BenchLeader

GPT-6 Sol vs Kimi K3.1 Pro

詳しいプロフィール:GPT-6 Sol(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、GPT-6 SolとKimi K3.1 Proの品質は互角です(BenchLeader Indexで62.6 対 61.8、±4.4の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$4.00 対 $4.00)。推論(66 対 59)、コーディング(66 対 60)、知識(61 対 58)を重視するならGPT-6 Sol、エージェント・ツール(65 対 59)、マルチモーダル(66 対 61)、数学(73 対 68)を重視するならKimi K3.1 Proが向いています。回答開始までの時間はGPT-6 Solの方が短く、36.9秒 対 157.4秒です。GPT-6 Solは出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGPT-6 Solが62.6、Kimi K3.1 Proが61.8です(BenchLeader、2026年11月16日)。
  • GPT-6 Sol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)。
  • 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 SolはKimi K3.1 Proより出力が3倍以上速いです(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25件のベンチマークのうち、Kimi K3.1 Proが17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 Solカテゴリスコア66 対 60;FrontierCode 2.0 (AA) 35.6% 対 25.4%中
エージェント・ツール利用Kimi K3.1 Proカテゴリスコア65 対 59;APEX-Agents 65.5% 対 54.3%中
数学Kimi K3.1 Proカテゴリスコア73 対 68中
推論GPT-6 Solカテゴリスコア66 対 59;HLE-Diamond (AA) 45.2% 対 37.3%中
知識GPT-6 Solカテゴリスコア61 対 58;AA-Omniscience v1.1 21.4 対 29.9中
長い文書Kimi K3.1 Proカテゴリスコア68 対 67;AA-LCR v1.1 86.3% 対 83.7%中
画像などのメディアKimi K3.1 Proカテゴリスコア66 対 61;MMMU-Pro 83.9% 対 83.0%中
チャットの質(人間の評価)–Arenaの評価があるのはGPT-6 Solのみです(カテゴリスコア64)比較不可
最低コストどちらでも100万トークンあたりブレンド価格$4.00 対 $4.00;エージェント型コーディングセッション$0.160 対 $0.160–
回答開始の速さGPT-6 Sol最初の回答トークンまで36.9秒(GPT-6 Sol (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

  • GPT-6 Sol (max)とKimi K3.1 Proの品質は互角です(62.6 対 61.8、±4.4の誤差範囲内)。
  • GPT-6 Sol (max)はコーディング、知識、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、マルチモーダルで優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$4.00)。
  • GPT-6 Sol (max)の方が出力が4.2倍速くなっています(127 対 30トークン/秒)。

概要

仕様GPT-6 SolKimi K3.1 Pro
プロバイダーOpenAIMoonshot AI
リリース日2026年9月22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 Sol (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)$2.00 / $10.00 / $0.200$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 Sol (max)Kimi K3.1 Proトップ
推論66.059.2GPT-6 Sol
コーディング66.359.6GPT-6 Sol
エージェント・ツール58.864.6Kimi K3.1 Pro
数学68.073.4Kimi K3.1 Pro
知識60.658.2GPT-6 Sol
人間の評価64.2–比較不可
マルチモーダル60.666.3Kimi K3.1 Pro
長文コンテキスト66.667.9Kimi K3.1 Pro

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 Sol, 推論: 66.0GPT-6 Sol, コーディング: 66.3GPT-6 Sol, エージェント・ツール: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知識: 60.6GPT-6 Sol, 長文コンテキスト: 66.6GPT-6 Sol, マルチモーダル: 60.6Kimi 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25件のベンチマークのうち、GPT-6 Solのリードが8件、Kimi K3.1 Proのリードが17件です。両方を評価しているすべての総合指標で、Kimi K3.1 Proが上回っています。

総合IndexGPT-6 Sol (max)Kimi K3.1 Proトップ
BenchLeader Index62.661.8互角
AA Intelligence Index v5.0.144.246.5Kimi K3.1 Pro
Arena Text14571485†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 Sol (max)Kimi K3.1 Pro
100万トークンあたりのブレンド価格$4.00$4.00
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $10.00
100万トークンあたりのキャッシュ入力$0.200$0.200
タスクあたりの価格:チャットの返答$0.0038$0.0038
タスクあたりの価格:30ページのレポートを要約$0.030$0.030
タスクあたりの価格:コード編集$0.027$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$0.160$0.160
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.079$0.079
ベンチマークのタスクあたりのコスト(AA Index)$2.47$3.68
タスクあたりの出力トークン(AA Index)54k72k
うち推論35k44k
タスクあたりの時間(AA Index)7 min40 min
出力速度127 tok/s30 tok/s
回答開始までの時間36.9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)143.8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 Sol (max)で$2.47、Kimi K3.1 Proで$3.68でした。同じ作業でKimi K3.1 Proは1.3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 Sol (max)のスコアは62.6、最初の回答トークンまで37秒。GPT-6 Sol (xhigh)は58.4(19秒)、GPT-6 Sol (high)は58.1(6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

145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 Sol (max)Kimi K3.1 Pro
BenchLeader IndexBenchLeader62.661.8
エージェント・ツールスコアBenchLeader58.864.6
コーディングスコアBenchLeader66.359.6
人間の評価スコアBenchLeader64.2–
知識スコアBenchLeader60.658.2
長文コンテキストスコアBenchLeader66.667.9
数学スコアBenchLeader68.073.4
マルチモーダルスコアBenchLeader60.666.3
推論スコアBenchLeader66.059.2
ブレンド価格($/100万トークン)BenchLeader$4.00$4.00
出力速度BenchLeader127 tok/s30 tok/s
回答開始までの時間BenchLeader36.9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%–
SimpleBenchSimpleBench73.1%†–
Arena Hard PromptsArena (LMArena)14831504†
LiveBench 2.0 ReasoningLiveBench–91.1%†
LiveBench 1.0 ReasoningLiveBench88.7%–
Humanity's Last Exam (AA)Artificial Analysis47.9%52.5%
HLE-Diamond (AA)Artificial Analysis45.2%37.3%
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%24.6%
CritPt v2 hard subset (AA)Artificial Analysis66.5%49.5%
MysteryMechanismVals AI30.2%26.1%†
HLE-Diamond (Scale)Scale AI SEAL33.8%†–
Arena ExpertArena (LMArena)14961515†
Chess PuzzlesEpoch AI Benchmarking Hub56.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%–
LMCAEpoch AI Benchmarking Hub59.1%57.6%†
DTBenchEpoch AI Benchmarking Hub97.3%93.3%†
コーディング
SciCodeSciCode57.6%60.8%
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)15211530†
Arena WebDevArena (LMArena)16731687†
LiveBench 2.0 CodingLiveBench–67.8%†
LiveBench 1.0 CodingLiveBench81.8%–
145件のベンチマークをすべて表示
指標公開元GPT-6 Sol (max)Kimi K3.1 Pro
コーディング
IOIVals AI82.6%81.9%†
Code MigrationVals AI57.2%–
ProgramBenchVals AI2.0%–
Vibe Code Bench v1.1Vals AI87.8%84.9%†
SWE Atlas v1.1Scale AI SEAL–61.1%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%
SWE Atlas v1.1: Test WritingScale AI SEAL–58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL–54.3%
MirrorCodeEpoch AI Benchmarking Hub48.9%–
ALE-BenchEpoch AI Benchmarking Hub24621932.8†
WeirdML v3WeirdML19.7%†9.9%†
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%67.2%
GameBench 2 OverallDuelLab GameBench 273.0†78.3
GameBench 2 by reasoning settingDuelLab GameBench 279.4†84.0†
Design Arena WebsiteDesign Arena1290†1321
FrontierCode 1.1 (AA)Artificial Analysis–47.1%
FrontierCode 2.0 (AA)Artificial Analysis35.6%25.4%
エージェント・ツール
Terminal-BenchTerminal-Bench50.3%59.7%†
APEX-AgentsMercor54.3%65.5%
Arena AgentArena (LMArena)6.94.9†
LiveBench Long AgenticLiveBench–38.7%†
LiveBench BrowserLiveBench–75.9%†
LiveBench Agentic CodingLiveBench52.9%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%–
HiL-BenchScale AI SEAL–61.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.3%
GDPval-AA v2.1Artificial Analysis15141861
ITBench SRE (AA)Artificial Analysis49.4%–
Analyst Agent (AA)Artificial Analysis–38.8%
CyberBenchVals AI78.0%–
Finance Agent v2Vals AI49.0%–
Finance Agent v2.1Vals AI–61.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–11.7%†
Harvey's Legal Agent Benchmark v1Vals AI1.7%–
Legal Research BenchVals AI28.9%37.5%†
SREBenchVals AI30.5%27.1%†
Tax Agent BenchVals AI15.0%24.9%†
Terminal-Bench 4.0 (Vals)Vals AI44.4%63.6%†
Terminal-Bench ScienceVals AI30.0%31.4%†
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.52.7†
Vending-Bench 2Andon Labs14427.9†–
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%73.3%
GDP.pdf (AA)Artificial Analysis25.2%31.4%
Harvey LAB-AA v1.1Harvey3.6%–
AA-Briefcase v1.1Artificial Analysis14761674
Design Arena AgenticDesign Arena1218†1301
Terminal-Bench-Science 0.1 (AA)Artificial Analysis30.0%34.3%
CWE-Bench (AA)Artificial Analysis64.2%60.8%
DeepSec-Bench (AA)Artificial Analysis46.3%36.7%
CyberGym end-to-end (AA)Artificial Analysis0.0%94.7%
MKA (AA)Artificial Analysis–43.9%
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub90.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI83.0%†91.0%
LiveBench MathematicsLiveBench96.4%–
ArXivMathMathArena–58.3%†
BrokenArXivMathArena–61.9%†
Arena MathsArena (LMArena)1440–
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%–
LiveBench 2.0 Data AnalysisLiveBench–79.1%†
LiveBench ResearchLiveBench–82.1%†
LiveBench 1.0 Data AnalysisLiveBench81.2%–
AA-Omniscience v1.1Artificial Analysis21.429.9
PRBench FinanceScale AI SEAL–47.5%
PRBench LegalScale AI SEAL38.6%†47.9%
BioMysteryBenchVals AI74.8%75.6%†
Excel Modeling BenchmarkVals AI71.5%–
Excel Modeling Benchmark v1.1Vals AI–70.0%†
MedCodeVals AI47.1%–
MedScribeVals AI82.0%–
Public Benefits Bench v1.1Vals AI56.6%–
Access to Justice BenchmarkVals AI–69.5%†
Financial Coaching BenchVals AI62.6%–
DrugDiscoveryBenchScale AI SEAL–63.4%†
EBR-benchEpoch AI Benchmarking Hub53.3%–
GDP.pdfEpoch AI Benchmarking Hub26.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.1%48.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.1%62.7%
HealthBench Professional (AA)OpenAI62.3%–
FACTS ParametricGoogle76.1%†–
指示追従
LiveBench LanguageLiveBench85.3%–
LiveBench Instruction FollowingLiveBench68.6%–
Arena Instruction FollowingArena (LMArena)14491487†
人間の評価
Arena TextArena (LMArena)14571485†
EQ-Bench Creative Writing v3EQ-Bench2126†2173
Arena Creative WritingArena (LMArena)14281453†
Arena Multi-turnArena (LMArena)14681475†
Arena Longer QueriesArena (LMArena)14661491†
マルチモーダル
Arena VisionArena (LMArena)1233–
LiveBench DesignLiveBench–73.7%†
MMMU-ProArtificial Analysis83.0%83.9%
Humanity's Sixth SenseScale AI SEAL31.2%33.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub36.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub58.3%–
VIALS-AAHandshake AI–45.3%
AA-3DArtificial Analysis11311112
FACTS MultimodalGoogle43.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis83.7%86.3%
MLCRArtificial Analysis33.9%38.3%
FACTS GroundingGoogle83.3%†–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†161.4
LiveBench 2.0LiveBench–68.7%†
LiveBench 1.0LiveBench79.3%–
AA Intelligence Index v5.0.1Artificial Analysis44.246.5
AA Intelligence Index v4.3.2Artificial Analysis47.655.1
AA Progress Index v1Artificial Analysis334340.7
Vals IndexVals AI–62.5†
Vals Finance IndexVals AI–56.0%†
Vals RSI IndexVals AI28.1%–
Vals Science IndexVals AI45.0%44.4%†
Vals Legal IndexVals AI–67.0%†
AA Cyber IndexArtificial Analysis36.864.1
安全性・誠実さ
FORTRESSScale AI SEAL13.5%†18.6%
DistressBenchScale AI SEAL68.0%†–
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。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • GPT-6 Sol (max):新しい結果1件(GDPval-AA v2.1)。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • 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 Sol (max):新しい結果1件(MirrorCode)。
  • Kimi K3.1 Pro:新しい結果2件(APEX-Agents, Epoch Capabilities Index)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。

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-6 Sol vs Kimi K3.1 Pro:よくある質問

GPT-6 SolはKimi K3.1 Proより優れていますか?
GPT-6 Sol (max)とKimi K3.1 Proの品質は互角です(62.6 対 61.8、±4.4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-6 Sol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?
価格は同じで、100万トークンあたりのブレンド価格は$4.00です。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 Sol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 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 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 Solが35.6%、Kimi K3.1 Proが25.4%です。
GPT-6 SolとKimi K3.1 Proはどちらが速いですか?
GPT-6 Solの方が出力が3倍以上速くなっています(出力127 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 Sol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 59。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 Solが54.3%、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 67)。どちらも約1.1Mトークンです(GPT-6 Sol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 Solです。Artificial Analysisの測定では、最初の回答トークンまで36.9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 Sol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25件のベンチマークのうち、GPT-6 Solのリードが8件、Kimi K3.1 Proのリードが17件です。両方を評価しているすべての総合指標で、Kimi K3.1 Proが上回っています。
Kimi K3.1 Proはいつリリースされましたか?
Kimi K3.1 Proは2026年10月23日にリリースされました。