BenchLeader

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。

用途おすすめ理由信頼度
数学Muse Wonderカテゴリスコア70 対 65中
知識Muse Wonderカテゴリスコア77 対 66高
チャットの質(人間の評価)–Arenaの評価があるのはMuse Wonderのみです(カテゴリスコア70)比較不可
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

  • 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 TogetherMuse Wonder
プロバイダーMoonshot AIMeta
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65.270.1Muse Wonder
知識66.077.1Muse 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。

2550 avg75推論エージェント・ツール数学知識人間の評価Kimi K3.1 Pro Together, 推論: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知識: 66.0Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1Muse Wonder, 人間の評価: 69.6

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。

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IndexKimi K3.1 Pro Together (max)Muse Wonderトップ
BenchLeader Index60.064.4Muse 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 IndexBenchLeader60.064.4
知識スコアBenchLeader66.077.1
数学スコアBenchLeader65.270.1
推論スコアBenchLeader66.9–
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 DiamondEpoch AI Benchmarking Hub94.2%–
Arena Hard PromptsArena (LMArena)–1531†
LiveBench 2.0 ReasoningLiveBench–90.6%†
LiveBench 1.0 ReasoningLiveBench–90.6%†
Humanity's Last Exam (AA)Artificial Analysis–50.1%†
HLE-Diamond (AA)Artificial Analysis–39.0%†
CritPtArtificial Analysis–28.3%†
CritPt v2 hard subset (AA)Artificial Analysis–50.5%†
MysteryMechanismVals AI–27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)–1525†
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub42.0%51.0%†
LMCAEpoch AI Benchmarking Hub–56.8%
DTBenchEpoch AI Benchmarking Hub–95.2%
コーディング
SciCodeSciCode–60.3%†
Arena CodingArena (LMArena)–1542†
Arena WebDevArena (LMArena)–1647†
LiveBench 2.0 CodingLiveBench–74.9%†
LiveBench 1.0 CodingLiveBench–80.7%†
IOIVals AI–66.9%†
Code MigrationVals AI–62.5%†
Code Migration v1.1Vals AI–72.4%†
SWE-bench MultimodalVals AI–45.6%†
Vibe Code Bench 1-100Vals 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 v1.1Vals AI–83.1%†
SWE Atlas v1.1Scale AI SEAL–64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL–61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub–45.6%†
CursorBenchCursor–50.4%†
WeirdML v3WeirdML–15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis–52.0%†
GameBench 2 OverallDuelLab GameBench 2–64.8
GameBench 2 by reasoning settingDuelLab GameBench 2–54.9†
Design Arena WebsiteDesign 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-BenchTerminal-Bench–47.0%†
APEX-AgentsMercor–66.1%†
Arena AgentArena (LMArena)–1.8†
LiveBench Long AgenticLiveBench–46.2%†
LiveBench BrowserLiveBench–60.0%†
LiveBench Agentic CodingLiveBench–62.7%†
HiL-BenchScale AI SEAL–79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis–1770†
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI–56.6%†
Finance Agent v2.1Vals AI–65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–23.8%†
Harvey's Legal Agent Benchmark v1Vals AI–17.1%†
Legal Research BenchVals AI–50.5%†
Tax Agent BenchVals AI–36.3%†
Terminal-Bench 4.0 (Vals)Vals AI–49.5%†
Terminal-Bench ScienceVals AI–22.9%†
Arena Agent Task CompletionArena (LMArena)–5.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs–9432.2
AutomationBenchArtificial Analysis–68.1%†
GDP.pdf (AA)Artificial Analysis–30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
AA-Briefcase v1.1Artificial Analysis–1659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena–1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–25.7%†
MKA (AA)Artificial Analysis–47.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.3%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub65.8%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%†
ProofBenchVals AI–84.0%
LiveBench MathematicsLiveBench–96.5%†
Arena MathsArena (LMArena)–1490†
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub62.2%–
LiveBench 2.0 Data AnalysisLiveBench–81.6%†
LiveBench ResearchLiveBench–93.0%†
LiveBench 1.0 Data AnalysisLiveBench–81.6%†
AA-Omniscience v1.1Artificial Analysis–25.1†
PRBench FinanceScale AI SEAL–58.7%
PRBench LegalScale AI SEAL–58.4%
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI–67.1%†
Excel Modeling Benchmark v1.1Vals AI–72.5%†
Public Benefits Bench v1.1Vals AI–70.2%†
Access to Justice BenchmarkVals AI–73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI–69.6%†
EBR-benchEpoch AI Benchmarking Hub–31.4%†
GDP.pdfEpoch AI Benchmarking Hub–30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–79.1%†
指示追従
LiveBench LanguageLiveBench–82.9%†
LiveBench Instruction FollowingLiveBench–73.0%†
Arena Instruction FollowingArena (LMArena)–1498†
人間の評価
Arena TextArena (LMArena)–1511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)–1491†
Arena Multi-turnArena (LMArena)–1525†
Arena Longer QueriesArena (LMArena)–1507†
マルチモーダル
LiveBench DesignLiveBench–70.9%†
MMMU-ProArtificial Analysis–83.8%†
Humanity's Sixth SenseScale AI SEAL–43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–31.7%
Furniture AssemblyEpoch AI Benchmarking Hub55.8%54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis–997†
長文コンテキスト
AA-LCR v1.1Artificial Analysis–80.7%†
MLCRArtificial Analysis–22.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–161.7
LiveBench 2.0LiveBench–70.7%†
LiveBench 1.0LiveBench–81.2%†
AA Intelligence Index v5.0.1Artificial Analysis–43.6†
AA Intelligence Index v4.3.2Artificial Analysis–52.4†
AA Progress Index v1Artificial Analysis–335.8†
Vals IndexVals AI–64.9†
Vals Finance IndexVals AI–61.2%†
Vals Science IndexVals AI–39.1%†
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI–75.3%†
安全性・誠実さ
DistressBenchScale 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。

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。