Kimi K3.1 Pro 対 Claude Opus 5.5：料金表は半額、あるベンチマークでは0.7ポイント差

Kimi K3.1 ProとClaude Opus 5.5は同じ形のモデルであり、後者はちょうど半額で販売されている。Moonshotの新しいフラッグシップは100万入力トークンあたり2.00ドル、100万出力トークンあたり10.00ドル。Anthropicのモデルは4.00ドルと20.00ドルだ。どちらも100万トークンのコンテキストを受け付け、どちらも必ず考えてから回答する。そして両社が公表している唯一のベンチマークでは、両者の差は0.7ポイントしかない。Terminal-Bench 4.0でKimi K3.1 Proは65.7%、Claude Opus 5.5は66.4%だ。挑戦者を支持する根拠はこの3つの数字に尽きる。それは強力な根拠ではあるが、あなたのワークロードに当てはまるかどうかを左右する2つの注意点がある。2つのスコアは異なる設定で出されたものであり、2倍というのは完成したタスクあたりの価格ではなくトークンあたりの価格だということだ。

Kimi K3.1 Proは、その名前が示されたティーザー動画の翌日である2026年10月24日に公開された。Claude Opus 5.5は9月22日から一般提供されている。どちらも新規のラボ実験ではない。Opus 5.5はAnthropicが9月下旬から提供している現行のOpusティアモデルであり、Kimi K3.1 Proは新しいアーキテクチャではなくKimi K3の事後学習版だ。そのため、このモデル対モデルのページとしては比較が異例なほどクリーンである——両者の料金表は公開され、両ベンダーがベンチマーク表を掲載し、どちらのモデルもウェイトリストの背後に隠れていない。

2つの料金表を、1行ずつ

重要なのは5行で、そのうちの1行がパターンを崩しています。

• 入力 — Kimi K3.1 Pro では100万トークンあたり2.00ドル、Claude Opus 5.5 では4.00ドル。ちょうど半額です。

• 出力 — $10.00 対 $20.00。ちょうど半分であり、出力はエージェント型および推論作業で支配的な項目で、そこではモデルは読むよりもはるかに多くを書き込む。

• キャッシュ読み取り — 両者とも $0.20。ここが異常点です。キャッシュされたプレフィックスの読み取り価格について、2社はセント単位まで一致しています。これは、長時間稼働するエージェントが毎ターンリポジトリを読み直す際に支配的となる項目です。

• キャッシュ書き込み — Kimiは5分間のキャッシュエントリで$2.00、1時間で$4.00を請求します。Anthropicは$5.00と$8.00を請求します。Kimiはここでも安く、しかも半分以上の差です。

• 高速バリアント — Kimi K3.1 Pro Highspeedは$4.00と$20.00で、出力速度は約2〜3倍。AnthropicのOpus 5.5の高速モードは$8.00と$40.00で、最大2.5倍。関係性も同じで、倍率も同じです。

したがって、混合リクエストの計算は簡単です。100万入力トークンを読み取り、20万出力トークンを書き込む呼び出しのコストは、Kimi K3.1 Proでは4.00ドル、Opus 5.5では8.00ドルです。100万トークンのコンテキストをキャッシュヒット率70%で再読み取りするエージェントは、Kimiでは入力に0.74ドル、Opusでは1.34ドルを支払い、出力を含めるとKimiでは2.74ドル、Opusでは5.34ドルになります。節約分は新規入力と出力から生じるのであって、キャッシュからではありません。キャッシュのコストは両方で同じだからです。

料金表からは、各モデルがどれだけのトークンを消費するのかがわかりません。Kimi K3.1 Pro はデフォルトで最高の推論設定である max になります。Claude Opus 5.5 はデフォルトで medium です。デフォルトで max で考えるモデルは、平均すると medium で考えるモデルよりも回答ごとにより多くの推論トークンを書き出します。つまり、うたわれている 2× はトークンあたりの価格であり、完成したタスクあたりの価格ではなく、実際の差は、Kimi の余分な思考があなたの作業にどれだけ必要かによって変わります。Moonshot は、それを決着させるようなタスクあたりのトークン数を公表していません。

両方の研究室が公表している唯一のベンチマーク、そしてそれが測定ではない理由

Terminal-Bench 4.0は、これら2つのローンチにおいて共通の尺度に最も近いものだが、ここでさえ2つの数値は同じ方法で算出されたものではない。

Anthropicの66.4%は、モデルのデフォルトであるmediumより1段階高いxhighエフォートで、Anthropic自身のハーネス上、安全性ルーティングを有効にした状態で実行されたものだ。同社はその表を公開し、そう明言している。Kimiの65.7%は、Moonshotのローンチ資料に、モデルのデフォルトであるmax設定で、同社がこれも管理するハーネス上で示されている。ローンチ資料の表はOpus 5.5を66.4%として引用しており、これはAnthropicが公開したのと同じ数値だが、Moonshotが再実行したのか引用したのかは述べていない。異なるエフォート設定、異なるスキャフォールディングで、2つのベンダー実行の表の間に0.7ポイントの差があることは、モデル間の差の測定ではない。それは、両者が近すぎて、ハーネスの選択によって順序が決まり得るという表明である。

さらに2つのデータポイントも同じ方向を示している。同じベンチマークにおけるOpus 5.5の独立評価は、Artificial Analysisがそのローンチ時に報じたものでは59.6%で、Anthropic自身の数値より7ポイント低く、サーバー側のセーフガードルーティングを含む構成での結果だ。また、Moonshot自身のドキュメントには、ローンチ当日時点でTerminal-Benchと科学ベンチマークのスコアについて文字通りの「[xx.x%]」プレースホルダーが残っていた一方、マーケティング投稿には数値が記載されていた。どちらの事実も相対的な品質について何かを証明するものではない。どちらも、ローンチ当日のベンチマーク表がまず第一にマーケティング上の産物であることを示している。

ベンダー各社の見解が一致している点では、話は一貫している。Kimi K3.1 Proは、両者が測定するタスクでOpus 5.5に近く、自社の前世代モデルを大きく上回っている。Moonshotの長期的コーディングスイートは55.95%から61.2%に上昇し、ツールなしのCADスコアはOpusの73.0に対して72.8、ベンダー独自の高難度セットにおけるハルシネーション率はツール使用時に23.4%から8.3%に低下した——この数字は、外部評価でも維持されるなら、文書中心の作業にとってはどのベンチマークのポイントよりも重要だ。

エフォートダイヤルこそが、この2つの製品の本当の違いです。

両モデルはともに reasoning-effort フィールドを公開しているが、その段階がいくつあるのか、またどの段階に留まるのかについては見解が分かれている。

Kimi K3.1 Pro には low、high、max の3つがあり、デフォルトは max です。Claude Opus 5.5 には low、medium、high、xhigh、max の5つがあり、デフォルトは medium です。どちらのモデルも、呼び出し側が思考をオフにすることはできません。Kimi はサンプリングを完全に固定しており（temperature 1.0、top-p 0.95、n は 1）、他の値は拒否するため、effort が提供する唯一の動作調整ダイヤルです。Anthropic は temperature を設定可能なままにしていますが、適応型思考は常にオンにしているため、モデルがどれだけ考えるかを変える唯一のダイヤルは effort です。

デフォルト設定は実際に効いています。Kimi は正直ですが高コストです：reasoning_effortを渡さないすべてのリクエストは、最も深い設定の分を支払います。Opus は中間段階で提供され、上位2段階は明示的に要求する呼び出し元のために取ってあります。ワークロードを移行して他に何も変えなければ、モデルとその思考予算の両方を変えたことになります。これは「より安いモデル」が実は安くないと判明する最も一般的な原因です。Anthropic 自身の表は、1つのモデル内でその効果がどれほど大きいかを示しています。CursorBench 4.0 は xhigh で 57.8%、medium で 52.5% を記録し、一方 FrontierCode は同じ2つの設定間で 0.2 ポイントしか変動しません。エフォート感度はワークロードごとに異なり、自分のワークロードを予測してくれるモデルカードはありません。

運用上の罠が1つ、その両方に当てはまります。会話の途中でエフォートを切り替えると、プレフィックスキャッシュのヒットが無効になります。そのため、長いセッションの途中でエフォートを引き上げるエージェントは、キャッシュ済みのすべてを読み直すコストを払うことになります。レベルはセッションの最中ではなく、開始前に決めてください。

あなたが見ていないところで、各ベンダーがモデルに何をしているか

両研究所は今や、一部の入力で依頼した通りの挙動をしないモデルを出荷しており、しかも両方ともそのことを率直に説明している。

AnthropicのOpus 5.5のリリースドキュメントには、サイバー関連タスクの大半はClaude Opus 4.8に再ルーティングされる可能性があり、生物学およびフロンティアモデル開発の作業はOpus 5にフォールバックする可能性があると記載されている。これらのフォールバックはサーバー側で行われ、応答は別のモデルから返されるため、呼び出し元が得られる唯一の手がかりは内容である。セキュリティに隣接するワークロードにとって、これはポリシー上の脚注ではなく、実際の能力の変化である。

Moonshotは別の道を選んだ。中間学習と強化学習の両段階からサイバー関連データを削除しつつ、一般的なコーディングは維持し、そうすることの代償を公表した。敵対的コーディングスコアは、緩和策を講じていないチェックポイントの90.5%から、出荷したモデルでは81.0%に低下した。同社はこれを攻撃的サイバー能力に対する意図的な上限と位置づけ、上限を徐々に引き上げると述べている。Kimi K3.1 Proはあなたのリクエストを別ルートへ回すわけではない。単にその一分野において、自社ベンダーが公表した差だけ弱いのだ。

どちらが優れているかは、何を作っているかによって変わります。選択したモデルから決定的な出力が必要なら、無言のフォールバックは開示された弱点より悪いです。ベンダーが制限をかけているタスクで可能な限り最強の結果が必要なら、フォールバックは拒否よりまだましかもしれません — しかしその時点で、1つのモデルを使っていると思いながら2つのモデルをベンチマークしていることになります。

オープンウェイト問題を決める日付

Kimi K3.1 Proはオープンウェイトモデルとして販売されているが、重みはまだ公開されていない。Moonshotは、完全な重みを2026年11月4日までに公開すると述べている。それまでは、どの比較表のオープンウェイト欄も約束にすぎず、Kimi K3をホストするHugging Faceの組織には、10月24日時点でK3より新しいものは何もない。

Claude Opus 5.5にはオープンウェイト化の計画はなく、今後もありません。デプロイ環境からホスト型APIを呼び出せない人にとっては、価格に関係なく比較はそこで終わります。一方は11日後にダウンロードできる可能性がある製品で、もう一方はレンタルです。それ以外の人々にとって、11月4日は、価格比較が調達上の選択ではなく、真のアーキテクチャ上の選択となる日です。

今日は何を走る？

ここからが、レートカードには載っていない部分、つまり可用性です。Claude Opus 5.5 は本日より OrcaRouter 経由で、100万トークンあたり $4.00 および $20.00、キャッシュ読み取りは $0.20 で呼び出せます。プロバイダーの定価をそのまま適用し、上乗せはありません。既存のスタックと同じキーで利用でき、当社ルートにおける過去7日間の最初のトークンまでの時間の中央値は3.86秒です。Kimi K3.1 Pro は10月24日に同じカタログに加わり、$2.00 および $10.00、キャッシュ読み取りは $0.20、1,048,576トークンのウィンドウと公表された出力上限943,718トークンを備えています。現在、両方とも1つのキーで応答します。

両方を1つのキーの背後に置けることは、どちらのベンダーのドキュメントにも書かれていない点だ。価格差が2×ある状況では、どちらが勝ちかを選ぶこと以上に重要な判断はルーティングポリシーだ。トラフィックの難度の高い5分の1をOpus 5.5に送り、残りをKimi K3.1 Proに送り、どちらかで停滞が起きても自動フェイルオーバーにカバーさせる。パススルーモデルがその計算を正確に保つ——分割した各側はプロバイダー自身の公表価格で請求され、上乗せは一切ない。だから計算した節約額がそのまま実際の節約額になり、どちらかのベンダーで価格変更があれば当日中にここへ反映される。

これで比較は振り出しに戻る。あなたの作業が、2つのモデルが1ポイント以内の差で並ぶタスクに支配されているなら、価格差がすべてであり、答えは安い方のモデルだ。長期的なコーディングに支配されているなら――そこではOpusには3か月にわたる独立した評価の蓄積があり、Kimiには昨日公開されたベンダーの表しかない――0.7ポイントは信頼すべき数字ではない。信頼すべきは、実際に展開するエフォート設定で実行した自分自身の評価だ。両ベンダーは今、それを簡単にしている。どちらもつまみを回せるようにし、そのつまみにいくらかかるかを公開しているからだ。