BenchLeader

Kimi K3.1 Pro vs o3

詳しいプロフィール:Kimi K3.1 Pro(Moonshot AI)とo3(OpenAI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 15件の情報源のデータ

2026年11月16日時点で、Kimi K3.1 Proとo3の品質は互角です(BenchLeader Indexで61.8 対 60.4、±4.4の誤差範囲内)。価格はほぼ同じです(100万トークンあたりのブレンド価格で$4.00 対 $3.50)。マルチモーダル(66 対 53)、長文コンテキスト(68 対 62)、数学(73 対 71)を重視するならKimi K3.1 Pro、エージェント・ツール(70 対 65)、推論(61 対 59)を重視するならo3が向いています。回答開始までの時間はo3の方が短く、5.2秒 対 157.4秒です。o3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、o3が60.4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)。
  • o3の100万トークンあたりのブレンド価格は$3.50です(定価、2026年11月16日)。
  • o3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13件のベンチマークのうち、Kimi K3.1 Proが10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
コーディングどちらでもカテゴリスコア60 対 60;GameBench 2 Overall 78.3 対 34.1どちらでも
エージェント・ツール利用o3カテゴリスコア70 対 65中
数学Kimi K3.1 Proカテゴリスコア73 対 71中
推論o3カテゴリスコア61 対 59;Humanity's Last Exam (AA) 20.1% 対 52.5%中
知識Kimi K3.1 Proカテゴリスコア58 対 56;PRBench Finance 47.5% 対 47.7%中
長い文書Kimi K3.1 Proカテゴリスコア68 対 62;AA-LCR v1.1 86.3% 対 74.7%中
画像などのメディアKimi K3.1 Proカテゴリスコア66 対 53;MMMU-Pro 83.9% 対 70.1%高
チャットの質(人間の評価)–Arenaの評価があるのはo3のみです(カテゴリスコア61)比較不可
最低コストどちらでも100万トークンあたりブレンド価格$4.00 対 $3.50;エージェント型コーディングセッション$0.160 対 $0.152–
回答開始の速さo3最初の回答トークンまで5.2秒(o3)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o3の品質は互角です(61.8 対 60.4、±4.4の誤差範囲内)。
  • Kimi K3.1 Proは知識、長文コンテキスト、数学、マルチモーダルで優れています。
  • o3はエージェント・ツール、コーディング、推論で優れています。
  • 価格はほぼ同じです(100万トークンあたりブレンド価格$3.50)。
  • o3の方が出力が4.4倍速くなっています(131 対 30トークン/秒)。

概要

仕様Kimi K3.1 Proo3
プロバイダーMoonshot AIOpenAI
リリース日2026年10月23日2025年4月16日
コンテキストウィンドウ(トークン)1,048,576200,000
比較した構成Kimi K3.1 Proo3
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$2.00 / $8.00 / $0.500

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 Proo3トップ
推論59.260.9o3
コーディング59.659.8互角
エージェント・ツール64.670.3o3
数学73.470.6Kimi K3.1 Pro
知識58.256.2Kimi K3.1 Pro
指示追従–65.2比較不可
人間の評価–61.0比較不可
マルチモーダル66.352.8Kimi K3.1 Pro
長文コンテキスト67.961.9Kimi 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: 66.3o3, 推論: 60.9o3, コーディング: 59.8o3, エージェント・ツール: 70.3o3, 数学: 70.6o3, 知識: 56.2o3, 長文コンテキスト: 61.9o3, マルチモーダル: 52.8

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13件のベンチマークのうち、Kimi K3.1 Proのリードが10件、o3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、Kimi K3.1 Proが上回っています。

総合IndexKimi K3.1 Proo3トップ
BenchLeader Index61.860.4互角
Arena Text1485†1432Kimi K3.1 Pro

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 Proo3
100万トークンあたりのブレンド価格$4.00$3.50
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $8.00
100万トークンあたりのキャッシュ入力$0.200$0.500
タスクあたりの価格:チャットの返答$0.0038$0.0032
タスクあたりの価格:30ページのレポートを要約$0.030$0.029
タスクあたりの価格:コード編集$0.027$0.024
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$0.152
タスクあたりの価格:構造化データの抽出$0.0060$0.0056
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$0.085
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/s131 tok/s
回答開始までの時間157.4秒5.2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17.3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)。o3のスコアは60.4、最初の回答トークンまで5秒。o3 (high)は55.1(5秒)、o3 (medium)は53.3(5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

161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 Proo3
BenchLeader IndexBenchLeader61.860.4
エージェント・ツールスコアBenchLeader64.670.3
コーディングスコアBenchLeader59.659.8
知識スコアBenchLeader58.256.2
長文コンテキストスコアBenchLeader67.961.9
数学スコアBenchLeader73.470.6
マルチモーダルスコアBenchLeader66.352.8
推論スコアBenchLeader59.260.9
人間の評価スコアBenchLeader–61.0
指示追従スコアBenchLeader–65.2
ブレンド価格($/100万トークン)BenchLeader$4.00$3.50
出力速度BenchLeader30 tok/s131 tok/s
回答開始までの時間BenchLeader157.4秒5.2秒
コンテキストウィンドウBenchLeader1,048,576トークン200,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub–81.8%†
Humanity's Last ExamScale AI / CAIS–20.3%†
SimpleBenchSimpleBench–53.1%†
Arena Hard PromptsArena (LMArena)1504†1441
LiveBench 2.0 ReasoningLiveBench91.1%†–
GPQA Diamond (AA)Artificial Analysis–82.7%
Humanity's Last Exam (AA)Artificial Analysis52.5%20.1%
HLE-Diamond (AA)Artificial Analysis37.3%–
GPQA Diamond (Vals)Vals AI–84.1%†
Kagi LLM BenchmarkKagi LLM Benchmark–67.6%
GPQA Diamond (HELM)HELM Capabilities–75.3%
ARC-AGI-1ARC Prize–60.8%†
ARC-AGI-2ARC Prize–6.5%†
CritPtArtificial Analysis24.6%1.1%
CritPt v2 hard subset (AA)Artificial Analysis49.5%–
MysteryMechanismVals AI26.1%†–
SciPredictScale AI SEAL–17.9%
Arena ExpertArena (LMArena)1515†1448
Chess PuzzlesEpoch AI Benchmarking Hub–36.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–29.0%†
CL-benchEpoch AI Benchmarking Hub–17.8%†
LMCAEpoch AI Benchmarking Hub57.6%†39.7%†
DTBenchEpoch AI Benchmarking Hub93.3%†84.8%†
ForecastBenchForecastBench–64.3%
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–62.3%†
161件のベンチマークをすべて表示
指標公開元Kimi K3.1 Proo3
コーディング
SciCodeSciCode60.8%–
WeirdMLWeirdML–52.4%†
GSO-BenchGSO-Bench–8.8%†
Arena CodingArena (LMArena)1530†1460
Arena WebDevArena (LMArena)1687†–
LiveBench 2.0 CodingLiveBench67.8%†–
LiveCodeBenchVals AI–83.9%†
IOIVals AI81.9%†–
Aider PolyglotAider polyglot leaderboard–76.9%
SWE-bench Verified (bash only)SWE-bench–58.4%
SWE-bench Verified (any scaffold)SWE-bench–58.4%
Vibe Code Bench v1.1Vals AI84.9%†–
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%–
CadEvalEpoch AI Benchmarking Hub–74.0%†
ALE-BenchEpoch AI Benchmarking Hub1932.8†933.5†
WeirdML v3WeirdML9.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis67.2%–
GameBench 2 OverallDuelLab GameBench 278.334.1
GameBench 2 by reasoning settingDuelLab GameBench 284.0†30.4†
Design Arena WebsiteDesign Arena13211028
FrontierCode 1.1 (AA)Artificial Analysis47.1%–
FrontierCode 2.0 (AA)Artificial Analysis25.4%–
LiveCodeBench (AA)Artificial Analysis–80.8%
エージェント・ツール
Terminal-BenchTerminal-Bench59.7%†–
GDPvalOpenAI–30.8%†
APEX-AgentsMercor65.5%–
Arena AgentArena (LMArena)4.9†–
LiveBench Long AgenticLiveBench38.7%†–
LiveBench BrowserLiveBench75.9%†–
Terminal-Bench HardArtificial Analysis–37.1%
τ²-Bench Telecom (AA)Artificial Analysis–80.7%
HiL-BenchScale AI SEAL61.3%–
BFCL OverallBerkeley Function Calling Leaderboard–63.0%
GDPval-AA v2.1, normalised scoreArtificial Analysis67.3%–
GDPval-AA v2.1Artificial Analysis1861–
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 4.0 (Vals)Vals AI63.6%†–
Terminal-Bench ScienceVals AI31.4%†–
Arena SearchArena (LMArena)–1197
Arena Agent Task CompletionArena (LMArena)2.7†–
DeepResearch BenchDeepResearch Bench–45.2%†
METR Time HorizonsMETR–63.6%
AutomationBenchArtificial Analysis73.3%–
GDP.pdf (AA)Artificial Analysis31.4%–
AA-Briefcase v1.1Artificial Analysis1674–
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%–
BrowseComp-PlusBrowseComp-Plus–50.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–33.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–83.9%†
MATH Level 5Epoch AI Benchmarking Hub–97.8%†
ProofBenchVals AI91.0%–
AIME (Vals)Vals AI–85.3%†
MGSMVals AI–91.8%†
IMO 2025MathArena–16.7%†
ArXivMathMathArena58.3%†–
BrokenArXivMathArena61.9%†–
Omni-MATH (HELM)HELM Capabilities–71.4%
MATH 500Vals AI–94.6%†
Arena MathsArena (LMArena)–1448
AIME 2025 (AA)Artificial Analysis–88.3%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–49.4%†
LiveBench 2.0 Data AnalysisLiveBench79.1%†–
LiveBench ResearchLiveBench82.1%†–
AA-Omniscience v1.1Artificial Analysis29.9–
MMLU-ProVals AI–85.6%†
LegalBenchVals AI–83.8%†
CorpFinVals AI–59.7%†
TaxEvalVals AI–74.6%†
MedQAVals AI–96.1%†
PRBench FinanceScale AI SEAL47.5%47.7%
PRBench LegalScale AI SEAL47.9%48.6%
MultiNRCScale AI SEAL–45.5%†
MMLU-Pro (HELM)HELM Capabilities–85.9%
BioMysteryBenchVals AI75.6%†–
Excel Modeling Benchmark v1.1Vals AI70.0%†–
MedCodeVals AI–47.3%†
MedScribeVals AI–76.7%†
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–71.4%
MultiChallengeScale AI SEAL–56.6%†
TutorBenchScale AI SEAL–52.1%†
IFEval (HELM)HELM Capabilities–86.9%
WildBench (HELM)HELM Capabilities–86.1%
Arena Instruction FollowingArena (LMArena)1487†1403
人間の評価
Arena TextArena (LMArena)1485†1432
EQ-Bench Creative Writing v3EQ-Bench21731675
Arena Creative WritingArena (LMArena)1453†1383
Arena Multi-turnArena (LMArena)1475†1420
Arena Longer QueriesArena (LMArena)1491†1411
Lech Mazur Creative WritingLech Mazur–83.9%†
マルチモーダル
Arena VisionArena (LMArena)–1214
LiveBench DesignLiveBench73.7%†–
MMMU-ProArtificial Analysis83.9%70.1%
VISTAScale AI SEAL–50.1%†
MMMU-Pro (Vals)Vals AI–80.4%†
MortgageTaxVals AI–65.7%†
Humanity's Sixth SenseScale AI SEAL33.2%†–
VTBScale AI SEAL–13.7%
GeoBenchGeoBench–60.0%†
VPCTEpoch AI Benchmarking Hub–52.0%†
VIALS-AAHandshake AI45.3%–
AA-3DArtificial Analysis1112–
長文コンテキスト
Fiction.LiveBench 120kFiction.live–100.0%†
AA-LCR v1.1Artificial Analysis86.3%74.7%
MLCRArtificial Analysis38.3%–
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.4147.1
LiveBench 2.0LiveBench68.7%†–
AA Intelligence Index v5.0.1Artificial Analysis46.5–
AA Intelligence Index v4.3.2Artificial Analysis55.120.2
AA Progress Index v1Artificial Analysis340.7258.3
Vals IndexVals AI62.5†–
HELM Capabilities meanHELM Capabilities–81.1%
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%16.0%
MASKScale AI SEAL–84.5%†
PropensityBenchScale AI SEAL–10.5%
メタデータ
AA Openness IndexArtificial Analysis33.35.6

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。
  • o3:BenchLeader Index 61.2 → 60.4。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • o3: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。

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 o3:よくある質問

Kimi K3.1 Proはo3より優れていますか?
Kimi K3.1 Proとo3の品質は互角です(61.8 対 60.4、±4.4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o3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o3の方が安く、100万トークンあたり$3.50 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o3のどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で60 対 60)。
Kimi K3.1 Proとo3はどちらが速いですか?
o3の方が出力が3倍以上速くなっています(出力131 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o3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o3の方がスコアが高くなっています(カテゴリ指標で70 対 65。50が平均)。
ほかの質問(4件)
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 62)。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(o3は200,000トークン)。
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o3です。Artificial Analysisの測定では、最初の回答トークンまで5.2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o3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13件のベンチマークのうち、Kimi K3.1 Proのリードが10件、o3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、Kimi K3.1 Pro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。