一騎打ち

GLM-5.2 のロゴvsKimi K3.1 Pro のロゴ

GLM-5.2 vs Kimi K3.1 Pro:2026年に勝つAIモデルはどっち?

GLM-5.2($4.40/1M out)と Kimi K3.1 Pro($10/1M out)は、2026年に最も使われているAIモデルのひとつです。 4件のコミュニティ票のうち、GLM-5.2 が支持率50%でリードしています。

即断の評決

推論で選ぶなら GLM-5.2:アリーナの評価は4.5/5、対する Kimi K3.1 Pro は4/5です。 予算重視なら GLM-5.2 の勝ち:$4.40/1M outから始められるのに対し、Kimi K3.1 Pro は$10/1M outからです。

項目別比較

最低価格
$4.40/1M outglm-5.2 の Z.ai 公式価格:入力 100 万トークンあたり 1.40 ドル、キャッシュヒット時 0.26 ドル、出力 100 万トークンあたり 4.40 ドル。サードパーティのプロバイダーも同じ 1.40 ドル/4.40 ドルを提示しています。入力キャッシュの保存は期間限定で無料。docs.z.ai の価格ページで確認(2026 年 8 月)。
$10/1M outkimi-k3.1-proのMoonshot API公式定価: 入力100万トークンあたり$2(キャッシュミス時)、キャッシュヒット時100万トークンあたり$0.20、出力100万トークンあたり$10、コンテキスト100万トークン。kimi-k3.1-pro-highspeedは$4/$20(キャッシュヒット時$0.20)。Batch APIは標準価格の60%。Kimi K3は引き続き$3/$15で提供。2026年11月3日にplatform.kimi.ai/docs/pricing/chatで確認。
プロバイダー
Z.ai (Zhipu AI)
Moonshot AI
コンテキストウィンドウ
1M tokens (128K max output)
1M tokens
入力料金
$1.40/1M in (cache hit $0.26)
$2/1M in
出力料金
$4.40/1M out
$10/1M out
モダリティ
text only
text, vision
オープンウェイト
あり
なし
観客スコア
50%(4)
50%(0)
アリーナ評価(1-5)
推論
4.5
4.0
コーディング
4.5
4.5
ライティング
3.5
4.0
速度
4.0
1.5
コスパ
4.0
3.5

強みと弱み

GLM-5.2

  • Artificial Analysis Intelligence Index でオープンウェイト首位(スコア 53、106 モデル中 4 位)。MIT ライセンスで実際にダウンロードして自社運用できる最強のモデルです
  • SWE-Bench Pro で 62.1 と GPT-5.5 の 58.6 を上回り、Terminal-Bench 2.1 で 82.7、GPQA-Diamond で 91.2。安価な代替品ではなく、フロンティア級のコーディングと推論です
  • 入力 100 万トークンあたり 1.40 ドル、出力 4.40 ドル(キャッシュヒット時は入力 0.26 ドル)。GPT-5.5 や Claude Opus 4.8 のトークン単価のおよそ 6 分の 1 です
  • 実際に高速で、出力は毎秒 153.2 トークン、最初のトークンまで 1.39 秒。同じオープンウェイト帯の Kimi K3(毎秒 33 トークン)を大きく上回ります
  • 100 万トークンのコンテキストと最大 128K の出力に加え、フルコンテキスト時にトークンあたりの FLOPs を 2.9 分の 1 にする IndexShare アーキテクチャ
  • MIT ライセンスとウェイト公開により、自社運用すればベンダーロックインもホスト API のデータ管轄の問題も解消されます
  • 主要モデルの中で最も冗長です。Artificial Analysis の 1 タスクあたり出力 43,000 トークン(うち推論が 37,000)で平均の 1.8 倍。安い表示価格も実際には 1 タスク 0.32 ドルとなり、OpenRouter では応答に約 75 秒かかります
  • ハルシネーション補正後の知識に弱く、AA-Omniscience は 4。Claude Opus 4.8 の 27、Gemini 3.5 Flash の 23、GPT-5.5 の 20 に大きく劣り、上位モデルが回答を控える場面でも自信を持って答えてしまいます
  • テキスト専用で、画像や音声の入力に対応していません。直接の競合の多くはネイティブにマルチモーダルです
  • Artificial Analysis は、同規模の他のオープンウェイトモデルと比べて高価だと指摘しています。価格面の優位はクローズドな米国フロンティアに対してであり、オープン勢に対してではありません
  • 753B のパラメータは自社運用にマルチ GPU のデータセンター環境を要します。多くのチームにとって「オープンウェイト」は実際に動かせることではなく、可搬性と監査可能性を意味します

Kimi K3.1 Pro

  • MoonshotによればTerminal-Bench 4.0で65.7%、Claude Opus 5.5(66.4%)のすぐ後ろで、GPT-6 Astra(58.2%)を上回る
  • Moonshotの敵対的テストHallu Bench HardでK3よりハルシネーションが大幅に減少: ツール使用時に誤った主張は8.3%(K3は23.4%)で、Opus 5.5(15.0%)より優秀
  • Kimi K3より3分の1安い: 100万トークンあたり$2/$10(キャッシュヒット時$0.20)、バッチ推論は定価の60%
  • 3Dと空間推論に強い: ツールありのBenchCADで92.7とClaude Fable 5.1(92.6)に並び、ツールなしでも72.8とOpus 5.5(73.0)に匹敵
  • K3から金融とオフィス業務が向上: Financial Researchで58.8から70.4へ、MoonshotによればOfficeQA Pro v2で過去最高の64.4
  • Kimi K3のウェイトがHugging Faceで公開済みで、本モデルのオープンウェイトも2026年11月4日までに公開予定
  • 非常に遅い: Artificial Analysisで出力毎秒30.6トークン、195モデル中193位。Highspeed版は価格が2倍の$4/$20になる
  • Artificial Analysis Intelligence Index v5.0で46点(60モデル中23位)、同じ$2/$10で販売されるClaude Sonnet 5.5(54)やGPT-6.1 Sol(55)を大きく下回る
  • 主な改善の多くはMoonshot社内のベンチマーク(Kimi Code Bench、Hallu Bench、金融系テスト群)によるもので、第三者による検証ができない
  • レビュー時点でウェイトとライセンスは未公開。APIは北京の法域下にあり、多くの企業やEUでの導入ではコンプライアンス上の障壁になる
  • オープン版では学習データからサイバー関連データが除かれたため、攻撃的セキュリティの能力はクローズドな最先端モデルに劣る(Moonshotのxdev-bench-hardで81.0、未フィルタ版は90.5)

あなたの審判を下す

1人につき各ツール1票。あなたの推薦が、みんなの見る観客スコアを動かします。

GLM-5.2$4.40/1M out
50%観客スコア · 4
Kimi K3.1 Pro$10/1M out
50%観客スコア · 0

GLM-5.2 へのアリーナの評決

GLM-5.2 は現時点でダウンロードできる最良のモデルです。Artificial Analysis でオープンウェイト勢を牽引し、SWE-Bench Pro で GPT-5.5 を上回り、トークン単価はクローズドな米国フロンティアのおよそ 6 分の 1。エージェント型コーディング、腰を据えたリポジトリ作業、100 万トークン規模の分析に向いており、自社運用やライセンスの自由がロードマップ上重要ならなおさらです。ただし冗長さには注意してください。1 タスクあたり 43,000 出力トークンを消費するため実際の費用は 1 タスク 0.32 ドル前後になり、応答には約 75 秒かかるので、対話型プロダクトには不向きです。また知識のよりどころとして使わないでください。AA-Omniscience が 4(Opus 4.8 は 27)ということは、控えるべき場面でも自信を持って答えるということなので、事実に関わる用途には検証層を挟んでください。純粋なトークン単価では DeepSeek V4 のほうが安価です。GLM-5.2 の売りは、自分のものにできるフロンティア級の能力です。

Kimi K3.1 Pro へのアリーナの評決

Kimi K3.1 ProはK3からの確かなアップグレードで、しかも安くなりました。Moonshotが公表したTerminal-Bench 4.0の数値ではOpus 5.5に迫り、3DとCADの能力は際立ち、Moonshot自身のストレステストではハルシネーション率が3分の2減っています。エージェント型コーディング、3D、金融リサーチに向いており、ウェイト公開後にセルフホストするつもりなら特におすすめです。対話的な用途には向きません(毎秒30トークンは市場でも最も遅い部類です)。価格だけで選ぶ前によく比較してください。同じ$2/$10でも、Claude Sonnet 5.5とGPT-6.1 SolはArtificial Analysisで明確に高いスコアを出し、4〜5倍速く動きます。K3ユーザーは乗り換えるべきです。K3.1 Proはより安く、Moonshotが公表したすべてのベンチマークで上回っています。

観客の声

GLM-5.2 について

返金なしウス

“yok”

返金なしウス

“The verbosity is not a detail. 43k output tokens for a task Opus does in 15k means my cheap model is not cheap, and 75 seconds per answer killed it for our support bot. Great for batch, useless interactive.”

リポジトリの守護者

“1M context that actually stays coherent. Fed it a 400k-token monorepo and the cross-file reasoning was better than anything else I can self-host. 153 tokens/s makes the long reasoning bearable.”

バイブスの覇者

“Swapped it in for our agentic refactor jobs and it held up against Opus 4.8 at a fraction of the bill. The MIT weights are what sold my CTO: we can move it in-house if Z.ai ever changes the terms.”

Kimi K3.1 Pro について

まだ審判はありません。最初の声を上げてください。

よくある質問

GLM-5.2 は Kimi K3.1 Pro より優れていますか?

推論では GLM-5.2 が上回っています(4.5/5 vs 4/5)。 最適な選択は用途次第です。このページの項目別比較で、料金、主要スペック、アリーナ評価を分解しています。

GLM-5.2 と Kimi K3.1 Pro、安いのはどちらですか?

GLM-5.2 の方が安く、$4.40/1M outから始められます。Kimi K3.1 Pro は$10/1M outからです。

GLM-5.2 と Kimi K3.1 Pro の100万トークンあたりの料金は?

GLM-5.2:入力100万トークンあたり$1.40/1M in (cache hit $0.26)、出力100万トークンあたり$4.40/1M out。Kimi K3.1 Pro:入力100万トークンあたり$2/1M in、出力100万トークンあたり$10/1M out。