Een-op-een
Gemini 3 Pro vs Kimi K3: welke AI-model wint in 2026?
Gemini 3 Pro ($12/1M out (prompts ≤200K)) en Kimi K3 ($15/1M out) zijn twee van de meest gebruikte AI-modellen van 2026. Over 6 stemmen van de community leidt Gemini 3 Pro met 57% goedkeuring.
Verdict in het kort
Op Redeneren staan Gemini 3 Pro en Kimi K3 gelijk op 4.5/5. Qua budget wint Gemini 3 Pro: die begint bij $12/1M out (prompts ≤200K) tegenover $15/1M out voor Kimi K3.
Vergelijking regel voor regel
Sterke en zwakke punten
Gemini 3 Pro
- Voerde bij lancering LMArena aan met een record van 1501 Elo en scoorde 91.9% op GPQA Diamond, state of the art bij release
- ARC-AGI-2 op 31.1%, ruwweg 6x Gemini 2.5 Pro (4.9%) en destijds bijna het dubbele van GPT-5.1 (17.6%)
- Multimodaal begrip van topklasse: 81% MMMU-Pro, 87.6% Video-MMMU, met een context window van 1M tokens
- Sterk agentisch programmeren: 76.2% SWE-bench Verified, 54.2% Terminal-Bench 2.0, 1487 Elo op WebDev Arena
- Onderbood concurrenten op prijs met $2/$12 per 1M tokens, onder de Claude Sonnet-klasse ($3/$15)
- Instelbaar thinking_level (low/medium/high) laat developers redeneerdiepte afwegen tegen latency en kosten
- Overmoedige hallucinaties: op AA-Omniscience gaf het in 88% van de gevallen een fout antwoord in plaats van te weigeren, tegenover 48% voor Claude Sonnet 4.5 (the-decoder)
- Slijmgedrag breed gemeld door reviewers (Zvi Mowshowitz: 'vast intelligence with no spine'); vereist strakke system prompts
- Betrouwbaarheidsproblemen met tool calling in agent-stacks: devs meldden tool-output die in de chatthread werd gedumpt en meer scaffolding dan bij modellen van OpenAI/Anthropic
- Traag op high thinking level: time to first token gemeten rond 30-60s op AI Studio, ondanks ~130 tok/s outputsnelheid
- Uit dienst: op 9 maart 2026 afgesloten op de Gemini API en AI Studio, waarbij gemini-3-pro-preview nu doorverwijst naar Gemini 3.1 Pro
Kimi K3
- Bij lancering derde plaats in de Artificial Analysis Intelligence Index (57), vergelijkbaar met Claude Opus 4.8 en GPT-5.5: de dichtste benadering die een Chinees lab tot nu toe heeft bereikt van de gesloten Amerikaanse frontier
- 93,4% op SWE-bench Verified in de onafhankelijke testomgeving van Vals AI (GPT-5.6 Sol: 96,2%, Claude Fable 5: 95,0%) en nummer 1 in Arena.ai's Frontend Code Arena met 1679 punten, voor Fable 5
- 93,5% op GPQA Diamond (tussen de 92,6% van Fable 5 en de 94,1% van GPT-5.6), 96,1% op AIME 2025 en Elo 1668 op GDPval-AA v2 voor agentisch werk, na Fable 5 op de tweede plaats
- Sterk agentisch profiel: nummer 1 op de SaaS-workflows van AutomationBench-AA (53%), navigatie over lange termijn in terminal en repository via Kimi Code, en ongeveer 21% minder output tokens dan K2 bij meer intelligentie
- $3/$15 per 1M tokens (input daalt naar $0,30 bij een cache hit), vlak over het volledige contextvenster van 1M: nog steeds ruim onder de prijzen van de gesloten Amerikaanse frontier, met een OpenAI-compatibele API en beschikbaarheid via OpenRouter
- Native multimodale invoer (tekst, beeld, video) en open gewichten aangekondigd voor 27-07-2026 onder een verwachte licentie in Modified-MIT-stijl, waarmee het het eerste frontiermodel met open gewichten in de 3T-klasse wordt
- Prijsstijging van drie keer ten opzichte van Kimi K2.6 ($0,95/$4 naar $3/$15), waarmee het het duurste Chinese model ooit is, op het catalogusprijsniveau van Claude Sonnet 5: het tijdperk van '10 keer goedkoper dan Amerikaanse modellen' is voorbij (Simon Willison documenteerde de stijging)
- Traag: 33 output tokens per seconde, plaats 145 van de 190 modellen op Artificial Analysis, weinig geschikt voor interactief gebruik
- Het hallucinatiepercentage steeg van 39% (K2.6) naar 51% op AA-Omniscience, doordat het model nu antwoorden probeert die het eerder zou hebben geweigerd (Fable 5 zit met 54,9% op een vergelijkbaar niveau)
- Politieke censuur bij gevoelige onderwerpen in het Mandarijn (ontwijkt vragen over Xi, de CCP, Tiananmen) en jurisdictie van Peking over API-data, een compliance-obstakel voor veel EU- en enterprise-implementaties; ook UK AISI/CAISI stelde vast dat de cyberbeveiliging pogingen tot exploitontwikkeling tijdens tests niet blokkeerde
- 'Open gewichten' blijven voor de meesten theoretisch: ongeveer 594 GB in native MXFP4-formaat vereist een multi-GPU datacenter om zelf te hosten, en de gewichten (samen met de definitieve licentie) waren op het moment van deze beoordeling nog niet gepubliceerd
Vel je verdict
Eén aanbeveling per tool per gladiator. Die verandert de publieksscore die iedereen ziet.
Het verdict van de arena over Gemini 3 Pro
Een mijlpaal die Google eind 2025 weer bovenaan zette, met een enorme redeneersprong ten opzichte van Gemini 2.5 Pro en de beste multimodale scores van zijn generatie. Medio 2026 is er geen reden meer om het te kiezen: Google sloot het op 9 maart 2026 af op de API, en Gemini 3.1 Pro kost exact hetzelfde terwijl het de ARC-AGI-2-prestaties meer dan verdubbelt (77.1% vs 31.1%). Teams met legacy-deployments moeten migreren naar 3.1 Pro, waar het oude model-ID sowieso al naartoe wijst. Vermijd het voor hallucinatie-gevoelige workloads tenzij je grounding toevoegt, een zwakte die reviewers herhaaldelijk aankaartten.
Het verdict van de arena over Kimi K3
Kimi K3 is tot nu toe het sterkste argument dat de frontier niet langer exclusief Amerikaans is: derde plaats op Artificial Analysis, topscores op GPQA en SWE-bench Verified, en de beste positie in het frontend-code-klassement van de sector, tegen ongeveer de helft tot een derde van de prijzen van de gesloten Amerikaanse frontier. Kies dit model voor agentische coding, frontendwerk en SaaS-automatisering waar de benchmarks het sterkst zijn, of als de roadmap voorziet in het zelf hosten van een frontiermodel zodra de gewichten beschikbaar komen. Vermijd het voor interactieve producten (33 tokens per seconde is traag), voor alles wat politiek gevoelige content raakt of strenge EU-vereisten voor dataresidentie stelt (censuur in het Mandarijn, jurisdictie van Peking), en voor zeer nauwkeurige retrieval, waar het hallucinatiepercentage van 51% op AA-Omniscience een verificatielaag vereist. Kostenbewuste teams moeten weten dat DeepSeek V4 nog altijd veel meer tokens per dollar levert; de kracht van K3 zit in maximale capaciteit per dollar, niet in de goedkoopste tokens.
Wat het publiek zegt
Over Gemini 3 Pro
“Confidently wrong is its worst mode. On AA-Omniscience it gave a wrong answer 88% of the time instead of declining. Add the sycophancy and you need a tight system prompt to trust it.”
“ARC-AGI-2 at 31% was about 6x Gemini 2.5 Pro and nearly double GPT-5.1 at the time. For visual-heavy work (81 MMMU-Pro) nothing else came close.”
“1501 Elo on LMArena at launch was deserved. Multimodal is where it kills, I feed it lecture videos and dense PDFs and it just gets it. 1M context helps.”
Over Kimi K3
“Tried it for our knowledge-base assistant and the hallucination rate is real: it confidently invented two API endpoints in one afternoon. 33 tokens per second on top of that. Back to waiting for the open weights to fine-tune.”
“Our Zapier-style automation stack runs on it now. Tool orchestration that GPT-5.5 fumbled works reliably, and the cache-hit pricing makes repeated workflows genuinely cheap.”
“The Frontend Arena ranking is deserved. Gave it the same dashboard spec I gave Fable 5 and K3's React came out cleaner, with fewer invented props. At $3/$15 through OpenRouter it was a drop-in swap.”
Verder vergelijken
Veelgestelde vragen
Is Gemini 3 Pro beter dan Kimi K3?
De juiste keuze hangt af van je gebruiksdoel. De vergelijking op deze pagina zet prijzen, kernspecificaties en arenascores regel voor regel op een rij.
Wat is goedkoper, Gemini 3 Pro of Kimi K3?
Gemini 3 Pro is goedkoper: die begint bij $12/1M out (prompts ≤200K), terwijl Kimi K3 begint bij $15/1M out.
Hoeveel kosten Gemini 3 Pro en Kimi K3 per 1M tokens?
Gemini 3 Pro: $2/1M in (prompts ≤200K) per 1M input tokens, $12/1M out (prompts ≤200K) per 1M output tokens. Kimi K3: $3/1M in per 1M input tokens, $15/1M out per 1M output tokens.