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)
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
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。