Kimi K3 vs GPT-5.5・Opus 4.8（2026年）: 安価な同格モデル

TL;DR. Artificial Analysis は Kimi K3 の総合知能レベルを GPT-5.5 および Claude Opus 4.8 と同格に位置づけており、GDPval v2 のエージェント評価では K3（1668 Elo）が Opus 4.8（1600）と GPT-5.5（1494）の両方を実際に上回っています。明確に上位にいるのは Claude Fable 5 と GPT-5.6 Sol だけです。K3 はそれをより低い価格で実現しています。moonshotai/kimi-k3 は ofox 上で 100万トークンあたり $3/$15 で動作し、GPT-5.5 の $5/$30、Opus 4.8 の $5/$25 と比べて安価です。AA の1タスクあたりコストの指標でも K3 は約 $0.94 で、Opus 4.8 の $1.80 のおよそ半分に収まります。つまり、GPT-5.5 や Opus レベルの作業にフロンティア価格を払っていたなら、K3 はトークンあたりの費用が安く、完了タスクあたりでは Opus のおよそ半分で済む同格モデルです。ボードの頂点が必要なときだけ GPT-5.6 Sol か Fable 5 を選びましょう。以下では、仕様、ソース別のベンチマーク、そして3モデルすべてを1つのエンドポイントで A/B テストするコードを紹介します。

TL;DR: どれを選ぶべきか？

一言で言うと、K3 は GPT-5.5 と Opus 4.8 に対するバリュー筆頭で、知能では並び、エージェント作業ではより少ない費用で上回ります。上乗せして払うのは、まさに頂点（GPT-5.6 Sol、Fable 5）が必要な場合か、特定のエコシステムを重視する場合だけです。

腑に落とす価値のある捉え直しはこうです。K3 はナンバーワンのモデルを追いかけているわけではありません。前サイクルのフロンティア（GPT-5.5）と現行の Claude フラッグシップ（Opus 4.8）に肩を並べる位置に着地しつつ、そのどちらよりも安い料金で提供しているのです。

最初の2行を合わせて読んでください。GPT-5.5 と Opus 4.8 が戦うレベルのエージェント作業・コーディング作業では、K3 が該当ベンチマークで最も強く、かつ最も安価です。それがこの記事全体を2行で言い切ったものです。

flowchart TD
    A[Task needs frontier-ish quality] --> B{Need the absolute top of the board?}
    B -->|Yes| C[GPT-5.6 Sol or Claude Fable 5]
    B -->|No| D{Locked into the Anthropic ecosystem?}
    D -->|Yes| E[Claude Opus 4.8<br/>anthropic/claude-opus-4.8]
    D -->|No| F{Budget-first, text-only coding?}
    F -->|Yes| G[Kimi K2.7 Code<br/>moonshotai/kimi-k2.7-code]
    F -->|No| H[Kimi K3<br/>moonshotai/kimi-k3<br/>peer intelligence, lower cost]

仕様の早見比較

価格は ofox のカタログで 2026年7月17日 に確認済み、100万トークンあたりです。3つのフラッグシップはいずれも画像入力を受け付けます。K3 のコンテキストウィンドウ（1M）が際立った特長です。

価格の行を上から下へ読んでください。K3 は3つのフロンティアクラスモデルの中で、入力・出力・キャッシュのすべての行で最も安価であり、その一方で Artificial Analysis はその知能を他の2つと同格に評価しています。K2.7 Code は予算基準として表に載っています。はるかに安価ですが、テキストのみで、より小さいモデルなので、別の階層の判断になります（専用セクションはこの下にあります）。

Kimi K3 とは実際に何なのか

Moonshot は K3 を初のオープンな 3T クラスのモデルと表現しています。アーキテクチャは Stable LatentMoE と呼ぶ 2.8兆パラメータ の Mixture-of-Experts で、トークンごとに 896 個中 16 個 のエキスパートをアクティブにし、Kimi Delta Attention（KDA）と AttnRes 残差スキームを組み合わせたアテンション・スタックを備えます。これにより、オープンウェイトで競合するモデル群（GLM-5.2 は 753B、DeepSeek V4 Pro は 1.6T）よりはるかに大きくなっています。実用上の見出しはもっとシンプルです。1M トークンのコンテキスト、ネイティブの画像入力、そして組み込みの思考機能です。

思考は現行の Kimi ラインの他のモデルと同様に振る舞い、推論内容は reasoning_content フィールドに露出されます。ローンチ時点で K3 はデフォルトで最大思考エフォートで動作し、Moonshot は低・高エフォートモードを後続のアップデートで提供すると述べています。したがって現時点ではエフォート階層は下げられるダイヤルではありません。推論トークンは出力として $15/M で課金されるため、冗長な最大思考の実行はコストが増えます。今日のところ、それはエフォートスイッチではなく、プロンプトと出力スコープで管理します。Artificial Analysis が測定した好ましい副次効果が1つあります。K3 は同社のインデックスを完了するのに K2.6 より約 21% 少ない出力トークンで済んだので、スコアは上がっているのに前世代よりトークン効率が良いということです。

ofox 上では、K3 は OpenAI 互換エンドポイント上の moonshotai/kimi-k3 で、OpenAI プロトコルのパスが直接動作します。代わりに Anthropic 互換パス経由で呼び出す場合、思考パラメータは強制されません。これは K2.7 からの挙動変更です。オープンウェイトはまだ公開されていません。Moonshot は 2026年7月27日 までに公開すると約束していますが、ライセンスはローンチ投稿では明示されませんでした。今のところ、K3 は API モデルです。

K3 は GPT-5.5・Opus 4.8 とどう比較されるか: 3つの読み方

クロスモデル比較は、多くの記事がごまかす場所です。異なるラボが異なるハーネスで実行した数値を並べてしまうのです。このセクションでは、比較を誠実に保つため、各読み方を単一のソースに限定します。

読み方1: 総合知能（Artificial Analysis Index）

Artificial Analysis Intelligence Index は多くのベンチマークを1つの数値に折り込み、異なるベンダーのモデルが同じスケール上に並ぶようにしています。K3 のスコアは 57 です。Artificial Analysis はそれを Claude Opus 4.8 および GPT-5.5 と同等の知能とし、Claude Fable 5 と GPT-5.6 Sol の後塵を拝すると評価しています。この2つは 60 と 59 付近でボードを牽引しています。これは K3 の 2026年7月 のローンチ前後に取得されたローリング・スナップショットなので、固定スコアではなく日付付きの順序として読んでください。要約すると、K3 は総合知能で GPT-5.5 と Opus 4.8 に追いつき、まさに頂点にはまだ追いついていない、ということです。

読み方2: エージェントタスク（AA GDPval v2）

総合知能は、人々が実際に自動化する作業における K3 を過小評価しています。Artificial Analysis の GDPval v2 エージェント評価（すべて同じハーネスで実行）では、K3 は Opus 4.8 と GPT-5.5 の両方を上回り、上位にいるのは Claude Fable 5 と GPT-5.6 Sol だけです。

これは誇張ではなく実際の結果です。エージェント的なツール利用と複数ステップの作業では、K3 はこの記事が比較対象とする2つのモデルをベンチマークで上回ります。GDPval v2 は雑学ではなく、現実的で経済的価値のあるタスクでモデルを採点するため、ここでのリードは、コーディングやオペレーションのエージェントが実際に行う種類の作業に対応します。K3 は AA の AutomationBench（Zapier のエージェント型 SaaS ワークフロー評価をビルドしたもの）でも首位を占め、AA-Briefcase（非公開の長期的な知識労働評価）では 1547 に達し、Fable 5 に次ぐ2位で、Kimi K2.6 から 732 ポイント上昇しました。3つの異なるエージェントテスト、同じ構図です。K3 はそれぞれで首位かその近くにおり、そこで肩を並べるモデル群の中で群を抜いて最も安価です。

なぜオープン寄りの Kimi が、総合インデックスでは同格に並びながら、エージェント作業では2つのクローズドなフロンティアモデルをリードするのでしょうか。それは、エージェント評価が計画立案、ツール利用、そして多くのステップにわたってタスクに集中し続けることを報いるからで、K3 のデフォルトの最大思考予算とそのトークン効率はまさにそのために調整されているからです。GPT-5.5 と Opus 4.8 は強力な汎用モデルですが、どちらもこの Kimi 世代のように自律エージェントのリーダーボードで首位に立つよう作られてはいませんでした。ユースケースが単発のプロンプトなら、総合インデックス（そこでは3つとも同等）が信頼すべき読み方です。多くのターンにわたって実行されるエージェントなら、GDPval がそれであり、K3 が勝ちます。

読み方3: 1タスクあたりのコスト（Artificial Analysis）

トークンあたりの価格は K3 を少しばかり良く見せます。より多く推論するモデルは、ジョブごとにより多くのトークンを消費しうるからです。したがってより公平なコストの読み方は1タスクあたりのコストで、これは Artificial Analysis がインデックス全体にわたって測定しています。ここでは、トークン使用量を数え入れた後でも K3 は安価なままです。

K3 は1タスクあたり約 $0.94 に着地し、GPT-5.5 の $0.99（AA の June v4.1 スナップショットより）や GPT-5.6 Sol の $1.04 とほぼ同水準で、Opus 4.8 の $1.80 のおよそ半分です。GPT-5.x ラインでは2つのコストの読み方が乖離する点に注意してください。トークンあたりでは K3 が明らかに安い（$3/$15 対 $5/$30）のですが、1タスクあたりでは GPT-5.5 とほぼ互角に着地します。GPT-5.5 は各ジョブで通すトークン数が少ないからです。Opus 4.8 に対しては、K3 は両方の読み方で安価です。すっきりした結論はこうです。K3 は同等の知能に対して Opus 4.8 より実質的に安く、GPT-5.x フラッグシップよりトークンあたりで安く、トークン使用量を数え入れると GPT-5.5 とはおおむね互角です。

判断の前に1つ、規律の注意を。上記3つの表はそれぞれ単一のソースから来ており、この記事の後半にある Moonshot 報告のベンチマークは別系統です。K3 の Moonshot 版 GPQA スコアを、別のハーネスから出た GPT-5.5 や Opus の数値と並べて直接対決と呼ばないでください。これらのモデルが比較可能なスケール上に並ぶのは AA の読み方です。

それぞれをどう選ぶか

GPT-5.5 と Opus 4.8 に対しては、判断の基準はドルあたりの能力にエコシステムを加えたものです。

• Kimi K3 を選ぶのは、フロンティア近傍の品質でエージェント作業・コーディング作業を行う場合です。総合知能で GPT-5.5 と Opus 4.8 に並び、AA のエージェント評価で両者を上回り、どちらよりも安価で、1M コンテキスト、ビジョン、そして間もなく登場するオープンウェイトを備えます。3つの中でのデフォルトのバリュー選択です。
• Claude Opus 4.8 を選ぶのは、すでに Anthropic エコシステムにいる場合や、その特有の挙動やツーリングが欲しい場合です。Artificial Analysis はその知能を K3 と同格に評価する一方、1タスクあたりのコストはおよそ倍かかるので、能力差ではなくエコシステムに対して払うことになります。
• GPT-5.5 を選ぶのは、OpenAI の広範でよく理解された汎用モデルと、その周辺のツーリングが欲しい場合です。強力なオールラウンダーですが、K3 が知能で並び、エージェント Elo で上回り、価格で下回るので、これを選ぶ理由は生の価値ではなく、慣れとスタックです。
• GPT-5.6 Sol か Fable 5 に格上げするのは、タスクが本当にボードの頂点を必要とする場合です。これらは K3 が知能インデックスでまだ届かないモデルです。最後の2、3ポイントが結果を左右する難しい推論こそ、追加コストを正当化するケースです。外部の報道も K3 を同じように位置づけています。The Decoder は、K3 がクローズドなリーダーを追い越すのではなく、近づいていると読んでいます。

もし方針や好みで K3 が選択肢から外れ、選択が GPT-5.5 対 Opus 4.8 だけになった場合、この2つは総合インデックスでは近いものの、性格で分かれます。AA の GDPval v2 エージェント評価では、Opus 4.8（1600）が GPT-5.5（1494）を大きく上回るので、ツール利用と複数ステップの作業では Opus がこのペアの中では強いほうです。価格では入力で並び（それぞれ $5/M）、出力で Opus が少し安い（$25 対 $30/M）です。GPT-5.5 の強みは、OpenAI のツーリングの幅広さと成熟度、そして既存スタックにおける挙動の慣れ親しみやすさです。したがってこの2つの間では、エージェント作業や推論重視の作業には Opus 4.8、広範でよくサポートされた汎用モデルには GPT-5.5 です。K3 がこの比較をリードする理由は、知能で両者に並び、エージェント評価で両者を上回りながら、どちらよりも安いコストで済むからです。

月額請求: 開発者1人、エージェント・コーディング

価格差を具体的にするために、推論重視のエージェントを月に入力 20M・出力 5M トークンで実行する開発者1人あたりの、トークン課金による月額請求を示します。

K3 は同じトラフィックで GPT-5.5 の請求の約 54%、Opus 4.8 の約 60% で済みます。これを5人の開発者チーム全体に広げると、K3 は GPT-5.5 に対して月およそ $575、Opus 4.8 に対して $450 を節約します。しかも Artificial Analysis が知能で同等、エージェントタスクではより強いと評価する作業に対してです。

より安価な Kimi: K2.7 Code

作業がプレーンテキストのコーディングで、フロンティアが過剰なら、比較すべき相手は GPT-5.5 や Opus 4.8 ではなく、より小さな Kimi です。Kimi K2.7 Code（moonshotai/kimi-k2.7-code）は、総パラメータ 1T、アクティブ 32B、コード向けにチューニングされたテキストのみの MoE で、100万トークンあたり $0.95/$4、256K コンテキスト、Modified MIT のオープンウェイトライセンスです。価格は K3 の約3分の1です。

ルールはシンプルです。ジョブが予算内のテキストのみのコーディングなら、K2.7 Code はその何分の1かの価格でこなし、フロンティアの余力は遊んでいます。ジョブがビジョン、1M コンテキスト、または上のベンチマークにあるエージェント的な強さを必要とするなら、K2.7 Code はそこに届かず、K3 に戻ることになります。K2.7 Code のトークン単位の詳細な計算、特にその 30% の思考トークン削減が請求上で実際にどこに効くかについては、K2.7 Code のコスト内訳とK2.7 Code 対 GLM-5.2 の実行あたりコストを参照してください。

K3 が Moonshot 自身のベンチマークでどこに着地するか

完全を期すため、ベンダーの数値を挙げます。すべての値は Moonshot 報告で、最大思考で実行され、公式 K3 ローンチ投稿からのものです。方向性として扱い、独立に再現されたものではないとし、異なるハーネスを使う上記の AA の読み方とセルごとに比較しないでください。

これらは第三者の描く構図と一致します。科学的推論（GPQA-Diamond）とウェブ調査エージェント（BrowseComp）で強く、AA が測定したエージェント的な強さと整合します。Moonshot 自身の投稿も、K3 が総合では依然として Claude Fable 5 と GPT-5.6 Sol に及ばないと率直に述べており、だからこそこの記事は K3 を新たなナンバーワンではなく、GPT-5.5 と Opus 4.8 の安価な同格モデルとして位置づけているのです。

ofox で3モデルすべてを実行: 数行で A/B

K3、GPT-5.5、Opus 4.8 はすべて同じ OpenAI 互換エンドポイント上にあるので、自分のタスクに対してこれらをテストするのは文字列を1つ差し替えるだけです。SDK を https://api.ofox.ai/v1 に向け、3つのモデル ID をループし、usage を読んで実際のトークンコストを比較してください。キーは Kimi K3 の ofox モデルページで取得できます。

Python: 1つのループで3モデルを A/B

from openai import OpenAI

client = OpenAI(base_url="https://api.ofox.ai/v1", api_key="YOUR_OFOX_KEY")

task = "Refactor this function to be async and add error handling:\n\n"
task += open("handler.py").read()

for model in ["moonshotai/kimi-k3", "openai/gpt-5.5", "anthropic/claude-opus-4.8"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": task}],
    )
    print(f"\n=== {model} ===")
    print(r.usage)   # compare tokens, then multiply by the specs-table prices
    print(r.choices[0].message.content)

Node: 同じ構造

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.ofox.ai/v1",
  apiKey: process.env.OFOX_API_KEY,
});

const task = "Refactor this function to be async and add error handling:\n" + code;

for (const model of ["moonshotai/kimi-k3", "openai/gpt-5.5", "anthropic/claude-opus-4.8"]) {
  const r = await client.chat.completions.create({
    model,
    messages: [{ role: "user", content: task }],
  });
  console.log(`\n=== ${model} ===`);
  console.log(r.usage);
  console.log(r.choices[0].message.content);
}

スクリーンショットを添付（3モデルとも画像を受け付ける）

3つのフラッグシップはいずれも画像入力を受け付けるので、ビジョンタスクはモデル名の文字列を差し替えればどれでも実行できます。画像は image_url ブロックとして送信します。これが失敗する唯一のモデルは moonshotai/kimi-k2.7-code で、テキストのみだからです。

import base64

with open("layout-bug.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

r = client.chat.completions.create(
    model="moonshotai/kimi-k3",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "This UI screenshot has a layout bug. What is wrong and how do I fix the CSS?"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}},
        ],
    }],
)
print(r.choices[0].message.content)

最初のループを、実際のタスクの代表的なスライスに対して実行し、1日分の usage を合計し、仕様表の価格を掛けてください。それにより、あなたのトラフィックに対する実際の K3 対 GPT-5.5 対 Opus のデルタが得られます。これは、あなた固有のワークロードについては、どんなリーダーボードよりも優れています。タスク別のコーディングモデルのより広いマップについては、実利用ベースのコーディングモデルランキングとAPI 価格比較を参照してください。

FAQ

Kimi K3 は GPT-5.5 より優れていますか？ Artificial Analysis では、K3 の総合知能（57）は GPT-5.5 と同等と評価され、GDPval v2 のエージェント評価では K3（1668）が GPT-5.5（1494）を上回ります。K3 は価格でも安く、$3/$15 対 $5/$30 です。GPT-5.5 は依然として強力な汎用モデルですが、価値の面ではエージェント作業とコーディング作業で K3 に軍配が上がります。

Kimi K3 は Claude Opus 4.8 より優れていますか？ Artificial Analysis は両者の総合知能を同等と評価しており（K3 のスコアは 57、ローリング・スナップショット）、GDPval v2 では K3（1668）が Opus 4.8（1600）をわずかに上回ります。K3 のほうが安く、トークンあたり $3/$15 対 $5/$25、1タスクあたりのコストは約半分です（AA の実測で $0.94 対 $1.80）。Anthropic エコシステムを重視するなら Opus 4.8、同等の知能をおよそ半額で得たいなら K3 です。

Kimi K3 は ofox でいくらかかりますか？ 入力 $3/M、出力 $15/M、キャッシュ読み取り $0.30/M です。これは GPT-5.5 と Opus 4.8 のどちらよりも安く、両者はいずれも入力 $5/M です。価格は Moonshot 自身の API と一致するので、ofox の上乗せはありません。

エージェント・コーディングには K3、GPT-5.5、Opus 4.8 のどれが最適ですか？ この3つの中では、AA の GDPval v2 エージェント評価は K3（1668）を Opus 4.8（1600）と GPT-5.5（1494）より上位に並べます。フルボードでこれより上位にいるのは Claude Fable 5 と GPT-5.6 Sol です。K3 は AA の AutomationBench でも首位を占めます。この3つの中でのエージェント・コーディングでは、K3 がベンチマークで最も優れ、かつ最も安価です。

Kimi K3 は画像入力に対応していますか？ はい、ネイティブのビジョン入力、テキスト出力です。GPT-5.5 と Opus 4.8 も画像を受け付けます。Kimi K2.7 Code はテキストのみなので、image_url の呼び出しは失敗します。

Kimi K3 はオープンソースですか？ Moonshot は「2026年7月27日 まで」にオープンウェイトを公開すると発表し、K3 を初のオープンな 3T クラスのモデルと呼んでいます。本稿執筆時点ではウェイトは公開されておらず、ライセンスも明示されていないため、現時点では K3 はホスト型 API 経由で利用します。公開されれば、GLM-5.2 や DeepSeek V4 Pro を上回り、AA インデックスでオープンウェイトモデルの首位に立つでしょう。

Kimi K3 の規模はどれくらいですか？ 総パラメータ 2.8T、トークンごとに 896 個中 16 個 のエキスパートをアクティブにする Mixture-of-Experts で、1M トークンのコンテキストとネイティブのビジョンを備えます。GLM-5.2（753B）や DeepSeek V4 Pro（1.6T）よりはるかに大きな規模です。

Kimi K3 の ofox モデル ID は何ですか？ OpenAI 互換エンドポイント https://api.ofox.ai/v1 上の moonshotai/kimi-k3 です。GPT-5.5 は openai/gpt-5.5、Opus 4.8 は anthropic/claude-opus-4.8 なので、文字列を1つ差し替えるだけで3モデルすべてを A/B テストできます。

この更新のために確認したソース

• Kimi K3 公式ローンチ投稿
• Artificial Analysis: Kimi K3
• ofox モデルページ: Kimi K3
• ofox モデルページ: GPT-5.5
• ofox モデルページ: Claude Opus 4.8
• ofox モデルページ: Kimi K2.7 Code
• The Decoder: Kimi K3 が GPT-5.6 Sol と Fable 5 に接近
• Moonshot API 価格