BenchLeader

Kimi K3.1 Pro Together vs Qwen3.6 Max

詳しいプロフィール:Kimi K3.1 Pro Together(Moonshot AI)とQwen3.6 Max(Alibaba)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 5件の情報源のデータ

2026年11月16日時点で、Kimi K3.1 Pro TogetherとQwen3.6 Maxの品質は互角です(BenchLeader Indexで60.0 対 62.1、±3.8の誤差範囲内)。両方を測定できるすべてのカテゴリでKimi K3.1 Pro Together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、Qwen3.6 Maxが62.1です(BenchLeader、2026年11月16日)。
  • Qwen3.6 Maxの100万トークンあたりのブレンド価格は$2.92です(定価、2026年11月16日)。
  • 両モデルに結果がある3件のベンチマークのうち、Kimi K3.1 Pro Togetherが3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
数学どちらでもカテゴリスコア65 対 64;OTIS Mock AIME 100.0% 対 91.1%どちらでも
推論Kimi K3.1 Pro Togetherカテゴリスコア67 対 61;GPQA Diamond 94.2% 対 87.4%中
知識Kimi K3.1 Pro Togetherカテゴリスコア66 対 60;SimpleQA Verified 62.2% 対 52.0%中
チャットの質(人間の評価)–Arenaの評価があるのはQwen3.6 Maxのみです(カテゴリスコア65)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

  • Kimi K3.1 Pro Together (max)とQwen3.6 Max (max)の品質は互角です(60.0 対 62.1、±3.8の誤差範囲内)。
  • Kimi K3.1 Pro Together (max)は知識、数学、推論で優れています。

概要

仕様Kimi K3.1 Pro TogetherQwen3.6 Max
プロバイダーMoonshot AIAlibaba
リリース日2026年10月23日2026年4月20日
コンテキストウィンドウ(トークン)–262,144
比較した構成Kimi K3.1 Pro Together (max)Qwen3.6 Max (max)
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)–$1.30 / $7.80 / $0.130

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)Qwen3.6 Max (max)トップ
推論66.960.8Kimi K3.1 Pro Together
コーディング–55.9比較不可
エージェント・ツール–72.1比較不可
数学65.264.4互角
知識66.059.7Kimi K3.1 Pro Together
指示追従–74.7比較不可
人間の評価–64.5比較不可
長文コンテキスト–65.0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推論数学知識Kimi K3.1 Pro Together, 推論: 66.9Kimi K3.1 Pro Together, 数学: 65.2Kimi K3.1 Pro Together, 知識: 66.0Qwen3.6 Max, 推論: 60.8Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知識: 59.7

描画していないもの(測定済みのモデルが2つ未満):コーディング, 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, 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3件のベンチマークのうち、Kimi K3.1 Pro Togetherのリードが3件、Qwen3.6 Maxのリードが0件です。

総合IndexKimi K3.1 Pro Together (max)Qwen3.6 Max (max)トップ
BenchLeader Index60.062.1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 K3.1 Pro Together (max)Qwen3.6 Max (max)
100万トークンあたりのブレンド価格–$2.92
100万トークンあたりの入力/出力– / –$1.30 / $7.80
100万トークンあたりのキャッシュ入力–$0.130
タスクあたりの価格:チャットの返答–$0.0029
タスクあたりの価格:30ページのレポートを要約–$0.020
タスクあたりの価格:コード編集–$0.019
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–$0.109
タスクあたりの価格:構造化データの抽出–$0.0042
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)–$0.057

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。Qwen3.6 Max (max)のスコアは62.1。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

37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)Qwen3.6 Max (max)
BenchLeader IndexBenchLeader60.062.1
知識スコアBenchLeader66.059.7
数学スコアBenchLeader65.264.4
推論スコアBenchLeader66.960.8
エージェント・ツールスコアBenchLeader–72.1
コーディングスコアBenchLeader–55.9
人間の評価スコアBenchLeader–64.5
指示追従スコアBenchLeader–74.7
長文コンテキストスコアBenchLeader–65.0
ブレンド価格($/100万トークン)BenchLeader–$2.92
コンテキストウィンドウBenchLeader–262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.2%87.4%
SimpleBenchSimpleBench–63.0%
Arena Hard PromptsArena (LMArena)–1481
GPQA Diamond (AA)Artificial Analysis–88.8%
Humanity's Last Exam (AA)Artificial Analysis–30.8%
CritPtArtificial Analysis–3.7%
Arena ExpertArena (LMArena)–1497
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub42.0%19.0%†
LMCAEpoch AI Benchmarking Hub–42.5%
DTBenchEpoch AI Benchmarking Hub–87.2%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
Arena CodingArena (LMArena)–1510
Arena WebDevArena (LMArena)–1482
SWE-bench (Vals)Vals AI–72.8%
エージェント・ツール
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
Terminal-Bench 2.0 (Vals)Vals AI–51.7%
Vending-Bench 2Andon Labs–4254.2
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.3%–
FrontierMath Tier 4Epoch AI Benchmarking Hub65.8%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%91.1%
Arena MathsArena (LMArena)–1471
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub62.2%52.0%
CorpFinVals AI–66.5%
37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)Qwen3.6 Max (max)
知識
CaseLaw v2Vals AI–47.9%
指示追従
IFBenchArtificial Analysis–76.6%
Arena Instruction FollowingArena (LMArena)–1451
人間の評価
Arena TextArena (LMArena)–1460
Arena Creative WritingArena (LMArena)–1438
Arena Multi-turnArena (LMArena)–1466
Arena Longer QueriesArena (LMArena)–1473
マルチモーダル
Furniture AssemblyEpoch AI Benchmarking Hub55.8%–
長文コンテキスト
AA-LCR v1.1Artificial Analysis–80.7%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–149.8
AA Intelligence Index v4.3.2Artificial Analysis–28.4
AA Progress Index v1Artificial Analysis–297.1

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。

最近の変化

  • Kimi K3.1 Pro Together (max):BenchLeader Index 60.5 → 60.0。
  • Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
  • Kimi K3.1 Pro Together (max):初めての結果。
  • Qwen3.6 Max (max):新しい結果1件(AA Progress Index v1)。
  • Qwen3.6 Max (max):BenchLeader Index 63.3 → 62.8。

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 Qwen3.6 Max:よくある質問

Kimi K3.1 Pro TogetherはQwen3.6 Maxより優れていますか?
Kimi K3.1 Pro Together (max)とQwen3.6 Max (max)の品質は互角です(60.0 対 62.1、±3.8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 K3.1 Pro TogetherとQwen3.6 Max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3件のベンチマークのうち、Kimi K3.1 Pro Togetherのリードが3件、Qwen3.6 Maxのリードが0件です。
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。