BenchLeader

Kimi K3 vs Step 5 Preview

詳しいプロフィール:Kimi K3(Moonshot AI)とStep 5 Preview(StepFun)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 13件の情報源のデータ

2026年11月16日時点で、品質ではKimi K3がStep 5 Previewを上回ります(BenchLeader Indexで60.7 対 56.0)。ただし、価格はStep 5 Previewの方が4.2倍安く、100万トークンあたりのブレンド価格で$1.43 対 $6.00です。両方を測定できるすべてのカテゴリでKimi K3がリードしています。Step 5 Previewの方が出力が約1.5倍速いです。

要点(2026年11月16日時点)

  • BenchLeader IndexはKimi K3が60.7、Step 5 Previewが56.0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)。
  • Step 5 Previewの100万トークンあたりのブレンド価格は$1.43です(定価、2026年11月16日)。
  • Step 5 PreviewはKimi K3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)。

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Kimi K3カテゴリスコア62 対 50;SciCode 58.7% 対 58.9%高
エージェント・ツール利用Kimi K3カテゴリスコア54 対 49中
数学Kimi K3カテゴリスコア72 対 60;ProofBench 87.0% 対 42.0%高
知識Kimi K3カテゴリスコア66 対 54高
チャットの質(人間の評価)Kimi K3Arenaの投票で69 対 63中
最低コストStep 5 Preview100万トークンあたりブレンド価格$1.43 対 $6.00;エージェント型コーディングセッション$0.071 対 $0.240–
回答開始の速さKimi K3最初の回答トークンまで0.8秒(Kimi K3)対 23.5秒(Step 5 Preview)–
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

  • 品質ではKimi K3がリードしています:60.7 対 56.0。
  • Kimi K3はエージェント・ツール、コーディング、人間の評価、知識、数学で優れています。
  • Step 5 Previewの方が4.2倍安くなっています(100万トークンあたりブレンド価格$1.43 対 $6.00)。
  • Step 5 Previewの方が出力が1.6倍速くなっています(124 対 76トークン/秒)。

概要

仕様Kimi K3Step 5 Preview
プロバイダーMoonshot AIStepFun
リリース日2026年7月16日2026年9月18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 K3Step 5 Preview
オープンウェイトありあり
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$1.00 / $2.70 / $0.105

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 K3Step 5 Previewトップ
推論–51.7比較不可
コーディング61.849.9Kimi K3
エージェント・ツール53.549.1Kimi K3
数学71.560.1Kimi K3
知識66.153.7Kimi K3
人間の評価68.663.1Kimi K3
マルチモーダル–59.3比較不可
長文コンテキスト–69.0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コーディングエージェント・ツール数学知識人間の評価Kimi K3, コーディング: 61.8Kimi K3, エージェント・ツール: 53.5Kimi K3, 数学: 71.5Kimi K3, 知識: 66.1Kimi K3, 人間の評価: 68.6Step 5 Preview, コーディング: 49.9Step 5 Preview, エージェント・ツール: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知識: 53.7Step 5 Preview, 人間の評価: 63.1

描画していないもの(測定済みのモデルが2つ未満):推論, 指示追従, 長文コンテキスト, マルチモーダル。

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2件のベンチマークのうち、Kimi K3のリードが1件、Step 5 Previewのリードが1件です。第三者の総合指標でも評価が分かれ、Kimi K3はBenchLeader Index、Arena Textで、Step 5 PreviewはAA Intelligence Index v5.0.1、Vals Indexでリードしています。

総合IndexKimi K3Step 5 Previewトップ
BenchLeader Index60.756.0Kimi K3
AA Intelligence Index v5.0.117.4†28.5Step 5 Preview
Vals Index53.0†54.8Step 5 Preview
Arena Text1487†1449Kimi K3

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 K3Step 5 Preview
100万トークンあたりのブレンド価格$6.00$1.43
100万トークンあたりの入力/出力$3.00 / $15.00$1.00 / $2.70
100万トークンあたりのキャッシュ入力$0.300$0.105
タスクあたりの価格:チャットの返答$0.0057$0.0012
タスクあたりの価格:30ページのレポートを要約$0.045$0.014
タスクあたりの価格:コード編集$0.041$0.010
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$0.071
タスクあたりの価格:構造化データの抽出$0.0090$0.0025
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$0.030
ベンチマークのタスクあたりのコスト(AA Index)–$2.35
タスクあたりの出力トークン(AA Index)–113k
うち推論–80k
タスクあたりの時間(AA Index)–15 min
出力速度76 tok/s124 tok/s
回答開始までの時間0.8秒23.5秒
回答が完了するまでの時間(最終測定2026年11月13日)–54.4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)。Step 5 Previewのスコアは56.0、最初の回答トークンまで24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

173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 K3Step 5 Preview
BenchLeader IndexBenchLeader60.756.0
エージェント・ツールスコアBenchLeader53.549.1
コーディングスコアBenchLeader61.849.9
人間の評価スコアBenchLeader68.663.1
知識スコアBenchLeader66.153.7
数学スコアBenchLeader71.560.1
長文コンテキストスコアBenchLeader–69.0
マルチモーダルスコアBenchLeader–59.3
推論スコアBenchLeader–51.7
ブレンド価格($/100万トークン)BenchLeader$6.00$1.43
出力速度BenchLeader76 tok/s124 tok/s
回答開始までの時間BenchLeader0.8秒23.5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 Hub93.1%†–
SimpleBenchSimpleBench60.7%†–
Arena Hard PromptsArena (LMArena)1516†1477
LiveBench 2.0 ReasoningLiveBench90.7%†83.8%†
LiveBench 1.0 ReasoningLiveBench90.7%–
GPQA Diamond (AA)Artificial Analysis93.5%†–
Humanity's Last Exam (AA)Artificial Analysis46.9%†46.5%
HLE-Diamond (AA)Artificial Analysis26.9%†24.3%
GPQA Diamond (Vals)Vals AI92.9%–
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize60.4%†–
CritPtArtificial Analysis23.4%†20.9%
CritPt v2 hard subset (AA)Artificial Analysis40.5%†32.5%
MysteryMechanismVals AI–18.5%
HLE-Diamond (Scale)Scale AI SEAL22.2%–
Arena ExpertArena (LMArena)1528†1489
Chess PuzzlesEpoch AI Benchmarking Hub36.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub26.0%†–
LMCAEpoch AI Benchmarking Hub52.7%†–
DTBenchEpoch AI Benchmarking Hub91.2%†–
ForecastBenchForecastBench64.2%†–
コーディング
SciCodeSciCode58.7%58.9%
WeirdMLWeirdML82.6%†–
FrontierCodeCognition44.2%–
Arena CodingArena (LMArena)1538†1505
173件のベンチマークをすべて表示
指標公開元Kimi K3Step 5 Preview
コーディング
Arena WebDevArena (LMArena)1658†1573†
LiveBench 2.0 CodingLiveBench53.1%†67.6%†
LiveBench 1.0 CodingLiveBench81.5%–
SciCode (AA)Artificial Analysis59.5%†58.9%
LiveCodeBenchVals AI87.2%†–
IOIVals AI48.9%†38.1%
SWE-bench (Vals)Vals AI93.4%–
Code MigrationVals AI16.1%†39.0%
Code Migration v1.1Vals AI28.6%†47.0%
ProgramBenchVals AI2.0%–
SWE-bench MultimodalVals AI44.2%†40.8%
Vibe Code Bench 1-100Vals AI18.2%†–
Vibe Code Bench v1.1Vals AI85.0%†70.4%
SWE Atlas v1.1Scale AI SEAL61.0%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL65.3%–
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%–
SWE Atlas v1.1: RefactoringScale AI SEAL54.3%–
SWE-Bench Pro V2Scale AI SEAL97.7%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub54.4%†–
Surface Evolver BenchEpoch AI Benchmarking Hub95.0%–
DeepSWE v1.1Epoch AI Benchmarking Hub68.5%†–
ALE-BenchEpoch AI Benchmarking Hub1524.5†–
FrontierSWEEpoch AI Benchmarking Hub25.9%†–
WeirdML v3WeirdML7.5%†–
Terminal-Bench 4.0 (AA)Artificial Analysis12.6%†33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis85.0%†–
Startrise FrontendStartrise79.8%–
GameBench 2 OverallDuelLab GameBench 248.0–
GameBench 2 by reasoning settingDuelLab GameBench 245.7†–
Design Arena WebsiteDesign Arena1336–
FrontierCode 1.1 (AA)Artificial Analysis43.6%†38.4%
FrontierCode 2.0 (AA)Artificial Analysis10.9%†12.0%
エージェント・ツール
Terminal-BenchTerminal-Bench23.0%†–
APEX-AgentsMercor47.8%–
Arena AgentArena (LMArena)0.6†-3.7
LiveBench Long AgenticLiveBench36.0%†19.4%†
LiveBench BrowserLiveBench75.2%†24.8%†
LiveBench Agentic CodingLiveBench62.2%–
Terminal-Bench 2.1 (Vals)Vals AI80.9%–
MCP AtlasScale AI SEAL82.3%†–
HiL-BenchScale AI SEAL42.7%–
τ³-bench Bankingτ²-bench37.1%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–54.3%
GDPval-AA v2.1Artificial Analysis1542†1591
τ³-Banking (AA)Artificial Analysis46.0%†–
ITBench SRE (AA)Artificial Analysis47.7%†55.6%
Analyst Agent (AA)Artificial Analysis38.8%†35.0%
APEX-Agents (AA)Artificial Analysis41.3%†38.0%
CyberBenchVals AI75.2%†–
Finance Agent v2Vals AI53.1%†50.7%
Finance Agent v2.1Vals AI60.0%†58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI12.9%†12.9%
Harvey's Legal Agent Benchmark v1Vals AI12.9%†9.2%
Legal Research BenchVals AI46.1%†40.4%
SREBenchVals AI–0.4%
Tax Agent BenchVals AI33.4%†27.3%
Terminal-Bench 4.0 (Vals)Vals AI17.2%†31.8%
Terminal-Bench ScienceVals AI1.4%†2.9%
Time Horizon Index: KSPVals AI10.5%†–
Arena Agent Task CompletionArena (LMArena)3.4†-1.5
PostTrainBenchEpoch AI Benchmarking Hub31.5%–
GBAEvalEpoch AI Benchmarking Hub48.4%–
Vending-Bench 2Andon Labs5165.0–
AutomationBenchArtificial Analysis58.3%†51.0%
GDP.pdf (AA)Artificial Analysis22.0%†14.8%
Harvey LAB-AA v1.1Harvey5.3%†–
EnterpriseOps-GymArtificial Analysis45.3%†47.2%
AA-Briefcase v1.1Artificial Analysis1497†1424
GDPxGDPx by SemiAnalysis3.7%†–
Design Arena AgenticDesign Arena1261–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis8.1%†2.4%
CWE-Bench (AA)Artificial Analysis53.3%†52.5%
DeepSec-Bench (AA)Artificial Analysis12.4%†15.8%
CyberGym end-to-end (AA)Artificial Analysis58.0%†74.8%
MKA (AA)Artificial Analysis–27.6%
FACTS SearchGoogle90.3%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub72.2%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub39.0%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%†–
ProofBenchVals AI87.0%42.0%
LiveBench MathematicsLiveBench84.4%–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena97.0%†–
MathArena ApexMathArena65.6%†–
Arena MathsArena (LMArena)1502†1470
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%†–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub50.6%†–
LiveBench 2.0 Data AnalysisLiveBench78.7%†63.5%†
LiveBench ResearchLiveBench79.8%†75.5%†
LiveBench 1.0 Data AnalysisLiveBench78.7%–
AA-Omniscience v1.1Artificial Analysis-1.7†16.4
MMLU-ProVals AI88.0%†–
LegalBenchVals AI86.2%†–
CorpFinVals AI71.6%–
TaxEvalVals AI75.7%–
BioMysteryBenchVals AI72.6%†67.4%
Excel Modeling BenchmarkVals AI66.7%†57.1%
Excel Modeling Benchmark v1.1Vals AI71.3%†69.5%
MedCodeVals AI49.4%†–
MedScribeVals AI88.0%†–
Public Benefits Bench v1.1Vals AI68.2%†58.1%
Access to Justice BenchmarkVals AI68.2%†–
Financial Coaching BenchVals AI74.5%†–
Immigration BenchVals AI68.3%†–
GDP.pdfEpoch AI Benchmarking Hub19.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis42.4%†36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis23.4%†68.7%
HealthBench Professional (AA)OpenAI53.2%†–
指示追従
LiveBench LanguageLiveBench85.5%–
LiveBench Instruction FollowingLiveBench71.4%–
Arena Instruction FollowingArena (LMArena)1489†1450
人間の評価
Arena TextArena (LMArena)1487†1449
EQ-Bench 4EQ-Bench1319–
EQ-Bench Creative Writing v3EQ-Bench2083–
Arena Creative WritingArena (LMArena)1459†1413
Arena Multi-turnArena (LMArena)1502†1445
Arena Longer QueriesArena (LMArena)1500†1461
マルチモーダル
Arena VisionArena (LMArena)–1263
LiveBench DesignLiveBench72.5%†70.8%†
MMMU-ProArtificial Analysis80.5%†76.4%
MMMU-Pro (Vals)Vals AI88.2%–
MortgageTaxVals AI66.3%–
SAGEVals AI86.8%†–
Humanity's Sixth SenseScale AI SEAL25.5%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub29.5%–
Furniture AssemblyEpoch AI Benchmarking Hub34.2%†–
Code2Video-AAArtificial Analysis1041†821
AA-3DArtificial Analysis984†859
長文コンテキスト
AA-LCR v1.1Artificial Analysis88.7%†88.3%
MLCRArtificial Analysis21.7%†18.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.6–
LiveBench 2.0LiveBench65.0%†54.9%†
LiveBench 1.0LiveBench79.2%–
AA Intelligence Index v5.0.1Artificial Analysis17.4†28.5
AA Intelligence Index v4.3.2Artificial Analysis43.6†43.7
AA Progress Index v1Artificial Analysis319.9†318.2
Vals IndexVals AI53.0†54.8
Vals Finance IndexVals AI58.0%†55.4%
Vals RSI IndexVals AI20.9%†–
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI73.4%–
Vals Router IndexVals AI53.0%–
Vals Legal IndexVals AI71.7%†70.2%
AA Cyber IndexArtificial Analysis41.3†47.7
安全性・誠実さ
FORTRESSScale AI SEAL27.3%–
DistressBenchScale AI SEAL73.5%–
メタデータ
AA Openness IndexArtificial Analysis38.9†33.3

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:BenchLeader Index 59.1 → 60.7。
  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Kimi K3:スコアの改訂1件。
  • Step 5 Preview:スコアの改訂1件。
  • Kimi K3:スコアの改訂4件。
  • Step 5 Preview:スコアの改訂7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。

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 vs Step 5 Preview:よくある質問

Kimi K3はStep 5 Previewより優れていますか?
品質ではKimi K3がリードしています:60.7 対 56.0。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日時点では総合でKimi K3が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
Kimi K3とStep 5 Preview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Step 5 Previewの方が安く、100万トークンあたり$1.43 対 $6.00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とStep 5 Previewのどちらが向いていますか?
コーディングではKimi K3の方がスコアが高くなっています(カテゴリ指標で62 対 50。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SciCodeでは、Kimi K3が58.7%、Step 5 Previewが58.9%です。
Kimi K3とStep 5 Previewはどちらが速いですか?
Step 5 Previewの方が出力が約1.5倍速くなっています(出力124 対 76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とStep 5 Preview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の方がスコアが高くなっています(カテゴリ指標で54 対 49。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?
どちらも約1Mトークンです(Kimi K3は1,048,576、Step 5 Preview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Kimi K3です。Artificial Analysisの測定では、最初の回答トークンまで0.8秒 対 23.5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とStep 5 Preview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2件のベンチマークのうち、Kimi K3のリードが1件、Step 5 Previewのリードが1件です。第三者の総合指標でも評価が分かれ、Kimi K3はBenchLeader Index、Arena Textで、Step 5 PreviewはAA Intelligence Index v5.0.1、Vals Indexでリードしています。
Step 5 Previewはいつリリースされましたか?
Step 5 Previewは2026年9月18日にリリースされました。