Kimi K3.1 Pro vs. Muse Wonder：リリース比較

Kimi K3.1 ProとMuse Wonderのリリース比較：それぞれ1個と2個のモデルがあり、知能・性能・料金の特性が異なります。以下では、全3個のモデルの主要指標を比較します。

知能が最も高いのはKimi K3.1 Pro（46）です。Muse WonderはMuse Wonder (Max)（44）です。
タスクあたりの時間が最も短いのはMuse Wonderです。Muse Wonder (High)（11.1分）に対し、Kimi K3.1 Proは39.7分です。
タスクあたりの費用が最も低いのはKimi K3.1 Pro（$3.68）です。Muse WonderはMuse Wonder (High)（$4.56）です。

比較するリリース


	Kimi K3.1 Pro	Muse Wonder (max)	Muse Wonder (high)
Intelligence Index	46	44	41
財務・会計	53	51	50
戦略・オペレーション	58	54	54
法務	49	47	46
医療・ヘルスケア	52	49	--
エンジニアリング	51	50	47
経済学	50	50	48
AA-Briefcase v1.1	1674	1659	1610
AutomationBench-AA	73.3%	68.1%	67.2%
Terminal-Bench 4.0	67.2%	52.0%	38.4%
FrontierCode-AA 2.0	25.5%	27.9%	26.6%
AA-Omniscience v1.1	30	25	25
GDP.pdf	31.4%	30.6%	29.2%
HLE-Diamond	37.3%	39.0%	34.5%
CritPt v2 (Hard Subset)	49.5%	50.5%	51.0%
Terminal-Bench-Science 0.1	34.3%	25.7%	21.9%

タスクあたりの費用USD	$3.68	$6.95	$4.56
入力料金USD/100万トークン	$2.00	$4.00	$4.00
出力料金USD/100万トークン	$10.00	$20.00	$20.00
キャッシュヒット料金USD/100万トークン	$0.20	$0.20	$0.20
キャッシュ書き込み料金USD/100万トークン	--	--	--

タスクあたりの時間分	39.7	14.6	11.1
出力速度tok/s	30	110	102
最初の回答トークンまでの時間秒	185.95	26.13	13.50
最初のトークンまでの時間秒	4.32	26.13	13.50
エンドツーエンド時間単一リクエストのワークロードの平均（秒）	449.25	71.62	50.18

コンテキストウィンドウ	1M	1M	1M
開発元	Kimi	Meta	Meta
ライセンス	オープン	独自	独自
入力モダリティ	対応：テキスト、画像	対応：テキスト、画像、音声、動画	対応：テキスト、画像、音声、動画
出力モダリティ	対応：テキスト	対応：テキスト	対応：テキスト
プロバイダー	+14

Updated

知能

Artificial Analysis Intelligence Index · Higher is better

タスクあたりの時間

Inference time (minutes) per Intelligence Index task · Lower is better

タスクあたりの費用

Weighted average cost (USD) per Intelligence Index task · Lower is better

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Index とタスクあたりのコスト

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Muse Wonder

Pareto line

AA-Briefcase v1.1

AutomationBench-AA

タスク当たりのコスト（USD、対数スケール）

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

費用

Intelligence Index タスクあたりのコスト

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

パフォーマンス

Intelligence Indexのタスクあたりの時間

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

能力スコア

能力指数

特定の能力や業界におけるモデルの性能を測定

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

ベンチマーク

AA-PersonalityBenchNew

モデルAvsモデルB

AA-PersonalityBench: Expressiveness指数、Kimi K3.1 Pro vs Muse Wonder (max)

Eloの差から求めた、各モデルの回答が各特性をより強く表していると判定される確率 · 50%は互角

Kimi K3.1 Pro

Muse Wonder (max)

Metaphorical

95%

Lexically Varied

14%

86%

Eloquent

16%

84%

Literate

83%

17%

Natural Sounding

19%

81%

Kimi K3.1 Pro vs. Muse Wonder：リリース比較

知能

タスクあたりの時間

タスクあたりの費用

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index とタスクあたりのコスト

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

費用

Intelligence Index タスクあたりのコスト

Cost per Intelligence Index Task

パフォーマンス

Intelligence Indexのタスクあたりの時間

Time per Intelligence Index Task

Time Period

能力スコア

能力指数

ベンチマーク

AA-PersonalityBenchNew

AA-PersonalityBench: Expressiveness指数、Kimi K3.1 Pro vs Muse Wonder (max)