Kimi K3.1 Pro Together vs Muse Wonder
詳しいプロフィール:Kimi K3.1 Pro Together(Moonshot AI)とMuse Wonder(Meta)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 7件の情報源のデータ
2026年11月16日時点で、品質ではMuse WonderがKimi K3.1 Pro Togetherを上回ります(BenchLeader Indexで64.4 対 60.0)。両方を測定できるすべてのカテゴリでMuse Wonderがリードしています。
要点(2026年11月16日時点)
- BenchLeader IndexはKimi K3.1 Pro Togetherが60.0、Muse Wonderが64.4です(BenchLeader、2026年11月16日)。
- Muse Wonderの100万トークンあたりのブレンド価格は$8.00です(定価、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。
主な違い
- 品質ではMuse Wonderがリードしています:64.4 対 60.0。
- Muse Wonderは知識、数学で優れています。
概要
| 仕様 | Kimi K3.1 Pro Together | Muse Wonder |
|---|---|---|
| プロバイダー | Moonshot AI | Meta |
| リリース日 | 2026年10月23日 | 2026年10月12日 |
| コンテキストウィンドウ(トークン) | – | 1,048,576 |
| 比較した構成 | Kimi K3.1 Pro Together (max) | Muse Wonder |
| オープンウェイト | なし | 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) | – | $4.00 / $20.00 / $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 | Kimi K3.1 Pro Together (max) | Muse Wonder | トップ |
|---|---|---|---|
| 推論 | 66.9 | – | 比較不可 |
| エージェント・ツール | – | 75.6 | 比較不可 |
| 数学 | 65.2 | 70.1 | Muse Wonder |
| 知識 | 66.0 | 77.1 | Muse Wonder |
| 人間の評価 | – | 69.6 | 比較不可 |
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。
破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。
描画していないもの(これらのモデルの結果なし):コーディング, 指示追従, 長文コンテキスト, マルチモーダル。
情報源で評価が分かれる点
両方に結果がある0件のベンチマークのうち、Kimi K3.1 Pro Togetherのリードが0件、Muse Wonder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、Muse Wonderが上回っています。
| 総合Index | Kimi K3.1 Pro Together (max) | Muse Wonder | トップ |
|---|---|---|---|
| BenchLeader Index | 60.0 | 64.4 | Muse Wonder |
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 K3.1 Pro Together (max) | Muse Wonder |
|---|---|---|
| 100万トークンあたりのブレンド価格 | – | $8.00 |
| 100万トークンあたりの入力/出力 | – / – | $4.00 / $20.00 |
| 100万トークンあたりのキャッシュ入力 | – | $0.200 |
| タスクあたりの価格:チャットの返答 | – | $0.0076 |
| タスクあたりの価格:30ページのレポートを要約 | – | $0.060 |
| タスクあたりの価格:コード編集 | – | $0.054 |
| 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 | – | $0.320 |
| タスクあたりの価格:構造化データの抽出 | – | $0.012 |
| 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) | – | $0.149 |
| 出力速度 | – | 70 tok/s |
| 回答開始までの時間 | – | 3.3秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Kimi K3.1 Pro Together (max)のスコアは60.0。Muse Wonderのスコアは64.4、最初の回答トークンまで3秒。Muse Wonder (max)は60.8(20秒)、Muse Wonder (high)は56.2(13秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
125件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Kimi K3.1 Pro Together (max) | Muse Wonder |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.0 | 64.4 |
| 知識スコア | BenchLeader | 66.0 | 77.1 |
| 数学スコア | BenchLeader | 65.2 | 70.1 |
| 推論スコア | BenchLeader | 66.9 | – |
| エージェント・ツールスコア | BenchLeader | – | 75.6 |
| 人間の評価スコア | BenchLeader | – | 69.6 |
| ブレンド価格($/100万トークン) | BenchLeader | – | $8.00 |
| 出力速度 | BenchLeader | – | 70 tok/s |
| 回答開始までの時間 | BenchLeader | – | 3.3秒 |
| コンテキストウィンドウ | BenchLeader | – | 1,048,576トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 94.2% | – |
| Arena Hard Prompts | Arena (LMArena) | – | 1531† |
| LiveBench 2.0 Reasoning | LiveBench | – | 90.6%† |
| LiveBench 1.0 Reasoning | LiveBench | – | 90.6%† |
| Humanity's Last Exam (AA) | Artificial Analysis | – | 50.1%† |
| HLE-Diamond (AA) | Artificial Analysis | – | 39.0%† |
| CritPt | Artificial Analysis | – | 28.3%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 50.5%† |
| MysteryMechanism | Vals AI | – | 27.5%† |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 37.3% |
| Arena Expert | Arena (LMArena) | – | 1525† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 45.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 42.0% | 51.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 56.8% |
| DTBench | Epoch AI Benchmarking Hub | – | 95.2% |
| コーディング | |||
| SciCode | SciCode | – | 60.3%† |
| Arena Coding | Arena (LMArena) | – | 1542† |
| Arena WebDev | Arena (LMArena) | – | 1647† |
| LiveBench 2.0 Coding | LiveBench | – | 74.9%† |
| LiveBench 1.0 Coding | LiveBench | – | 80.7%† |
| IOI | Vals AI | – | 66.9%† |
| Code Migration | Vals AI | – | 62.5%† |
| Code Migration v1.1 | Vals AI | – | 72.4%† |
| SWE-bench Multimodal | Vals AI | – | 45.6%† |
| Vibe Code Bench 1-100 | Vals AI | – | 26.6%† |
125件のベンチマークをすべて表示
| 指標 | 公開元 | Kimi K3.1 Pro Together (max) | Muse Wonder |
|---|---|---|---|
| コーディング | |||
| Vibe Code Bench v1.1 | Vals AI | – | 83.1%† |
| SWE Atlas v1.1 | Scale AI SEAL | – | 64.8% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 73.4% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 61.1% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 60.0% |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.7%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 90.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | – | 45.6%† |
| CursorBench | Cursor | – | 50.4%† |
| WeirdML v3 | WeirdML | – | 15.2%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 52.0%† |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 64.8 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 54.9† |
| Design Arena Website | Design Arena | – | 1378† |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 46.5%† |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 27.9%† |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | – | 47.0%† |
| APEX-Agents | Mercor | – | 66.1%† |
| Arena Agent | Arena (LMArena) | – | 1.8† |
| LiveBench Long Agentic | LiveBench | – | 46.2%† |
| LiveBench Browser | LiveBench | – | 60.0%† |
| LiveBench Agentic Coding | LiveBench | – | 62.7%† |
| HiL-Bench | Scale AI SEAL | – | 79.7% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 63.5%† |
| GDPval-AA v2.1 | Artificial Analysis | – | 1770† |
| CUA-bench | Vals AI | – | 7.2%† |
| CyberBench | Vals AI | – | 80.4%† |
| Finance Agent v2 | Vals AI | – | 56.6%† |
| Finance Agent v2.1 | Vals AI | – | 65.5%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 23.8%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 17.1%† |
| Legal Research Bench | Vals AI | – | 50.5%† |
| Tax Agent Bench | Vals AI | – | 36.3%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 49.5%† |
| Terminal-Bench Science | Vals AI | – | 22.9%† |
| Arena Agent Task Completion | Arena (LMArena) | – | 5.4† |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 24.2%† |
| Vending-Bench 2 | Andon Labs | – | 9432.2 |
| AutomationBench | Artificial Analysis | – | 68.1%† |
| GDP.pdf (AA) | Artificial Analysis | – | 30.6%† |
| Harvey LAB-AA v1.1 | Harvey | – | 10.0%† |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1659† |
| GDPx | GDPx by SemiAnalysis | – | 6.8%† |
| Design Arena Agentic | Design Arena | – | 1177† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 25.7%† |
| MKA (AA) | Artificial Analysis | – | 47.5%† |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 78.3% | 82.1%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 65.8% | 70.7%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | 99.4%† |
| ProofBench | Vals AI | – | 84.0% |
| LiveBench Mathematics | LiveBench | – | 96.5%† |
| Arena Maths | Arena (LMArena) | – | 1490† |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 62.2% | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 81.6%† |
| LiveBench Research | LiveBench | – | 93.0%† |
| LiveBench 1.0 Data Analysis | LiveBench | – | 81.6%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | 25.1† |
| PRBench Finance | Scale AI SEAL | – | 58.7% |
| PRBench Legal | Scale AI SEAL | – | 58.4% |
| BioMysteryBench | Vals AI | – | 67.0%† |
| Excel Modeling Benchmark | Vals AI | – | 67.1%† |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 72.5%† |
| Public Benefits Bench v1.1 | Vals AI | – | 70.2%† |
| Access to Justice Benchmark | Vals AI | – | 73.0%† |
| Financial Coaching Bench | Vals AI | – | 73.8%† |
| Immigration Bench | Vals AI | – | 69.6%† |
| EBR-bench | Epoch AI Benchmarking Hub | – | 31.4%† |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 30.8%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 38.0%† |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 79.1%† |
| 指示追従 | |||
| LiveBench Language | LiveBench | – | 82.9%† |
| LiveBench Instruction Following | LiveBench | – | 73.0%† |
| Arena Instruction Following | Arena (LMArena) | – | 1498† |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | – | 1511† |
| EQ-Bench 4 | EQ-Bench | – | 1325 |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 2007 |
| Arena Creative Writing | Arena (LMArena) | – | 1491† |
| Arena Multi-turn | Arena (LMArena) | – | 1525† |
| Arena Longer Queries | Arena (LMArena) | – | 1507† |
| マルチモーダル | |||
| LiveBench Design | LiveBench | – | 70.9%† |
| MMMU-Pro | Artificial Analysis | – | 83.8%† |
| Humanity's Sixth Sense | Scale AI SEAL | – | 43.7%† |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | – | 31.7% |
| Furniture Assembly | Epoch AI Benchmarking Hub | 55.8% | 54.2%† |
| VIALS-AA | Handshake AI | – | 55.3%† |
| Code2Video-AA | Artificial Analysis | – | 997† |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | – | 80.7%† |
| MLCR | Artificial Analysis | – | 22.2%† |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 161.7 |
| LiveBench 2.0 | LiveBench | – | 70.7%† |
| LiveBench 1.0 | LiveBench | – | 81.2%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 43.6† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | – | 52.4† |
| AA Progress Index v1 | Artificial Analysis | – | 335.8† |
| Vals Index | Vals AI | – | 64.9† |
| Vals Finance Index | Vals AI | – | 61.2%† |
| Vals Science Index | Vals AI | – | 39.1%† |
| Vals Router Index | Vals AI | – | 64.9% |
| Vals Legal Index | Vals AI | – | 75.3%† |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | – | 85.9% |
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
- Muse Wonder:BenchLeader Index 63.0 → 64.4。
- Muse Wonder:BenchLeader Index 63.5 → 63.0。
- Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
- Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
- Muse Wonder:BenchLeader Index 64.3 → 63.5。
- Muse Wonder:スコアの改訂5件。
- Kimi K3.1 Pro Together (max):初めての結果。
- Muse Wonder:スコアの改訂1件。
- Muse Wonder:新しい結果1件(Startrise Frontend)。
- Muse Wonder:スコアの改訂3件。
関連する比較
- Kimi K3.1 Pro Together vs Claude Fable 5.2
- Kimi K3.1 Pro Together vs Gemini 4 Carbon
- Kimi K3.1 Pro Together vs Claude Opus 5.5
- Muse Wonder vs Claude Fable 5.2
- Muse Wonder vs Gemini 4 Carbon
- Muse Wonder vs Claude Opus 5.5
- Muse Wonder vs GPT-6 Astra
- Kimi K3.1 Pro Together vs Muse Spark 1.3
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 K3.1 Pro Together vs Muse Wonder:よくある質問
- Muse WonderはKimi K3.1 Pro Togetherより優れていますか?
- 品質ではMuse Wonderがリードしています:64.4 対 60.0。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日時点では総合でMuse Wonderが上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
- Kimi K3.1 Pro Togetherはいつリリースされましたか?
- Kimi K3.1 Pro Togetherは2026年10月23日にリリースされました。