BenchLeader

Kimi K3.1 Pro vs Muse Wonder Full

詳しいプロフィール:Kimi K3.1 Pro(Moonshot AI)とMuse Wonder Full(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 · 11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 Fullの品質は互角です(BenchLeader Indexで61.8 対 61.7、±3.8の誤差範囲内)。長文コンテキスト(68 対 67)を重視するならKimi K3.1 Pro、コーディング(70 対 60)、推論(66 対 59)、知識(62 対 58)を重視するならMuse Wonder Full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 Wonder Fullが61.7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20件のベンチマークのうち、Muse Wonder Fullが13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 Wonder Fullカテゴリスコア70 対 60;FrontierCode 2.0 (AA) 37.8% 対 25.4%高
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 64;GDPval-AA v2.1, normalised score 67.3% 対 67.8%どちらでも
推論Muse Wonder Fullカテゴリスコア66 対 59;HLE-Diamond (AA) 48.5% 対 37.3%中
知識Muse Wonder Fullカテゴリスコア62 対 58;AA-Omniscience v1.1 30.6 対 29.9中
長い文書Kimi K3.1 Proカテゴリスコア68 対 67;AA-LCR v1.1 86.3% 対 83.7%中
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 Full (max)の品質は互角です(61.8 対 61.7、±3.8の誤差範囲内)。
  • Kimi K3.1 Proはエージェント・ツール、長文コンテキストで優れています。
  • Muse Wonder Full (max)はコーディング、知識、推論で優れています。

概要

仕様Kimi K3.1 ProMuse Wonder Full
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)1,048,5761,000,000
比較した構成Kimi K3.1 ProMuse Wonder Full (max)
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 Wonder Full (max)トップ
推論59.265.8Muse Wonder Full
コーディング59.669.9Muse Wonder Full
エージェント・ツール64.663.6互角
数学73.4–比較不可
知識58.262.3Muse Wonder Full
マルチモーダル66.3–比較不可
長文コンテキスト67.966.6Kimi 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・ツール知識長文コンテキスト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, 知識: 58.2Kimi K3.1 Pro, 長文コンテキスト: 67.9Muse Wonder Full, 推論: 65.8Muse Wonder Full, コーディング: 69.9Muse Wonder Full, エージェント・ツール: 63.6Muse Wonder Full, 知識: 62.3Muse Wonder Full, 長文コンテキスト: 66.6

描画していないもの(測定済みのモデルが2つ未満):数学, 指示追従, 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20件のベンチマークのうち、Kimi K3.1 Proのリードが7件、Muse Wonder Fullのリードが13件です。両方を評価しているすべての総合指標で、Muse Wonder Fullが上回っています。

総合IndexKimi K3.1 ProMuse Wonder Full (max)トップ
BenchLeader Index61.861.7互角
AA Intelligence Index v5.0.146.550.1Muse Wonder Full
Vals Index62.5†66.8Muse Wonder Full

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 Full (max)
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)72k88k
うち推論44k55k
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 Wonder Full (max)のスコアは61.7。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

114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 Full (max)
BenchLeader IndexBenchLeader61.861.7
エージェント・ツールスコアBenchLeader64.663.6
コーディングスコアBenchLeader59.669.9
知識スコアBenchLeader58.262.3
長文コンテキストスコアBenchLeader67.966.6
数学スコアBenchLeader73.4–
マルチモーダルスコアBenchLeader66.3–
推論スコアBenchLeader59.265.8
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1,000,000トークン
推論
Arena Hard PromptsArena (LMArena)1504†–
LiveBench 2.0 ReasoningLiveBench91.1%†–
Humanity's Last Exam (AA)Artificial Analysis52.5%53.6%
HLE-Diamond (AA)Artificial Analysis37.3%48.5%
CritPtArtificial Analysis24.6%32.9%
CritPt v2 hard subset (AA)Artificial Analysis49.5%56.5%
MysteryMechanismVals AI26.1%†35.1%
Arena ExpertArena (LMArena)1515†–
LMCAEpoch AI Benchmarking Hub57.6%†–
DTBenchEpoch AI Benchmarking Hub93.3%†–
コーディング
SciCodeSciCode60.8%–
Arena CodingArena (LMArena)1530†–
Arena WebDevArena (LMArena)1687†1724
LiveBench 2.0 CodingLiveBench67.8%†–
SciCode (AA)Artificial Analysis60.8%62.6%
IOIVals AI81.9%†79.8%
Code MigrationVals AI–61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI84.9%†86.0%
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%–
114件のベンチマークをすべて表示
指標公開元Kimi K3.1 ProMuse Wonder Full (max)
コーディング
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%57.1%
GameBench 2 OverallDuelLab GameBench 278.3–
GameBench 2 by reasoning settingDuelLab GameBench 284.0†–
Design Arena WebsiteDesign Arena1321–
FrontierCode 1.1 (AA)Artificial Analysis47.1%44.9%
FrontierCode 2.0 (AA)Artificial Analysis25.4%37.8%
エージェント・ツール
Terminal-BenchTerminal-Bench59.7%†–
APEX-AgentsMercor65.5%–
Arena AgentArena (LMArena)4.9†9
LiveBench Long AgenticLiveBench38.7%†–
LiveBench BrowserLiveBench75.9%†–
HiL-BenchScale AI SEAL61.3%–
GDPval-AA v2.1, normalised scoreArtificial Analysis67.3%67.8%
GDPval-AA v2.1Artificial Analysis18611857
Analyst Agent (AA)Artificial Analysis38.8%–
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI–59.1%
Finance Agent v2.1Vals AI61.5%†67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI11.7%†23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI37.5%†53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI27.1%†11.8%
Tax Agent BenchVals AI24.9%†43.0%
Terminal-Bench 4.0 (Vals)Vals AI63.6%†58.1%
Terminal-Bench ScienceVals AI31.4%†37.1%
Arena Agent Task CompletionArena (LMArena)2.7†11.1
AutomationBenchArtificial Analysis73.3%71.3%
GDP.pdf (AA)Artificial Analysis31.4%32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis16741729
GDPxGDPx by SemiAnalysis–9.0%
Design Arena AgenticDesign Arena1301–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis34.3%37.1%
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%–
ArXivMathMathArena58.3%†–
BrokenArXivMathArena61.9%†–
知識
LiveBench 2.0 Data AnalysisLiveBench79.1%†–
LiveBench ResearchLiveBench82.1%†–
AA-Omniscience v1.1Artificial Analysis29.930.6
LegalBenchVals AI–87.4%
PRBench FinanceScale AI SEAL47.5%–
PRBench LegalScale AI SEAL47.9%–
BioMysteryBenchVals AI75.6%†73.3%
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI70.0%†75.0%
MedCodeVals AI–49.9%
MedScribeVals AI–89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI69.5%†74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
DrugDiscoveryBenchScale AI SEAL63.4%†–
AA-Omniscience v1.1: accuracyArtificial Analysis48.9%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis62.7%82.4%
指示追従
Arena Instruction FollowingArena (LMArena)1487†–
人間の評価
Arena TextArena (LMArena)1485†–
EQ-Bench Creative Writing v3EQ-Bench2173–
Arena Creative WritingArena (LMArena)1453†–
Arena Multi-turnArena (LMArena)1475†–
Arena Longer QueriesArena (LMArena)1491†–
マルチモーダル
LiveBench DesignLiveBench73.7%†–
MMMU-ProArtificial Analysis83.9%–
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%83.7%
MLCRArtificial Analysis38.3%22.2%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.4–
LiveBench 2.0LiveBench68.7%†–
AA Intelligence Index v5.0.1Artificial Analysis46.550.1
AA Intelligence Index v4.3.2Artificial Analysis55.155.8
AA Progress Index v1Artificial Analysis340.7343.2
Vals IndexVals AI62.5†66.8
Vals Finance IndexVals AI56.0%†64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI44.4%†48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI67.0%†77.9%
AA Cyber IndexArtificial Analysis64.1–
安全性・誠実さ
FORTRESSScale AI SEAL18.6%–
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)。
  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • 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 · コーディングに最適な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 Full:よくある質問

Kimi K3.1 ProはMuse Wonder Fullより優れていますか?
Kimi K3.1 ProとMuse Wonder Full (max)の品質は互角です(61.8 対 61.7、±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。
コーディングにはKimi K3.1 ProとMuse Wonder Fullのどちらが向いていますか?
コーディングではMuse Wonder Fullの方がスコアが高くなっています(カテゴリ指標で70 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FrontierCode 2.0 (AA)では、Kimi K3.1 Proが25.4%、Muse Wonder Fullが37.8%です。
エージェントやツール利用にはKimi K3.1 ProとMuse Wonder Full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 64)。
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 67)。どちらも約1Mトークンです(Kimi K3.1 Proは1,048,576、Muse Wonder Fullは1,000,000)。
Kimi K3.1 ProとMuse Wonder Full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20件のベンチマークのうち、Kimi K3.1 Proのリードが7件、Muse Wonder Fullのリードが13件です。両方を評価しているすべての総合指標で、Muse Wonder Full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。