすべての総合指標で、GPT-6.1 Terraが上回っています。

総合IndexGPT-6.1 Terra (max)Kimi K3.1 Pro Together (max)トップ
BenchLeader Index64.160.0GPT-6.1 Terra

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 Together (max)
100万トークンあたりのブレンド価格$2.00–
100万トークンあたりの入力/出力$1.00 / $5.00– / –
100万トークンあたりのキャッシュ入力$0.050–
タスクあたりの価格:チャットの返答$0.0019–
タスクあたりの価格:30ページのレポートを要約$0.015–
タスクあたりの価格:コード編集$0.013–
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–
タスクあたりの価格:構造化データの抽出$0.0030–
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–
ベンチマークのタスクあたりのコスト(AA Index)$0.961–
タスクあたりの出力トークン(AA Index)60k–
うち推論39k–
タスクあたりの時間(AA Index)14 min–
出力速度72 tok/s–
回答開始までの時間150.9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–

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 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

82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 Together (max)
BenchLeader IndexBenchLeader64.160.0
エージェント・ツールスコアBenchLeader63.4–
コーディングスコアBenchLeader69.3–
総合スコアBenchLeader65.0–
知識スコアBenchLeader61.466.0
長文コンテキストスコアBenchLeader66.0–
数学スコアBenchLeader71.765.2
マルチモーダルスコアBenchLeader67.2–
推論スコアBenchLeader68.466.9
ブレンド価格($/100万トークン)BenchLeader$2.00–
出力速度BenchLeader72 tok/s–
回答開始までの時間BenchLeader150.9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 Hub94.3%94.2%
SimpleBenchSimpleBench72.2%†–
LiveBench 2.0 ReasoningLiveBench88.7%–
Humanity's Last Exam (AA)Artificial Analysis46.3%–
HLE-Diamond (AA)Artificial Analysis47.3%–
CritPtArtificial Analysis28.0%–
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
HLE-Diamond (Scale)Scale AI SEAL35.7%†–
Chess PuzzlesEpoch AI Benchmarking Hub–45.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%42.0%
コーディング
SciCodeSciCode55.1%–
Arena WebDevArena (LMArena)1678–
LiveBench 2.0 CodingLiveBench89.2%–
Vibe Code Bench v1.1Vals AI84.0%–
SWE Atlas v1.1Scale AI SEAL57.7%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†–
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
MirrorCodeEpoch AI Benchmarking Hub76.7%–
ALE-BenchEpoch AI Benchmarking Hub2608.8–
WeirdML v3WeirdML28.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%–
GameBench 2 OverallDuelLab GameBench 281.2†–
GameBench 2 by reasoning settingDuelLab GameBench 285.8†–
Design Arena WebsiteDesign Arena1286†–
82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 Together (max)
コーディング
FrontierCode 1.1 (AA)Artificial Analysis36.0%–
FrontierCode 2.0 (AA)Artificial Analysis42.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench53.3%–
APEX-AgentsMercor68.3%–
Arena AgentArena (LMArena)12–
LiveBench Long AgenticLiveBench56.2%–
LiveBench BrowserLiveBench93.1%–
HiL-BenchScale AI SEAL68.0%†–
GDPval-AA v2.1Artificial Analysis1476–
Finance Agent v2.1Vals AI56.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%–
Legal Research BenchVals AI26.0%–
Tax Agent BenchVals AI17.1%–
Terminal-Bench 4.0 (Vals)Vals AI49.5%–
Arena Agent Task CompletionArena (LMArena)9.7–
Vending-Bench 2Andon Labs9107.5†–
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%–
GDP.pdf (AA)Artificial Analysis28.6%–
AA-Briefcase v1.1Artificial Analysis1401–
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1192†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%–
MKA (AA)Artificial Analysis43.8%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%78.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%65.8%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%62.2%
LiveBench 2.0 Data AnalysisLiveBench82.3%–
LiveBench ResearchLiveBench79.1%–
AA-Omniscience v1.1Artificial Analysis29.6–
Excel Modeling Benchmark v1.1Vals AI73.3%–
EBR-benchEpoch AI Benchmarking Hub78.1%–
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%–
FACTS ParametricGoogle70.8%†–
指示追従
MultiChallengeScale AI SEAL74.2%†–
マルチモーダル
LiveBench DesignLiveBench79.7%–
MMMU-ProArtificial Analysis84.7%–
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub79.2%55.8%
VIALS-AAHandshake AI60.3%–
FACTS MultimodalGoogle48.8%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis82.7%–
MLCRArtificial Analysis30.6%–
FACTS GroundingGoogle84.2%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†–
LiveBench 2.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis51.3–
AA Intelligence Index v4.3.2Artificial Analysis48.1–
AA Progress Index v1Artificial Analysis345.2–
Vals IndexVals AI60.5–
Vals Finance IndexVals AI53.3%–
Vals Legal IndexVals AI58.8%–
安全性・誠実さ
FORTRESSScale AI SEAL18.2%†–
DistressBenchScale AI SEAL65.9%†–

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

  • GPT-6.1 Terra (max):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • 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)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • GPT-6.1 Terra (max):新しい結果1件(MirrorCode)。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • GPT-6.1 Terra (max):スコアの改訂1件。
  • Kimi K3.1 Pro Together (max):初めての結果。
  • GPT-6.1 Terra (max):スコアの改訂1件。

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 Together:よくある質問

GPT-6.1 TerraはKimi K3.1 Pro Together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 60.0。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 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7件のベンチマークのうち、GPT-6.1 Terraのリードが5件、Kimi K3.1 Pro Togetherのリードが1件、同点が1件です。両方を評価しているすべての総合指標で、GPT-6.1 Terraが上回っています。
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。