GPT-6 vs Kimi K3：異なる専門性を持つ200万トークンモデル

GPT-6 SolとKimi K3は、同じ仕事の候補として真っ先に名前が挙がる2つのモデルです。100万トークンのコンテキストウィンドウ、画像入力、そして長い文書を手頃な価格で扱える料金設定を備えています。しかし、そこに至った道筋は正反対です。Kimi K3はMoonshotAIの長コンテキスト専門モデルで、2026年7月15日にリリースされ、その強みは想起性能にあります。Artificial Analysisの長コンテキスト想起テストで88.7%を記録し、比較対象となる同社のあらゆるモデルを上回っています。GPT-6 Solは同社の中位汎用モデルで、2026年9月22日に、入力100万トークンあたり2.00ドル、出力100万トークンあたり10.00ドルで提供開始されました。その売りは幅広さです。わずかに大きなウィンドウ、より高い総合推論スコア、そしてより安価な出力トークン。

ですから、正直に言えば、これは優れているか劣っているかという話ではありません。想起か推論かという話であり、100万トークンを読み込んだあと、そのトークンで何をするかによって決まります。

紙の上では、ウィンドウは同じサイズです

どちらのカードも約100万トークンと記載しており、その違いは表面的なものだ。Kimi K3 のウィンドウは 1,048,576 トークン — 正確には 2^20 で、長文コンテキストモデルがこぞって引用する二進法の100万だ。GPT-6 Sol のは 1,050,000 で、約1,400トークン大きい、きりのよい10進数だ。実際に収まるどんなワークロードでも、両者は同じウィンドウだ。これで選ぶな。

異なるのは封筒の残りの部分であり、それは短いリストだ。

• コンテキスト: Kimi K3 1,048,576トークン、GPT-6 Sol 1,050,000 — 実質同等
• 入力モダリティ: Kimi K3はテキストと画像を受け付け、GPT-6 Solはテキスト、画像、ファイルを受け付ける
• 出力上限: GPT-6 Solは1回の応答で128,000トークン。Kimi K3のカードには最大出力値が公表されていない
• 標準価格: Kimi K3は100万トークンあたり入力$3.00 / 出力$15.00、GPT-6 Solは入力$2.00 / 出力$10.00
• キャッシュ入力: Kimi K3は100万トークンあたり$0.30、GPT-6 Solは100万トークンあたり$0.20
• 長文コンテキストの価格: Kimi K3は単一の料金を記載しており、文書化された段階設定はない。GPT-6 Solは入力トークンが272,000を超えるとリクエスト全体を入力$4.00 / 出力$15.00に再価格設定する
• 推論制御: GPT-6 Solは設定可能なreasoning.effortを公開している。Kimi K3も同じOpenAI互換インターフェースを通じてreasoningおよびreasoning-effortパラメータを公開している

Kimi K3で出力上限が示されていない点は、曖昧にせず指摘する価値がある。MoonshotAIはコンテキストの数値は公開しているが、最大出力の数値は公開していない。そのため、予算管理のために厳密な出力上限に依存するシステムは、カードからそれを読み取ることができない。長コンテキストの階層ももう一つの非対称性であり、それは直感に反する方向に作用する — GPT-6 Solの見出し料金はより低いが、272Kを超えるリクエスト全体の再価格設定により、300,000トークンの呼び出しは最初のトークンから$4.00 / $15.00で課金される。一方、Kimi K3の単一の$3.00 / $15.00という料金は、段階的に変動するとはまったく記載されていない。非常に長い文書の場合、Kimi K3は見出し料金が高いにもかかわらず、入力に関しては2つの中で安い方になる可能性がある。

RecallはKimi K3の実際の製品です。

Kimi K3 に手を伸ばす理由は、大きなウィンドウを持っているからではない——それは多くのモデルが備えている。そうではなく、その中身を保持できるからだ。モデルカタログに収録されている Artificial Analysis の長文脈リコール評価では、Kimi K3 は 88.7% を記録し、GPT-6 Sol の 83.7% を上回る。これは、長い入力の中に埋もれた細部を見つけて活用できるかどうかを測る、まさにそのテストにおける5ポイントの差であり、本番環境で実際の失敗として表面化する類の差だ——400ページ目の条項を落とす要約ツール、補償条項を見逃す契約レビューツールのように。

Kimi K3はコーディングでも首位に立ち、その差は総合指数が示すよりも大きい。コーディング指数では76.2で、評価対象モデルのトップ10内に入る順位につけ、terminal-bench v2.1では85.0%を記録している——コーディングエージェントの有用性がかかっているエージェント型コマンドラインベンチマークだ。そのGPQA Diamondスコア93.5%は、ボードの最上位帯に位置する。

GPT-6 Solが巻き返すのは、総合指標と科学コードにおいてだ。その汎用知能指数47.6は、Kimi K3の43.6を4ポイント上回り、上位10%圏に近い。SciCodeでは両者は互角で、それぞれ57.6%と59.5%と、1回の実行のノイズの範囲内にある。そしてHumanity's Last Examでは、GPT-6 Solの47.9%がKimi K3の46.9%をわずかに上回る。これらの単一ベンチマークの差はいずれも、それだけで一方を選ぶ決め手となるほど大きいものではない。

料金表ではなく、ワークロードに基づくコスト

料金表は誤解を招く。入力トークンと出力トークンの比率は案件ごとに異なり、これら2つのモデルはどちら側の取引が安いかで意見が分かれるからだ。Kimi K3 は、作業が主に入力中心——長い文書を入れて短い回答を出す——という前提で安い。GPT-6 Sol は、作業がバランス型または出力中心という前提で安い。出力料金が3分の1低いからだ。

• 本を1冊読んで要約するパターン（入力900K、出力4K）: Kimi K3 ≈ $2.76、GPT-6 Sol ≈ $3.64（272Kの再価格設定が適用される前）。再価格設定が適用されると、GPT-6 Solの呼び出し全体がより高いティアに移行し、差はさらに広がる
• バランスの取れたエージェント型パターン（入力60K、出力20K）: Kimi K3 ≈ $0.48、GPT-6 Sol ≈ $0.32
• コード生成パターン（入力30K、出力60K）: Kimi K3 ≈ $0.99、GPT-6 Sol ≈ $0.66

それらは各ベンダーの公表料金に基づく生のトークン計算であり、キャッシュ済み入力を除外している。これは、どのモデルを最も多くキャッシュするかによって、そのモデルを有利にする。重要なのは答えの形だ。純粋な長文入力の想起作業ならKimi K3の均一料金が勝ち、大量に書き戻すものならGPT-6 Solのより低い出力料金が勝つ。どちらも普遍的に安いわけではなく、トークン比を示さずに価格だけで勝者を1つ挙げる比較は、何も測っていない。

来歴は判断の一部です。

Kimi K3 は中国のラボである MoonshotAI によって構築され、GPT-6 Sol は OpenAI によって構築されています。その違いはベンチマークではなく、料金表に載るものでもありませんが、規制対象のワークロードでは、価格が議論される前に候補リストを決定づけます。カタログにある MoonshotAI のカードはライセンス欄を公開していないため、ここにある内容は、重みが利用可能かどうかについてのどちらの主張としても受け取るべきではありません — オープンウェイトがあなたのデプロイにとって重要なら、ファミリー名から推測するのではなく、一次情報源で確認してください。

両方が必要なチーム、つまりパイプラインのある部分には中国ラボのモデルを、別の部分にはOpenAIのモデルを使い、ルーティング、課金、データレジデンシーの話を一箇所で処理したいチームにとって——これこそ、2組の認証情報ではなく単一のゲートウェイを持つ価値がある理由です。OrcaRouterではkimi/kimi-k3とGPT-6 Solの両方が同じカタログ内のライブルートであり、プロバイダーの定価のままマークアップ0%なので、MoonshotAIやOpenAIの料金改定は当日に反映されます。自動フェイルオーバーにより、どちらかのプロバイダーでルートが劣化してもパイプラインが停止することはありません。またルーティングDSLを使えば、再現率重視の処理はKimi K3に、生成重視の処理はGPT-6 Solに、推測ではなくルールで振り分けられます。

どちらをパイプラインに入れるか

非常に長い入力に対する検索と保持が仕事であるなら、Kimi K3を選びましょう — 法務・医療文書のレビュー、リポジトリ全体のコード理解、数百件の文書にまたがる文字起こし分析など — そして、プロンプトが入力重視で、$3.00の定額料金がGPT-6 Solの価格改定より有利になる場合です。その再現率の優位性とコーディングのトップ10ランクという2つの数字が、この選択を正当化します。

GPT-6 Sol は、100万トークンのウィンドウを備えた汎用アシスタントとしての用途に選ぶべきです。混合推論、JSON へのシリアライズ、大量の書き戻しを行うエージェントループ、そして 128,000トークンの出力上限が制約ではなく利点となるあらゆるワークフローに適しています。出力コストが安く、明示的な推論エフォート制御を備え、その総合指数はより強い汎用シグナルです。パイプラインが本当に両方を担う場合、正直な答えはどちらかを選ぶことではなくルーティングすることです——これはどちらのモデルについての話ではなく、あなたのトラフィックの形についての話です。