Kimi K3.1 Pro 対 MiniMax M3.1 Flash：タスクが大きくなるたびに縮まる15倍の価格差

並べようKimi K3.1 ProとMiniMax M3.1 Flashを価格表に置くと、判断は始まる前から終わったように見える。ブレンドした100万トークンあたりのコストは、一方が他方の15倍だ［ベンダー価格。比率は当方の計算］。ところが、タスク別の台帳に並べ替えると、差は9.5倍まで縮み、次いで約3倍になる。これらの測定の間でベンダー価格はどれ一つ変わっていない。変わったのは分母だ。この2つはあなたの予算の同じ行を争っているわけではない。選ぶための最速の方法は、あなたのワークロードがどの行に触れるかを見極めることだ。

決して同じ買い手を狙っていなかった2つのプロフィール

Kimi K3.1 Proは、総パラメータ数2,800B、トークンあたり104Bがアクティブなスパースモデルであり{{1}}、100万トークンのコンテキストを備え{{2}}、思考は常にオンになっている。エフォートはlow、high、maxで実行され、デフォルトはmaxであり、temperatureとtop_pは固定されている{{3}}。現時点ではオープンウェイトではなく、ベンダーは11月4日までのリリースを約束しており{{4}}、Artificial Analysisは依然としてプロプライエタリと分類している{{5}}。同インデックスでは毎秒57.5出力トークン{{6}}、スコア55.09{{7}}を記録している。

MiniMax M3.1 Flashは2026-10-19に[VENDOR]、正反対の種類のものとして登場した：1,048,576トークンのコンテキスト、最大出力524,288トークン[VENDOR]、毎秒116.2トークン[INDEPENDENT]、スコア42.71[INDEPENDENT]。丸めについて1点補足：Artificial Analysisはそれを43に丸め、当社のカタログカードでは42とする[INDEPENDENT] — 同じ測定値である。

したがって、最初の段落を経てもなお残る枠組みは「フロンティアモデル対低価格モデル」ではない。それは、実行重視の特性を持つ深く考える汎用型モデルと、登場から1週間の、高速・長コンテキスト・低コスト大量処理モデルとの対比だ。両者の間にある12.38インデックスポイント [INDEPENDENT] は現実だが、均等に分布しているわけではなく、その不均等こそが判断材料なのだ。

インデックスギャップは実際のところどこから生じるのか

インデックスを行ごとに分割すると、あるパターンが現れます。Kimi K3.1 Pro の優位性は、保存された知識ではなく持続的な実行を評価する行に集中しています。以下の数値はすべて [INDEPENDENT] で、Artificial Analysis によるものです。

• Terminal-Bench 4.0: 67.17% 対 25.76%、41.4ポイント差で、このセット内で最大の隔たり。

• Terminal-Bench-Science: 34.29% 対 3.33%、31.0ポイントの差。一桁台の低い値は丸め誤差ではなく、モデルがそのタスクファミリーで主に失敗していることを示している。

• GDPval-AA：1,845.72 対 1,457.57、388 Elo の差。Elo は能力に対して線形ではないため、これは割合ではなく、別クラスの結果として読むべきです。

• SciCode：60.76% 対 53.36% — 真に競争力があります。

• AA-LCR 86.33% 対 79.67%、MMMU-Pro 83.87% 対 79.13%、CritPt 24.57% 対 22.29%、HLE 52.46% 対 47.96%。これらは両者が最も接近している行であり、いずれも長いコンテキストまたは知識密度の高いものです。

• AutomationBench: 73.30% 対 72.52% — 実質的に互角。

AnalystAgentはKimi K3.1 Proで38.75、FrontierCodeは47.07%となっており、どちらも公開されたMiniMax側の対応結果は存在しない。結果がないことはゼロではなく、何かを示す証拠でもない。ただ、比較に抜けがあるということだけだ。

あらゆる単純な説明を複雑にする行はAA-Omniscienceだ。MiniMax M3.1 Flash はより多くの知識に関する質問に正しく答える — 精度は56.20%対51.02% — それでもスコアは15.55対29.52だ。なぜなら幻覚率が92.81%対43.89%だからだ[INDEPENDENT]。この指標は自信を持って答える誤答にペナルティを与える。わずかに正答率が高く、はるかに高い自信で誤るモデルは、検索に基づく作業にとって危険だ。そこでは、裏付けのない文は無知を認めるより悪い。

価格設定を3つの分母で読み解く

トークンレベルでは、両者は同じ市場にはありません。Kimi K3.1 Proは100万トークンあたり入力$2.00、出力$10.00、キャッシュ読み取り$0.20、3:1の混合で$4.00とされています[VENDOR]。MiniMax M3.1 Flashは100万トークンあたり入力$0.15、出力$0.60、キャッシュ読み取り$0.015、3:1の混合で$0.2625とされています[VENDOR]。混合比率は15.2倍です。

完了したインデックスタスク1件あたりでは、比率は9.6×まで下がる。Kimi K3.1 Proが$2.1145、MiniMax M3.1 Flashが$0.2201だ [INDEPENDENT]。理由は機械的だ。インデックスタスク1件で、Kimi K3.1 Proの出力トークンを55,195、MiniMax M3.1 Flashを78,612消費する。安価なモデルの出力が42%多く、それが料金表の高額側で同モデル自身の優位性を食い潰している。財務チームが見るべき数値はタスクあたりコストであり、それは見出しの比率が示唆するよりすでに3分の1小さい。

逆算すると、ブレンドドルあたりのインデックス点数は Kimi K3.1 Pro が 13.8、MiniMax M3.1 Flash が 162.7 になる [INDEPENDENT]。これは推奨ではない。唯一の制約が1ドルあたりのベンチマーク最大化なら答えは明白であり、この種のタスクをそもそも完了できるかどうかが問題なら、その計算は的外れだ。

仕事が大きくなるにつれて、なぜギャップは崩れ続けるのか

最も明確な証拠はPlotlyのDataAnalyticsBenchです。合成風力発電所データに関する43問で、各モデル1回実行なので、分布ではなく方向性を示します[INDEPENDENT]。Kimi K3.1 Proは43問中42問に回答し、1問あたり0.31ドル、合計13.47ドルで、1問あたり7.5回のモデル呼び出しと約44万入力トークンを使用しました。MiniMax M3.1 Flashは43問中41問に回答し、1問あたり約0.10ドル、合計4.09ドルで、約45回の呼び出しと1問あたり420万入力トークンを使用しました。

三つのことが同時に起きている。精度はほぼ同じで、差は一問だけであり、単一の実行で解消できる範囲に十分収まっている。価格差は3.1×まで縮まった。そしてその仕組みも見えている。安価なモデルは、もう一方が7.5回の呼び出しで到達するところを45回の呼び出しで到達し、質問あたり9.5×の入力を投入することでそこに至る。パラメータの深さではなく、コンテキストと反復で精度を買っており、どちらもトークンあたりでは安いが、タスクあたりでは無料ではない。

月間10万件の質問に拡大すると、比較は31,000ドル対10,000ドル、年間で約252,000ドルの差になります［INDEPENDENT、Plotlyの質問あたりの数値から外挿］。これは実際の予算項目であり、41対42の精度差を誤答1件あたりで価格付けすべき規模でもあります。つまり、ビジネスが依存するタスクにおける2ポイントの優位は、25万ドル以上に値し得るのです。

安価なティアが本当に勝る場面

MiniMax M3.1 Flash は、同じ特性を持つワークロードにとってより買い得な選択肢です。すなわち、大量処理、短いまたは制約の緩い出力、大量の検索コンテキスト、そして再実行を許容できることです。分類、下流にバリデータを置いたスキーマ制約付き抽出、大規模な要約、すべての文が提供された passage に遡れる必要がある検索拡張回答、レビュー付きの一括生成などが該当します。スループットも有利に働きます。116.2 トークン/秒 対 57.5 [INDEPENDENT] は、キューに入る前のレプリカあたりの同時処理数がおよそ 2 倍であることを意味し、最大出力 524,288 トークン [VENDOR] により、長文ジョブでもつなぎ合わせが不要です。

ハルシネーションの数値は、そのリストを飾るものではなく、制約するものだ。92.81%という率 [INDEPENDENT] は、正解データがプロンプト内にあり、バリデータが根拠のない主張を棄却する場合には耐えられる。しかし、検索も引用チェックも人間の介在もない、オープンエンドの事実型アシスタントでは耐えられない。しかも、そのわずかに高い精度は、そうした失敗に気づくのを容易にするどころか、難しくする。

高額プランが元を取れる場面

Kimi K3.1 Proは、暗記ではなく作業のように見える行でその価格に見合う価値を発揮する。Terminal-Bench 4.0の67.17%とTerminal-Bench-Scienceの34.29%が最も明確なシグナルだ。長期的なシェルおよびコーディングタスクでは、部分的な回答は失敗した実行であり、各リトライはトークンではなくエンジニアの注意力を消費する[INDEPENDENT]。GDPval-AAの388 Eloの差[INDEPENDENT]も、専門的な業務について同じ方向を示している。あなたのワークロードが、多段階の手順を監督なしで完了しなければならないエージェントであるなら、Terminal-Bench 4.0の25.76%というスコア[INDEPENDENT]は割引ではない——それは別の製品だ。

運用上の詳細が2つあり、脚注ではなくここに置くべきです。Thinking は常にオンで、effort はデフォルトで max [VENDOR] なので、能力の変化を受け入れずにレイテンシを下げることはできません。存在しない高速パスではなく、p50 約6.9秒を前提に計画してください。10月26日までの7日間、本番環境の当社ルートでは、Kimi K3.1 Pro は毎秒52.4出力トークンで動作し、エラー率0.064%、3日間で1.305Bトークンを処理しました [OURS]。MiniMax M3.1 Flash はその期間に当社ルートで約10,000トークンしか処理しておらず [OURS]、何かを測定するにはあまりにも少なすぎます。したがって、ここに示す同モデルのレイテンシとコストの数値は、スループットを含め、すべて評価者によるものです。

それらの中から選ぶこと

インデックスの見出しや価格表ではなく、自分のトラフィックに最も近い評価行から始めてください。答えがTerminal-Bench、GDPval、または長い時間軸の実行系ファミリーのいずれかに依拠するなら、41ポイントと388 Eloの差が、コストを議論する前に決着をつけます。答えがAA-LCR、MMMU-Pro、CritPt、AutomationBenchに依拠するなら、両者は数ポイント以内なので、価格、スループット、コンテキストで選ぶべきです。つまり、検索レイヤーと、ハルシネーション特性を管理するバリデータを備えたMiniMax M3.1 Flashです。

中間のケースは、検証可能な答えを持つ、範囲の限定された分析作業だ。Plotlyの42/43 対 41/43 [INDEPENDENT]はその形をしており、安価なモデルが互角を保つために9.5倍の入力を必要とするタスクで3.1倍の差があるのは、真のトレードオフだ。まず自分のトラフィックをサンプリングせよ。43問の1回の実行は方向性であり、判定ではない。

価格に関する構造上の注意点が1つあり、これは上記のどの比率よりも重要です。OrcaRouterはベンダーのトークン価格をそのまま通すため、表示価格が変われば、そのモデルの当社価格も同日に変わります。間に再交渉された階層はありません。ここにあるすべての比率は、2社の現在の価格表をスナップショットしたものであり、マークアップ表ではありません。どちらかのベンダーが来月に出力価格を下げれば、15.2×も9.6×も動きますが、請求はベンダーの価格を映す鏡のままです。だからこそ、安価な階層の優位性は暗記するのではなく再確認する価値があります。MiniMax M3.1 Flashは10月19日に[VENDOR]で提供開始され、これはこれを書いている1週間前のことであり、ローンチ価格が最終価格であることはまれです。

出典：インデックス、行、スループット、タスク別コストの数値については、Artificial Analysis Intelligence Index v4.3.2、2026年10月26日時点のデータ。43問の比較については、PlotlyによるDataAnalyticsBenchの10月20日と23日の記事。価格、コンテキスト上限、パラメータ、リリース日については、ベンダーのモデルカード。MiniMax M3.1 Flashは、7日間の期間中にOrcaRouterのルートで約10,000トークンを処理したが、測定には少なすぎるため、ここでのレイテンシとコストの数値は評価者によるものです。