--- title: "Kimi K3 ベンチマーク比較 2026 — Fable 5・GPT-5.6 Sol・GLM-5.2との性能差" description: "【2026年7月最新】Kimi K3の全ベンチマークスコアをClaude Fable 5・GPT-5.6 Sol・GLM-5.2と徹底比較。総合知能指数・コーディング・推論・エージェント・価格の5項目で検証し、専門家の評価と実際のタスクコストを分析します。" url: "https://kylon.io/ja/blog/kimi-k3-benchmark-2026" language: "ja" --- MEDIA AI活用の最前線 [HOME](https://kylon.io/ja)\>[ブログ](https://kylon.io/ja/blog)\>[比較と代替ツール](https://kylon.io/ja/blog/topics/comparisons)\>【2026年7月最新】Kimi K3ベンチマーク徹底比較 — Fable 5・GPT-5.6 Sol・GLM-5.2との実力差を検証 Compare2026年7月18日·14 min read # 【2026年7月最新】Kimi K3ベンチマーク徹底比較 — Fable 5・GPT-5.6 Sol・GLM-5.2との実力差を検証 Moonshot AIが公開した2.8兆パラメータのオープンウェイトモデルKimi K3。Artificial Analysis第3位、Arenaフロントエンド開発第1位の実力を、主要ベンチマークと専門家の評価をもとに検証します。 K Kylon Team Product · 14 min read 2026年7月16日、Moonshot AIは新モデル**Kimi K3**を公開しました。パラメータ数は2.8兆です。100万トークンのコンテキストウィンドウを備えます。ネイティブの画像・動画認識にも対応するオープンウェイトモデルです。公開から24時間以内に、Arenaのフロントエンド開発リーダーボードで第1位を獲得しました。Artificial AnalysisのIntelligence Indexでは第3位の水準に達しました。 本記事では、**Kimi K3**のベンチマークスコアを、Anthropicの**Claude Fable 5**、OpenAIの**GPT-5.6 Sol**、Zhipu AIの**GLM-5.2**と項目別に比較します。あわせて、モデル性能だけでは解決できないAIエージェント活用の論点を整理します。 ## 総合知能指数：Artificial Analysis Intelligence Index Artificial Analysisは、GDPval-AA v2、Terminal-Bench 2.1、SciCodeなど9評価を統合した総合知能指数を公開しています。Humanity's Last Exam、GPQA Diamondも評価対象です。189モデル中の順位は、以下の通りです。 ![Artificial Analysis Intelligence Index v4.1 — Kimi K3は第4位（モデルファミリー別では実質第3位）](https://kylon.io/blog-assets/kimi-k3-intelligence-index.webp) Artificial Analysis Intelligence Index v4.1（2026年7月16日時点）。出典：Artificial Analysis、チャート：Kingy AI - **Claude Fable 5（max）** — 60点（上位2%） - **GPT-5.6 Sol（max）** — 59点（上位2%） - **Kimi K3** — 57.1点（上位3%） - **Claude Opus 4.8** — 約57点（上位3%） - **GPT-5.5** — 約55点（上位4%） **Kimi K3**はフロンティアモデルの水準に達しました。一方、総合指数では**Fable 5**と**GPT-5.6 Sol**を約3点下回りました。ただし、この差は歴史的に見れば小さい範囲にとどまります。 KYLON公式LINE ### 仕事で使える生成AI情報を、LINEで毎週チェック 重要な生成AIニュースと、企業での活用事例をコンパクトにお届けします。営業、顧客対応、採用、バックオフィスで使える実務のヒントも、週ごとにまとめます。 [Kylon公式LINEを友だち追加](https://lin.ee/UM9AHkx) ![Kylon公式LINE QRコード](https://kylon.io/assets/line-qr.png)登録は無料です。配信停止はいつでもLINE上で設定できます。 ## Arenaリーダーボード：ブラインド比較で第1位 Arenaは、モデル名を伏せた状態でユーザーが出力を比較し、勝者を選ぶリーダーボードです。Text Arena、Code Arena、Agent Arenaの3部門では**Fable 5**が首位を維持しています。一方、フロントエンドWeb開発部門では、**Kimi K3**が1,679点で首位を獲得しました。**Fable 5**は1,631点、**GPT-5.6 Sol**は1,618点です。 前世代の**Kimi K2.6**は1,515点で18位にとどまりました。 ![Arena Frontend Code Arena — Kimi K3が1,679点で第1位](https://kylon.io/blog-assets/kimi-k3-arena-leaderboard.jpg) Arena Frontend Code Arenaリーダーボード。Kimi K3が1,679点で首位、Claude Fable 5（1,631）、GPT-5.6 Sol（1,618）を上回る。出典：Arena.ai 1世代で164点上昇し、順位も18ランク上げたことが明らかになりました。この成長幅は、他社モデルと比べても例を見ない水準です。Arena共同創業者のAnastasios Angelopoulos氏は「今年最大のリリースかもしれない」「オープンソースの中国モデルがクローズドな米国モデルを超える瞬間だ」と評しました。 ## コーディング性能：K3が最も力を発揮する領域 - ProgramBench — K3：77.8%（第1位）、**GPT-5.6 Sol**：77.6% - Terminal-Bench 2.1 — K3：88.3%、**GPT-5.6 Sol Ultra**：91.9%、**Fable 5**：88.0% - SWE Marathon — K3：42.0%（第1位）、**GPT-5.6 Sol**：39.0% - DeepSWE — K3：67.5%、**GLM-5.2**：46.2% - SWE-bench Verified — K3：60.4%、**Fable 5**：95.0% - FrontierCode Diamond — **Fable 5**：29.3%、**GPT-5.6 Sol**：5.7% 長時間のコーディングタスクでは、K3が強みを示しました。SWE MarathonとProgramBenchでは首位を獲得しています。一方、SWE-bench Verifiedでは**Fable 5**が95.0%、K3が60.4%でした。高難度問題のFrontierCode Diamondでも、**Fable 5**が大幅に上回りました。K3はコーディング全般で高い性能を示す一方、最難関問題への対応では**Fable 5**に及びません。 ## 知識・推論性能 - BrowseComp（長時間情報検索） — K3：91.2、**GPT-5.6 Sol**：92.2 - GPQA Diamond（大学院レベル科学推論） — K3：93.5% - Humanity's Last Exam — K3：44.3%、**Fable 5**：59.0%（ツールなし）/ 64.5%（ツールあり） BrowseCompでは、K3は91.2を記録しました。**GPT-5.6 Sol**とほぼ同水準です。GPQA Diamondでは93.5%に達し、大学院レベルの科学的推論でも高い正答率を示しました。総合的な知識タスクでは、**Fable 5**がリードを維持しています。 ## エージェントタスク ![Kimi K3 General Agents & Visual Agents ベンチマーク](https://kylon.io/blog-assets/kimi-k3-agents-benchmarks.png) Kimi K3のGeneral Agents・Visual Agentsベンチマーク結果。BrowseComp（91.2）、Automation Bench（30.8）、SpreadsheetBench 2（34.8）で首位。出典：Moonshot AI 実世界の業務自動化ベンチマークでは、8項目中4項目でK3が首位を獲得しました。AutomationBenchやSpreadsheetBench 2などの実務タスクで高い性能を示しています。一方、コンピュータ操作タスクのOSWorld 2.0では、**GPT-5.6 Sol**が62.6%で大きくリードしました。 ## 専門家・業界関係者の反応 K3の公開後、X（旧Twitter）では評価と慎重論の双方が広がりました。 ### 高い評価を示した専門家 - Aaron Levie（Box CEO） — 「AI構築企業にとって大きな勝利。安価なフロンティアモデルがエンタープライズAI活用を拡大させる」 - Gavin Baker（投資家） — 「AIの転換点。モデル層の競争激化は、クローズドAIスタートアップ以外のすべての企業に恩恵をもたらす」 - Anastasios Angelopoulos（Arena共同創業者） — 「今年最大のリリースかもしれない」 - Theo Browne（開発者/YouTuber） — 「**Kimi K3**は『これまでで最高のモデル（ときどき）』。3Dおよびビジュアルコーディングはオープンウェイトモデルで最も優秀」 ### 慎重な見解を示した専門家 - Ethan Mollick（ウォートンスクール教授） — 「複雑な統計監査タスクではK3に誤りが見られた」と注意を促す - Patrick Moorhead（テックアナリスト） — 「2025年のDeepSeekのときと驚くほど似た過剰反応」 - David Sacks（大統領科学技術諮問委員会共同議長） — K3のフロントエンド開発首位に「懸念」を表明。米国の自主規制がAI競争力に影響する可能性を指摘 - Theo Browne（開発者/YouTuber） — 「K3は素晴らしいモデルだが、コストパフォーマンスは素晴らしくない。トークン単価はSolの半分でも、トークン消費量が2倍なのでコストは同じ。Solは2倍速いので、同じ費用で4倍速く仕事が終わる」と実測データに基づく分析を投稿 ## 価格比較：K3の破壊力 ベンチマーク性能が拮抗するなか、K3の価格設定は明確な差別化要因です。 - **Kimi K3** — 入力 $3.00/100万トークン（キャッシュ時 $0.30）、出力 $15.00/100万トークン - **GPT-5.6 Sol** — 入力 $5.00、出力 $30.00（27.2万トークン超は $10/$45に上昇） - **Claude Fable 5** — 入力 $10.00、出力 $50.00 - **GLM-5.2** — 入力 約$1.00、出力 約$5.00 K3のトークン単価は**Fable 5**の30%です。ただし、実際のタスクコストは単純な単価比較ほど低くありません。開発者のTheo Browne氏がX上で指摘した分析が注目を集めています。 ### トークン単価の罠：実際のタスクコスト K3は出力が冗長になりやすいモデルです。Artificial AnalysisのIntelligence Index評価では、K3は1億3,000万の出力トークンを生成しました。**GPT-5.6 Sol**は7,000万、**Fable 5**は8,700万です。同じタスクセットで、K3の出力トークン量はSolの約1.9倍に達しました。 出力コストは、K3が$15/100万トークン × 1億3,000万 ≒ $1,950です。**GPT-5.6 Sol**は$30/100万 × 7,000万 ≒ $2,100です。**Fable 5**は$50/100万 × 8,700万 ≒ $4,350です。K3は**Fable 5**より確実に安価です。一方、**GPT-5.6 Sol**とのタスク当たりのコスト差は、ほぼゼロにとどまります。 K3の処理速度は約62トークン/秒です。**GPT-5.6 Sol**の約半分にとどまります。トークン消費量の多さも踏まえると、Solは同等のコストで約4倍速くタスクを完了します。Theo Browne氏は「K3は素晴らしいモデルだが、素晴らしいコストパフォーマンスではない。K3のトークン単価がSolの半分でも、Solのトークン消費量がK3の半分なので、実際のコストは同じになる」と指摘しています。 ### K3の価格が真に有利な場面 キャッシュ利用時の入力価格は$0.30です。90%の割引により、大規模リポジトリのコードレビューや10万ページ超のドキュメント分析も現実的なコストで実行できます。7月27日にはModified MITライセンスでモデルウェイトが完全公開される予定です。セルフホスティングにより、API費用をゼロにする選択肢も生まれます。 ## Kimi K3とは？基本情報まとめ **Kimi K3**（キミ・ケースリー）は、中国のAIスタートアップMoonshot AIが2026年7月16日に公開した大規模言語モデル（LLM）です。「Kimi」はMoonshot AIのAIアシスタントブランド名です。K3は第3世代のフラッグシップモデルにあたります。 - **開発元**：Moonshot AI（月之暗面）、中国・北京 - **パラメータ数**：2.8兆（世界初のオープン3兆パラメータ級モデル） - **コンテキストウィンドウ**：100万トークン - **対応モダリティ**：テキスト、画像、動画のネイティブ認識 - **ライセンス**：Modified MIT（2026年7月27日にウェイト完全公開予定） - **API利用**：platform.kimi.ai からAPIキーを取得。入力 $3.00/100万トークン、出力 $15.00/100万トークン - **使い方**：kimi.comでチャット利用、またはAPI経由でアプリケーションに組み込み。Cloudflare Workers AI、OpenRouterなどのサードパーティでも利用可能 Kimi K3の詳しいコスト分析については、[「Kimi K3の本当のコスト」](https://kylon.io/ja/blog/kimi-k3-real-cost)で、トークン単価と実際のタスクコストの違いを解説しています。AIエージェント全般の比較については、[「AIエージェント比較2026」](https://kylon.io/ja/blog/ai-agent-comparison-2026)をご覧ください。 ## モデル性能だけでは解決できない、AIエージェント活用の本質 ここまでのベンチマークは、いずれもモデル単体を評価した結果です。1つのプロンプトに1つの応答を返し、そのスコアを測定します。しかし、実際の業務はこのような単発の処理だけでは完結しません。 実務では、AIエージェントは先週の会議で決まった事項を把握する必要があります。顧客管理システムからデータを取得し、カレンダーを確認します。フォローアップメールを起案し、上長の承認を待つ場面もあります。部門ごとの用語の違いを理解することも必要です。過去の修正指示を踏まえ、同じ誤りを繰り返さないことも求められます。 K3、**Fable 5**、**GPT-5.6 Sol**はいずれも、モデル単体ではこれらの課題を解決できません。モデルは「脳」に相当します。しかし、記憶、文脈、実行手段を持たないモデルは、高速な自動補完エンジンにとどまります。 ## Kylonが実現するAIエージェントの真価 - 持続するメモリ — 会話やチャンネルをまたいで、チームの決定事項、業務の優先順位、過去の経緯を記憶し続けます。6月5日に修正されたQ4売上目標は、7月でも8月でも、関連するすべてのチャンネルで参照可能です - 権限とアイデンティティ — 各エージェントに固有のID、ツールセット、権限境界を設定できます。営業チーム用エージェントは顧客管理システムにアクセスできますがコードベースにはアクセスできません。エンジニアリング用エージェントはステージング環境にデプロイできますが、本番環境には人間の承認が必要です - 3,000以上のツール連携 — Gmail、Slack、GitHub、Notion、Salesforce、Google Sheets、Ahrefs、PostHogなどとOAuth認証で安全に接続。重要な操作には人間の承認フロー（Human-in-the-Loop）を設定可能です - 自動化ワークフロー — スケジュール実行、Webhookトリガー、複数ステップのプロセスを確実に実行します。「毎朝9時に最新のSEOデータを取得して要約する」は、プロンプトではなく、自動で動くワークフローです - 蓄積するスキル — 「日本語ブログ記事の書き方」「競合分析の手順」「リード処理のフロー」といった再利用可能なスキルパッケージをエージェント間で共有できます。業務ノウハウの属人化を防ぎ、組織の資産として蓄積します - 人間とエージェントの協働 — 自動化ではなく協働が設計思想です。エージェントが提案し、人間が承認する。エージェントが起案し、人間が仕上げる。エージェントが監視し、人間が判断する。モデルの性能を最大限に活かしつつ、意思決定は人間が行います K3、**Fable 5**、**GPT-5.6**を評価する際に見ているのは、エンジンの性能です。Kylonで評価するのは、そのエンジンにメモリ、文脈、ツール、判断、説明責任を加えたときに、チームが何を達成できるかです。 モデルは今後も進化を続けます。毎四半期、どこかの企業がベンチマークを更新する新モデルを公開するでしょう。これは競争の性質です。本質的な問いは「どのモデルが最強か」ではありません。「チームはAIとどう働くか」です。Kylonは、その問いに答えるために設計されたワークスペースです。 Kylonは、AIエージェントがチームメンバーとして業務に参加するワークスペースです。モデルの性能は日進月歩で向上します。その性能を最大限に引き出す環境を、30分の無料相談でご紹介します。 [無料相談を予約する](https://cal.com/team/kylon/kylon-product-introduction) ## 関連記事 [比較と代替ツールをもっと見る](https://kylon.io/ja/blog/topics/comparisons) [ ## AIネイティブワークスペース 7選 ### AIネイティブワークスペース 7選（2026年版 徹底比較） AIエージェントがチームメンバーとして働くプラットフォームを7つ比較。エージェントの自律性、チーム連携、業務範囲、統合機能、導入準備状況で評価しました。 Kylon Team·2026年7月28日 ](https://kylon.io/ja/blog/best-ai-native-workspace-tools-2026)[ ### Buzz vs Kylon vs Slack AI: どのAIワークスペースが最適か Jack DorseyのBuzz、Kylon、Slack AI。3つのプラットフォームを、エージェントアーキテクチャ、チーム連携、統合機能、価格で比較します。 Kylon Team·2026年7月28日 ](https://kylon.io/ja/blog/buzz-vs-kylon-vs-slack-ai)