Kimi K3 vs Muse Wonder Full
詳しいプロフィール:Kimi K3(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 · 14件の情報源のデータ
2026年11月16日時点で、Kimi K3とMuse Wonder Fullの品質は互角です(BenchLeader Indexで60.7 対 61.7、±6.5の誤差範囲内)。知識(66 対 62)を重視するならKimi K3、エージェント・ツール(64 対 54)、コーディング(70 対 62)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が60.7、Muse Wonder Fullが61.7です(BenchLeader、2026年11月16日)。
- Kimi K3の100万トークンあたりのブレンド価格は$6.00です(定価、2026年11月16日)。
- 両モデルに結果がある1件のベンチマークのうち、Kimi K3が1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。
主な違い
- Kimi K3とMuse Wonder Full (max)の品質は互角です(60.7 対 61.7、±6.5の誤差範囲内)。
- Kimi K3は知識で優れています。
- Muse Wonder Full (max)はエージェント・ツール、コーディングで優れています。
概要
| 仕様 | Kimi K3 | Muse Wonder Full |
|---|---|---|
| プロバイダー | Moonshot AI | Meta |
| リリース日 | 2026年7月16日 | 2026年10月12日 |
| コンテキストウィンドウ(トークン) | 1,048,576 | 1,000,000 |
| 比較した構成 | Kimi K3 | Muse 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) | $3.00 / $15.00 / $0.300 | – |
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 | Muse Wonder Full (max) | トップ |
|---|---|---|---|
| 推論 | – | 65.8 | 比較不可 |
| コーディング | 61.8 | 69.9 | Muse Wonder Full |
| エージェント・ツール | 53.5 | 63.6 | Muse Wonder Full |
| 数学 | 71.5 | – | 比較不可 |
| 知識 | 66.1 | 62.3 | Kimi K3 |
| 人間の評価 | 68.6 | – | 比較不可 |
| 長文コンテキスト | – | 66.6 | 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。
描画していないもの(測定済みのモデルが2つ未満):推論, 数学, 指示追従, 長文コンテキスト, マルチモーダル, 人間の評価。
情報源で評価が分かれる点
両方に結果がある1件のベンチマークのうち、Kimi K3のリードが1件、Muse Wonder Fullのリードが0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Index | Kimi K3 | Muse Wonder Full (max) | トップ |
|---|---|---|---|
| BenchLeader Index | 60.7 | 61.7 | 互角 |
| AA Intelligence Index v5.0.1 | 17.4† | 50.1 | Muse Wonder Full |
| Vals Index | 53.0† | 66.8 | Muse 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 | Muse Wonder Full (max) |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $6.00 | – |
| 100万トークンあたりの入力/出力 | $3.00 / $15.00 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.300 | – |
| タスクあたりの価格:チャットの返答 | $0.0057 | – |
| タスクあたりの価格:30ページのレポートを要約 | $0.045 | – |
| タスクあたりの価格:コード編集 | $0.041 | – |
| 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 | $0.240 | – |
| タスクあたりの価格:構造化データの抽出 | $0.0090 | – |
| 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) | $0.118 | – |
| タスクあたりの出力トークン(AA Index) | – | 88k |
| うち推論 | – | 55k |
| 出力速度 | 76 tok/s | – |
| 回答開始までの時間 | 0.8秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Kimi K3のスコアは60.7、最初の回答トークンまで1秒。Kimi K3 (max)は60.2(55秒)、Kimi K3 (low)は53.6(8秒)。Muse Wonder Full (max)のスコアは61.7。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
172件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Kimi K3 | Muse Wonder Full (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 60.7 | 61.7 |
| エージェント・ツールスコア | BenchLeader | 53.5 | 63.6 |
| コーディングスコア | BenchLeader | 61.8 | 69.9 |
| 人間の評価スコア | BenchLeader | 68.6 | – |
| 知識スコア | BenchLeader | 66.1 | 62.3 |
| 数学スコア | BenchLeader | 71.5 | – |
| 長文コンテキストスコア | BenchLeader | – | 66.6 |
| 推論スコア | BenchLeader | – | 65.8 |
| ブレンド価格($/100万トークン) | BenchLeader | $6.00 | – |
| 出力速度 | BenchLeader | 76 tok/s | – |
| 回答開始までの時間 | BenchLeader | 0.8秒 | – |
| コンテキストウィンドウ | BenchLeader | 1,048,576トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 93.1%† | – |
| SimpleBench | SimpleBench | 60.7%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1516† | – |
| LiveBench 2.0 Reasoning | LiveBench | 90.7%† | – |
| LiveBench 1.0 Reasoning | LiveBench | 90.7% | – |
| GPQA Diamond (AA) | Artificial Analysis | 93.5%† | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 46.9%† | 53.6% |
| HLE-Diamond (AA) | Artificial Analysis | 26.9%† | 48.5% |
| GPQA Diamond (Vals) | Vals AI | 92.9% | – |
| ARC-AGI-1 | ARC Prize | 94.5%† | – |
| ARC-AGI-2 | ARC Prize | 60.4%† | – |
| CritPt | Artificial Analysis | 23.4%† | 32.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 40.5%† | 56.5% |
| MysteryMechanism | Vals AI | – | 35.1% |
| HLE-Diamond (Scale) | Scale AI SEAL | 22.2% | – |
| Arena Expert | Arena (LMArena) | 1528† | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 36.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 26.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 52.7%† | – |
| DTBench | Epoch AI Benchmarking Hub | 91.2%† | – |
| ForecastBench | ForecastBench | 64.2%† | – |
| コーディング | |||
| SciCode | SciCode | 58.7% | – |
| WeirdML | WeirdML | 82.6%† | – |
| FrontierCode | Cognition | 44.2% | – |
| Arena Coding | Arena (LMArena) | 1538† | – |
172件のベンチマークをすべて表示
| 指標 | 公開元 | Kimi K3 | Muse Wonder Full (max) |
|---|---|---|---|
| コーディング | |||
| Arena WebDev | Arena (LMArena) | 1658† | 1724 |
| LiveBench 2.0 Coding | LiveBench | 53.1%† | – |
| LiveBench 1.0 Coding | LiveBench | 81.5% | – |
| SciCode (AA) | Artificial Analysis | 59.5%† | 62.6% |
| LiveCodeBench | Vals AI | 87.2%† | – |
| IOI | Vals AI | 48.9%† | 79.8% |
| SWE-bench (Vals) | Vals AI | 93.4% | – |
| Code Migration | Vals AI | 16.1%† | 61.0% |
| Code Migration v1.1 | Vals AI | 28.6%† | 62.8% |
| ProgramBench | Vals AI | 2.0% | 0.5% |
| SWE-bench Multimodal | Vals AI | 44.2%† | 47.3% |
| Vibe Code Bench 1-100 | Vals AI | 18.2%† | 34.0% |
| Vibe Code Bench v1.1 | Vals AI | 85.0%† | 86.0% |
| SWE Atlas v1.1 | Scale AI SEAL | 61.0% | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 65.3% | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 63.3% | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 54.3% | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 97.7%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 88.2%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 54.4%† | – |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 95.0% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 68.5%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1524.5† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 25.9%† | – |
| WeirdML v3 | WeirdML | 7.5%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 12.6%† | 57.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 85.0%† | – |
| Startrise Frontend | Startrise | 79.8% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 48.0 | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 45.7† | – |
| Design Arena Website | Design Arena | 1336 | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | 43.6%† | 44.9% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 10.9%† | 37.8% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 23.0%† | – |
| APEX-Agents | Mercor | 47.8% | – |
| Arena Agent | Arena (LMArena) | 0.6† | 9 |
| LiveBench Long Agentic | LiveBench | 36.0%† | – |
| LiveBench Browser | LiveBench | 75.2%† | – |
| LiveBench Agentic Coding | LiveBench | 62.2% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 80.9% | – |
| MCP Atlas | Scale AI SEAL | 82.3%† | – |
| HiL-Bench | Scale AI SEAL | 42.7% | – |
| τ³-bench Banking | τ²-bench | 37.1%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 67.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1542† | 1857 |
| τ³-Banking (AA) | Artificial Analysis | 46.0%† | – |
| ITBench SRE (AA) | Artificial Analysis | 47.7%† | – |
| Analyst Agent (AA) | Artificial Analysis | 38.8%† | – |
| APEX-Agents (AA) | Artificial Analysis | 41.3%† | – |
| CyberBench | Vals AI | 75.2%† | 73.6% |
| Finance Agent v2 | Vals AI | 53.1%† | 59.1% |
| Finance Agent v2.1 | Vals AI | 60.0%† | 67.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 12.9%† | 23.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 12.9%† | 21.7% |
| Legal Research Bench | Vals AI | 46.1%† | 53.4% |
| Robo-bench | Vals AI | – | 10.4% |
| SREBench | Vals AI | – | 11.8% |
| Tax Agent Bench | Vals AI | 33.4%† | 43.0% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 17.2%† | 58.1% |
| Terminal-Bench Science | Vals AI | 1.4%† | 37.1% |
| Time Horizon Index: KSP | Vals AI | 10.5%† | – |
| Arena Agent Task Completion | Arena (LMArena) | 3.4† | 11.1 |
| PostTrainBench | Epoch AI Benchmarking Hub | 31.5% | – |
| GBAEval | Epoch AI Benchmarking Hub | 48.4% | – |
| Vending-Bench 2 | Andon Labs | 5165.0 | – |
| AutomationBench | Artificial Analysis | 58.3%† | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | 22.0%† | 32.6% |
| Harvey LAB-AA v1.1 | Harvey | 5.3%† | 13.1% |
| EnterpriseOps-Gym | Artificial Analysis | 45.3%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1497† | 1729 |
| GDPx | GDPx by SemiAnalysis | 3.7%† | 9.0% |
| Design Arena Agentic | Design Arena | 1261 | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 8.1%† | 37.1% |
| CWE-Bench (AA) | Artificial Analysis | 53.3%† | – |
| DeepSec-Bench (AA) | Artificial Analysis | 12.4%† | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 58.0%† | – |
| FACTS Search | 90.3% | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 72.2%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 39.0%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 97.2%† | – |
| ProofBench | Vals AI | 87.0% | – |
| LiveBench Mathematics | LiveBench | 84.4% | – |
| AIME 2026 | MathArena | 96.7%† | – |
| HMMT February 2026 | MathArena | 97.0%† | – |
| MathArena Apex | MathArena | 65.6%† | – |
| Arena Maths | Arena (LMArena) | 1502† | – |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0%† | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 50.6%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | 78.7%† | – |
| LiveBench Research | LiveBench | 79.8%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 78.7% | – |
| AA-Omniscience v1.1 | Artificial Analysis | -1.7† | 30.6 |
| MMLU-Pro | Vals AI | 88.0%† | – |
| LegalBench | Vals AI | 86.2%† | 87.4% |
| CorpFin | Vals AI | 71.6% | – |
| TaxEval | Vals AI | 75.7% | – |
| BioMysteryBench | Vals AI | 72.6%† | 73.3% |
| Excel Modeling Benchmark | Vals AI | 66.7%† | 71.9% |
| Excel Modeling Benchmark v1.1 | Vals AI | 71.3%† | 75.0% |
| MedCode | Vals AI | 49.4%† | 49.9% |
| MedScribe | Vals AI | 88.0%† | 89.3% |
| Public Benefits Bench v1.1 | Vals AI | 68.2%† | 73.8% |
| Access to Justice Benchmark | Vals AI | 68.2%† | 74.7% |
| Financial Coaching Bench | Vals AI | 74.5%† | 75.0% |
| Immigration Bench | Vals AI | 68.3%† | 71.2% |
| GDP.pdf | Epoch AI Benchmarking Hub | 19.0%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 42.4%† | 41.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 23.4%† | 82.4% |
| HealthBench Professional (AA) | OpenAI | 53.2%† | – |
| 指示追従 | |||
| LiveBench Language | LiveBench | 85.5% | – |
| LiveBench Instruction Following | LiveBench | 71.4% | – |
| Arena Instruction Following | Arena (LMArena) | 1489† | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1487† | – |
| EQ-Bench 4 | EQ-Bench | 1319 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2083 | – |
| Arena Creative Writing | Arena (LMArena) | 1459† | – |
| Arena Multi-turn | Arena (LMArena) | 1502† | – |
| Arena Longer Queries | Arena (LMArena) | 1500† | – |
| マルチモーダル | |||
| LiveBench Design | LiveBench | 72.5%† | – |
| MMMU-Pro | Artificial Analysis | 80.5%† | – |
| MMMU-Pro (Vals) | Vals AI | 88.2% | – |
| MortgageTax | Vals AI | 66.3% | – |
| SAGE | Vals AI | 86.8%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | 25.5%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 29.5% | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 34.2%† | – |
| Code2Video-AA | Artificial Analysis | 1041† | – |
| AA-3D | Artificial Analysis | 984† | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 88.7%† | 83.7% |
| MLCR | Artificial Analysis | 21.7%† | 22.2% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 158.6 | – |
| LiveBench 2.0 | LiveBench | 65.0%† | – |
| LiveBench 1.0 | LiveBench | 79.2% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 17.4† | 50.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 43.6† | 55.8 |
| AA Progress Index v1 | Artificial Analysis | 319.9† | 343.2 |
| Vals Index | Vals AI | 53.0† | 66.8 |
| Vals Finance Index | Vals AI | 58.0%† | 64.5% |
| Vals RSI Index | Vals AI | 20.9%† | 24.4% |
| Vals Science Index | Vals AI | – | 48.5% |
| Vals Multimodal Index | Vals AI | 73.4% | – |
| Vals Router Index | Vals AI | 53.0% | 66.8%† |
| Vals Legal Index | Vals AI | 71.7%† | 77.9% |
| AA Cyber Index | Artificial Analysis | 41.3† | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 27.3% | – |
| DistressBench | Scale AI SEAL | 73.5% | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 38.9† | – |
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:BenchLeader Index 59.1 → 60.7。
- Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
- Kimi K3:スコアの改訂1件。
- Kimi K3:スコアの改訂4件。
- Kimi K3:スコアの改訂1件。
- Kimi K3:新しい結果1件(FACTS Search)。
- Kimi K3:スコアの改訂1件。
- Muse Wonder Full (max):スコアの改訂1件。
- Muse Wonder Full (max):スコアの改訂1件。
- Muse Wonder Full (max):新しい結果1件(Arena Agent)。
関連する比較
- Kimi K3 vs Claude Opus 5.5
- Muse Wonder Full vs Claude Fable 5.2
- Muse Wonder Full vs Gemini 4 Carbon
- Muse Wonder Full vs Claude Opus 5.5
- Muse Wonder Full vs GPT-6 Astra
- Kimi K3 vs GPT-6.1 Sol
- Kimi K3 vs GPT-5.6 Sol
- Kimi K3 vs Gemini 4 Argon
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 vs Muse Wonder Full:よくある質問
- Kimi K3はMuse Wonder Fullより優れていますか?
- Kimi K3とMuse Wonder Full (max)の品質は互角です(60.7 対 61.7、±6.5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。
- コーディングにはKimi K3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 62。50が平均)。
- エージェントやツール利用にはKimi K3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64 対 54。50が平均)。
- 長い文書にはどちらが向いていますか?
- どちらも約1Mトークンです(Kimi K3は1,048,576、Muse Wonder Fullは1,000,000)。
- Kimi K3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1件のベンチマークのうち、Kimi K3のリードが1件、Muse Wonder Fullのリードが0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)
- Muse Wonder Fullはいつリリースされましたか?
- Muse Wonder Fullは2026年10月12日にリリースされました。