BenchLeader

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 K2.6100万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 K2.6o3
プロバイダーMoonshot AIOpenAI
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)262,144200,000
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58.470.3o3
数学–70.6比較不可
知識–56.2比較不可
指示追従74.165.2Kimi K2.6
人間の評価–61.0比較不可
マルチモーダル61.752.8Kimi K2.6
長文コンテキスト65.261.9Kimi 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。

2550 avg75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Kimi K2.6, エージェント・ツール: 58.4Kimi K2.6, 指示追従: 74.1Kimi K2.6, 長文コンテキスト: 65.2Kimi K2.6, マルチモーダル: 61.7o3, エージェント・ツール: 70.3o3, 指示追従: 65.2o3, 長文コンテキスト: 61.9o3, マルチモーダル: 52.8

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。

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IndexKimi K2.6 (thinking)o3トップ
BenchLeader Index59.360.4互角
Arena Text1461†1432Kimi 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/s131 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 IndexBenchLeader59.360.4
エージェント・ツールスコアBenchLeader58.470.3
指示追従スコアBenchLeader74.165.2
長文コンテキストスコアBenchLeader65.261.9
マルチモーダルスコアBenchLeader61.752.8
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BenchLeader41 tok/s131 tok/s
回答開始までの時間BenchLeader93.1秒5.2秒
コンテキストウィンドウBenchLeader262,144トークン200,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub90.8%†81.8%†
Humanity's Last ExamScale AI / CAIS–20.3%†
SimpleBenchSimpleBench–53.1%†
Arena Hard PromptsArena (LMArena)1485†1441
LiveBench 1.0 ReasoningLiveBench79.4%–
GPQA Diamond (AA)Artificial Analysis91.1%82.7%
Humanity's Last Exam (AA)Artificial Analysis37.5%20.1%
GPQA Diamond (Vals)Vals AI89.1%†84.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.6%
GPQA Diamond (HELM)HELM Capabilities–75.3%
ARC-AGI-1ARC Prize–60.8%†
ARC-AGI-2ARC Prize–6.5%†
CritPtArtificial Analysis8.0%1.1%
SciPredictScale AI SEAL–17.9%
Arena ExpertArena (LMArena)1503†1448
Chess PuzzlesEpoch AI Benchmarking Hub20.0%†36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub18.0%†29.0%†
CL-benchEpoch AI Benchmarking Hub–17.8%†
LMCAEpoch AI Benchmarking Hub37.3%†39.7%†
DTBenchEpoch AI Benchmarking Hub90.9%†84.8%†
ForecastBenchForecastBench–64.3%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.7%†62.3%†
SciCodeSciCode53.5%†–
WeirdMLWeirdML55.9%†52.4%†
GSO-BenchGSO-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 CodingArena (LMArena)1516†1460
Arena WebDevArena (LMArena)1509†–
LiveBench 1.0 CodingLiveBench78.6%–
SciCode (AA)Artificial Analysis51.5%–
LiveCodeBenchVals AI86.8%†83.9%†
SWE-bench (Vals)Vals AI76.2%†–
Aider PolyglotAider polyglot leaderboard–76.9%
SWE-bench Verified (bash only)SWE-bench–58.4%
SWE-bench Verified (any scaffold)SWE-bench–58.4%
Code MigrationVals AI27.8%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI37.9%†–
CadEvalEpoch AI Benchmarking Hub–74.0%†
ALE-BenchEpoch AI Benchmarking Hub1092.7†933.5†
Terminal-Bench 4.0 (AA)Artificial Analysis0.5%–
Terminal-Bench 2.1 (AA)Artificial Analysis65.9%–
GameBench 2 OverallDuelLab GameBench 2–34.1
GameBench 2 by reasoning settingDuelLab GameBench 2–30.4†
Design Arena WebsiteDesign Arena1263†1028
LiveCodeBench (AA)Artificial Analysis–80.8%
エージェント・ツール
OSWorld-Verified 2.0OSWorld4.6%†–
GDPvalOpenAI–30.8%†
LiveBench Agentic CodingLiveBench46.9%–
Terminal-Bench HardArtificial Analysis43.9%37.1%
τ²-Bench Telecom (AA)Artificial Analysis95.9%80.7%
Terminal-Bench 2.1 (Vals)Vals AI53.6%†–
HiL-BenchScale AI SEAL18.7%†–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1Artificial Analysis1046–
τ³-Banking (AA)Artificial Analysis23.3%–
ITBench SRE (AA)Artificial Analysis31.2%–
APEX-Agents (AA)Artificial Analysis28.5%–
Finance Agent v2Vals AI44.9%†–
Harvey's Legal Agent Benchmark v1Vals AI1.7%†–
Legal Research BenchVals AI15.9%†–
Tax Agent BenchVals AI12.4%†–
Terminal-Bench 2.0 (Vals)Vals AI57.3%†–
Arena SearchArena (LMArena)–1197
DeepResearch BenchDeepResearch Bench–45.2%†
ExploitBenchEpoch AI Benchmarking Hub18.4%†–
METR Time HorizonsMETR–63.6%
GBAEvalEpoch AI Benchmarking Hub0.9%†–
Vending-Bench 2Andon Labs6204.6†–
AutomationBenchArtificial Analysis13.0%–
GDP.pdf (AA)Artificial Analysis13.0%–
EnterpriseOps-GymArtificial Analysis38.5%–
AA-Briefcase v1.1Artificial Analysis821–
Design Arena AgenticDesign Arena1158†–
BrowseComp-PlusBrowseComp-Plus–50.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub57.2%†33.3%†
FrontierMath Tier 4Epoch AI Benchmarking Hub25.6%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub96.1%†83.9%†
MATH Level 5Epoch AI Benchmarking Hub–97.8%†
ProofBenchVals AI16.0%†–
LiveBench MathematicsLiveBench84.3%–
AIME (Vals)Vals AI–85.3%†
MGSMVals AI–91.8%†
AIME 2026MathArena95.8%†–
HMMT February 2026MathArena94.7%†–
USAMO 2026MathArena51.2%†–
IMO 2025MathArena–16.7%†
MathArena ApexMathArena24.0%†–
Omni-MATH (HELM)HELM Capabilities–71.4%
MATH 500Vals AI–94.6%†
Arena MathsArena (LMArena)1479†1448
AIME 2025 (AA)Artificial Analysis–88.3%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub34.9%†49.4%†
LiveBench 1.0 Data AnalysisLiveBench65.1%–
MMLU-ProVals AI87.6%†85.6%†
LegalBenchVals AI84.7%†83.8%†
CorpFinVals AI66.7%†59.7%†
TaxEvalVals AI74.7%†74.6%†
MedQAVals AI–96.1%†
PRBench FinanceScale AI SEAL–47.7%
PRBench LegalScale AI SEAL–48.6%
MultiNRCScale AI SEAL–45.5%†
MMLU-Pro (HELM)HELM Capabilities–85.9%
CaseLaw v2Vals AI61.2%†–
Excel Modeling BenchmarkVals AI57.9%†–
MedCodeVals AI40.1%†47.3%†
MedScribeVals AI78.2%†76.7%†
Public Benefits Bench v1.1Vals AI56.6%†–
EBR-benchEpoch AI Benchmarking Hub2.4%†–
GDP.pdfEpoch AI Benchmarking Hub12.0%†–
指示追従
LiveBench LanguageLiveBench75.1%–
LiveBench Instruction FollowingLiveBench64.4%–
IFBenchArtificial Analysis76.0%71.4%
MultiChallengeScale AI SEAL–56.6%†
TutorBenchScale AI SEAL–52.1%†
IFEval (HELM)HELM Capabilities–86.9%
WildBench (HELM)HELM Capabilities–86.1%
Arena Instruction FollowingArena (LMArena)1456†1403
人間の評価
Arena TextArena (LMArena)1461†1432
EQ-Bench 4EQ-Bench1191†–
EQ-Bench Creative Writing v3EQ-Bench1721†1675
Arena Creative WritingArena (LMArena)1432†1383
Arena Multi-turnArena (LMArena)1462†1420
Arena Longer QueriesArena (LMArena)1478†1411
Lech Mazur Creative WritingLech Mazur–83.9%†
マルチモーダル
Arena VisionArena (LMArena)1282†1214
MMMU-ProArtificial Analysis79.4%70.1%
VISTAScale AI SEAL–50.1%†
MMMU-Pro (Vals)Vals AI86.3%†80.4%†
MortgageTaxVals AI65.8%†65.7%†
VTBScale AI SEAL–13.7%
GeoBenchGeoBench–60.0%†
VPCTEpoch AI Benchmarking Hub–52.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub3.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub21.7%†–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–100.0%†
AA-LCR v1.1Artificial Analysis81.0%74.7%
Arena DocumentArena (LMArena)1450†–
MLCRArtificial Analysis11.1%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub151.6†147.1
LiveBench 1.0LiveBench70.5%–
AA Intelligence Index v4.3.2Artificial Analysis27.020.2
AA Progress Index v1Artificial Analysis284.4258.3
HELM Capabilities meanHELM Capabilities–81.1%
Vals Multimodal IndexVals AI56.4%†–
安全性・誠実さ
FORTRESSScale AI SEAL–16.0%
MASKScale AI SEAL–84.5%†
PropensityBenchScale AI SEAL–10.5%
メタデータ
AA Openness IndexArtificial Analysis33.35.6

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。

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。