BenchLeader

Kimi K3.1 Pro vs Muse Spark 1.1

詳しいプロフィール:Kimi K3.1 Pro(Moonshot AI)とMuse Spark 1.1(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 · 9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 1.1の品質は互角です(BenchLeader Indexで61.8 対 62.2、±6.4の誤差範囲内)。価格はMuse Spark 1.1の方が2.0倍安く、100万トークンあたりのブレンド価格で$2.00 対 $4.00です。エージェント・ツール(65 対 51)、数学(73 対 61)、マルチモーダル(66 対 64)を重視するならKimi K3.1 Pro、知識(69 対 58)、推論(68 対 59)、コーディング(66 対 60)を重視するならMuse Spark 1.1が向いています。回答開始までの時間はMuse Spark 1.1の方が短く、1.8秒 対 157.4秒です。Muse Spark 1.1は出力が3倍以上速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはKimi K3.1 Proが61.8、Muse Spark 1.1が62.2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)。
  • Muse Spark 1.1の100万トークンあたりのブレンド価格は$2.00です(定価、2026年11月16日)。
  • Muse Spark 1.1はKimi K3.1 Proより出力が3倍以上速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある10件のベンチマークのうち、Kimi K3.1 Pro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Muse Spark 1.1カテゴリスコア66 対 60;SciCode 58.8% 対 60.8%中
エージェント・ツール利用Kimi K3.1 Proカテゴリスコア65 対 51;APEX-Agents 65.5% 対 31.8%高
数学Kimi K3.1 Proカテゴリスコア73 対 61;ProofBench 91.0% 対 39.0%高
推論Muse Spark 1.1カテゴリスコア68 対 59高
知識Muse Spark 1.1カテゴリスコア69 対 58;PRBench Finance 55.0% 対 47.5%高
画像などのメディアKimi K3.1 Proカテゴリスコア66 対 64中
チャットの質(人間の評価)–Arenaの評価があるのはMuse Spark 1.1のみです(カテゴリスコア65)比較不可
最低コストMuse Spark 1.1100万トークンあたりブレンド価格$2.00 対 $4.00;エージェント型コーディングセッション$0.092 対 $0.160–
回答開始の速さMuse Spark 1.1最初の回答トークンまで1.8秒(Muse Spark 1.1)対 157.4秒(Kimi K3.1 Pro)–
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 1.1の品質は互角です(61.8 対 62.2、±6.4の誤差範囲内)。
  • Kimi K3.1 Proはエージェント・ツール、数学、マルチモーダルで優れています。
  • Muse Spark 1.1はコーディング、知識、推論で優れています。
  • Muse Spark 1.1の方が2.0倍安くなっています(100万トークンあたりブレンド価格$2.00 対 $4.00)。
  • Muse Spark 1.1の方が出力が6.4倍速くなっています(193 対 30トークン/秒)。

概要

仕様Kimi K3.1 ProMuse Spark 1.1
プロバイダーMoonshot AIMeta
リリース日2026年10月23日2026年7月9日
コンテキストウィンドウ(トークン)1,048,5761,048,576
比較した構成Kimi K3.1 ProMuse Spark 1.1
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$1.25 / $4.25 / $0.150

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 1.1トップ
推論59.267.8Muse Spark 1.1
コーディング59.665.8Muse Spark 1.1
エージェント・ツール64.650.9Kimi K3.1 Pro
数学73.461.3Kimi K3.1 Pro
知識58.269.2Muse Spark 1.1
指示追従–70.4比較不可
人間の評価–64.5比較不可
マルチモーダル66.363.6Kimi K3.1 Pro
長文コンテキスト67.9–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推論コーディングエージェント・ツール数学知識マルチモーダル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, マルチモーダル: 66.3Muse Spark 1.1, 推論: 67.8Muse Spark 1.1, コーディング: 65.8Muse Spark 1.1, エージェント・ツール: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知識: 69.2Muse Spark 1.1, マルチモーダル: 63.6

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, 長文コンテキスト, 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10件のベンチマークのうち、Kimi K3.1 Proのリードが7件、Muse Spark 1.1のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。

総合IndexKimi K3.1 ProMuse Spark 1.1トップ
BenchLeader Index61.862.2互角
Arena Text1485†1491Muse Spark 1.1

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 1.1
100万トークンあたりのブレンド価格$4.00$2.00
100万トークンあたりの入力/出力$2.00 / $10.00$1.25 / $4.25
100万トークンあたりのキャッシュ入力$0.200$0.150
タスクあたりの価格:チャットの返答$0.0038$0.0018
タスクあたりの価格:30ページのレポートを要約$0.030$0.018
タスクあたりの価格:コード編集$0.027$0.014
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$0.092
タスクあたりの価格:構造化データの抽出$0.0060$0.0034
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$0.043
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/s193 tok/s
回答開始までの時間157.4秒1.8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 1.1のスコアは62.2、最初の回答トークンまで2秒。Muse Spark 1.1 (xhigh)は59.5(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

144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 1.1
BenchLeader IndexBenchLeader61.862.2
エージェント・ツールスコアBenchLeader64.650.9
コーディングスコアBenchLeader59.665.8
知識スコアBenchLeader58.269.2
長文コンテキストスコアBenchLeader67.9–
数学スコアBenchLeader73.461.3
マルチモーダルスコアBenchLeader66.363.6
推論スコアBenchLeader59.267.8
人間の評価スコアBenchLeader–64.5
指示追従スコアBenchLeader–70.4
ブレンド価格($/100万トークン)BenchLeader$4.00$2.00
出力速度BenchLeader30 tok/s193 tok/s
回答開始までの時間BenchLeader157.4秒1.8秒
コンテキストウィンドウBenchLeader1,048,576トークン1,048,576トークン
推論
Arena Hard PromptsArena (LMArena)1504†1511
LiveBench 2.0 ReasoningLiveBench91.1%†–
LiveBench 1.0 ReasoningLiveBench–87.7%†
GPQA Diamond (AA)Artificial Analysis–89.8%†
Humanity's Last Exam (AA)Artificial Analysis52.5%46.2%†
HLE-Diamond (AA)Artificial Analysis37.3%–
GPQA Diamond (Vals)Vals AI–91.2%†
CritPtArtificial Analysis24.6%15.1%†
CritPt v2 hard subset (AA)Artificial Analysis49.5%–
MysteryMechanismVals AI26.1%†–
Arena ExpertArena (LMArena)1515†1504
Chess PuzzlesEpoch AI Benchmarking Hub–34.0%†
LMCAEpoch AI Benchmarking Hub57.6%†49.9%†
DTBenchEpoch AI Benchmarking Hub93.3%†94.4%†
コーディング
SciCodeSciCode60.8%58.8%
Arena CodingArena (LMArena)1530†1533
Arena WebDevArena (LMArena)1687†1542
LiveBench 2.0 CodingLiveBench67.8%†–
LiveBench 1.0 CodingLiveBench–77.2%†
LiveCodeBenchVals AI–85.9%†
IOIVals AI81.9%†–
SWE-bench (Vals)Vals AI–82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI–31.1%†
ProgramBenchVals AI–0.0%†
144件のベンチマークをすべて表示
指標公開元Kimi K3.1 ProMuse Spark 1.1
コーディング
Vibe Code Bench v1.1Vals AI84.9%†72.2%†
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
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%–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
ALE-BenchEpoch AI Benchmarking Hub1932.8†–
WeirdML v3WeirdML9.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis67.2%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
GameBench 2 OverallDuelLab GameBench 278.3–
GameBench 2 by reasoning settingDuelLab GameBench 284.0†–
Design Arena WebsiteDesign Arena13211263
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%31.8%
Arena AgentArena (LMArena)4.9†-8
LiveBench Long AgenticLiveBench38.7%†–
LiveBench BrowserLiveBench75.9%†–
LiveBench Agentic CodingLiveBench–58.5%†
Terminal-Bench 2.1 (Vals)Vals AI–69.3%†
MCP AtlasScale AI SEAL–88.1%
HiL-BenchScale AI SEAL61.3%–
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1, normalised scoreArtificial Analysis67.3%–
GDPval-AA v2.1Artificial Analysis18611216†
τ³-Banking (AA)Artificial Analysis–31.8%†
Analyst Agent (AA)Artificial Analysis38.8%–
Finance Agent v2Vals AI–57.2%†
Finance Agent v2.1Vals AI61.5%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.7%†–
Harvey's Legal Agent Benchmark v1Vals AI–20.0%†
Legal Research BenchVals AI37.5%†38.0%†
SkillsBenchVals AI–59.2%†
SREBenchVals AI27.1%†–
Tax Agent BenchVals AI24.9%†–
Terminal-Bench 4.0 (Vals)Vals AI63.6%†–
Terminal-Bench ScienceVals AI31.4%†–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)2.7†-6.5
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs–6520.5
AutomationBenchArtificial Analysis73.3%38.9%†
GDP.pdf (AA)Artificial Analysis31.4%14.4%†
AA-Briefcase v1.1Artificial Analysis1674851†
Design Arena AgenticDesign Arena13011172
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
ProofBenchVals AI91.0%39.0%
LiveBench MathematicsLiveBench–87.1%†
ArXivMathMathArena58.3%†–
BrokenArXivMathArena61.9%†–
Arena MathsArena (LMArena)–1493
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.8%
LiveBench 2.0 Data AnalysisLiveBench79.1%†–
LiveBench ResearchLiveBench82.1%†–
LiveBench 1.0 Data AnalysisLiveBench–72.5%†
AA-Omniscience v1.1Artificial Analysis29.9–
MMLU-ProVals AI–88.7%†
LegalBenchVals AI–85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI–79.7%†
PRBench FinanceScale AI SEAL47.5%55.0%
PRBench LegalScale AI SEAL47.9%57.0%
MultiNRCScale AI SEAL–65.6%
BioMysteryBenchVals AI75.6%†–
Excel Modeling BenchmarkVals AI–56.4%†
Excel Modeling Benchmark v1.1Vals AI70.0%†–
MedScribeVals AI–88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
Access to Justice BenchmarkVals AI69.5%†–
DrugDiscoveryBenchScale AI SEAL63.4%†–
GDP.pdfEpoch AI Benchmarking Hub–15.0%
AA-Omniscience v1.1: accuracyArtificial Analysis48.9%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis62.7%–
指示追従
LiveBench LanguageLiveBench–74.3%†
LiveBench Instruction FollowingLiveBench–69.6%†
MultiChallengeScale AI SEAL–75.3%
Arena Instruction FollowingArena (LMArena)1487†1473
人間の評価
Arena TextArena (LMArena)1485†1491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench21731928
Arena Creative WritingArena (LMArena)1453†1443
Arena Multi-turnArena (LMArena)1475†1497
Arena Longer QueriesArena (LMArena)1491†1481
マルチモーダル
Arena VisionArena (LMArena)–1292
LiveBench DesignLiveBench73.7%†–
MMMU-ProArtificial Analysis83.9%–
MMMU-Pro (Vals)Vals AI–86.6%†
MortgageTaxVals AI–66.1%†
Humanity's Sixth SenseScale AI SEAL33.2%†–
VTBScale AI SEAL–44.8%
VIALS-AAHandshake AI45.3%–
AA-3DArtificial Analysis1112–
長文コンテキスト
AA-LCR v1.1Artificial Analysis86.3%77.7%†
Arena DocumentArena (LMArena)–1480
MLCRArtificial Analysis38.3%7.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.4154.9
LiveBench 2.0LiveBench68.7%†–
LiveBench 1.0LiveBench–75.3%†
AA Intelligence Index v5.0.1Artificial Analysis46.5–
AA Intelligence Index v4.3.2Artificial Analysis55.133.7†
AA Progress Index v1Artificial Analysis340.7302.7†
Vals IndexVals AI62.5†–
Vals Finance IndexVals AI56.0%†–
Vals Science IndexVals AI44.4%†–
Vals Multimodal IndexVals AI–66.7%†
Vals Legal IndexVals AI67.0%†–
AA Cyber IndexArtificial Analysis64.1–
安全性・誠実さ
FORTRESSScale AI SEAL18.6%12.4%
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。
  • 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。
  • Muse Spark 1.1:スコアの改訂1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 vs Muse Spark 1.1:よくある質問

Kimi K3.1 ProはMuse Spark 1.1より優れていますか?
Kimi K3.1 ProとMuse Spark 1.1の品質は互角です(61.8 対 62.2、±6.4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とMuse Spark 1.1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Muse Spark 1.1の方が安く、100万トークンあたり$2.00 対 $4.00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 K3.1 ProとMuse Spark 1.1のどちらが向いていますか?
コーディングではMuse Spark 1.1の方がスコアが高くなっています(カテゴリ指標で66 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 1.1が58.8%です。
Kimi K3.1 ProとMuse Spark 1.1はどちらが速いですか?
Muse Spark 1.1の方が出力が3倍以上速くなっています(出力193 対 30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 K3.1 ProとMuse Spark 1.1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Kimi K3.1 Proの方がスコアが高くなっています(カテゴリ指標で65 対 51。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なAPEX-Agentsでは、Kimi K3.1 Proが65.5%、Muse Spark 1.1が31.8%です。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
どちらも1,048,576トークンのコンテキストに対応しています。
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Muse Spark 1.1です。Artificial Analysisの測定では、最初の回答トークンまで1.8秒 対 157.4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 K3.1 ProとMuse Spark 1.1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10件のベンチマークのうち、Kimi K3.1 Proのリードが7件、Muse Spark 1.1のリードが3件です。両方を評価しているすべての総合指標で、Muse Spark 1.1が上回っています。
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。