BenchLeader

Kimi K3.1 Pro vs Muse Wonder

詳しいプロフィール:Kimi K3.1 Pro(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 · 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 Wonderの品質は互角です(BenchLeader Indexで61.8 対 64.4、±4.2の誤差範囲内)。価格はKimi K3.1 Pro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$4.00 対 $8.00です。数学(73 対 70)を重視するならKimi K3.1 Pro、知識(77 対 58)、エージェント・ツール(76 対 65)を重視するならMuse Wonderが向いています。回答開始までの時間はMuse Wonderの方が短く、3.3秒 対 157.4秒です。Muse Wonderは出力が約2倍速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはKimi K3.1 Proが61.8、Muse Wonderが64.4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 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)。
  • Muse WonderはKimi K3.1 Proより出力が約2倍速いです(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11件のベンチマークのうち、Muse Wonderが8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
エージェント・ツール利用Muse Wonderカテゴリスコア76 対 65;HiL-Bench 79.7% 対 61.3%高
数学Kimi K3.1 Proカテゴリスコア73 対 70;ProofBench 91.0% 対 84.0%中
知識Muse Wonderカテゴリスコア77 対 58;PRBench Finance 58.7% 対 47.5%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
最低コストKimi K3.1 Pro100万トークンあたりブレンド価格$4.00 対 $8.00;エージェント型コーディングセッション$0.160 対 $0.320–
回答開始の速さMuse Wonder最初の回答トークンまで3.3秒(Muse Wonder)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 Wonderの品質は互角です(61.8 対 64.4、±4.2の誤差範囲内)。
  • Kimi K3.1 Proは数学で優れています。
  • Muse Wonderはエージェント・ツール、知識で優れています。
  • Kimi K3.1 Pro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$4.00 対 $8.00)。
  • Muse Wonderの方が出力が2.3倍速くなっています(70 対 30トークン/秒)。

概要

仕様Kimi K3.1 ProMuse 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)1,048,5761,048,576
比較した構成Kimi K3.1 ProMuse Wonder
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$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 ProMuse Wonderトップ
推論59.2–比較不可
コーディング59.6–比較不可
エージェント・ツール64.675.6Muse Wonder
数学73.470.1Kimi K3.1 Pro
知識58.277.1Muse Wonder
人間の評価–69.6比較不可
マルチモーダル66.3–比較不可
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エージェント・ツール数学知識Kimi 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: 58.2Muse Wonder, エージェント・ツール: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知識: 77.1

描画していないもの(測定済みのモデルが2つ未満):推論, 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, 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11件のベンチマークのうち、Kimi K3.1 Proのリードが3件、Muse Wonderのリードが8件です。第三者の総合指標でも評価が分かれ、Kimi K3.1 ProはAA Intelligence Index v5.0.1で、Muse WonderはVals Index、Arena Textでリードしています。

総合IndexKimi K3.1 ProMuse Wonderトップ
BenchLeader Index61.864.4互角
AA Intelligence Index v5.0.146.540.5†Kimi K3.1 Pro
Vals Index62.5†64.9Muse Wonder
Arena Text1485†1511Muse 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 ProMuse Wonder
100万トークンあたりのブレンド価格$4.00$8.00
100万トークンあたりの入力/出力$2.00 / $10.00$4.00 / $20.00
100万トークンあたりのキャッシュ入力$0.200$0.200
タスクあたりの価格:チャットの返答$0.0038$0.0076
タスクあたりの価格:30ページのレポートを要約$0.030$0.060
タスクあたりの価格:コード編集$0.027$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$0.160$0.320
タスクあたりの価格:構造化データの抽出$0.0060$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)$0.079$0.149
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/s70 tok/s
回答開始までの時間157.4秒3.3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 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

135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 Wonder
BenchLeader IndexBenchLeader61.864.4
エージェント・ツールスコアBenchLeader64.675.6
コーディングスコアBenchLeader59.6–
知識スコアBenchLeader58.277.1
長文コンテキストスコアBenchLeader67.9–
数学スコアBenchLeader73.470.1
マルチモーダルスコアBenchLeader66.3–
推論スコアBenchLeader59.2–
人間の評価スコアBenchLeader–69.6
ブレンド価格($/100万トークン)BenchLeader$4.00$8.00
出力速度BenchLeader30 tok/s70 tok/s
回答開始までの時間BenchLeader157.4秒3.3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†1531†
LiveBench 2.0 ReasoningLiveBench91.1%†90.6%†
LiveBench 1.0 ReasoningLiveBench–90.6%†
Humanity's Last Exam (AA)Artificial Analysis52.5%50.1%†
HLE-Diamond (AA)Artificial Analysis37.3%39.0%†
CritPtArtificial Analysis24.6%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis49.5%50.5%†
MysteryMechanismVals AI26.1%†27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)1515†1525†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–51.0%†
LMCAEpoch AI Benchmarking Hub57.6%†56.8%
DTBenchEpoch AI Benchmarking Hub93.3%†95.2%
コーディング
SciCodeSciCode60.8%60.3%†
Arena CodingArena (LMArena)1530†1542†
Arena WebDevArena (LMArena)1687†1647†
LiveBench 2.0 CodingLiveBench67.8%†74.9%†
LiveBench 1.0 CodingLiveBench–80.7%†
IOIVals AI81.9%†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%†
Vibe Code Bench v1.1Vals AI84.9%†83.1%†
SWE Atlas v1.1Scale AI SEAL61.1%64.8%
135件のベンチマークをすべて表示
指標公開元Kimi K3.1 ProMuse Wonder
コーディング
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL58.9%61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL54.3%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%†
ALE-BenchEpoch AI Benchmarking Hub1932.8†–
WeirdML v3WeirdML9.9%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis67.2%52.0%†
GameBench 2 OverallDuelLab GameBench 278.364.8
GameBench 2 by reasoning settingDuelLab GameBench 284.0†54.9†
Design Arena WebsiteDesign Arena13211378†
FrontierCode 1.1 (AA)Artificial Analysis47.1%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis25.4%27.9%†
エージェント・ツール
Terminal-BenchTerminal-Bench59.7%†47.0%†
APEX-AgentsMercor65.5%66.1%†
Arena AgentArena (LMArena)4.9†1.8†
LiveBench Long AgenticLiveBench38.7%†46.2%†
LiveBench BrowserLiveBench75.9%†60.0%†
LiveBench Agentic CodingLiveBench–62.7%†
HiL-BenchScale AI SEAL61.3%79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis67.3%63.5%†
GDPval-AA v2.1Artificial Analysis18611770†
Analyst Agent (AA)Artificial Analysis38.8%–
CUA-benchVals AI–7.2%†
CyberBenchVals AI–80.4%†
Finance Agent v2Vals AI–56.6%†
Finance Agent v2.1Vals AI61.5%†65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI11.7%†23.8%†
Harvey's Legal Agent Benchmark v1Vals AI–17.1%†
Legal Research BenchVals AI37.5%†50.5%†
SREBenchVals AI27.1%†–
Tax Agent BenchVals AI24.9%†36.3%†
Terminal-Bench 4.0 (Vals)Vals AI63.6%†49.5%†
Terminal-Bench ScienceVals AI31.4%†22.9%†
Arena Agent Task CompletionArena (LMArena)2.7†5.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs–9432.2
AutomationBenchArtificial Analysis73.3%68.1%†
GDP.pdf (AA)Artificial Analysis31.4%30.6%†
Harvey LAB-AA v1.1Harvey–10.0%†
AA-Briefcase v1.1Artificial Analysis16741659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena13011177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis34.3%25.7%†
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%47.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–99.4%†
ProofBenchVals AI91.0%84.0%
LiveBench MathematicsLiveBench–96.5%†
ArXivMathMathArena58.3%†–
BrokenArXivMathArena61.9%†–
Arena MathsArena (LMArena)–1490†
知識
LiveBench 2.0 Data AnalysisLiveBench79.1%†81.6%†
LiveBench ResearchLiveBench82.1%†93.0%†
LiveBench 1.0 Data AnalysisLiveBench–81.6%†
AA-Omniscience v1.1Artificial Analysis29.925.1†
PRBench FinanceScale AI SEAL47.5%58.7%
PRBench LegalScale AI SEAL47.9%58.4%
BioMysteryBenchVals AI75.6%†67.0%†
Excel Modeling BenchmarkVals AI–67.1%†
Excel Modeling Benchmark v1.1Vals AI70.0%†72.5%†
Public Benefits Bench v1.1Vals AI–70.2%†
Access to Justice BenchmarkVals AI69.5%†73.0%†
Financial Coaching BenchVals AI–73.8%†
Immigration BenchVals AI–69.6%†
DrugDiscoveryBenchScale AI SEAL63.4%†–
EBR-benchEpoch AI Benchmarking Hub–31.4%†
GDP.pdfEpoch AI Benchmarking Hub–30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis48.9%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis62.7%79.1%†
指示追従
LiveBench LanguageLiveBench–82.9%†
LiveBench Instruction FollowingLiveBench–73.0%†
Arena Instruction FollowingArena (LMArena)1487†1498†
人間の評価
Arena TextArena (LMArena)1485†1511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench21732007
Arena Creative WritingArena (LMArena)1453†1491†
Arena Multi-turnArena (LMArena)1475†1525†
Arena Longer QueriesArena (LMArena)1491†1507†
マルチモーダル
LiveBench DesignLiveBench73.7%†70.9%†
MMMU-ProArtificial Analysis83.9%83.8%†
Humanity's Sixth SenseScale AI SEAL33.2%†43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–31.7%
Furniture AssemblyEpoch AI Benchmarking Hub–54.2%†
VIALS-AAHandshake AI45.3%55.3%†
Code2Video-AAArtificial Analysis–997†
AA-3DArtificial Analysis1112–
長文コンテキスト
AA-LCR v1.1Artificial Analysis86.3%80.7%†
MLCRArtificial Analysis38.3%22.2%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.4161.7
LiveBench 2.0LiveBench68.7%†70.7%†
LiveBench 1.0LiveBench–81.2%†
AA Intelligence Index v5.0.1Artificial Analysis46.543.6†
AA Intelligence Index v4.3.2Artificial Analysis55.152.4†
AA Progress Index v1Artificial Analysis340.7335.8†
Vals IndexVals AI62.5†64.9†
Vals Finance IndexVals AI56.0%†61.2%†
Vals Science IndexVals AI44.4%†39.1%†
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI67.0%†75.3%†
AA Cyber IndexArtificial Analysis64.1–
安全性・誠実さ
FORTRESSScale AI SEAL18.6%–
DistressBenchScale AI SEAL–85.9%
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。
  • Muse Wonder:BenchLeader Index 63.0 → 64.4。
  • 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)。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • 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)。
  • Muse Wonder:新しい結果1件(Blueprint-Bench 2)。
  • Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。

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 Wonder:よくある質問

Kimi K3.1 ProはMuse Wonderより優れていますか?
Kimi K3.1 ProとMuse Wonderの品質は互角です(61.8 対 64.4、±4.2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 Wonder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Kimi K3.1 Proの方が安く、100万トークンあたり$4.00 対 $8.00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。
Kimi K3.1 ProとMuse Wonderはどちらが速いですか?
Muse Wonderの方が出力が約2倍速くなっています(出力70 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 Wonder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Muse Wonderの方がスコアが高くなっています(カテゴリ指標で76 対 65。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HiL-Benchでは、Kimi K3.1 Proが61.3%、Muse Wonderが79.7%です。
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。
ほかの質問(3件)
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 Wonderです。Artificial Analysisの測定では、最初の回答トークンまで3.3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 Wonder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11件のベンチマークのうち、Kimi K3.1 Proのリードが3件、Muse Wonderのリードが8件です。第三者の総合指標でも評価が分かれ、Kimi K3.1 ProはAA Intelligence Index v5.0.1で、Muse WonderはVals Index、Arena Textでリードしています。
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。