--- title: "Kimi K3 vs Gemini 3.8 Flash どっちがいい？料金・性能を比較【2026年10月】- ai-garage" description: "総合知能（AA Index）は Kimi K3 44 対 Gemini 3.8 Flash 41 で Kimi K3 がやや優位。用途しだいで逆転する差。料金・ベンチマーク・コンテキスト長を横並び比較、FAQ・一次ソース付き【2026年10月】。" source: https://ai-garage.jp/vs/kimi-vs-gemini-flash/ --- VS COMPARISON # Kimi K3 vs Gemini 3.8 Flash Moonshot AI ## Kimi K3 K3 (2.8T, MoE 896/16 active) ／ 2026-07-16 「オープンなのにフロンティア級。デカくて賢い自由派だよ」 VS Google ## Gemini 3.8 Flash 3.8 Flash ／ 2026-09-02 「6週間で3世代目！お値段そのままで賢くなったけど、よく考えるぶんタスク単価は上がるんだ。」 編集部の総合判定 総合知能（AA Index）は Kimi K3 44 対 Gemini 3.8 Flash 41 で Kimi K3 がやや優位。用途しだいで逆転する差 ベンチ勝ち：Kimi K3 1 / Gemini 3.8 Flash 0 料金で安い項目：Kimi K3 0 / Gemini 3.8 Flash 2 データ最終更新：2026-10-17（編集部集計） 同じシリーズの別グレードで比べる [Kimi K3 vs Gemini 4 Argon →](https://ai-garage.jp/vs/kimi-vs-gemini/) WHICH ONE ## こんな人はどっち？ ### こんな人は Kimi K3 - ✓ 「K3：総2.8兆パラメータ（896エキスパート中16活性・活性約104B）の MoE、オープンウェイト最大級」を重視する人 - ✓ 「新アテンション Kimi Delta Attention（KDA）で長文デコードを高速化」を重視する人 ### こんな人は Gemini 3.8 Flash - ✓ API 料金を抑えたい人（入力$0.75/出力$3.75） - ✓ コスパ重視の人（AIコスパ指数 65 対 56） - ✓ AI をはじめて使う人 SPECS ## 仕様の比較 | 項目 | Kimi K3 | Gemini 3.8 Flash | | --- | --- | --- | | バージョン | K3 (2.8T, MoE 896/16 active) | 3.8 Flash | | 公開日 | 2026-07-16 | 2026-09-02 | | コンテキスト長 | 1000K | 1049K | | 入力料金 $/1M | $3 | $0.75 安い | | 出力料金 $/1M | $15 | $3.75 安い | | 推論モデル | ✓ あり | ✓ あり | | マルチモーダル | ✓ あり | ✓ あり | | [AIコスパ指数](https://ai-garage.jp/glossary/ai-cospa-index/) 独自指標 | 56 | 65 勝ち | BENCHMARKS ## ベンチマーク差分 バーの長さは100%スケール。長い方が勝ち。 総合知能（AA Intelligence Index） Kimi K3 44 勝ち Gemini 3.8 Flash 41 専門知識（GPQA） Kimi K3 93.5% Gemini 3.8 Flash — 最難関試験（HLE） Kimi K3 43.5% Gemini 3.8 Flash — ※ [AA Intelligence Index](https://ai-garage.jp/glossary/intelligence-index/)（第三者機関 Artificial Analysis の統合知能指標）/ SWE-Bench Verified（実OSSバグ修正）/ MMLU（総合学力）/ GPQA Diamond（博士レベル理系）/ AIME（数学オリンピック予選）/ [HLE](https://ai-garage.jp/glossary/hle/)（Humanity's Last Exam・最難関試験） ※「—」は未公表（実測0ではありません）。未公表の項目は勝敗のカウント対象外です。公式が個別ベンチを公表していないモデルも、AA Intelligence Index は第三者測定のため横並びで比較できます。 X VOICE ## Xの評判はどう？ ベンチマークとは別の軸として、直近7日（2026-10-12 〜 2026-10-19）の X上の日本語の声をサンプル分析。[てんびん丸総研](https://ai-garage.jp/x-sentiment/)調べ。 ### Kimi K3 X評判スコア 56 ／100（n=9） ポジ 5 ／ ネガ 4 ／ 中立 0 👍 コーディングに強い 👍 業務自動化で採用 👎 性能不足 👎 無料API消失 ### Gemini 3.8 Flash X評判スコア 89 ／100（n=21） ポジ 16 ／ ネガ 2 ／ 中立 3 👍 雑用・ITサポートに強い 👍 実装・校正に適する 👎 ゲーム作成時のバグ見落とし 👎 TTS多用で課金負担 ※ Grok（x_search）で過去7日の日本語Xポストを、モデルごとに3つの角度（感想・活用報告・他モデル比較）から検索してサンプル収集し、ポジ・ネガ・中立をLLM分類した傾向値。全数調査ではなく、角度間の重複除外も完全ではありません。評判スコア＝ポジ÷（ポジ＋ネガ）×100（判定5件未満は「—」）。 全モデルの一覧と推移は [てんびん丸総研](https://ai-garage.jp/x-sentiment/)へ。 EDITOR'S NOTE ## 編集部メモ 数値の背景と、いまの提供状況・注意点 ### Kimi K3 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）。 ### Gemini 3.8 Flash 前世代 Gemini 3.7 Flash（2026-08-13 公開）の後継として 2026年9月2日（米国時間）に公開された Google の主力（workhorse）モデル。 3.7 Flash からわずか3週間、6週間で3世代目という速さで、Google の位置づけは「いちばん賢い働き者」。 同時に、防御側専用の Gemini 3.8 Flash Cyber も発表されました（Fairwind Program の審査を通った政府機関・重要インフラ・ ソフトウェア保守者だけが使える枠で、一般提供ではありません）。 料金は 3.7 Flash と据え置きで、2026年12月31日までの導入価格が 入力 $0.75 / 出力 $3.75、2027年1月1日から 入力 $1.50 / 出力 $7.50 （本表とコスパ指数は、いま実際に請求される導入価格で算出しています）。 入力 1,048,576 / 出力 65,536 tokens、マルチモーダル入力（テキスト・画像・音声・動画、出力はテキスト）、モデル名は `gemini-3.8-flash`。 thinking level は low / medium / high の3段階（指定しない場合は medium）で、3.7 Flash にあった minimal は 3.8 Flash では使えません （指定するとAPIエラーになります）。 Google 公表のベンチで数値が明示されているのは HLE-Verified 54.9% のみ。DeepSWE v1.1・Vals Finance Agent V2・ Harvey's Legal Agent Benchmark は「3.7 Flash を上回る」とだけ書かれていて、具体的な数値は公表されていません（推測では埋めていません）。 第三者測定は Artificial Analysis Intelligence Index v4.3.2 で 41（high 設定・2026-09-23 確認）。 SWE-Bench Verified / GPQA / AIME / MMLU は公式も第三者も数値を公表しておらず空欄です（名前の似た別テストの値では埋めていません）。 【1トークンあたりは同じでも、1タスクあたりは高くつきます】Google 自身が「3.8 Flash はより多く考え、道具を何度も呼ぶので、 とくに effort を上げるとトークンを多く使うことがある」と明記しています。実際 Artificial Analysis の測定でも、 同じテスト一式を解くのに使った出力トークンは 3.7 Flash の 64M に対し 3.8 Flash は 120M で、 1タスクあたりのコストは $0.40 → $0.58 に上がっていました（2026年9月上旬の指標の版での値。AA は 9月19日の v4.3.2 で全モデルを採点し直しているので、 最新の値は AA のページで確認してください）。公開時は、安さ優先の用途では 3.7 Flash がそのまま使え、Google も継続提供を明言していました。 ただし 3.7 Flash は2026年10月8日に提供を終え、Google AI Studio では選べなくなり、Gemini API で指定すると自動で 3.8 Flash に回されます。 いま安さを優先するなら、3.8 Flash の thinking level を low に下げるか、より安い Gemini 3.5 Flash-Lite（入力 $0.30 / 出力 $2.50）を使う手があります。 本表の 1,048,576 トークンは、Google が Input token limit（入力に使える上限）として公表している値で、出力の上限 65,536 トークンは別枠（2026-09-03 に公式モデルページで確認）。 PROS & CONS ## 強み・弱み ### Kimi K3 中国発 Moonshot AI のオープンモデル。K3 で総2.8兆パラメータ・100万トークンに到達し、オープン最大級のフロンティアモデルに。 ◎ 強み - ◎ K3：総2.8兆パラメータ（896エキスパート中16活性・活性約104B）の MoE、オープンウェイト最大級 - ◎ 新アテンション Kimi Delta Attention（KDA）で長文デコードを高速化 - ◎ 100万トークンの長文コンテキスト - ◎ ネイティブ・マルチモーダル（テキスト/画像/動画） - ◎ フルウェイトを 2026-07-27 に Hugging Face（moonshotai/Kimi-K3）で公開済み △ 注意点 - △ 中国製のため業務利用は規約・データ取扱の確認を - △ API 単価は $3/$15 と K2系から値上げ（オープン系では高め） - △ 総2.8兆パラメータ級でローカル運用のハードルは高い - △ ライセンスは Apache 2.0 / MIT ではなく独自の「Kimi K3 License」。商用利用は条文の確認が必要 公式サイト → ### Gemini 3.8 Flash Google 製。Gmail / Docs との連携と、100万トークンの長文＋画像・動画・音声の読み取りが持ち味。最上位は 2026-10-13 に一般公開された Gemini 4 Argon（Gemini アプリは AI Pro・Ultra、API は有料ティア）、速くて安い Flash 系の最新は 3.8 Flash。 ◎ 強み - ◎ Gmail / Docs / Sheets / Slides と連携 - ◎ 画像・動画・音声・PDFの理解が強い - ◎ 1M tokens の長いコンテキスト（API と、Gemini アプリの AI Pro・Ultra。アプリの無料は3万2千、AI Plus は12万8千トークン） - ◎ 動画理解の「agentic」処理（2026-09-01 米国時間に Gemini API で提供開始。対象は 3.7 Flash / 3.6 Flash / 3.5 Flash-Lite で、2026-09-04 時点の公式ドキュメントでは 3.8 Flash も対応）：長い動画で使うトークンを最大88%減らせ、追加料金なしの通常トークン課金。設定は processing を agentic にするだけ - ◎ 文字起こし専用モデル Gemini 3.5 Transcribe（85以上の言語を自動判別・日本語 ja-JP 対応） - ◎ Deep Research Max など独自機能 △ 注意点 - △ 回答の口調がやや堅め 公式サイト → USE CASES ## 用途別のおすすめ Kimi K3 か Gemini 3.8 Flash を取り上げてるタスク 8件 [メール・チャットの返信を書く Gemini 3.8 Flash](https://ai-garage.jp/picks/#email-reply)[Excel・データを分析する Gemini 3.8 Flash](https://ai-garage.jp/picks/#excel-analysis)[ウェブを横断して調べる Gemini 3.8 Flash](https://ai-garage.jp/picks/#web-search)[情報の真偽を確認する Gemini 3.8 Flash](https://ai-garage.jp/picks/#factcheck)[ブログ記事・レポートを書く Gemini 3.8 Flash](https://ai-garage.jp/picks/#long-write)[プレゼン資料・スライドを作る Gemini 3.8 Flash](https://ai-garage.jp/picks/#slide-make)[翻訳する Gemini 3.8 Flash](https://ai-garage.jp/picks/#translate)[AIと音声で会話する Gemini 3.8 Flash](https://ai-garage.jp/picks/#voice-chat) PRIMARY SOURCES ## 一次ソース Kimi K3 - [→ Moonshot AI 公式サイト](https://www.moonshot.ai/) - [→ MarkTechPost：Kimi K3 の技術詳細（KDA・2.8兆パラメータ）](https://www.marktechpost.com/2026/07/16/moonshot-ai-releases-kimi-k3-a-2-8-trillion-parameter-open-moe-model-with-kimi-delta-attention-and-1m-context/) - [→ Simon Willison：Kimi K3 レビュー](https://simonwillison.net/2026/Jul/16/kimi-k3/) - [→ Kimi (chatbot) - Wikipedia](https://en.wikipedia.org/wiki/Kimi_(chatbot)) - [→ Kimi 開発者ドキュメント：モデル一覧（K3 は 1M-token context window）](https://platform.kimi.ai/docs/models) Gemini 3.8 Flash - [→ Google 公式ブログ：Gemini 3.8 Flash / 3.8 Flash Cyber 発表（2026-09-02）](https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/) - [→ Google Cloud：Gemini 3.8 Flash モデルページ（モデルID・入力 1,048,576 / 出力 65,536・thinking level）](https://cloud.google.com/gemini-enterprise-agent-platform/models/gemini/3-8-flash) - [→ Google AI for Developers：Gemini API のモデル一覧（3.8 Flash が Stable・3.7 Flash は前世代表記）](https://ai.google.dev/gemini-api/docs/models) - [→ Google AI 料金（3.8 Flash の導入価格と2027-01-01 からの通常価格）](https://ai.google.dev/gemini-api/docs/pricing) - [→ Artificial Analysis：Gemini 3.8 Flash（Intelligence Index v4.3.2 = 41・high 設定・168モデル中42位・2026-09-23 確認）](https://artificialanalysis.ai/models/gemini-3-8-flash) - [→ Artificial Analysis：Gemini 3.7 Flash（Intelligence Index v4.3 で 39・high 設定・2026-09-08 確認）](https://artificialanalysis.ai/models/gemini-3-7-flash) - [→ Google 公式ブログ：Gemini 3.7 Flash 発表（前世代・2026-08-13）](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-3-7-flash/) - [→ Google AI for Developers：Gemini API 変更履歴（2026-10-08 に 3.7 Flash を非推奨化し、3.8 Flash へ自動で転送）](https://ai.google.dev/gemini-api/docs/changelog) FAQ ## よくある質問 Q. Kimi K3 と Gemini 3.8 Flash、結局どっちがいい？ A. AA Intelligence Index は Kimi K3 44 対 Gemini 3.8 Flash 41 で Kimi K3 がやや優位ですが、用途によっては逆転しうる差です。料金・使い勝手も合わせて選ぶのがおすすめです。 Q. Kimi K3 と Gemini 3.8 Flash、料金が安いのはどっち？ A. 入力料金は Kimi K3 が $3／1M、Gemini 3.8 Flash が $0.75／1M。出力料金は Kimi K3 が $15／1M、Gemini 3.8 Flash が $3.75／1M です。入力・出力とも Gemini 3.8 Flash の方が安く、コスト重視なら Gemini 3.8 Flash が有利です。 Q. Kimi K3 と Gemini 3.8 Flash、ベンチマークで強いのはどっち？ A. 両モデルが共通で公表している指標は1項目と少ないため、全モデルを第三者が同一条件で測定している AA Intelligence Index（Kimi K3 44／Gemini 3.8 Flash 41）を軸に判断するのがおすすめです。AA Intelligence Index・SWE-Bench・MMLU・GPQA・AIME などの比較可能な指標では Kimi K3 の勝ち数が多く（1／0）、総合的なベンチ性能では Kimi K3 が優勢です。 Q. Kimi K3 と Gemini 3.8 Flash、コスパがいいのはどっち？ A. AIコスパ指数（第三者測定の知能スコアと料金の安さを 6:4 で合成した編集部独自指標）は Kimi K3 が 56、Gemini 3.8 Flash が 65。「安くて賢い」バランスでは Gemini 3.8 Flash が有利です。 Q. Kimi K3 と Gemini 3.8 Flash、初心者にはどっちがおすすめ？ A. 初心者へのおすすめ度は Gemini 3.8 Flash の方が高め（5／5 対 3／5）。まず触ってみるなら Gemini 3.8 Flash から始めると迷いにくいです。 LABS ## Gemini を実際に動かして計った記事 公式発表の要約ではなく、編集部が自分で動かして測った数字を載せた検証記事 [![Opus 5.5 × Gemini 3.8 Flash TTS で、解説動画を丸ごと作ってみた](https://ai-garage.jp/images/news-heroes/labs-opus-5-5-gemini-tts-card.webp) 2026-09-26 Opus 5.5 × Gemini 3.8 Flash TTS で、解説動画を丸ごと作ってみた 話題の組み合わせを実際に回して、声の読み間違い・速さ・料金を測った 検証メモ 読み間違いテスト（3.8 Flash） 18.3 / 19 約40秒の読み上げにかかった時間 14.5秒 1分のナレーションの料金 約2.7円](https://ai-garage.jp/labs/opus-5-5-gemini-tts/)[![AIに契約書をチェックさせたら、どこまで見抜けるか](https://ai-garage.jp/images/news-heroes/labs-contract-review-card.webp) 2026-09-26 AIに契約書をチェックさせたら、どこまで見抜けるか 落とし穴を20個仕込んだ契約書で、Claude と Gemini を採点した 検証メモ わかりやすい落とし穴（12回） 120 / 120 気づきにくい落とし穴（12回） 114 / 120 法律の条番号の取り違え 24本中2本](https://ai-garage.jp/labs/contract-review/)[![Claude Fable 5.1 徹底検証](https://ai-garage.jp/images/news-heroes/labs-fable-5-1-card.webp) 2026-09-13 Claude Fable 5.1 徹底検証 「考える量」を上げると、何が変わって何が変わらないのか 検証メモ 価格（Fable 5 と同じ） $10 / $50 本人の5段階×11課題（55セル） 満点でないのは 8 low → max のトークン（簡単 / 難問 / さらに難問） 3.5倍 / 6.8倍 / 7.4倍](https://ai-garage.jp/labs/fable-5-1/) RELATED ## もっと深く知る ### 関連ニュース [Muse Spark Open 公開！Mac Studio 2台で動く、必要なメモリと注意点 2026-10-17](https://ai-garage.jp/news/meta-muse-spark-open-local/)[Perplexity の料金はいくら？無料・Pro・Max の違いと円での値段 2026-10-15](https://ai-garage.jp/news/perplexity-pricing-plans/)[Gemini 4 Argon が一般公開！アプリはAI Pro以上、API料金は12月に倍 2026-10-14](https://ai-garage.jp/news/gemini-4-argon-available/)[NotebookLM と Gemini の違いは？同じノートブックでも答え方が変わる 2026-10-09](https://ai-garage.jp/news/notebooklm-gemini-difference/) ### 関連トピック [AIエージェント時代の本格幕開け 「指示するAI」から「自分で動くAI」へ。2026年は、AIがコードを書き、画面を操作し、Slackに常駐して仕事を片づける「エージェント」が本番運用に入った年。](https://ai-garage.jp/topics/ai-agent-era/)[推論モデル革命 「考える時間」を持たせると、AIは数学・コードで人類トップに肉薄する。](https://ai-garage.jp/topics/reasoning-revolution/)[MCP（Model Context Protocol）が業界標準に AnthropicがOSSで公開した「AIに道具を渡す共通規格」が、業界全体に広がっている。](https://ai-garage.jp/topics/mcp-standard/)[AGI 2027説 — 専門家の予測が一気に前倒し 「AGIは2045年」が定説だったのに、2026年現在『2027〜2030』予想が主流に。](https://ai-garage.jp/topics/agi-2027/) OTHER COMPARISONS ## 他のペアも見る [GPT-6 Astra vs GPT-6.1 Sol](https://ai-garage.jp/vs/chatgpt-astra-vs-chatgpt/)[GPT-6 Astra vs Claude Fable 5.1](https://ai-garage.jp/vs/chatgpt-astra-vs-fable-5/)[Qwen3.8-Max vs Llama 4 Maverick](https://ai-garage.jp/vs/qwen-vs-llama/)[Qwen3.8-Max vs Mistral Large 4](https://ai-garage.jp/vs/qwen-vs-mistral/)[DeepSeek V4.1-Flash vs Llama 4 Maverick](https://ai-garage.jp/vs/deepseek-vs-llama/)[DeepSeek V4.1-Flash vs Mistral Large 4](https://ai-garage.jp/vs/deepseek-vs-mistral/) [全ペアを見る →](https://ai-garage.jp/vs/)