Kimi K2.6 vs o3
詳しいプロフィール:Kimi K2.6(Moonshot AI)とo3(OpenAI)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 16件の情報源のデータ
2026年11月16日時点で、Kimi K2.6とo3の品質は互角です(BenchLeader Indexで59.3 対 60.4、±7.8の誤差範囲内)。価格はKimi K2.6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$1.71 対 $3.50です。マルチモーダル(62 対 53)、指示追従(74 対 65)、長文コンテキスト(65 対 62)を重視するならKimi K2.6、エージェント・ツール(70 対 58)を重視するならo3が向いています。回答開始までの時間はo3の方が短く、5.2秒 対 93.1秒です。o3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Kimi K2.6が59.3、o3が60.4です(BenchLeader、2026年11月16日)。
- Kimi K2.6の100万トークンあたりのブレンド価格は$1.71です(定価、2026年11月16日)。
- o3の100万トークンあたりのブレンド価格は$3.50です(定価、2026年11月16日)。
- o3はKimi K2.6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10件のベンチマークのうち、Kimi K2.6が10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 |
|---|---|---|---|
| エージェント・ツール利用 | o3 | カテゴリスコア70 対 58;Terminal-Bench Hard 37.1% 対 43.9% | 高 |
| 長い文書 | Kimi K2.6 | カテゴリスコア65 対 62;AA-LCR v1.1 81.0% 対 74.7% | 中 |
| 画像などのメディア | Kimi K2.6 | カテゴリスコア62 対 53;MMMU-Pro 79.4% 対 70.1% | 高 |
| 指示への追従 | Kimi K2.6 | カテゴリスコア74 対 65;IFBench 76.0% 対 71.4% | 高 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはo3のみです(カテゴリスコア61) | 比較不可 |
| 最低コスト | Kimi K2.6 | 100万トークンあたりブレンド価格$1.71 対 $3.50;エージェント型コーディングセッション$0.073 対 $0.152 | – |
| 回答開始の速さ | o3 | 最初の回答トークンまで5.2秒(o3)対 93.1秒(Kimi K2.6 (thinking)) | – |
| 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
- Kimi K2.6 (thinking)とo3の品質は互角です(59.3 対 60.4、±7.8の誤差範囲内)。
- Kimi K2.6 (thinking)は指示追従、長文コンテキスト、マルチモーダルで優れています。
- o3はエージェント・ツールで優れています。
- Kimi K2.6 (thinking)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$1.71 対 $3.50)。
- o3の方が出力が3.2倍速くなっています(131 対 41トークン/秒)。
概要
| 仕様 | Kimi K2.6 | o3 |
|---|---|---|
| プロバイダー | Moonshot AI | OpenAI |
| リリース日 | 2026年4月20日 | 2025年4月16日 |
| コンテキストウィンドウ(トークン) | 262,144 | 200,000 |
| 比較した構成 | Kimi K2.6 (thinking) | o3 |
| オープンウェイト | あり | 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) | $0.950 / $4.00 / $0.160 | $2.00 / $8.00 / $0.500 |
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 | Kimi K2.6 (thinking) | o3 | トップ |
|---|---|---|---|
| 推論 | – | 60.9 | 比較不可 |
| コーディング | – | 59.8 | 比較不可 |
| エージェント・ツール | 58.4 | 70.3 | o3 |
| 数学 | – | 70.6 | 比較不可 |
| 知識 | – | 56.2 | 比較不可 |
| 指示追従 | 74.1 | 65.2 | Kimi K2.6 |
| 人間の評価 | – | 61.0 | 比較不可 |
| マルチモーダル | 61.7 | 52.8 | Kimi K2.6 |
| 長文コンテキスト | 65.2 | 61.9 | Kimi K2.6 |
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。
描画していないもの(測定済みのモデルが2つ未満):推論, コーディング, 数学, 知識, 人間の評価。
情報源で評価が分かれる点
両方に結果がある10件のベンチマークのうち、Kimi K2.6のリードが10件、o3のリードが0件です。両方を評価しているすべての総合指標で、Kimi K2.6が上回っています。
| 総合Index | Kimi K2.6 (thinking) | o3 | トップ |
|---|---|---|---|
| BenchLeader Index | 59.3 | 60.4 | 互角 |
| Arena Text | 1461† | 1432 | Kimi K2.6 |
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 | Kimi K2.6 (thinking) | o3 |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $1.71 | $3.50 |
| 100万トークンあたりの入力/出力 | $0.950 / $4.00 | $2.00 / $8.00 |
| 100万トークンあたりのキャッシュ入力 | $0.160 | $0.500 |
| タスクあたりの価格:チャットの返答 | $0.0016 | $0.0032 |
| タスクあたりの価格:30ページのレポートを要約 | $0.014 | $0.029 |
| タスクあたりの価格:コード編集 | $0.012 | $0.024 |
| 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 | $0.073 | $0.152 |
| タスクあたりの価格:構造化データの抽出 | $0.0027 | $0.0056 |
| 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 | $0.085 |
| 出力速度 | 41 tok/s | 131 tok/s |
| 回答開始までの時間 | 93.1秒 | 5.2秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 215.8秒 | 17.3秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Kimi K2.6 (thinking)のスコアは59.3、最初の回答トークンまで93秒。Kimi K2.6は55.1(1秒)。o3のスコアは60.4、最初の回答トークンまで5秒。o3 (high)は55.1(5秒)、o3 (medium)は53.3(5秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
148件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Kimi K2.6 (thinking) | o3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.3 | 60.4 |
| エージェント・ツールスコア | BenchLeader | 58.4 | 70.3 |
| 指示追従スコア | BenchLeader | 74.1 | 65.2 |
| 長文コンテキストスコア | BenchLeader | 65.2 | 61.9 |
| マルチモーダルスコア | BenchLeader | 61.7 | 52.8 |
| コーディングスコア | BenchLeader | – | 59.8 |
| 人間の評価スコア | BenchLeader | – | 61.0 |
| 知識スコア | BenchLeader | – | 56.2 |
| 数学スコア | BenchLeader | – | 70.6 |
| 推論スコア | BenchLeader | – | 60.9 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.71 | $3.50 |
| 出力速度 | BenchLeader | 41 tok/s | 131 tok/s |
| 回答開始までの時間 | BenchLeader | 93.1秒 | 5.2秒 |
| コンテキストウィンドウ | BenchLeader | 262,144トークン | 200,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 90.8%† | 81.8%† |
| Humanity's Last Exam | Scale AI / CAIS | – | 20.3%† |
| SimpleBench | SimpleBench | – | 53.1%† |
| Arena Hard Prompts | Arena (LMArena) | 1485† | 1441 |
| LiveBench 1.0 Reasoning | LiveBench | 79.4% | – |
| GPQA Diamond (AA) | Artificial Analysis | 91.1% | 82.7% |
| Humanity's Last Exam (AA) | Artificial Analysis | 37.5% | 20.1% |
| GPQA Diamond (Vals) | Vals AI | 89.1%† | 84.1%† |
| Kagi LLM Benchmark | Kagi LLM Benchmark | – | 67.6% |
| GPQA Diamond (HELM) | HELM Capabilities | – | 75.3% |
| ARC-AGI-1 | ARC Prize | – | 60.8%† |
| ARC-AGI-2 | ARC Prize | – | 6.5%† |
| CritPt | Artificial Analysis | 8.0% | 1.1% |
| SciPredict | Scale AI SEAL | – | 17.9% |
| Arena Expert | Arena (LMArena) | 1503† | 1448 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 20.0%† | 36.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 18.0%† | 29.0%† |
| CL-bench | Epoch AI Benchmarking Hub | – | 17.8%† |
| LMCA | Epoch AI Benchmarking Hub | 37.3%† | 39.7%† |
| DTBench | Epoch AI Benchmarking Hub | 90.9%† | 84.8%† |
| ForecastBench | ForecastBench | – | 64.3% |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 76.7%† | 62.3%† |
| SciCode | SciCode | 53.5%† | – |
| WeirdML | WeirdML | 55.9%† | 52.4%† |
| GSO-Bench | GSO-Bench | – | 8.8%† |
148件のベンチマークをすべて表示
| 指標 | 公開元 | Kimi K2.6 (thinking) | o3 |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1516† | 1460 |
| Arena WebDev | Arena (LMArena) | 1509† | – |
| LiveBench 1.0 Coding | LiveBench | 78.6% | – |
| SciCode (AA) | Artificial Analysis | 51.5% | – |
| LiveCodeBench | Vals AI | 86.8%† | 83.9%† |
| SWE-bench (Vals) | Vals AI | 76.2%† | – |
| Aider Polyglot | Aider polyglot leaderboard | – | 76.9% |
| SWE-bench Verified (bash only) | SWE-bench | – | 58.4% |
| SWE-bench Verified (any scaffold) | SWE-bench | – | 58.4% |
| Code Migration | Vals AI | 27.8%† | – |
| ProgramBench | Vals AI | 0.0%† | – |
| Vibe Code Bench v1.1 | Vals AI | 37.9%† | – |
| CadEval | Epoch AI Benchmarking Hub | – | 74.0%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 1092.7† | 933.5† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 0.5% | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 65.9% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 34.1 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 30.4† |
| Design Arena Website | Design Arena | 1263† | 1028 |
| LiveCodeBench (AA) | Artificial Analysis | – | 80.8% |
| エージェント・ツール | |||
| OSWorld-Verified 2.0 | OSWorld | 4.6%† | – |
| GDPval | OpenAI | – | 30.8%† |
| LiveBench Agentic Coding | LiveBench | 46.9% | – |
| Terminal-Bench Hard | Artificial Analysis | 43.9% | 37.1% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 95.9% | 80.7% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 53.6%† | – |
| HiL-Bench | Scale AI SEAL | 18.7%† | – |
| BFCL Overall | Berkeley Function Calling Leaderboard | – | 63.0% |
| GDPval-AA v2.1 | Artificial Analysis | 1046 | – |
| τ³-Banking (AA) | Artificial Analysis | 23.3% | – |
| ITBench SRE (AA) | Artificial Analysis | 31.2% | – |
| APEX-Agents (AA) | Artificial Analysis | 28.5% | – |
| Finance Agent v2 | Vals AI | 44.9%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 1.7%† | – |
| Legal Research Bench | Vals AI | 15.9%† | – |
| Tax Agent Bench | Vals AI | 12.4%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 57.3%† | – |
| Arena Search | Arena (LMArena) | – | 1197 |
| DeepResearch Bench | DeepResearch Bench | – | 45.2%† |
| ExploitBench | Epoch AI Benchmarking Hub | 18.4%† | – |
| METR Time Horizons | METR | – | 63.6% |
| GBAEval | Epoch AI Benchmarking Hub | 0.9%† | – |
| Vending-Bench 2 | Andon Labs | 6204.6† | – |
| AutomationBench | Artificial Analysis | 13.0% | – |
| GDP.pdf (AA) | Artificial Analysis | 13.0% | – |
| EnterpriseOps-Gym | Artificial Analysis | 38.5% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 821 | – |
| Design Arena Agentic | Design Arena | 1158† | – |
| BrowseComp-Plus | BrowseComp-Plus | – | 50.5% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 57.2%† | 33.3%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 25.6%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 96.1%† | 83.9%† |
| MATH Level 5 | Epoch AI Benchmarking Hub | – | 97.8%† |
| ProofBench | Vals AI | 16.0%† | – |
| LiveBench Mathematics | LiveBench | 84.3% | – |
| AIME (Vals) | Vals AI | – | 85.3%† |
| MGSM | Vals AI | – | 91.8%† |
| AIME 2026 | MathArena | 95.8%† | – |
| HMMT February 2026 | MathArena | 94.7%† | – |
| USAMO 2026 | MathArena | 51.2%† | – |
| IMO 2025 | MathArena | – | 16.7%† |
| MathArena Apex | MathArena | 24.0%† | – |
| Omni-MATH (HELM) | HELM Capabilities | – | 71.4% |
| MATH 500 | Vals AI | – | 94.6%† |
| Arena Maths | Arena (LMArena) | 1479† | 1448 |
| AIME 2025 (AA) | Artificial Analysis | – | 88.3% |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 34.9%† | 49.4%† |
| LiveBench 1.0 Data Analysis | LiveBench | 65.1% | – |
| MMLU-Pro | Vals AI | 87.6%† | 85.6%† |
| LegalBench | Vals AI | 84.7%† | 83.8%† |
| CorpFin | Vals AI | 66.7%† | 59.7%† |
| TaxEval | Vals AI | 74.7%† | 74.6%† |
| MedQA | Vals AI | – | 96.1%† |
| PRBench Finance | Scale AI SEAL | – | 47.7% |
| PRBench Legal | Scale AI SEAL | – | 48.6% |
| MultiNRC | Scale AI SEAL | – | 45.5%† |
| MMLU-Pro (HELM) | HELM Capabilities | – | 85.9% |
| CaseLaw v2 | Vals AI | 61.2%† | – |
| Excel Modeling Benchmark | Vals AI | 57.9%† | – |
| MedCode | Vals AI | 40.1%† | 47.3%† |
| MedScribe | Vals AI | 78.2%† | 76.7%† |
| Public Benefits Bench v1.1 | Vals AI | 56.6%† | – |
| EBR-bench | Epoch AI Benchmarking Hub | 2.4%† | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 12.0%† | – |
| 指示追従 | |||
| LiveBench Language | LiveBench | 75.1% | – |
| LiveBench Instruction Following | LiveBench | 64.4% | – |
| IFBench | Artificial Analysis | 76.0% | 71.4% |
| MultiChallenge | Scale AI SEAL | – | 56.6%† |
| TutorBench | Scale AI SEAL | – | 52.1%† |
| IFEval (HELM) | HELM Capabilities | – | 86.9% |
| WildBench (HELM) | HELM Capabilities | – | 86.1% |
| Arena Instruction Following | Arena (LMArena) | 1456† | 1403 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1461† | 1432 |
| EQ-Bench 4 | EQ-Bench | 1191† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1721† | 1675 |
| Arena Creative Writing | Arena (LMArena) | 1432† | 1383 |
| Arena Multi-turn | Arena (LMArena) | 1462† | 1420 |
| Arena Longer Queries | Arena (LMArena) | 1478† | 1411 |
| Lech Mazur Creative Writing | Lech Mazur | – | 83.9%† |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1282† | 1214 |
| MMMU-Pro | Artificial Analysis | 79.4% | 70.1% |
| VISTA | Scale AI SEAL | – | 50.1%† |
| MMMU-Pro (Vals) | Vals AI | 86.3%† | 80.4%† |
| MortgageTax | Vals AI | 65.8%† | 65.7%† |
| VTB | Scale AI SEAL | – | 13.7% |
| GeoBench | GeoBench | – | 60.0%† |
| VPCT | Epoch AI Benchmarking Hub | – | 52.0%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 3.9%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 21.7%† | – |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | – | 100.0%† |
| AA-LCR v1.1 | Artificial Analysis | 81.0% | 74.7% |
| Arena Document | Arena (LMArena) | 1450† | – |
| MLCR | Artificial Analysis | 11.1% | – |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 151.6† | 147.1 |
| LiveBench 1.0 | LiveBench | 70.5% | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 27.0 | 20.2 |
| AA Progress Index v1 | Artificial Analysis | 284.4 | 258.3 |
| HELM Capabilities mean | HELM Capabilities | – | 81.1% |
| Vals Multimodal Index | Vals AI | 56.4%† | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 16.0% |
| MASK | Scale AI SEAL | – | 84.5%† |
| PropensityBench | Scale AI SEAL | – | 10.5% |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 33.3 | 5.6 |
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
- o3:BenchLeader Index 61.2 → 60.4。
- o3:スコアの改訂1件。
- Kimi K2.6 (thinking):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Kimi K2.6 (thinking):BenchLeader Index 59.8 → 59.3。
- o3:新しい結果1件(Arena Search)。
- o3:スコアの改訂1件。
- Kimi K2.6 (thinking):BenchLeader Index 60.3 → 59.8。
- Kimi K2.6 (thinking):新しい結果1件(AA Progress Index v1)。
- o3:新しい結果1件(AA Progress Index v1)。
- Kimi K2.6 (thinking):価格 $0.80/M → $0.71/M。
関連する比較
- Kimi K2.6 vs Claude Opus 5.5
- o3 vs Claude Opus 5.5
- Kimi K2.6 vs Gemini 4 Argon
- Kimi K2.6 vs Claude Sonnet 5.5
- Kimi K2.6 vs GPT-6.1 Terra
- Kimi K2.6 vs GPT-6 Sol
- Kimi K2.6 vs GPT-5
- Kimi K2.6 vs Qwen3.8 Max
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
Kimi K2.6 vs o3:よくある質問
- Kimi K2.6はo3より優れていますか?
- Kimi K2.6 (thinking)とo3の品質は互角です(59.3 対 60.4、±7.8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。
- Kimi K2.6とo3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 K2.6の方が安く、100万トークンあたり$1.71 対 $3.50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。
- Kimi K2.6とo3はどちらが速いですか?
- o3の方が出力が3倍以上速くなっています(出力131 対 41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Kimi K2.6とo3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o3の方がスコアが高くなっています(カテゴリ指標で70 対 58。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Terminal-Bench Hardでは、Kimi K2.6が43.9%、o3が37.1%です。
- 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 K2.6の方がスコアが高くなっています(65 対 62)。コンテキストはKimi K2.6の方が長く、262,144トークンです(o3は200,000トークン)。
ほかの質問(3件)
- 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o3です。Artificial Analysisの測定では、最初の回答トークンまで5.2秒 対 93.1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。
- Kimi K2.6とo3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10件のベンチマークのうち、Kimi K2.6のリードが10件、o3のリードが0件です。両方を評価しているすべての総合指標で、Kimi K2.6が上回っています。
- Kimi K2.6はいつリリースされましたか?
- Kimi K2.6は2026年4月20日にリリースされました。