深い青灰色の背景に柔らかな放射状の光を配した、生成された16:9のタイトルカード。見出しは「Qwen4-Max vs Kimi K3.1 Pro」、サブタイトルは「思っているほど多くを決めない41セントの差」。右側には細い線で描かれた平らな天秤が、タスクあたり$3.27とタスクあたり$3.68のラベルが付いた2つの皿を、梁をほぼ水平にして載せている。下部に沿って並ぶ4つの小さなアイコンには、動画入力、1Mコンテキスト、重みなし対オープン重み、55対31 tok/sのラベルが付いている。右下にOrcaRouterのロゴ。
Guides & Insights

Qwen4-Max vs Kimi K3.1 Pro:思っているほど重要ではない41セントの差

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

Artificial Analysis自身の数値によれば、完了したタスクのコストはQwen4-Maxで3.27ドル、Kimi K3.1 Proで3.68ドルです。41セントの差です。週に数千のタスクを実行するエージェント用にモデルを選ぶなら、この差が判断のすべてに見えるかもしれませんが、そうではありません。なぜなら、この2つのモデルは正反対の方向からその数値に到達しており、その方向性こそが6週間後にログに現れるからです。Qwen4-Maxは高速で冗長なことでそこに到達します。つまり出力トークンが多く、トークンあたりの単価は半分未満です。Kimi K3.1 Proは低速で簡潔なことでそこに到達します。つまり出力するトークンは少ないものの、各トークンのコストが2倍以上です。一般にどちらかが安いモデルというわけではありません。それぞれが、特定の形の仕事に対して安くなるのです。

それがこのペアを捉えるのに有用な枠組みであり、今では10月にはなかった形で利用可能だ。両モデルは同じ独立系インデックスのリビジョン上にあり、どちらも商用条件を公開しており、そのうち一方は重みをダウンロードできる。以下ではベンチマーク別ではなくワークロード別に分ける。ベンチマークはすでに両者が近いと示しているからだ。

まず、名前から

無印の kimi-k3.1 は M​oonshot 自身のモデル一覧にはありません。出荷されている識別子は kimi-k3.1-pro、kimi-k3.1-pro-highspeed、および旧来の kimi-k3 です。「Kimi K3.1」は検索ボックスや報道でこのシリーズが書かれる際の表記で、その背後にあるモデルは Kimi K3.1 Pro です。highspeed バリアントは同じモデルを約2~3倍の速度で提供するものです。したがって、ここで重要な比較はすべて Qwen4-Max 対 Kimi K3.1 Pro であり、以下で測定されているのはその組み合わせです。正確に「Kimi K3.1」と呼ばれるモデルのスペックシートを見せている人は、より短い名前で Pro の数値を示しているのです。

Kimi K3.1 Proは2026年10月23日に発表され、ベンダーのブログは24日付で、その重みはHugging Faceに2026-11-02のタイムスタンプが付いた単一のコミットで公開された。Qwen4-Maxは2026年11月16日に従量課金制で販売開始された。どちらも登場から数週間しか経っておらず、どちらもプレビュー版ではなく、どちらにも実際の料金表がある——まさにそのおかげで、この比較は予測ではなく数値で行えるのだ。

A generated two-column scoreboard titled 'Qwen4-Max vs Kimi K3.1 Pro' with seven rows: index score 43 against 46; cost per task $3.27 against $3.68; output per million $4.50 against $10.00; tokens per run 127M against 113M; wall-clock per task 32.1 min against 38.4 min; max output 262,144 against 943,000; weights none against downloadable. Footer reads 'Artificial Analysis Intelligence Index v5.0.1; vendor list prices'. OrcaRouter logo bottom-right.

対戦を決定づける2つの行

以下は、ベンダー報告と明記されている場合を除き、すべてArtificial Analysis Intelligence Index v5.0.1によるものです。この指数は、ある一日における一つの指標にすぎません。このブログでは、改訂によってモデルのスコアが二桁動いた例も見てきたため、その幅は方向性を示す目安として扱ってください。

• インデックススコア — Qwen4-Max 43 対 Kimi K3.1 Pro 46。Kimiモデルが3ポイント先行しているが、それは単一のインデックス改訂によるノイズ帯域内である

• タスクあたりのコスト — Qwen4-Max は $3.27、Kimi K3.1 Pro は $3.68。Kimi モデルはスコアで優位にもかかわらず、完了タスクあたりのコストが 12.5% 高くなっています

• 入力価格 — Qwen4-Max はシンガポールで100万トークンあたり$1.50、その他の地域では$1.413、Kimi K3.1 Pro は$2.00

• 出力価格 — Qwen4-Max $4.50 対 Kimi K3.1 Pro $10.00。これは比較全体で最も大きな差であり、トークン数に基づくコストモデルが過度に重み付けする項目です

• キャッシュヒット時の価格 — Qwen4-Max はシンガポールで100万トークンあたり$0.075、その他の地域では$0.071。Kimi K3.1 Pro は$0.20。どちらもキャッシュ読み込みを大幅に割り引いており、Q​wen のほうが割引率は大きい

• タスクあたりの実時間 — Qwen4-Max は 32.1 分、Kimi K3.1 Pro は 38.4 分で、全体の中央値は 11.5 分。どちらも遅いが、Qwen の方が遅さは少ない。

• スループット — Qwen4-Max は毎秒55出力トークン、Kimi K3.1 Pro は31(各ベンダー自身のAPIで測定)

• トークン消費量 — インデックス実行1回あたりの出力トークン数は、Qwen4-Maxが1億2700万、Kimi K3.1 Proが1億1300万

コンテキスト — 文書に記載された Qwen4-Max の 1,000,000 トークン、実測では 984,000 が使用可能。Kimi K3.1 Pro は 1,048,576

• モダリティ — どちらもテキスト、画像、動画を入力として受け取り、テキストを返します。Moonshotのモデルガイドでは、Kimi K3.1 Proが動画を扱えると明記されていますが、モデルに関する独立系の概要ではテキストと画像のみが記載されています。

• 重み — Qwen4-Maxは何も公開しておらず、そのドキュメントではファインチューニングとデプロイが非対応と明記されている。Kimi K3.1 Proの2.8兆パラメータのチェックポイントは、トークンごとにそのうち1040億がアクティブで、既製のライセンスではなく特注のライセンスの下でダウンロードできる

• アーキテクチャ、ベンダー報告 — Qwen4-Max は 2.4兆パラメータのバックボーンで、710億がアクティブ、さらに3280億のN-gram埋め込みパラメータ;Kimi K3.1 Pro は K3 をベースに構築されたポストトレーニング済みの 3Tクラスモデル

出力価格の行をタスクあたりコストの行と照らし合わせれば、記事全体がわかる。Kimi K3.1 Pro は出力トークンあたり2倍以上の料金を請求しながら、それでもタスクを仕上げるのに41セント多くかかる。出力するトークン数が少ないからだ。Qwen4-Max は出力トークンあたり半分以下の料金で、そこからほとんど何も得られない。出力するトークン数が12%多いからだ。トークンあたりの価格は請求額の代理指標であり、請求額そのものではない。請求額は3行目だ。

ワークロード1:長時間稼働エージェント

ここで41セントはもはや丸め誤差ではない。エージェントループは1つのタスクを実行するのではなく、再試行の多い一連のタスクを実行する。そこで積み上がるのは料金ではなく実時間だ。インデックスタスクあたりそれぞれ32.1分と38.4分で、両モデルとも業界中央値の11.5分より2〜3倍遅い。20タスクのバッチなら、どちらでも実時間で10〜13時間かかる。ループがレイテンシに律速されているなら、どちらも適切なモデルではなく、両者を価格で選ぶのは間違った変数を最適化していることになる。

レイテンシー律速でない場合——夜間バッチ実行、長期にわたる調査ジョブ、バックグラウンドの文書作業——決め手となる数値は完了タスクあたりのトークン数であり、ここではQwen4-Maxの毎秒55トークン対Kimiの31トークンという差は見た目ほど重要ではない。スループットが決めるのは、1つのリクエストがどれだけ速く消化されるかだけだ。請求額を決めるのは、モデルが回答を出すまでに思考で費やすトークン数である。Qwen4-Maxはそのトークンを12%多く消費し、1単位あたりの料金は55%低い。

ワークロード2:長い文書に関わるすべてのもの

ここからは、比較の焦点がスコアではなく、出力の形そのものになります。両モデルともテキスト・画像・動画を読み取り、テキストを書き出すため、モダリティの違いを論じる余地はありません。正直に言えば、このセクションでQwen4-Maxの動画対応は見た目ほど決め手にはなりません。Moonshotのモデルガイドに、Kimi K3.1 Proも動画を扱えると書かれているからです。ドキュメント作業で両者を分けるのは、1回のパスでどれだけ書き戻すか、そしてそれにいくら課金するかです。

Qwen4-Maxは、thinkingをオフにすると出力を131,072トークンに制限し、オンにするとthinkingと回答で262,144トークンを共有します。Kimi K3.1 Proは約943,000トークンまで対応します。要約を返す契約レビューでは、この違いが現れることはありません。しかし、マークアップされた文書全体を再出力するよう求められるパイプラインや、作業セット全体を推論してから結果を長文で書き出すよう求められるパイプラインでは、1回の呼び出しで済むか、今から構築してデバッグしなければならないチャンキング方式が必要になるかの違いになります。

価格差は逆方向を指している。Qwen4-Maxの入力料金は25%低く、出力料金は半分未満なので、大規模コーパスに対する抽出・分類作業——入力が多く出力が少ない——は、完了タスクあたりでも料金メーター上でもQwen4-Maxの方が実質的に安くつく。二つの段落を合わせて読めば、住み分けは明確だ。大規模コーパスに対する短い回答はQwen4-Maxに有利であり、同じコーパスに対する長い回答はK​imiモデルの出力上限に有利である。

A screenshot of the Artificial Analysis page for Kimi K3.1 Pro, marked open weights and released October 2026, showing the Intelligence Index score of 46 against a median of 23, 113M tokens generated on the run, $2.00 input and $10.00 output per million tokens, $3.68 per task, 38.4 minutes per task against a median of 13.6, text and image input, a 1M-token context and downloadable weights on Hugging Face.

ワークロード3:重みが必要なもの

上記の行には、これら2つのモデル間の最大の違いが何も示されていません。なぜなら、それは数値ではないからです。Kimi K3.1 Proはダウンロードできます。Qwen4-Maxはできません — そのドキュメントではファインチューニングとモデルデプロイがサポート対象外と記されており、Alibabaのローンチ投稿は、より小規模なQwen4ティアが「オープンソース化に向けて準備中」とだけ約束しています。これはこのモデルではなくファミリーについての記述です。

それは3つの特定の状況では重要で、それ以外では無関係だ。自分のデータでファインチューニングする必要があるなら重要だ。なぜなら、Qwen4-Maxにはそのための手段がまったく用意されていないからだ。コンプライアンス上の要件として、重みを誰かのAPIの背後ではなく自社の境界内に置く必要があるなら重要だ。そして、数か月ではなく数年にわたるコストを試算するなら重要だ。ダウンロード可能な3Tクラスのチェックポイントは、自分で制御できる限界費用曲線を伴う資本支出であるのに対し、レンタルするフラッグシップモデルは変動しうる料金表だからだ。3兆パラメータのMixture-of-Expertsは、ほとんどのチームが自社内で運用できるものではない——必要なのはワークステーションではなくラックだ——が、「自分で動かすのは高価」と「自分で動かすのは不可能」は調達上の問いに対する別の答えであり、そのうち決着するのは片方だけだ。

ライセンスについては、正確を期すために一言添える必要がある。ほとんどの報道では「オープンウェイト」という言葉がかなり多くのことを担っているからだ。Kimi K3.1 Pro は、K3 が採用していた Modified MIT の条文ではなく、独自の Kimi K3.1-Pro License の下で提供されている。その許諾は通常の意味で寛容だ — 使用、改変、ファインチューニング、再配布、販売 — ただし2つの条件が付け加えられている。モデル・アズ・ア・サービス事業を営み、任意の連続12か月間の総収益が2,000万ドルを超える場合、ウェイトを商業的に使用する前に M​oonshot との別途契約が必要だ。また、それらを基に構築された製品が月間アクティブユーザー1億人または月間収益2,000万ドルを超えた場合、そのインターフェースに「Kimi K3.1-Pro」を目立つ形で表示しなければならない。内部使用、および M​oonshot 自身の製品または認定推論パートナーを通じた使用は、どちらの条項の対象外だ。ウェイトの上に製品を構築する予定なら、要約ではなくライセンス本文を読んでほしい。

ペアを1つのキーにまとめる

ここで比較は対称性を失いますが、この点は率直に述べておく価値があります。OrcaRouter はkimi/kimi-k3.1-proを本日、他の200 以上ものモデル識別子と同じ OpenAI 互換エンドポイント上で、0% のマークアップでルーティングしています — プロバイダーの定価をそのまま通しているため、上記の $2.00 と $10.00 は、どこかのマージンが上乗せされる前のベンダー請求額ではなく、実際に支払う金額です。Qwen4-Max はルーティングしていませんし、このページでそう示唆することもありません。そのモデルを利用するには、Alibaba 自身の 6 つのリージョンか、それを再販するサードパーティプラットフォームを経由する必要があります。

その非対称性が実際に役立つのは、この記事で説明してきたテストだ。上記のワークロード別の分割は、あなたのトラフィックについての仮説であり、あなたのトラフィックについての事実ではない。それを手軽に反証する方法は、同じプロンプトを Kimi K3.1 Pro と Q​wen 3.8 のティアに 1 つのエンドポイントで実行し、自動フェイルオーバーで、そうしなければベンチマーク実行を損なうプロバイダーの一時的な不具合をカバーすることだ。K​imi モデルがあなたのワークロードで 1 タスクあたり 41 セントを超えて勝るなら、重みに関する議論は正当化しやすくなる。そうでなければ、ラックについての調達の話し合いを省けたことになる。

A screenshot of the OrcaRouter model page for Kimi K3.1 Pro, showing the identifier kimi/kimi-k3.1-pro, the byline MoonshotAI with the date 2026-10-24, a description noting a 1,048,576-token context and up to 943,718 output tokens with text, image and video input, a 1M-token context badge, 943k maximum output, pricing of $2.00 input and $10.00 output per million, and a note that zero data retention is available.

決定規則

インデックスの3ポイントとタスクあたり41セントのコストでは、これらのモデルに差はつかない。差がつくのは二値的な項目であり、これらは次の順で確認する価値がある。

• 文書全体を1回の呼び出しで書き戻す必要があるなら——Kimi K3.1 Proの約943,000トークンの出力上限と、Qwen4-Maxの262,144という共有予算の差は、割合の違いではなくカテゴリの違いです

• ファインチューニング、セルフホスト、あるいは重みを手元に保持する必要があるなら — Qwen4-Max は選択肢から外れます。保持できる重みが存在しないからです

• 実行が実時間に制約される場合、どちらも適していません。同じボード上の中央値モデルよりどちらも2〜3倍遅く、しかもK​imiは二者のうち遅い方です

• どれにも当てはまらない場合は、完了タスクあたりの単価が安い方を選びます。今日の数値ではQwen4-Maxが$3.27で、$3.68に対して安い方です。1か月後に再確認してください。両ベンダーとも今四半期にすでに一度価格を変更しているからです。

正直な要約はこうだ。M​oonshotはより高スコアのモデルを出し、A​libabaはより安価なモデルを出した。どちらの方向でも差は小さく、ここで唯一、長期的な影響が残る選択肢は、誰も比較表に載せないもの、つまり借りるか所有するかだ。それ以外はすべて41セントと、改訂時の丸め誤差にすぎない。

この記事で比較したモデル2

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新