BenchLeader

GPT-6.2 Astra vs Kimi K3.1 Pro

詳しいプロフィール:GPT-6.2 Astra(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 · 13件の情報源のデータ

2026年11月19日時点で、品質ではGPT-6.2 AstraがKimi K3.1 Proを上回ります(BenchLeader Indexで68.9 対 60.7)。ただし、価格はKimi K3.1 Proの方が4.0倍安く、100万トークンあたりのブレンド価格で$4.00 対 $16.00です。両方を測定できるすべてのカテゴリでGPT-6.2 Astraがリードしています。GPT-6.2 Astraの方が出力が約1.5倍速いです。

要点(2026年11月19日時点)

  • BenchLeader IndexはGPT-6.2 Astraが68.9、Kimi K3.1 Proが60.7です(BenchLeader、2026年11月19日)。
  • GPT-6.2 Astraの100万トークンあたりのブレンド価格は$16.00です(定価、2026年11月19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19日)。
  • GPT-6.2 AstraはKimi K3.1 Proより出力が約1.5倍速いです(Artificial Analysis、7日間の中央値、2026年11月19日)。
  • 両モデルに結果がある22件のベンチマークのうち、GPT-6.2 Astraが16件でリードしています(BenchLeader、2026年11月19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-6.2 Astraカテゴリスコア76 対 59;FrontierCode 2.0 (AA) 45.4% 対 25.4%高
エージェント・ツール利用GPT-6.2 Astraカテゴリスコア66 対 60;CWE-Bench (AA) 65.0% 対 60.8%中
数学どちらでもカテゴリスコア73 対 73どちらでも
推論GPT-6.2 Astraカテゴリスコア73 対 58;HLE-Diamond (AA) 72.2% 対 37.3%高
知識GPT-6.2 Astraカテゴリスコア74 対 57;AA-Omniscience v1.1 50 対 29.9高
画像などのメディアGPT-6.2 Astraカテゴリスコア72 対 66;MMMU-Pro 89.5% 対 83.9%中
最低コストKimi K3.1 Pro100万トークンあたりブレンド価格$4.00 対 $16.00;エージェント型コーディングセッション$0.160 対 $0.640–
回答開始の速さKimi K3.1 Pro最初の回答トークンまで155.6秒(Kimi K3.1 Pro)対 202.7秒(GPT-6.2 Astra (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

  • 品質ではGPT-6.2 Astra (max)がリードしています:68.9 対 60.7。
  • GPT-6.2 Astra (max)はエージェント・ツール、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は数学で優れています。
  • Kimi K3.1 Proの方が4.0倍安くなっています(100万トークンあたりブレンド価格$4.00 対 $16.00)。
  • GPT-6.2 Astra (max)の方が出力が1.6倍速くなっています(49 対 31トークン/秒)。

概要

仕様GPT-6.2 AstraKimi K3.1 Pro
プロバイダーOpenAIMoonshot AI
リリース日2026年11月17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-6.2 Astra (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)$8.00 / $40.00 / $0.400$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-6.2 Astra (max)Kimi K3.1 Proトップ
推論73.157.9GPT-6.2 Astra
コーディング76.158.8GPT-6.2 Astra
エージェント・ツール66.459.5GPT-6.2 Astra
数学72.573.4互角
知識74.257.1GPT-6.2 Astra
マルチモーダル71.766.0GPT-6.2 Astra
長文コンテキスト–67.9比較不可
総合69.5–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・ツール数学知識マルチモーダルGPT-6.2 Astra, 推論: 73.1GPT-6.2 Astra, コーディング: 76.1GPT-6.2 Astra, エージェント・ツール: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知識: 74.2GPT-6.2 Astra, マルチモーダル: 71.7Kimi K3.1 Pro, 推論: 57.9Kimi K3.1 Pro, コーディング: 58.8Kimi K3.1 Pro, エージェント・ツール: 59.5Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, 知識: 57.1Kimi K3.1 Pro, マルチモーダル: 66.0

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, 長文コンテキスト, 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22件のベンチマークのうち、GPT-6.2 Astraのリードが16件、Kimi K3.1 Proのリードが6件です。両方を評価しているすべての総合指標で、GPT-6.2 Astraが上回っています。

総合IndexGPT-6.2 Astra (max)Kimi K3.1 Proトップ
BenchLeader Index68.960.7GPT-6.2 Astra
AA Intelligence Index v5.0.162.146.5GPT-6.2 Astra
Vals Index67.762.5†GPT-6.2 Astra

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-6.2 Astra (max)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$16.00$4.00
100万トークンあたりの入力/出力$8.00 / $40.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.400$0.200
タスクあたりの価格:チャットの返答$0.015$0.0038
タスクあたりの価格:30ページのレポートを要約$0.120$0.030
タスクあたりの価格:コード編集$0.108$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$0.640$0.160
タスクあたりの価格:構造化データの抽出$0.024$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)$0.298$0.079
ベンチマークのタスクあたりのコスト(AA Index)$4.00$3.68
タスクあたりの出力トークン(AA Index)41k72k
うち推論26k44k
タスクあたりの時間(AA Index)14 min39 min
出力速度49 tok/s31 tok/s
回答開始までの時間202.7秒155.6秒
回答が完了するまでの時間(最終測定2026年11月13日)–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-6.2 Astra (max)で$4.00、Kimi K3.1 Proで$3.68でした。同じ作業でKimi K3.1 Proは1.8倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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-6.2 Astra (max)のスコアは68.9、最初の回答トークンまで203秒。GPT-6.2 Astra (xhigh)は67.1(67秒)、GPT-6.2 Astra (medium)は65.6(4秒)。Kimi K3.1 Proのスコアは60.7、最初の回答トークンまで156秒。Kimi K3.1 Pro (max)は60.2(156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

118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-6.2 Astra (max)Kimi K3.1 Pro
BenchLeader IndexBenchLeader68.960.7
エージェント・ツールスコアBenchLeader66.459.5
コーディングスコアBenchLeader76.158.8
総合スコアBenchLeader69.5–
知識スコアBenchLeader74.257.1
数学スコアBenchLeader72.573.4
マルチモーダルスコアBenchLeader71.766.0
推論スコアBenchLeader73.157.9
長文コンテキストスコアBenchLeader–67.9
ブレンド価格($/100万トークン)BenchLeader$16.00$4.00
出力速度BenchLeader49 tok/s31 tok/s
回答開始までの時間BenchLeader202.7秒155.6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 Hub96.8%–
Arena Hard PromptsArena (LMArena)–1505†
LiveBench 2.0 ReasoningLiveBench91.6%91.1%†
Humanity's Last Exam (AA)Artificial Analysis–52.5%
HLE-Diamond (AA)Artificial Analysis72.2%37.3%
ARC-AGI-1ARC Prize98.5%–
ARC-AGI-2ARC Prize95.8%–
ARC-AGI-3ARC Prize99.8%–
CritPtArtificial Analysis–24.6%
CritPt v2 hard subset (AA)Artificial Analysis71.5%49.5%
MysteryMechanismVals AI53.1%26.1%†
HLE-Diamond (Scale)Scale AI SEAL66.9%†–
Arena ExpertArena (LMArena)–1516†
Chess PuzzlesEpoch AI Benchmarking Hub78.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub95.0%–
LMCAEpoch AI Benchmarking Hub–57.6%†
DTBenchEpoch AI Benchmarking Hub–93.3%†
コーディング
SciCodeSciCode–60.8%
Arena CodingArena (LMArena)–1537†
Arena WebDevArena (LMArena)17811685†
LiveBench 2.0 CodingLiveBench91.9%67.8%†
IOIVals AI–81.9%†
Vibe Code Bench v1.1Vals AI89.9%84.9%†
Vibe Code Bench 1-100 v1.1Vals AI55.2%–
SWE Atlas v1.1Scale AI SEAL60.5%†61.1%
118件のベンチマークをすべて表示
指標公開元GPT-6.2 Astra (max)Kimi K3.1 Pro
コーディング
SWE Atlas v1.1: Codebase QnAScale AI SEAL67.7%†70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL62.2%†58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL51.4%†54.3%
MirrorCodeEpoch AI Benchmarking Hub67.8%–
ALE-BenchEpoch AI Benchmarking Hub–1932.8†
WeirdML v3WeirdML–9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis64.1%67.2%
GameBench 2 OverallDuelLab GameBench 2–78.3
GameBench 2 by reasoning settingDuelLab GameBench 2–84.0†
Design Arena WebsiteDesign Arena1339†1318
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis45.4%25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench62.1%59.7%†
APEX-AgentsMercor–65.5%
Arena AgentArena (LMArena)15.23.9†
LiveBench Long AgenticLiveBench70.8%38.7%†
LiveBench BrowserLiveBench93.0%75.9%†
HiL-BenchScale AI SEAL–61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis–1861
Analyst Agent (AA)Artificial Analysis62.5%38.8%
Finance Agent v2.1Vals AI60.8%61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI16.3%11.7%†
Legal Research BenchVals AI42.8%37.5%†
Robo-benchVals AI32.7%0.4%†
SREBenchVals AI–27.1%†
Tax Agent BenchVals AI21.8%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI63.1%63.6%†
Terminal-Bench ScienceVals AI71.4%31.4%†
Arena Agent Task CompletionArena (LMArena)12.41.9†
SpireClimbEpoch AI Benchmarking Hub41.3%–
AutomationBenchArtificial Analysis77.3%73.3%
GDP.pdf (AA)Artificial Analysis29.8%31.4%
Harvey LAB-AA v1.1Harvey15.0%–
EnterpriseOps-GymArtificial Analysis29.9%–
AA-Briefcase v1.1Artificial Analysis16431674
Design Arena AgenticDesign Arena13041291
Terminal-Bench-Science 0.1 (AA)Artificial Analysis78.1%34.3%
CWE-Bench (AA)Artificial Analysis65.0%60.8%
DeepSec-Bench (AA)Artificial Analysis46.8%36.7%
CyberGym end-to-end (AA)Artificial Analysis0.0%94.7%
MKA (AA)Artificial Analysis52.7%43.9%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub92.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI–91.0%
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Autoform-HardVals AI87.5%–
Arena MathsArena (LMArena)–1485†
FrontierMath ErdősEpoch AI Benchmarking Hub10.3%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub78.5%–
LiveBench 2.0 Data AnalysisLiveBench84.1%79.1%†
LiveBench ResearchLiveBench91.5%82.1%†
AA-Omniscience v1.1Artificial Analysis5029.9
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL43.1%†47.9%
BioMysteryBenchVals AI80.7%75.6%†
Excel Modeling Benchmark v1.1Vals AI76.0%70.0%†
Access to Justice BenchmarkVals AI–69.5%†
DrugDiscoveryBenchScale AI SEAL65.5%†63.4%†
EBR-benchEpoch AI Benchmarking Hub92.4%–
GDP.pdfEpoch AI Benchmarking Hub–46.6%†
AA-Omniscience v1.1: accuracyArtificial Analysis68.6%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.9%62.7%
指示追従
MultiChallengeScale AI SEAL73.2%†–
Arena Instruction FollowingArena (LMArena)–1493†
人間の評価
Arena TextArena (LMArena)–1487†
EQ-Bench Creative Writing v3EQ-Bench–2173
Arena Creative WritingArena (LMArena)–1456†
Arena Multi-turnArena (LMArena)–1477†
Arena Longer QueriesArena (LMArena)–1489†
マルチモーダル
LiveBench DesignLiveBench82.8%73.7%†
MMMU-ProArtificial Analysis89.5%83.9%
Humanity's Sixth SenseScale AI SEAL63.2%†33.2%†
Furniture AssemblyEpoch AI Benchmarking Hub89.2%–
VIALS-AAHandshake AI65.8%45.3%
AA-3DArtificial Analysis13181112
長文コンテキスト
AA-LCR v1.1Artificial Analysis–86.3%
MLCRArtificial Analysis39.4%38.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub174.2†161.4
LiveBench 2.0LiveBench84.9%68.7%†
AA Intelligence Index v5.0.1Artificial Analysis62.146.5
AA Intelligence Index v4.3.2Artificial Analysis–55.1
AA Progress Index v1Artificial Analysis–340.7
Vals IndexVals AI67.762.5†
Vals Finance IndexVals AI57.3%56.0%†
Vals RSI IndexVals AI29.0%–
Vals Science IndexVals AI68.4%44.4%†
Vals Legal IndexVals AI69.7%67.0%†
AA Cyber IndexArtificial Analysis37.364.1
安全性・誠実さ
FORTRESSScale AI SEAL–18.6%
メタデータ
AA Openness IndexArtificial Analysis–33.3

データは2026年11月19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 gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), 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-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 60.7。
  • GPT-6.2 Astra (max):新しい結果6件(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):新しい結果2件(MKA (AA), Terminal-Bench)。
  • Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Kimi K3.1 Pro: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-6.2 Astra vs Kimi K3.1 Pro:よくある質問

GPT-6.2 AstraはKimi K3.1 Proより優れていますか?
品質ではGPT-6.2 Astra (max)がリードしています:68.9 対 60.7。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19日時点では総合でGPT-6.2 Astra (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-6.2 Astra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Kimi K3.1 Proの方が安く、100万トークンあたり$4.00 対 $16.00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-6.2 Astra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-6.2 Astraの方がスコアが高くなっています(カテゴリ指標で76 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FrontierCode 2.0 (AA)では、GPT-6.2 Astraが45.4%、Kimi K3.1 Proが25.4%です。
GPT-6.2 AstraとKimi K3.1 Proはどちらが速いですか?
GPT-6.2 Astraの方が出力が約1.5倍速くなっています(出力49 対 31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-6.2 Astra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GPT-6.2 Astraの方がスコアが高くなっています(カテゴリ指標で66 対 60。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CWE-Bench (AA)では、GPT-6.2 Astraが65.0%、Kimi K3.1 Proが60.8%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-6.2 Astra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Kimi K3.1 Proです。Artificial Analysisの測定では、最初の回答トークンまで155.6秒 対 202.7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-6.2 Astra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22件のベンチマークのうち、GPT-6.2 Astraのリードが16件、Kimi K3.1 Proのリードが6件です。両方を評価しているすべての総合指標で、GPT-6.2 Astraが上回っています。
GPT-6.2 Astraはいつリリースされましたか?
GPT-6.2 Astraは2026年11月17日にリリースされました。