HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Kimi K3の知能、パフォーマンス、価格分析

Kimi K3 Intelligence, Performance and Price Analysis (artificialanalysis.ai)

8 pointsby theanonymousone0 コメント

要約

Artificial AnalysisによるKimi K3モデルの性能と価格に関する分析記事です。知能、速度、価格、冗長性などの指標で他のモデルと比較し、Kimi K3は知能面で優れているものの、価格が高めで速度は平均以下であると評価されています。また、1Mトークンのコンテキストウィンドウやテキスト・画像入力をサポートする技術仕様も解説されています。

全文翻訳

Kimi K3 (Max) インテリジェンス、パフォーマンス、価格分析

インテリジェンス

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含んでいます。

公開APIはありません

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 には、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 が含まれます。各評価の詳細と実行方法については、インテリジェンスインデックスの方法論を参照してください。

オープンウェイト / プロプライエタリ別 Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含んでいます。

公開APIはありません

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 には、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 が含まれます。各評価の詳細と実行方法については、インテリジェンスインデックスの方法論を参照してください。

オープンウェイト

モデルのウェイトが利用可能かどうかを示します。商用利用が条件付きで制限されているモデルは「商用利用制限あり」、ライセンスが商用利用を禁止しているモデルは「非商用」と表示されます。

インテリジェンスインデックス vs. タスクあたりのコスト

Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト(USD)

最も魅力的な象限

パレート線

インテリジェンスインデックスタスクあたりのコスト

インテリジェンスインデックスタスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、インテリジェンスインデックスの重みで加重されます。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含んでいます。各評価の詳細と実行方法については、インテリジェンスインデックスの方法論を参照してください。

能力インデックス

特定の能力や業界におけるモデルのパフォーマンスを測定します。

公開APIはありません

評価

Artificial Analysis によって個別に測定されたインテリジェンス評価 · 高いほど良い

公開APIはありません

エージェントによる知識作業、(Elo-500)/2000

エージェントによる実世界タスク、(Elo-500)/2000

GDP.pdf

専門文書推論、全合格

コーディング

物理学推論

ターミナルでのエージェントによる科学研究ワークフロー

オープンソースリポジトリでのエージェントによるソフトウェアエンジニアリング

エージェントによる法的作業、幻覚抑制全合格率

エージェントによるインタラクティブ3D体験、(Elo-500)/2000

医療分野における長文コンテキスト推論

インテリジェンス評価の関連性

モデルのインテリジェンスは一般的にユースケース全体に翻訳されますが、特定の評価は特定のユースケースにより関連性が高い場合があります。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含んでいます。各評価の詳細と実行方法については、インテリジェンスインデックスの方法論を参照してください。

AA-Briefcase v1.1 更新
AA-Briefcase Elo

AA-Briefcase v1.1 は、Artificial Analysis によって開発されたエージェントによる知識作業ベンチマークです。AA-Briefcase Elo は、ルーブリック合格率、分析品質 Elo、プレゼンテーション Elo を集計した複合指標です · 高いほど良い

公開APIはありません

AA-Briefcase Elo

AA-Briefcase Elo は、分析品質 Elo、プレゼンテーション Elo、ルーブリック合格率を統合した複合指標であり、ルーブリックパフォーマンスは合成的な直接対決マッチを通じて Elo に変換されます。Elo および 95% 信頼区間は 0 にクランプされます。

AA-Omniscience
AA-Omniscience Index

AA-Omniscience Index(高いほど良い)は、知識の信頼性と幻覚を測定します。正解を報酬とし、幻覚を罰し、回答拒否にはペナルティはありません。スコアは -100 から 100 の範囲で、0 は正解と不正解が同数であることを意味し、負のスコアは不正解が多いことを意味します。

公開APIはありません

AA-Omniscience Index

AA-Omniscience Index(高いほど良い)は、知識の信頼性と幻覚を測定します。正解を報酬とし、幻覚を罰し、回答拒否にはペナルティはありません。スコアは -100 から 100 の範囲で、0 は正解と不正解が同数であることを意味し、負のスコアは不正解が多いことを意味します。

AA-PersonalityBench 新規
パーソナリティインデックス

各軸は8つのパーソナリティインデックスのいずれかであり、その特性の Elo z スコアの平均で、評価された全モデルにおけるパーセンタイルランク(1から100)です。

Открытость Index

Artificial Analysis Openness Index: スコア

Openness Index は、モデルのオープンさを 0 から 100 の正規化されたスケールで評価します(高いほどオープン)。

インテリジェンスインデックス比較

インテリジェンスインデックス vs. タスクあたりのコスト

Artificial Analysis Intelligence Index · Artificial Analysis Intelligence Index タスクあたりの加重平均コスト(USD)

最も魅力的な象限

パレート線

インテリジェンスインデックスタスクあたりのコスト

インテリジェンスインデックスタスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、インテリジェンスインデックスの重みで加重されます。

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 は、AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 の10個の評価を含んでいます。各評価の詳細と実行方法については、インテリジェンスインデックスの方法論を参照してください。

トークン使用量

インテリジェンスインデックスタスクあたりの出力トークン

Artificial Analysis Intelligence Index のタスク1回あたりの加重平均出力トークン数

公開APIはありません

インテリジェンスインデックスタスクあたりの出力トークン

インテリジェンスインデックスタスクあたりに必要なトークン数。これは、評価あたりの出力トークン数にインテリジェンスインデックスにおける各ベンチマークの相対的な重みを掛け、タスク数(繰り返しを除く)で割って計算されます。

コスト

インテリジェンスインデックスタスクあたりのコスト

インテリジェンスインデックスタスクあたりの加重平均コスト(USD) · トークンタイプ別 · 低いほど良い

インテリジェンスインデックスタスクあたりのコスト

インテリジェンスインデックスタスクあたりの加重平均コスト。各評価のコストは、入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格から計算され、タスク数で割られ、インテリジェンスインデックスの重みで加重されます。

Artificial Analysis Intelligence Index 実行コスト

Artificial Analysis Intelligence Index の全評価を実行するためのコスト(USD)

Artificial Analysis Intelligence Index 実行コスト

Artificial Analysis Intelligence Index の評価を実行するためのコスト。モデルの入力、キャッシュヒット、キャッシュ書き込み、推論、回答トークンの価格と、評価全体で使用されるトークン数(繰り返しを除く)を使用して計算されます。

価格設定:キャッシュヒット、入力、および出力

価格(USD/M トークン)

キャッシュヒット

キャッシュされたプロンプト(以前に処理された)のトークンあたりの価格。通常、通常の入力価格と比較して大幅な割引が提供されます。USD/百万トークンで表示されます。ここに表示される値はキャッシュヒット価格です。キャッシュ書き込みとキャッシュストレージは別途請求され、プロバイダーによって異なります。「プロバイダー別のキャッシュ価格設定」を参照してください。

コンテキストウィンドウ

コンテキストウィンドウ

コンテキストウィンドウ:トークン制限 · 高いほど良い

公開APIはありません

RAG(Retrieval Augmented Generation)向けのコンテキストウィンドウ

より大きなコンテキストウィンドウは、通常、大量のデータの推論と情報検索を伴う RAG(Retrieval Augmented Generation)LLM ワークフローに関連します。

コンテキストウィンドウ

入力と出力トークンの合計の最大数。出力トークンは通常、モデルによって大幅に低い制限があります。

スピード

出力速度(トークン/秒)で測定

出力速度

出力トークン/秒 · 高いほど良い

出力速度

モデルがトークンを生成している間に受信するトークン/秒(つまり、ストリーミングをサポートするモデルの場合、APIから最初のチャンクを受信した後)。

モデルパフォーマンスの表現

数値は、モデルのファーストパーティAPIのパフォーマンス、またはファーストパーティAPIが存在しない場合のプロバイダー間のメディアンを表します。

インテリジェンスインデックスタスクあたりの時間

加重平均デコード時間(分)/インテリジェンスインデックスタスク · TTFTとオーバーヘッド時間は除く · 低いほど良い

インテリジェンスインデックスタスクあたりの時間

Artificial Analysis Intelligence Index タスクあたりの加重平均時間(秒)。これは、タスクあたりの出力トークンを出力速度で割り、インテリジェンスインデックスにおける各ベンチマークの相対的な重みで加重して計算されます。

レイテンシ

最初のトークンまでの時間(秒)で測定

レイテンシ:最初の回答トークンまでの時間

受信した最初の回答トークンまでの秒数 · 推論モデルの「思考」時間を含む

最初の回答トークンまでの時間

APIリクエスト送信後、受信した最初の回答トークンまでの時間(秒)。推論モデルの場合、これはモデルが回答を提供する前に「思考」している時間が含まれます。ストリーミングをサポートしないモデルの場合、これは完了を受信するまでの時間を表します。

エンドツーエンド応答時間

500トークンを出力するまでの時間。最初のトークンまでの時間、推論モデルの「思考」時間、および出力速度に基づいて計算されます。

エンドツーエンド応答時間

500トークンを出力するまでの時間(推論モデルの「思考」時間を含む) · 低いほど良い

エンドツーエンド応答時間

500トークンの応答を受信するまでの時間。主な構成要素:

  • 入力時間:最初の応答トークンを受信するまでの時間
  • 思考時間(推論モデルのみ):推論モデルが回答を提供する前に推論のためにトークンを出力するのに費やす時間。トークン数は、60個のプロンプトの多様なセットにわたる平均推論トーク数に基づいています(方法論の詳細)。
  • 回答時間:出力速度に基づいた500出力トークンを生成するまでの時間

モデルパフォーマンスの表現

数値は、モデルのファーストパーティAPIのパフォーマンス、またはファーストパーティAPIが存在しない場合のプロバイダー間のメディアンを表します。

モデルサイズ(オープンウェイトモデルのみ)

モデルサイズ:総パラメータ数とアクティブパラメータ数

推論中にアクティブな総パラメータ数とパラメータ数の比較(十億単位)

総パラメータ数

モデル内の学習可能な重みとバイアスの総数(十億単位)。これらのパラメータはトレーニング中に学習され、モデルの応答を処理および生成する能力を決定します。

推論時のアクティブパラメータ数

各推論フォワードパス中に実際に実行されるパラメータ数(十億単位)。Mixture of Experts(MoE)モデルの場合、ルーティングメカニズムがトークンごとに専門家のサブセットを選択するため、アクティブパラメータ数は総パラメータ数よりも少なくなります。密なモデルはすべてのパラメータを使用するため、アクティブと総数は等しくなります。