BenchLeader

Kimi K3.1 Pro vs Qwen3.8 Max

詳しいプロフィール:Kimi K3.1 Pro(Moonshot AI)とQwen3.8 Max(Alibaba)。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Qwen3.8 Maxの品質は互角です(BenchLeader Indexで61.8 対 58.7、±4.5の誤差範囲内)。価格はQwen3.8 Maxの方が1.3倍安く、100万トークンあたりのブレンド価格で$3.00 対 $4.00です。数学(73 対 65)、推論(59 対 52)、エージェント・ツール(65 対 59)を重視するならKimi K3.1 Pro、コーディング(62 対 60)を重視するならQwen3.8 Maxが向いています。Qwen3.8 Maxは出力が約1.5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、Qwen3.8 Maxが58.7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)。
  • Qwen3.8 Maxの100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
  • Qwen3.8 MaxはKimi K3.1 Proより出力が約1.5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34件のベンチマークのうち、Kimi K3.1 Proが29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Qwen3.8 Maxカテゴリスコア62 対 60;FrontierCode 2.0 (AA) 23.4% 対 25.4%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 59;APEX-Agents 65.5% 対 63.3%中
数学Kimi K3.1 Proカテゴリスコア73 対 65;ProofBench 91.0% 対 58.0%高
推論Kimi K3.1 Proカテゴリスコア59 対 52;HLE-Diamond (AA) 37.3% 対 24.0%高
知識どちらでもカテゴリスコア58 対 58;AA-Omniscience v1.1 29.9 対 10.5どちらでも
長い文書Kimi K3.1 Proカテゴリスコア68 対 65;AA-LCR v1.1 86.3% 対 80.3%中
画像などのメディアどちらでもカテゴリスコア66 対 66;MMMU-Pro 83.9% 対 82.8%どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはQwen3.8 Maxのみです(カテゴリスコア68)比較不可
最低コストQwen3.8 Max100万トークンあたりブレンド価格$3.00 対 $4.00;エージェント型コーディングセッション$0.144 対 $0.160–
回答開始の速さQwen3.8 Max最初の回答トークンまで119.6秒(Qwen3.8 Max (max))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Qwen3.8 Max (max)の品質は互角です(61.8 対 58.7、±4.5の誤差範囲内)。
  • Kimi K3.1 Proはエージェント・ツール、知識、長文コンテキスト、数学、マルチモーダル、推論で優れています。
  • Qwen3.8 Max (max)はコーディングで優れています。
  • Qwen3.8 Max (max)の方が1.3倍安くなっています(100万トークンあたりブレンド価格$3.00 対 $4.00)。
  • Qwen3.8 Max (max)の方が出力が2.0倍速くなっています(59 対 30トークン/秒)。

概要

仕様Kimi K3.1 ProQwen3.8 Max
プロバイダーMoonshot AIAlibaba
リリース日2026年10月23日2026年8月3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 ProQwen3.8 Max (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$2.00 / $6.00 / $0.250

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 ProQwen3.8 Max (max)トップ
推論59.251.5Kimi K3.1 Pro
コーディング59.661.6Qwen3.8 Max
エージェント・ツール64.658.5Kimi K3.1 Pro
数学73.465.2Kimi K3.1 Pro
知識58.258.0互角
人間の評価–67.5比較不可
マルチモーダル66.365.7互角
長文コンテキスト67.964.8Kimi K3.1 Pro
総合–45.0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: 66.3Qwen3.8 Max, 推論: 51.5Qwen3.8 Max, コーディング: 61.6Qwen3.8 Max, エージェント・ツール: 58.5Qwen3.8 Max, 数学: 65.2Qwen3.8 Max, 知識: 58.0Qwen3.8 Max, 長文コンテキスト: 64.8Qwen3.8 Max, マルチモーダル: 65.7

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34件のベンチマークのうち、Kimi K3.1 Proのリードが29件、Qwen3.8 Maxのリードが4件、同点が1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 ProQwen3.8 Max (max)トップ
BenchLeader Index61.858.7互角
AA Intelligence Index v5.0.146.533.6Kimi K3.1 Pro
Arena Text1485†1484Kimi 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 ProQwen3.8 Max (max)
100万トークンあたりのブレンド価格$4.00$3.00
100万トークンあたりの入力/出力$2.00 / $10.00$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.200$0.250
タスクあたりの価格:チャットの返答$0.0038$0.0026
タスクあたりの価格:30ページのレポートを要約$0.030$0.028
タスクあたりの価格:コード編集$0.027$0.021
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$0.144
タスクあたりの価格:構造化データの抽出$0.0060$0.0052
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$0.065
ベンチマークのタスクあたりのコスト(AA Index)$3.68$10.02
タスクあたりの出力トークン(AA Index)72k171k
うち推論44k120k
タスクあたりの時間(AA Index)40 min48 min
出力速度30 tok/s59 tok/s
回答開始までの時間157.4秒119.6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294.1秒

トークン単価とタスクあたりのコストは別物です。Artificial AnalysisのIntelligence Indexの平均的なタスクにかかったコストは、Kimi K3.1 Proで$3.68、Qwen3.8 Max (max)で$10.02でした。同じ作業でQwen3.8 Max (max)は2.4倍の出力トークンを書いています。これはトークン単価だけでは見えない差です。

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)。Qwen3.8 Max (max)のスコアは58.7、最初の回答トークンまで120秒。Qwen3.8 Max (xhigh)は56.6(3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

158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 ProQwen3.8 Max (max)
BenchLeader IndexBenchLeader61.858.7
エージェント・ツールスコアBenchLeader64.658.5
コーディングスコアBenchLeader59.661.6
知識スコアBenchLeader58.258.0
長文コンテキストスコアBenchLeader67.964.8
数学スコアBenchLeader73.465.2
マルチモーダルスコアBenchLeader66.365.7
推論スコアBenchLeader59.251.5
総合スコアBenchLeader–45.0
人間の評価スコアBenchLeader–67.5
ブレンド価格($/100万トークン)BenchLeader$4.00$3.00
出力速度BenchLeader30 tok/s59 tok/s
回答開始までの時間BenchLeader157.4秒119.6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
GPQA DiamondEpoch AI Benchmarking Hub–92.7%†
Arena Hard PromptsArena (LMArena)1504†1507
LiveBench 2.0 ReasoningLiveBench91.1%†88.2%
LiveBench 1.0 ReasoningLiveBench–88.2%
GPQA Diamond (AA)Artificial Analysis–92.8%
Humanity's Last Exam (AA)Artificial Analysis52.5%43.1%
HLE-Diamond (AA)Artificial Analysis37.3%24.0%
GPQA Diamond (Vals)Vals AI–93.7%
CritPtArtificial Analysis24.6%20.0%
CritPt v2 hard subset (AA)Artificial Analysis49.5%29.5%
MysteryMechanismVals AI26.1%†23.9%
Arena ExpertArena (LMArena)1515†1514
Chess PuzzlesEpoch AI Benchmarking Hub–46.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–38.0%†
LMCAEpoch AI Benchmarking Hub57.6%†46.2%†
DTBenchEpoch AI Benchmarking Hub93.3%†92.0%†
コーディング
SciCodeSciCode60.8%53.2%
Arena CodingArena (LMArena)1530†1523
Arena WebDevArena (LMArena)1687†1676
LiveBench 2.0 CodingLiveBench67.8%†60.9%
LiveBench 1.0 CodingLiveBench–72.9%
LiveCodeBenchVals AI–87.8%
IOIVals AI81.9%†68.9%
SWE-bench (Vals)Vals AI–85.6%
Code MigrationVals AI–24.0%
158件のベンチマークをすべて表示
指標公開元Kimi K3.1 ProQwen3.8 Max (max)
コーディング
ProgramBenchVals AI–0.0%
SWE-bench MultimodalVals AI–42.5%
Vibe Code Bench 1-100Vals AI–12.8%
Vibe Code Bench v1.1Vals AI84.9%†64.7%
SWE Atlas v1.1Scale AI SEAL61.1%64.4%
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%81.5%
SWE Atlas v1.1: Test WritingScale AI SEAL58.9%58.9%
SWE Atlas v1.1: RefactoringScale AI SEAL54.3%52.9%
MirrorCodeEpoch AI Benchmarking Hub–52.2%†
DeepSWE v1.1Epoch AI Benchmarking Hub–57.5%†
ALE-BenchEpoch AI Benchmarking Hub1932.8†1679.1†
FrontierSWEEpoch AI Benchmarking Hub–17.8%†
WeirdML v3WeirdML9.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis67.2%38.9%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.8%
Startrise FrontendStartrise–71.3%
GameBench 2 OverallDuelLab GameBench 278.354.2†
GameBench 2 by reasoning settingDuelLab GameBench 284.0†69.6†
Design Arena WebsiteDesign Arena13211269
FrontierCode 1.1 (AA)Artificial Analysis47.1%43.2%
FrontierCode 2.0 (AA)Artificial Analysis25.4%23.4%
エージェント・ツール
Terminal-BenchTerminal-Bench59.7%†27.0%
APEX-AgentsMercor65.5%63.3%
Arena AgentArena (LMArena)4.9†0.1
LiveBench Long AgenticLiveBench38.7%†26.6%
LiveBench BrowserLiveBench75.9%†49.4%
LiveBench Agentic CodingLiveBench–64.7%
Terminal-Bench 2.1 (Vals)Vals AI–67.4%
HiL-BenchScale AI SEAL61.3%–
τ³-bench Bankingτ²-bench–55.1%†
GDPval-AA v2.1, normalised scoreArtificial Analysis67.3%58.3%
GDPval-AA v2.1Artificial Analysis18611674
τ³-Banking (AA)Artificial Analysis–51.3%
ITBench SRE (AA)Artificial Analysis–40.3%
Analyst Agent (AA)Artificial Analysis38.8%45.0%
APEX-Agents (AA)Artificial Analysis–42.4%
CyberBenchVals AI–28.6%
Finance Agent v2Vals AI–50.6%
Finance Agent v2.1Vals AI61.5%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.7%†–
Harvey's Legal Agent Benchmark v1Vals AI–10.4%
Legal Research BenchVals AI37.5%†47.6%
SkillsBenchVals AI–42.0%
SREBenchVals AI27.1%†–
Tax Agent BenchVals AI24.9%†32.1%
Terminal-Bench 4.0 (Vals)Vals AI63.6%†34.3%
Terminal-Bench ScienceVals AI31.4%†12.9%
Arena SearchArena (LMArena)–1227
Arena Agent Task CompletionArena (LMArena)2.7†4.5
AutomationBenchArtificial Analysis73.3%56.2%
GDP.pdf (AA)Artificial Analysis31.4%22.8%
EnterpriseOps-GymArtificial Analysis–47.6%
AA-Briefcase v1.1Artificial Analysis16741604
GDPxGDPx by SemiAnalysis–3.5%
Design Arena AgenticDesign Arena13011264
Terminal-Bench-Science 0.1 (AA)Artificial Analysis34.3%11.9%
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%37.4%
FACTS SearchGoogle–85.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.7%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%†
ProofBenchVals AI91.0%58.0%
LiveBench MathematicsLiveBench–91.3%
ArXivMathMathArena58.3%†–
BrokenArXivMathArena61.9%†–
Arena MathsArena (LMArena)–1505
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub–47.3%†
LiveBench 2.0 Data AnalysisLiveBench79.1%†78.4%
LiveBench ResearchLiveBench82.1%†72.8%
LiveBench 1.0 Data AnalysisLiveBench–78.4%
AA-Omniscience v1.1Artificial Analysis29.910.5
MMLU-ProVals AI–88.6%
LegalBenchVals AI–83.6%
CorpFinVals AI–65.8%
TaxEvalVals AI–75.5%
PRBench FinanceScale AI SEAL47.5%–
PRBench LegalScale AI SEAL47.9%–
BioMysteryBenchVals AI75.6%†–
Excel Modeling BenchmarkVals AI–60.1%
Excel Modeling Benchmark v1.1Vals AI70.0%†66.0%
MedCodeVals AI–40.7%
MedScribeVals AI–85.0%
Public Benefits Bench v1.1Vals AI–67.1%
Access to Justice BenchmarkVals AI69.5%†76.4%
Financial Coaching BenchVals AI–75.6%
Immigration BenchVals AI–70.1%
DrugDiscoveryBenchScale AI SEAL63.4%†–
GDP.pdfEpoch AI Benchmarking Hub–23.2%†
AA-Omniscience v1.1: accuracyArtificial Analysis48.9%29.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis62.7%72.9%
FACTS ParametricGoogle–30.8%
指示追従
LiveBench LanguageLiveBench–79.7%
LiveBench Instruction FollowingLiveBench–74.1%
Arena Instruction FollowingArena (LMArena)1487†1478
人間の評価
Arena TextArena (LMArena)1485†1484
EQ-Bench Creative Writing v3EQ-Bench2173–
Arena Creative WritingArena (LMArena)1453†1472
Arena Multi-turnArena (LMArena)1475†1495
Arena Longer QueriesArena (LMArena)1491†1496
マルチモーダル
Arena VisionArena (LMArena)–1312
LiveBench DesignLiveBench73.7%†76.6%
MMMU-ProArtificial Analysis83.9%82.8%
MMMU-Pro (Vals)Vals AI–88.0%
MortgageTaxVals AI–64.0%
SAGEVals AI–81.8%
Humanity's Sixth SenseScale AI SEAL33.2%†33.0%
Furniture AssemblyEpoch AI Benchmarking Hub–20.0%†
VIALS-AAHandshake AI45.3%31.7%
Code2Video-AAArtificial Analysis–1021
AA-3DArtificial Analysis1112954
FACTS MultimodalGoogle–51.5%
長文コンテキスト
AA-LCR v1.1Artificial Analysis86.3%80.3%
MLCRArtificial Analysis38.3%26.1%
FACTS GroundingGoogle–73.8%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.4157.6
LiveBench 2.0LiveBench68.7%†60.9%
LiveBench 1.0LiveBench–78.5%
AA Intelligence Index v5.0.1Artificial Analysis46.533.6
AA Intelligence Index v4.3.2Artificial Analysis55.145.4
AA Progress Index v1Artificial Analysis340.7323.7
Vals IndexVals AI62.5†–
Vals Finance IndexVals AI56.0%†–
Vals RSI IndexVals AI–21.8%
Vals Science IndexVals AI44.4%†–
Vals Multimodal IndexVals AI–65.4%
Vals Legal IndexVals AI67.0%†–
AA Cyber IndexArtificial Analysis64.1–
安全性・誠実さ
FORTRESSScale AI SEAL18.6%–
DistressBenchScale AI SEAL–77.6%
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。
  • Qwen3.8 Max (max):スコアの改訂1件。
  • Kimi K3.1 Pro:スコアの改訂1件。
  • Qwen3.8 Max (max):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 Qwen3.8 Max:よくある質問

Kimi K3.1 ProはQwen3.8 Maxより優れていますか?
Kimi K3.1 ProとQwen3.8 Max (max)の品質は互角です(61.8 対 58.7、±4.5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Qwen3.8 Max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Qwen3.8 Maxの方が安く、100万トークンあたり$3.00 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Qwen3.8 Maxのどちらが向いていますか?
コーディングではQwen3.8 Maxの方がスコアが高くなっています(カテゴリ指標で62 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%、Qwen3.8 Maxが23.4%です。
Kimi K3.1 ProとQwen3.8 Maxはどちらが速いですか?
Qwen3.8 Maxの方が出力が約1.5倍速くなっています(出力59 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Qwen3.8 Max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 59。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%、Qwen3.8 Maxが63.3%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?
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 65)。どちらも約1Mトークンです(Kimi K3.1 Proは1,048,576、Qwen3.8 Maxは1,000,000)。
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Qwen3.8 Maxです。Artificial Analysisの測定では、最初の回答トークンまで119.6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Qwen3.8 Max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34件のベンチマークのうち、Kimi K3.1 Proのリードが29件、Qwen3.8 Maxのリードが4件、同点が1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。