--- title: "Kimi K3 vs Gemini 4 Argon 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 Gemini 4 Argon 53 対 Kimi K3 44。現時点では Gemini 4 Argon が明確に優位。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/ --- VS COMPARISON # Kimi K3 vs Gemini 4 Argon 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 4 Argon 4 Argon ／ 2026-09-30 「やっと誰でも使えるようになった Gemini の新しいエース！11月末までは入力$2・出力$10で、12月から倍になるのは覚えておいてね。」 編集部の総合判定 総合知能（AA Index）は Gemini 4 Argon 53 対 Kimi K3 44。現時点では Gemini 4 Argon が明確に優位 ベンチ勝ち：Kimi K3 0 / Gemini 4 Argon 1 料金で安い項目：Kimi K3 0 / Gemini 4 Argon 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 3.8 Flash →](https://ai-garage.jp/vs/kimi-vs-gemini-flash/) 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 4 Argon - ✓ API 料金を抑えたい人（入力$2/出力$10） - ✓ コスパ重視の人（AIコスパ指数 69 対 56） - ✓ AI をはじめて使う人 SPECS ## 仕様の比較 | 項目 | Kimi K3 | Gemini 4 Argon | | --- | --- | --- | | バージョン | K3 (2.8T, MoE 896/16 active) | 4 Argon | | 公開日 | 2026-07-16 | 2026-09-30 | | コンテキスト長 | 1000K | 1049K | | 入力料金 $/1M | $3 | $2 安い | | 出力料金 $/1M | $15 | $10 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 | 69 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 Gemini 4 Argon 53 勝ち 専門知識（GPQA） Kimi K3 93.5% Gemini 4 Argon — 最難関試験（HLE） Kimi K3 43.5% Gemini 4 Argon — ※ [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 4 Argon X評判スコア 68 ／100（n=23） ポジ 15 ／ ネガ 7 ／ 中立 1 👍 コード生成が優秀 👍 性能が大幅向上 👎 微妙な点が多い 👎 制限が厳しい ※ 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 4 Argon Google の Gemini でいちばん上のモデル。2026年9月30日（米国時間）に発表され、発表時は Google の Fairwind Program に入ったサイバー防御の組織だけへの限定提供だったが、2026年10月13日（米国時間）に一般提供が始まった（本表の公開日は発表日）。 API のモデル名は gemini-4-argon（Stable）で、使えるのは Gemini API の有料ティアだけ（無料枠なし）。Gemini アプリと Google 検索の AI モードでは Google AI Pro・Google AI Ultra の加入者が使える。 料金は2026年11月30日までが 入力 $2 / 出力 $10（キャッシュ入力 $0.10）、2026年12月1日から 入力 $4 / 出力 $20（キャッシュ入力 $0.20）（本表とコスパ指数は、いま実際に請求される11月30日までの価格で算出しています）。3.1 Pro と違い、20万トークンを超える依頼の割増料金はない。 本表の 1,048,576 トークンは入力と出力で共有する1つの枠で、Gemini 3.8 Flash などの「入力に使える上限」とは数え方が違う。 1回の出力は通常 65,536 トークンまでで、long decode（長い出力のモード）を使うと最大 1,048,576 トークンまで書ける。 入力はテキスト・画像・動画・音声・PDF、出力はテキストのみで、考える量（thinking level）は low / medium / high の3段階（2026-10-14 に公式モデルページで確認）。 第三者測定は Artificial Analysis Intelligence Index v4.3.2 で 53（High 設定・216モデル中8位・2026-10-14 確認）。 この評価一式で書いた出力は 110M トークン（全モデルの中央値は 85M）で、1課題あたりの費用は $1.99。 Google が公表した比較表と評価方法の資料には SWE-bench Verified・MMLU・GPQA・AIME・HLE が出てこないため、これらの欄は空欄です（名前の似た別のテストの値では埋めていません。たとえば資料にある Agent's Last Exam は HLE とは別のテスト。3.1 Pro の値も持ち込んでいません）。 Google の公式比較表では、実務系の Vals Index が 68.9%（Vals AI の測定）、長いプログラム修正の DeepSWE v1.1 が 77.9%、コマンド操作の Terminal-Bench 4.0 が 57.4%（この2つは Google 自身の測定）。 前の行の Gemini 3.1 Pro（2026年2月19日公開・入力 $2 / 出力 $12、20万トークン超は $4 / $18・SWE-bench Verified 80.6%・GPQA 94.3%・MMLU 91・AIME 95・知能スコア 30）は、Gemini アプリでは 4 Argon と並んで引き続き選べ（報道）、API のモデル名も gemini-3.1-pro-preview のままで終了日の告知はない（2026-10-14 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 4 Argon 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 4 Argon 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 4 Argon](https://ai-garage.jp/picks/#email-reply)[Excel・データを分析する Gemini 4 Argon](https://ai-garage.jp/picks/#excel-analysis)[ウェブを横断して調べる Gemini 4 Argon](https://ai-garage.jp/picks/#web-search)[情報の真偽を確認する Gemini 4 Argon](https://ai-garage.jp/picks/#factcheck)[ブログ記事・レポートを書く Gemini 4 Argon](https://ai-garage.jp/picks/#long-write)[プレゼン資料・スライドを作る Gemini 4 Argon](https://ai-garage.jp/picks/#slide-make)[翻訳する Gemini 4 Argon](https://ai-garage.jp/picks/#translate)[AIと音声で会話する Gemini 4 Argon](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 4 Argon - [→ Google 公式ブログ：Gemini 4 Argon の一般提供開始（2026-10-13）](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/) - [→ Google 公式ブログ：Gemini 4 Argon 発表（2026-09-30。Fairwind Program での限定提供）](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/) - [→ Google AI for Developers：Gemini 4 Argon モデルページ（入出力共通 1,048,576・出力 65,536／long decode で 1,048,576）](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon) - [→ Google AI 料金（2026-11-30 までの $2/$10 と 2026-12-01 からの $4/$20）](https://ai.google.dev/gemini-api/docs/pricing) - [→ Google DeepMind：Gemini 4 Argon の評価方法（公式比較表のテスト一覧と測定条件）](https://deepmind.google/models/evals-methodology/gemini-4-argon) - [→ Artificial Analysis：Gemini 4 Argon（Intelligence Index v4.3.2 で 53・High 設定・216モデル中8位・2026-10-14 確認）](https://artificialanalysis.ai/models/gemini-4-argon) - [→ Google 公式ブログ：Gemini アプリでの Gemini 4 Argon の提供（Google AI Pro・Ultra）](https://blog.google/innovation-and-ai/products/gemini-app/gemini-4-argon-availability/) - [→ Jetstream：Gemini アプリで 4 Argon が 3.1 Pro と並んで選べるように（2026-10-14・報道）](https://jetstream.blog/2026/10/14/gemini-4-argon-available/) - [→ Gemini API の提供終了予定一覧（gemini-3.1-pro-preview は終了日の告知なし・2026-10-14 確認）](https://ai.google.dev/gemini-api/docs/deprecations) - [→ Google DeepMind：Gemini 3.1 Pro Model Card（前の行の値）](https://deepmind.google/models/model-cards/gemini-3-1-pro/) FAQ ## よくある質問 Q. Kimi K3 と Gemini 4 Argon、結局どっちがいい？ A. 第三者測定の AA Intelligence Index は Gemini 4 Argon が 53、Kimi K3 が 44 と明確な差があり、現時点の総合性能では Gemini 4 Argon が優位です。料金や使い勝手も含めた選び方は「こんな人はどっち？」の欄を参考にしてください。 Q. Kimi K3 と Gemini 4 Argon、料金が安いのはどっち？ A. 入力料金は Kimi K3 が $3／1M、Gemini 4 Argon が $2／1M。出力料金は Kimi K3 が $15／1M、Gemini 4 Argon が $10／1M です。入力・出力とも Gemini 4 Argon の方が安く、コスト重視なら Gemini 4 Argon が有利です。 Q. Kimi K3 と Gemini 4 Argon、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 4 Argon 53）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 Gemini 4 Argon の勝ち数が多く（1／0）、総合的なベンチ性能では Gemini 4 Argon が優勢です。 Q. Kimi K3 と Gemini 4 Argon、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 4 Argon が 69。「安くて賢い」バランスでは Gemini 4 Argon が有利です。 Q. Kimi K3 と Gemini 4 Argon、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 4 Argon の方が高め（5／5 対 3／5）。まず触ってみるなら Gemini 4 Argon 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/)