BenchLeader

Kimi K3.1 Pro vs Muse Spark

詳しいプロフィール:Kimi K3.1 Pro(Moonshot AI)とMuse Spark(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 · 10件の情報源のデータ

2026年11月16日時点で、Kimi K3.1 ProとMuse Sparkの品質は互角です(BenchLeader Indexで61.8 対 64.2、±4.6の誤差範囲内)。数学(73 対 59)、長文コンテキスト(68 対 64)、マルチモーダル(66 対 64)を重視するならKimi K3.1 Pro、推論(67 対 59)、コーディング(65 対 60)、知識(63 対 58)を重視するならMuse Sparkが向いています。

要点(2026年11月16日時点)

  • BenchLeader IndexはKimi K3.1 Proが61.8、Muse Sparkが64.2です(BenchLeader、2026年11月16日)。
  • Kimi K3.1 Proの100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
  • 両モデルに結果がある14件のベンチマークのうち、Kimi K3.1 Proが12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Muse Sparkカテゴリスコア65 対 60;SciCode 51.5% 対 60.8%中
エージェント・ツール利用どちらでもカテゴリスコア65 対 65;GDPval-AA v2.1 1861 対 1006どちらでも
数学Kimi K3.1 Proカテゴリスコア73 対 59;ProofBench 91.0% 対 17.0%高
推論Muse Sparkカテゴリスコア67 対 59;Humanity's Last Exam (AA) 40.7% 対 52.5%高
知識Muse Sparkカテゴリスコア63 対 58;PRBench Finance 52.4% 対 47.5%中
長い文書Kimi K3.1 Proカテゴリスコア68 対 64;AA-LCR v1.1 86.3% 対 78.0%中
画像などのメディアKimi K3.1 Proカテゴリスコア66 対 64;MMMU-Pro 83.9% 対 80.5%中
チャットの質(人間の評価)–Arenaの評価があるのはMuse Sparkのみです(カテゴリスコア68)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とMuse Sparkの品質は互角です(61.8 対 64.2、±4.6の誤差範囲内)。
  • Kimi K3.1 Proは長文コンテキスト、数学、マルチモーダルで優れています。
  • Muse Sparkはエージェント・ツール、コーディング、知識、推論で優れています。

概要

仕様Kimi K3.1 ProMuse Spark
プロバイダーMoonshot AIMeta
リリース日2026年10月23日2026年4月8日
コンテキストウィンドウ(トークン)1,048,576262,144
比較した構成Kimi K3.1 ProMuse Spark
オープンウェイトありなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$2.00 / $10.00 / $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 ProMuse Sparkトップ
推論59.267.4Muse Spark
コーディング59.665.1Muse Spark
エージェント・ツール64.665.0互角
数学73.459.1Kimi K3.1 Pro
知識58.263.1Muse Spark
指示追従–76.9比較不可
人間の評価–68.1比較不可
マルチモーダル66.364.2Kimi K3.1 Pro
長文コンテキスト67.963.6Kimi K3.1 Pro

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・ツール数学知識長文コンテキストマルチモーダルKimi K3.1 Pro, 推論: 59.2Kimi K3.1 Pro, コーディング: 59.6Kimi K3.1 Pro, エージェント・ツール: 64.6Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, 知識: 58.2Kimi K3.1 Pro, 長文コンテキスト: 67.9Kimi K3.1 Pro, マルチモーダル: 66.3Muse Spark, 推論: 67.4Muse Spark, コーディング: 65.1Muse Spark, エージェント・ツール: 65.0Muse Spark, 数学: 59.1Muse Spark, 知識: 63.1Muse Spark, 長文コンテキスト: 63.6Muse Spark, マルチモーダル: 64.2

描画していないもの(測定済みのモデルが2つ未満):指示追従, 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14件のベンチマークのうち、Kimi K3.1 Proのリードが12件、Muse Sparkのリードが2件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。

総合IndexKimi K3.1 ProMuse Sparkトップ
BenchLeader Index61.864.2互角
Arena Text1485†1489Muse Spark

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 ProMuse Spark
100万トークンあたりのブレンド価格$4.00–
100万トークンあたりの入力/出力$2.00 / $10.00– / –
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$0.0038–
タスクあたりの価格:30ページのレポートを要約$0.030–
タスクあたりの価格:コード編集$0.027–
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$0.160–
タスクあたりの価格:構造化データの抽出$0.0060–
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)$0.079–
ベンチマークのタスクあたりのコスト(AA Index)$3.68–
タスクあたりの出力トークン(AA Index)72k–
うち推論44k–
タスクあたりの時間(AA Index)40 min–
出力速度30 tok/s–
回答開始までの時間157.4秒–
回答が完了するまでの時間(最終測定2026年11月13日)417.5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 K3.1 Proのスコアは61.8、最初の回答トークンまで157秒。Kimi K3.1 Pro (max)は59.9(157秒)。Muse Sparkのスコアは64.2。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 ProMuse Spark
BenchLeader IndexBenchLeader61.864.2
エージェント・ツールスコアBenchLeader64.665.0
コーディングスコアBenchLeader59.665.1
知識スコアBenchLeader58.263.1
長文コンテキストスコアBenchLeader67.963.6
数学スコアBenchLeader73.459.1
マルチモーダルスコアBenchLeader66.364.2
推論スコアBenchLeader59.267.4
人間の評価スコアBenchLeader–68.1
指示追従スコアBenchLeader–76.9
ブレンド価格($/100万トークン)BenchLeader$4.00–
出力速度BenchLeader30 tok/s–
回答開始までの時間BenchLeader157.4秒–
コンテキストウィンドウBenchLeader1,048,576トークン262,144トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
Arena Hard PromptsArena (LMArena)1504†1506
LiveBench 2.0 ReasoningLiveBench91.1%†–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis52.5%40.7%
HLE-Diamond (AA)Artificial Analysis37.3%–
GPQA Diamond (Vals)Vals AI–89.7%
CritPtArtificial Analysis24.6%11.3%
CritPt v2 hard subset (AA)Artificial Analysis49.5%–
MysteryMechanismVals AI26.1%†–
Arena ExpertArena (LMArena)1515†1491
LMCAEpoch AI Benchmarking Hub57.6%†–
DTBenchEpoch AI Benchmarking Hub93.3%†–
コーディング
SciCodeSciCode60.8%51.5%
Arena CodingArena (LMArena)1530†1529
Arena WebDevArena (LMArena)1687†–
LiveBench 2.0 CodingLiveBench67.8%†–
SciCode (AA)Artificial Analysis60.8%–
IOIVals AI81.9%†–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Vibe Code Bench v1.1Vals AI84.9%†19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
125件のベンチマークをすべて表示
指標公開元Kimi K3.1 ProMuse Spark
コーディング
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
SWE Atlas v1.1Scale AI SEAL61.1%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%–
SWE Atlas v1.1: Test WritingScale AI SEAL58.9%–
SWE Atlas v1.1: RefactoringScale AI SEAL54.3%–
ALE-BenchEpoch AI Benchmarking Hub1932.8†–
WeirdML v3WeirdML9.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis67.2%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
GameBench 2 OverallDuelLab GameBench 278.3–
GameBench 2 by reasoning settingDuelLab GameBench 284.0†–
Design Arena WebsiteDesign Arena13211253
FrontierCode 1.1 (AA)Artificial Analysis47.1%–
FrontierCode 2.0 (AA)Artificial Analysis25.4%–
エージェント・ツール
Terminal-BenchTerminal-Bench59.7%†–
APEX-AgentsMercor65.5%–
Arena AgentArena (LMArena)4.9†–
LiveBench Long AgenticLiveBench38.7%†–
LiveBench BrowserLiveBench75.9%†–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
HiL-BenchScale AI SEAL61.3%–
GDPval-AA v2.1, normalised scoreArtificial Analysis67.3%–
GDPval-AA v2.1Artificial Analysis18611006
Analyst Agent (AA)Artificial Analysis38.8%–
Finance Agent v2.1Vals AI61.5%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.7%†–
Legal Research BenchVals AI37.5%†–
SREBenchVals AI27.1%†–
Tax Agent BenchVals AI24.9%†–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI63.6%†–
Terminal-Bench ScienceVals AI31.4%†–
Arena Agent Task CompletionArena (LMArena)2.7†–
AutomationBenchArtificial Analysis73.3%–
GDP.pdf (AA)Artificial Analysis31.4%–
AA-Briefcase v1.1Artificial Analysis1674646
Design Arena AgenticDesign Arena1301–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis34.3%–
CWE-Bench (AA)Artificial Analysis60.8%–
DeepSec-Bench (AA)Artificial Analysis36.7%–
CyberGym end-to-end (AA)Artificial Analysis94.7%–
MKA (AA)Artificial Analysis43.9%–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–88.9%
ProofBenchVals AI91.0%17.0%
AIME (Vals)Vals AI–96.9%
ArXivMathMathArena58.3%†–
BrokenArXivMathArena61.9%†–
Arena MathsArena (LMArena)–1469
知識
LiveBench 2.0 Data AnalysisLiveBench79.1%†–
LiveBench ResearchLiveBench82.1%†–
AA-Omniscience v1.1Artificial Analysis29.9–
MMLU-ProVals AI–87.3%
LegalBenchVals AI–84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL47.5%52.4%
PRBench LegalScale AI SEAL47.9%52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI75.6%†–
CaseLaw v2Vals AI–63.1%
Excel Modeling Benchmark v1.1Vals AI70.0%†–
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
Access to Justice BenchmarkVals AI69.5%†–
DrugDiscoveryBenchScale AI SEAL63.4%†–
AA-Omniscience v1.1: accuracyArtificial Analysis48.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis62.7%–
指示追従
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)1487†1465
人間の評価
Arena TextArena (LMArena)1485†1489
EQ-Bench Creative Writing v3EQ-Bench2173–
Arena Creative WritingArena (LMArena)1453†1464
Arena Multi-turnArena (LMArena)1475†1493
Arena Longer QueriesArena (LMArena)1491†1476
マルチモーダル
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench73.7%†–
MMMU-ProArtificial Analysis83.9%80.5%
MMMU-Pro (Vals)Vals AI–87.4%
Humanity's Sixth SenseScale AI SEAL33.2%†–
VIALS-AAHandshake AI45.3%–
AA-3DArtificial Analysis1112–
長文コンテキスト
AA-LCR v1.1Artificial Analysis86.3%78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis38.3%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.4153.1
LiveBench 2.0LiveBench68.7%†–
AA Intelligence Index v5.0.1Artificial Analysis46.5–
AA Intelligence Index v4.3.2Artificial Analysis55.131.3
AA Progress Index v1Artificial Analysis340.7289.1
Vals IndexVals AI62.5†–
Vals Finance IndexVals AI56.0%†–
Vals Science IndexVals AI44.4%†–
Vals Legal IndexVals AI67.0%†–
AA Cyber IndexArtificial Analysis64.1–
安全性・誠実さ
FORTRESSScale AI SEAL18.6%20.2%
メタデータ
AA Openness IndexArtificial Analysis33.3–

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 K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Muse Spark:新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Kimi K3.1 Pro:新しい結果1件(HiL-Bench)。
  • Kimi K3.1 Pro:新しい結果3件(PRBench Finance, PRBench Legal, FORTRESS)、スコアの改訂2件。
  • Kimi K3.1 Pro:新しい結果2件(APEX-Agents, Epoch Capabilities Index)。
  • Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。
  • Kimi K3.1 Pro:スコアの改訂5件。
  • Kimi K3.1 Pro:BenchLeader Index 61.3 → 61.8。

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 vs Muse Spark:よくある質問

Kimi K3.1 ProはMuse Sparkより優れていますか?
Kimi K3.1 ProとMuse Sparkの品質は互角です(61.8 対 64.2、±4.6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。
コーディングにはKimi K3.1 ProとMuse Sparkのどちらが向いていますか?
コーディングではMuse Sparkの方がスコアが高くなっています(カテゴリ指標で65 対 60。50が平均)。共通するコーディングベンチマークのうち最も重要なSciCodeでは、Kimi K3.1 Proが60.8%、Muse Sparkが51.5%です。
エージェントやツール利用にはKimi K3.1 ProとMuse Spark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互角です(カテゴリ指標で65 対 65)。
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Kimi K3.1 Proの方がスコアが高くなっています(68 対 64)。コンテキストはKimi K3.1 Proの方が長く、1,048,576トークンです(Muse Sparkは262,144トークン)。
Kimi K3.1 ProとMuse Spark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14件のベンチマークのうち、Kimi K3.1 Proのリードが12件、Muse Sparkのリードが2件です。両方を評価しているすべての総合指標で、Muse Sparkが上回っています。
ほかの質問(1件)
Kimi K3.1 Proはいつリリースされましたか?
Kimi K3.1 Proは2026年10月23日にリリースされました。