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 Flash | 100万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 Thinking | MiniMax M3.1 Flash |
|---|---|---|
| プロバイダー | Moonshot AI | MiniMax |
| 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) | 262,144 | 1,000,000 |
| 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 | 46.9 | 50.1 | MiniMax M3.1 Flash |
| コーディング | 49.2 | 55.4 | MiniMax M3.1 Flash |
| エージェント・ツール | 51.4 | 55.2 | MiniMax M3.1 Flash |
| 数学 | 50.5 | – | 比較不可 |
| 知識 | 51.0 | 45.9 | Kimi 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 | 60.5 | 64.5 | MiniMax 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。
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。
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Index | Kimi K2 Thinking (thinking) | MiniMax M3.1 Flash | トップ |
|---|---|---|---|
| BenchLeader Index | 52.3 | 54.3 | 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) | – | $0.491 |
| タスクあたりの出力トークン(AA Index) | – | 138k |
| うち推論 | – | 103k |
| タスクあたりの時間(AA Index) | – | 15 min |
| 出力速度 | 130 tok/s | 151 tok/s |
| 回答開始までの時間 | 25.1秒 | 43.3秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 46.4秒 | 141.5秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Kimi K2 Thinking (thinking)のスコアは52.3、最初の回答トークンまで25秒。MiniMax M3.1 Flashのスコアは54.3、最初の回答トークンまで43秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
94件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Kimi K2 Thinking (thinking) | MiniMax M3.1 Flash |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 52.3 | 54.3 |
| エージェント・ツールスコア | BenchLeader | 51.4 | 55.2 |
| コーディングスコア | BenchLeader | 49.2 | 55.4 |
| 指示追従スコア | BenchLeader | 59.3 | – |
| 知識スコア | BenchLeader | 51.0 | 45.9 |
| 長文コンテキストスコア | BenchLeader | 60.5 | 64.5 |
| 数学スコア | BenchLeader | 50.5 | – |
| 推論スコア | BenchLeader | 46.9 | 50.1 |
| マルチモーダルスコア | BenchLeader | – | 61.5 |
| ブレンド価格($/100万トークン) | BenchLeader | $1.07 | $0.262 |
| 出力速度 | BenchLeader | 130 tok/s | 151 tok/s |
| 回答開始までの時間 | BenchLeader | 25.1秒 | 43.3秒 |
| コンテキストウィンドウ | BenchLeader | 262,144トークン | 1,000,000トークン |
| 推論 | |||
| SimpleBench | SimpleBench | 39.6% | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 82.9%† |
| GPQA Diamond (AA) | Artificial Analysis | 83.8% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 23.8% | 48.0% |
| HLE-Diamond (AA) | Artificial Analysis | – | 28.1% |
| GPQA Diamond (Vals) | Vals AI | 78.5% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 64.4% | – |
| CritPt | Artificial Analysis | 2.6% | 22.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 32.5% |
| CL-bench | Epoch AI Benchmarking Hub | 17.6% | – |
| コーディング | |||
| WeirdML | WeirdML | 42.8% | – |
| Arena WebDev | Arena (LMArena) | – | 1584 |
| LiveBench 2.0 Coding | LiveBench | – | 68.8%† |
| SciCode (AA) | Artificial Analysis | – | 53.4% |
| LiveCodeBench | Vals AI | 63.1% | – |
| SWE-bench (Vals) | Vals AI | 60.2% | – |
| SWE-bench Verified (bash only) | SWE-bench | 63.4% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 63.4% | – |
| Vibe Code Bench v1.1 | Vals AI | – | 73.9%† |
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 19.8%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.6%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 84.3%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 597.5 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 25.8% |
| GameBench 2 by reasoning setting | DuelLab 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 Website | Design Arena | 1105 | 1277 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 38.6% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 20.8% |
| LiveCodeBench (AA) | Artificial Analysis | 85.3% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 35.7% | – |
| Arena Agent | Arena (LMArena) | – | -2.7 |
| LiveBench Long Agentic | LiveBench | – | 25.7%† |
| LiveBench Browser | LiveBench | – | 80.6%† |
| Terminal-Bench Hard | Artificial Analysis | 31.1% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 93.0% | – |
| HiL-Bench | Scale AI SEAL | – | 65.7% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 47.9% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1465 |
| Finance Agent v2.1 | Vals AI | – | 58.8%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 7.5%† |
| Legal Research Bench | Vals AI | – | 34.1%† |
| Poker Agent | Vals AI | 1011.6% | – |
| Tax Agent Bench | Vals AI | – | 32.1%† |
| Terminal-Bench 2.0 (Vals) | Vals AI | 37.1% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 25.3%† |
| Arena Agent Task Completion | Arena (LMArena) | – | -0.7 |
| METR Time Horizons | METR | 59.2% | – |
| AutomationBench | Artificial Analysis | – | 72.5% |
| GDP.pdf (AA) | Artificial Analysis | – | 20.8% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1474 |
| GDPx | GDPx by SemiAnalysis | – | 4.0%† |
| Design Arena Agentic | Design Arena | – | 1252 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 3.3% |
| MKA (AA) | Artificial Analysis | – | 33.5% |
| 数学 | |||
| AIME (Vals) | Vals AI | 85.4% | – |
| MGSM | Vals AI | 90.2% | – |
| MathArena Apex | MathArena | 0.0% | – |
| AIME 2025 (AA) | Artificial Analysis | 94.7% | – |
| 知識 | |||
| LiveBench 2.0 Data Analysis | LiveBench | – | 71.4%† |
| LiveBench Research | LiveBench | – | 76.7%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | -6.4 |
| MMLU-Pro | Vals AI | 81.1% | – |
| LegalBench | Vals AI | 80.2% | – |
| CorpFin | Vals AI | 60.6% | – |
| TaxEval | Vals AI | 71.7% | – |
| MedQA | Vals AI | 92.6% | – |
| PRBench Finance | Scale AI SEAL | 43.4% | 45.6% |
| PRBench Legal | Scale AI SEAL | 40.9% | 45.1% |
| CaseLaw v2 | Vals AI | 65.7% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 67.8%† |
| Access to Justice Benchmark | Vals AI | – | 73.3%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 45.1% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 6.3% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 73.5% | – |
| 指示追従 | |||
| IFBench | Artificial Analysis | 68.1% | – |
| MultiChallenge | Scale AI SEAL | 55.4% | – |
| 人間の評価 | |||
| EQ-Bench Creative Writing v3 | EQ-Bench | 1631 | – |
| マルチモーダル | |||
| LiveBench Design | LiveBench | – | 71.2%† |
| MMMU-Pro | Artificial Analysis | – | 79.1% |
| SAGE | Vals AI | – | 85.3%† |
| VIALS-AA | Handshake AI | – | 29.8% |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 72.0% | 79.7% |
| MLCR | Artificial Analysis | – | 16.7% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 145.4 | – |
| LiveBench 2.0 | LiveBench | – | 63.7%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 29.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 22.0 | 42.7 |
| AA Progress Index v1 | Artificial Analysis | 264.7 | 317.6 |
| Vals Index | Vals AI | – | 53.8† |
| Vals Finance Index | Vals AI | – | 55.9%† |
| Vals Router Index | Vals AI | – | 53.8% |
| Vals Legal Index | Vals AI | – | 67.1%† |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | – | 52.1% |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 27.8 | 27.8 |
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)。
関連する比較
- MiniMax M3.1 Flash vs Claude Opus 5.5
- MiniMax M3.1 Flash vs GPT-6 Astra
- MiniMax M3.1 Flash vs Claude Fable 5.1
- MiniMax M3.1 Flash vs GPT-6.1 Sol
- MiniMax M3.1 Flash vs Gemini 4 Argon
- MiniMax M3.1 Flash vs GPT-5.6 Sol
- MiniMax M3.1 Flash vs Claude Sonnet 5.5
- MiniMax M3.1 Flash vs Muse Wonder Full
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。