Kimi K3.1 Pro vs Claude Opus 5.5：コーディングと費用

コード作業の結果から、すべての仕事に一つのモデルが向くとは言えません。MoonshotのTerminal-Bench 4.0表ではKimiが65.7%、Claudeが66.4%です。以下のCADと金融文書のテストでは、それぞれ高い結果を出したモデルが異なります。

出典： ³

提供元の公表結果です。評価設定と出典は比較方法の項目に記載しています。

Moonshotが公表する追加のタスク評価

BenchCADは画像からCADコードを書く課題で、Claudeが96.2%、Kimiが92.7%です。OfficeQA Pro v2は金融文書への質問を評価し、Kimiが64.4、Claudeが62.2です。公表結果の評価設定は異なるため、条件をそろえたエンドポイント試験ではなく、それぞれの課題での結果です。³

Claude向けに作ったアプリでは、ツールの説明の渡し方や回答の読み取り方に調整が必要な場合があります。利用量が少ないアプリでは、その作業が小さなトークン料金の節約を上回ることもあります。

コーディング支援では、最初のストリーミングメッセージだけでなく、テストを含めて使える修正が得られるまでの時間を比べます。このページでは、条件をそろえたエンドポイントの時間測定は引用していません。

出典： ⁷

料金はNovitaのKimiとAnthropic APIを比較しています。コード例はNovitaのKimiエンドポイントを使用します。⁸²

出典： ¹²

新規キャッシュの算例には5分書き込み料金を使います。キャッシュ対象となるプレフィックスは書き込みとして一度課金します。既存キャッシュの算例は後続リクエストで読み取りに成功する前提です。

各行は入力と出力の量を固定したトークン料金の算例です。キャッシュ読み取りには命中が必要です。ツール、Sandbox実行時間、ストレージ、ネットワーク、税金は別料金で、個別割引やバッチ処理は含めません。

Claudeの数値はAnthropicの標準グローバルAPI料金で、Fast、米国内限定推論、Novitaの再販見積もりではありません。

出典： ²

NovitaのモデルページではKimiの上限を1Mと略記しています。公開モデル一覧ではコンテキストと最大出力をそれぞれ1,048,576トークンと指定しており、この表はその正確な値を使います。提供元が同じ1M表記を使っていても、上限が同一とは限りません。¹⁸

コンテキストと最大出力は提供元の公表上限であり、同じリクエストで両方を上限まで使える保証ではありません。エンドポイントの総コンテキストと生成の規則に従います。

出典： ¹⁷⁸

アプリ全体を切り替える前に、一種類の作業でKimiを試す方法があります。同じ出力要件を満たし、総費用も下がる場合に利用を広げます。

コードを比較する場合、Novita Agent Sandboxは生成コードやテストを実行する別環境として任意で利用できます。実行を許可するコマンドはアプリが管理し、実行環境の料金はモデル料金とは別です。コード実行を伴わない文書Q&AにはSandboxは不要です。

Novita Agent Sandboxを見る · 再現可能な実行環境を構築する

出典： ⁵⁶

この例はNovitaのKimiに短い実装計画を求めます。Claudeを呼び出したり、計画を実行したりするコードではありません。

生成上限は、エンドポイントが数える推論トークンも含めて1,024トークンです。空の回答やトークン上限で終了した回答を受け取った場合、コードは通知を表示し、次の回答を自動では要求しません。上限を増やす前に使用量を確認してください。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["NOVITA_API_KEY"],
    base_url="https://api.novita.ai/openai/v1",
)

for model in ["moonshotai/kimi-k3.1-pro"]:
    reply = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "Review a repository bug fix: list the implementation steps and acceptance tests."}],
        max_tokens=1024,
    )
    choice = reply.choices[0]
    content = choice.message.content or ""
    print(model, "finish_reason:", choice.finish_reason)
    print("usage:", reply.usage)
    if choice.finish_reason == "length" or not content.strip():
        print("No complete answer. Inspect usage and adjust the generation budget before another request.")
    else:
        print(content)

出典： ⁴

出典： ¹²³⁴⁷