Kimi K3 vs Claude Sonnet 5.5

ポジ 6 ／ ネガ 6 ／ 中立 1

ポジ 19 ／ ネガ 9 ／ 中立 1

総2.8兆パラメータ（896エキスパート中16を活性化）の MoE で、オープンウェイトとしては最大級。新アテンション Kimi Delta Attention（KDA）＋Attention Residuals で1Mコンテキストのデコードを高速化し、ネイティブ・マルチモーダル（テキスト/画像/動画）に対応。GPQA-Diamond 93.5、Humanity's Last Exam（HLE-Full）43.5、MMMU-Pro 81.6、Terminal-Bench 2.1 88.3、Artificial Analysis Intelligence Index は v4.3.2・max 設定で 44（168モデル中34位・2026-09-23 確認）と frontier 級で、Arena の Frontend Code では首位級。総合では 2026-09-22 公開の Claude Opus 5.5（58）を筆頭に、Claude Fable 5.1 と GPT-6 Astra（53）、GPT-6 Sol と Muse Spark 1.3（48）、Grok 4.7（46）、GLM-5.3 と Qwen3.8-Max（45）に届かない（この比較は 2026-09-23 に v4.3.2 で確認した本表の値。v4.2 のころは Kimi K3 が 50 で Grok 4.6・GPT-5.6 Sol の 51 に迫る位置だった）。重みが配られているモデルとしては、本表では 2026-08-28 に重みが公開された GLM-5.3（45）に次ぐ位置で、各種リーダーボードでも上位級。SWE-bench Verified / MMLU / AIME は Moonshot が数値を公表しておらず（発表は DeepSWE・FrontierSWE・SWE Marathon などエージェント系ベンチ中心）本表では「—」。フルウェイトは予定どおり 2026-07-27 に Hugging Face（moonshotai/Kimi-K3）で公開済み（ライセンスは Kimi K3 License）。中国製のため業務利用は規約確認を。本表の100万トークンは Moonshot 公式ドキュメントの context window（1M-token context window）で、入力と出力の内訳は公表されていない（2026-08-18 確認）。

2026-09-28（米国時間）公開の Anthropic の中位モデル（API は claude-sonnet-5-5）。9月22日の Opus 5.5 に続く「Claude 5.5 ファミリー」の2本目で、Sonnet 5 を置き換える。Anthropic は「Sonnet 5 より出力が30%以上速く、たいていの仕事で1つあたりの費用が最大30%下がる」と説明している（同社のテスト）。料金は Sonnet 5 と同じ入力$2／出力$10（キャッシュ書き込み$2.50。キャッシュ読み込みは発表時の$0.20から 2026-10-07 に$0.10へ半額になり、Anthropic は「エージェント作業の多くで約20%安くなる」と説明。2026-10-09 確認）。Claude アプリでは無料プランを含む全プランで同日から使え、API のほか AWS・Google Cloud・Microsoft Azure でも提供。第三者機関 Artificial Analysis の AA Intelligence Index は 56（v4.3.2・max 設定。安全装置が働いたときに別モデルへ切り替わる既定の状態で測定／2026-09-29 確認）で、本表では Opus 5.5 の 58 に次ぐ2番目、Fable 5.1・GPT-6 Astra の 53 を上回る。前の Sonnet 5 は 38 だったので18点の上昇。ただし max 設定では評価用の課題一式で4億1000万トークンを書いており（中央値は8800万）、1課題あたりの費用は$7.60と Opus 5.5（$5.98）より高い。同じ AA でも設定を下げると high で 47、medium で 41。Humanity's Last Exam は 56.9%（ツールなし。ツールありは 64.5%。公式システムカードの値。同じ表で Sonnet 5 はツールなし 43.1%／ツールあり 54.9% で、Sonnet 5 の発表時の 34.6%／46.8% とは測り方が違う）。SWE-bench Verified は Anthropic が Sonnet 5.5 では公表しておらず本表では「—」（Sonnet 5 の 85.2% は流用しません）。代わりに公表されたのは、より難しい SWE-bench Pro の 81.3%（Sonnet 5 は 63.2%、Opus 5.5 は 89.9%）。ほかの公式値は、コマンド操作で開発を進める Terminal-Bench 4.0 が 70.6%（Sonnet 5 は 10.3%、Opus 5.5 は 66.4%）、FrontierCode 1.1 が 46.2%、CursorBench 4.0 が 55.5%、パソコン操作の OSWorld 2.1 が 80.1%（部分点あり）、実務の出来を測る GDPval-AA v2.1 が 1844（Opus 5.5 は 1846）、AA-Briefcase v1.1 が 1811、グラフ読み取りの Chartography が 61.6%。GPQA・MMLU・AIME は公式未公表のため「—」。一度に読める量は100万トークン、一度に書ける量は最大12万8千トークン、知識は2026年6月まで。考える量（effort）の既定は API で high（Claude アプリと Claude Code は medium）。Sonnet で初めて、サイバー関連の危険度の高い作業は Sonnet 5 に自動で切り替わる安全装置がついた。考えるモードを切って使っていた開発者は、新しい設定 between_tools への移行が必要（そのままでは動かなくなる変更が5つある）。前の Sonnet 5 は公式ドキュメントで旧世代（Legacy）扱いになったが引き続き使え、提供終了は 2027-06-30 より前にはならない（Sonnet 5.5 自身は 2027-09-28 より前にはならない）。発表時に「数週間のうちに」続くとされた Claude Haiku 5.5 は 2026-10-07 に公開された（10万トークン以下の依頼で入力$0.10／出力$0.50、超える依頼は$0.50／$2.50。2026-10-09 確認）。本表の「一度に読める量」100万トークンは、Anthropic 公式の context window（会話の履歴と AI の返答を合わせた1つの枠で、返答ぶんの最大12万8千トークンも同じ枠から引かれる。入力だけで枠を超えるとエラーになる）。入力専用の上限を別に公表している Google・OpenAI とは数え方が違う（2026-09-29 に公式ドキュメントで確認）。

• → Moonshot AI 公式サイト
• → MarkTechPost：Kimi K3 の技術詳細（KDA・2.8兆パラメータ）
• → Simon Willison：Kimi K3 レビュー
• → Kimi (chatbot) - Wikipedia
• → Kimi 開発者ドキュメント：モデル一覧（K3 は 1M-token context window）

• → Anthropic：Introducing Claude Sonnet 5.5（2026-09-28・公式ベンチ表・料金・安全装置）
• → Anthropic：Claude Sonnet 5.5 システムカード（Table 8.1.A：SWE-bench Pro 81.3%・HLE ツールなし 56.9%／ツールあり 64.5%）
• → Anthropic 公式ドキュメント：Claude Sonnet 5.5 overview（公開日・料金・仕様・提供終了の目安）
• → Anthropic 公式ドキュメント：What's new in Claude Sonnet 5.5（between_tools ほか、そのままだと動かなくなる変更5つ）
• → Anthropic Models Overview（最新ラインナップ。Sonnet 5 は旧世代扱い）
• → Anthropic API 料金（$2 / $10 per MTok・キャッシュ読み込み $0.10〈2026-10-07 から。それまでは $0.20〉）
• → Artificial Analysis：Claude Sonnet 5.5（Intelligence Index v4.3.2 で 56・max 設定・2026-09-29 確認）
• → Anthropic：Claude Sonnet 5 発表（2026-06-30・前世代。SWE-bench Verified 85.2%）
• → Anthropic 公式ドキュメント：Claude Sonnet 5 overview（旧世代扱い・提供終了は 2027-06-30 より前にはならない）
• → Anthropic：コンテキストウィンドウの仕様（1Mは入力と出力を合わせた枠）