BenchLeader

Kimi K2 Thinking vs MiniMax M3.1 Flash

詳しいプロフィール:Kimi K2 Thinking(Moonshot AI)とMiniMax M3.1 Flash(MiniMax)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 12件の情報源のデータ

2026年11月16日時点で、Kimi K2 ThinkingとMiniMax M3.1 Flashの品質は互角です(BenchLeader Indexで52.3 対 54.3、±5.6の誤差範囲内)。価格はMiniMax M3.1 Flashの方が4.1倍安く、100万トークンあたりのブレンド価格で$0.262 対 $1.07です。知識(51 対 46)を重視するならKimi K2 Thinking、コーディング(55 対 49)、長文コンテキスト(65 対 61)、エージェント・ツール(55 対 51)を重視するならMiniMax M3.1 Flashが向いています。回答開始までの時間はKimi K2 Thinkingの方が短く、25.1秒 対 43.3秒です。

要点(2026年11月16日時点)

  • BenchLeader IndexはKimi K2 Thinkingが52.3、MiniMax M3.1 Flashが54.3です(BenchLeader、2026年11月16日)。
  • Kimi K2 Thinkingの100万トークンあたりのブレンド価格は$1.07です(定価、2026年11月16日)。
  • MiniMax M3.1 Flashの100万トークンあたりのブレンド価格は$0.262です(定価、2026年11月16日)。
  • 両モデルに結果がある8件のベンチマークのうち、MiniMax M3.1 Flashが7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MiniMax M3.1 Flashカテゴリスコア55 対 49;Design Arena Website 1277 対 1105中
エージェント・ツール利用MiniMax M3.1 Flashカテゴリスコア55 対 51中
推論MiniMax M3.1 Flashカテゴリスコア50 対 47;Humanity's Last Exam (AA) 48.0% 対 23.8%中
知識Kimi K2 Thinkingカテゴリスコア51 対 46;PRBench Finance 43.4% 対 45.6%中
長い文書MiniMax M3.1 Flashカテゴリスコア65 対 61;AA-LCR v1.1 79.7% 対 72.0%中
最低コストMiniMax M3.1 Flash100万トークンあたりブレンド価格$0.262 対 $1.07;エージェント型コーディングセッション$0.011 対 $0.046–
回答開始の速さKimi K2 Thinking最初の回答トークンまで25.1秒(Kimi K2 Thinking (thinking))対 43.3秒(MiniMax M3.1 Flash)–
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 Thinking (thinking)とMiniMax M3.1 Flashの品質は互角です(52.3 対 54.3、±5.6の誤差範囲内)。
  • Kimi K2 Thinking (thinking)は知識で優れています。
  • MiniMax M3.1 Flashはエージェント・ツール、コーディング、長文コンテキスト、推論で優れています。
  • MiniMax M3.1 Flashの方が4.1倍安くなっています(100万トークンあたりブレンド価格$0.262 対 $1.07)。

概要

仕様Kimi K2 ThinkingMiniMax M3.1 Flash
プロバイダーMoonshot AIMiniMax
リリース日2025年11月6日2026年10月19日
コンテキストウィンドウ(トークン)262,1441,000,000
比較した構成Kimi K2 Thinking (thinking)MiniMax M3.1 Flash
オープンウェイトありあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.600 / $2.50 / $0.150$0.150 / $0.600 / $0.015

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 Thinking (thinking)MiniMax M3.1 Flashトップ
推論46.950.1MiniMax M3.1 Flash
コーディング49.255.4MiniMax M3.1 Flash
エージェント・ツール51.455.2MiniMax M3.1 Flash
数学50.5–比較不可
知識51.045.9Kimi K2 Thinking
指示追従59.3–比較不可
マルチモーダル–61.5比較不可
長文コンテキスト60.564.5MiniMax M3.1 Flash

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・ツール知識長文コンテキストKimi K2 Thinking, 推論: 46.9Kimi K2 Thinking, コーディング: 49.2Kimi K2 Thinking, エージェント・ツール: 51.4Kimi K2 Thinking, 知識: 51.0Kimi K2 Thinking, 長文コンテキスト: 60.5MiniMax M3.1 Flash, 推論: 50.1MiniMax M3.1 Flash, コーディング: 55.4MiniMax M3.1 Flash, エージェント・ツール: 55.2MiniMax M3.1 Flash, 知識: 45.9MiniMax M3.1 Flash, 長文コンテキスト: 64.5

描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, 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8件のベンチマークのうち、Kimi K2 Thinkingのリードが0件、MiniMax M3.1 Flashのリードが7件、同点が1件です。

総合IndexKimi K2 Thinking (thinking)MiniMax M3.1 Flashトップ
BenchLeader Index52.354.3互角

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 Thinking (thinking)MiniMax M3.1 Flash
100万トークンあたりのブレンド価格$1.07$0.262
100万トークンあたりの入力/出力$0.600 / $2.50$0.150 / $0.600
100万トークンあたりのキャッシュ入力$0.150$0.015
タスクあたりの価格:チャットの返答$0.0010$0.0002
タスクあたりの価格:30ページのレポートを要約$0.0087$0.0022
タスクあたりの価格:コード編集$0.0074$0.0018
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$0.046$0.011
タスクあたりの価格:構造化データの抽出$0.0017$0.0004
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)$0.026$0.0053
ベンチマークのタスクあたりのコスト(AA Index)–$0.491
タスクあたりの出力トークン(AA Index)–138k
うち推論–103k
タスクあたりの時間(AA Index)–15 min
出力速度130 tok/s151 tok/s
回答開始までの時間25.1秒43.3秒
回答が完了するまでの時間(最終測定2026年11月13日)46.4秒141.5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 Thinking (thinking)のスコアは52.3、最初の回答トークンまで25秒。MiniMax M3.1 Flashのスコアは54.3、最初の回答トークンまで43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

94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 Thinking (thinking)MiniMax M3.1 Flash
BenchLeader IndexBenchLeader52.354.3
エージェント・ツールスコアBenchLeader51.455.2
コーディングスコアBenchLeader49.255.4
指示追従スコアBenchLeader59.3–
知識スコアBenchLeader51.045.9
長文コンテキストスコアBenchLeader60.564.5
数学スコアBenchLeader50.5–
推論スコアBenchLeader46.950.1
マルチモーダルスコアBenchLeader–61.5
ブレンド価格($/100万トークン)BenchLeader$1.07$0.262
出力速度BenchLeader130 tok/s151 tok/s
回答開始までの時間BenchLeader25.1秒43.3秒
コンテキストウィンドウBenchLeader262,144トークン1,000,000トークン
推論
SimpleBenchSimpleBench39.6%–
LiveBench 2.0 ReasoningLiveBench–82.9%†
GPQA Diamond (AA)Artificial Analysis83.8%–
Humanity's Last Exam (AA)Artificial Analysis23.8%48.0%
HLE-Diamond (AA)Artificial Analysis–28.1%
GPQA Diamond (Vals)Vals AI78.5%–
Kagi LLM BenchmarkKagi LLM Benchmark64.4%–
CritPtArtificial Analysis2.6%22.3%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
CL-benchEpoch AI Benchmarking Hub17.6%–
コーディング
WeirdMLWeirdML42.8%–
Arena WebDevArena (LMArena)–1584
LiveBench 2.0 CodingLiveBench–68.8%†
SciCode (AA)Artificial Analysis–53.4%
LiveCodeBenchVals AI63.1%–
SWE-bench (Vals)Vals AI60.2%–
SWE-bench Verified (bash only)SWE-bench63.4%–
SWE-bench Verified (any scaffold)SWE-bench63.4%–
Vibe Code Bench v1.1Vals AI–73.9%†
Vibe Code Bench 1-100 v1.1Vals AI–19.8%†
SWE-Bench Pro V2Scale AI SEAL–96.6%†
SWE-Bench Pro V2 HARDScale AI SEAL–84.3%†
ALE-BenchEpoch AI Benchmarking Hub597.5–
Terminal-Bench 4.0 (AA)Artificial Analysis–25.8%
GameBench 2 by reasoning settingDuelLab GameBench 2–30.3†
94件のベンチマークをすべて表示
指標公開元Kimi K2 Thinking (thinking)MiniMax M3.1 Flash
コーディング
Design Arena WebsiteDesign Arena11051277
FrontierCode 1.1 (AA)Artificial Analysis–38.6%
FrontierCode 2.0 (AA)Artificial Analysis–20.8%
LiveCodeBench (AA)Artificial Analysis85.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench35.7%–
Arena AgentArena (LMArena)–-2.7
LiveBench Long AgenticLiveBench–25.7%†
LiveBench BrowserLiveBench–80.6%†
Terminal-Bench HardArtificial Analysis31.1%–
τ²-Bench Telecom (AA)Artificial Analysis93.0%–
HiL-BenchScale AI SEAL–65.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.9%
GDPval-AA v2.1Artificial Analysis–1465
Finance Agent v2.1Vals AI–58.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI–7.5%†
Legal Research BenchVals AI–34.1%†
Poker AgentVals AI1011.6%–
Tax Agent BenchVals AI–32.1%†
Terminal-Bench 2.0 (Vals)Vals AI37.1%–
Terminal-Bench 4.0 (Vals)Vals AI–25.3%†
Arena Agent Task CompletionArena (LMArena)–-0.7
METR Time HorizonsMETR59.2%–
AutomationBenchArtificial Analysis–72.5%
GDP.pdf (AA)Artificial Analysis–20.8%
AA-Briefcase v1.1Artificial Analysis–1474
GDPxGDPx by SemiAnalysis–4.0%†
Design Arena AgenticDesign Arena–1252
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–3.3%
MKA (AA)Artificial Analysis–33.5%
数学
AIME (Vals)Vals AI85.4%–
MGSMVals AI90.2%–
MathArena ApexMathArena0.0%–
AIME 2025 (AA)Artificial Analysis94.7%–
知識
LiveBench 2.0 Data AnalysisLiveBench–71.4%†
LiveBench ResearchLiveBench–76.7%†
AA-Omniscience v1.1Artificial Analysis–-6.4
MMLU-ProVals AI81.1%–
LegalBenchVals AI80.2%–
CorpFinVals AI60.6%–
TaxEvalVals AI71.7%–
MedQAVals AI92.6%–
PRBench FinanceScale AI SEAL43.4%45.6%
PRBench LegalScale AI SEAL40.9%45.1%
CaseLaw v2Vals AI65.7%–
Excel Modeling Benchmark v1.1Vals AI–67.8%†
Access to Justice BenchmarkVals AI–73.3%†
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–6.3%
Global-MMLU-Lite (AA)Artificial Analysis73.5%–
指示追従
IFBenchArtificial Analysis68.1%–
MultiChallengeScale AI SEAL55.4%–
人間の評価
EQ-Bench Creative Writing v3EQ-Bench1631–
マルチモーダル
LiveBench DesignLiveBench–71.2%†
MMMU-ProArtificial Analysis–79.1%
SAGEVals AI–85.3%†
VIALS-AAHandshake AI–29.8%
長文コンテキスト
AA-LCR v1.1Artificial Analysis72.0%79.7%
MLCRArtificial Analysis–16.7%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub145.4–
LiveBench 2.0LiveBench–63.7%†
AA Intelligence Index v5.0.1Artificial Analysis–29.1
AA Intelligence Index v4.3.2Artificial Analysis22.042.7
AA Progress Index v1Artificial Analysis264.7317.6
Vals IndexVals AI–53.8†
Vals Finance IndexVals AI–55.9%†
Vals Router IndexVals AI–53.8%
Vals Legal IndexVals AI–67.1%†
安全性・誠実さ
FORTRESSScale AI SEAL–52.1%
メタデータ
AA Openness IndexArtificial Analysis27.827.8

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 K2 Thinking (thinking):BenchLeader Index 51.8 → 52.3。
  • MiniMax M3.1 Flash:BenchLeader Index 53.7 → 54.3。
  • Kimi K2 Thinking (thinking):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))。
  • Kimi K2 Thinking (thinking):BenchLeader Index 53.1 → 51.8。
  • MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
  • Kimi K2 Thinking (thinking):新しい結果1件(SimpleBench)。
  • MiniMax M3.1 Flash:スコアの改訂1件。
  • MiniMax M3.1 Flash:スコアの改訂6件。
  • MiniMax M3.1 Flash:BenchLeader Index 53.0 → 54.3。
  • MiniMax M3.1 Flash:新しい結果1件(HiL-Bench)。

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 Thinking vs MiniMax M3.1 Flash:よくある質問

Kimi K2 ThinkingはMiniMax M3.1 Flashより優れていますか?
Kimi K2 Thinking (thinking)とMiniMax M3.1 Flashの品質は互角です(52.3 対 54.3、±5.6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 ThinkingとMiniMax M3.1 Flash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MiniMax M3.1 Flashの方が安く、100万トークンあたり$0.262 対 $1.07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Kimi K2 ThinkingとMiniMax M3.1 Flashのどちらが向いていますか?
コーディングではMiniMax M3.1 Flashの方がスコアが高くなっています(カテゴリ指標で55 対 49。50が平均)。
Kimi K2 ThinkingとMiniMax M3.1 Flashはどちらが速いですか?
MiniMax M3.1 Flashの方が出力が速くなっています(出力151 対 130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 ThinkingとMiniMax M3.1 Flash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MiniMax M3.1 Flashの方がスコアが高くなっています(カテゴリ指標で55 対 51。50が平均)。
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MiniMax M3.1 Flashの方がスコアが高くなっています(65 対 61)。コンテキストはMiniMax M3.1 Flashの方が長く、1,000,000トークンです(Kimi K2 Thinkingは262,144トークン)。
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 K2 Thinkingです。Artificial Analysisの測定では、最初の回答トークンまで25.1秒 対 43.3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 ThinkingとMiniMax M3.1 Flash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8件のベンチマークのうち、Kimi K2 Thinkingのリードが0件、MiniMax M3.1 Flashのリードが7件、同点が1件です。
MiniMax M3.1 Flashはいつリリースされましたか?
MiniMax M3.1 Flashは2026年10月19日にリリースされました。