モデル比較
Kimi vs GLM：Kimi K3とGLM-5.3
DeepSWE v1.1の公表値ならKimi K3（67.5%対66.9%）を選び、同じトークン数で比較した費用を抑えるなら入力10,000・課金対象出力1,000 tokensで$0.01840のGLM-5.3が候補です。
| 比較項目 | 優位な比較対象 | 差 | 根拠 |
|---|---|---|---|
| コーディング指標 | Kimi K3 | +0.6 pp 公表スコアの差 | DeepSWE v1.1: Kimi K3 67.5% vs GLM-5.3 66.9%1 |
| 推論指標 | Kimi K3 | +4.8 pp 公表スコアの差 | GPQA Diamond: Kimi K3 92.9% vs GLM-5.3 88.1%1 |
| リクエスト費用の試算 | GLM-5.3 | $0.02660 算例の差 | GLM-5.3 $0.01840 vs Kimi K3 $0.0450023 |
公式ベンチマーク結果
公式ベンチマーク結果
横にスワイプしてすべての列を表示
性能
性能
横にスワイプしてすべての列を表示
料金
料金
横にスワイプしてすべての列を表示
| 指標 | Kimi K3 | GLM-5.3 |
|---|---|---|
| 入力 / 1M tokens23 | $3.00 | $1.40 |
| 出力 / 1M tokens23 | $15.00 | $4.40 |
| コンテキスト長 (tokens)23 | 1M | 1M |
| 最大出力 (tokens)23 | 1M | 128K |
| APIとモデルID23 | moonshotai/kimi-k3 | zai-org/glm-5.3 |
用途別の選び方
コーディング・推論・コンテキスト・費用
Kimi K3
- コード生成（DeepSWEは67.5%対66.9%）とGPQAで評価する推論（92.9%対GLMの88.1%）にはKimiを選ぶとよく、コード生成での差は小幅です。
- 長い出力にはKimi（最大1M対128K）。入力コンテキストは双方1Mです。
- Kimiの費用算例$0.04500はGLMより$0.02660高く、ツールありHLEでもGLMが62.5%対59.8%で上回ります。
GLM-5.3
- 同一レポートのツールありHLEではGLM（62.5%対59.8%）。NL2Repoは双方58.0です。
- GLMの固定トークン量での費用算例は$0.01840で、Kimiの$0.04500より低額です。入力／出力料金は$1.40/$4.40です。
- 入力コンテキストは双方1Mですが、長い生成では出力上限128Kが制約です。Kimiの上限は1Mです。
比較方法
比較方法と出典
Kimi K3とGLM-5.3のベンチマークスコアには、DeepSeekの公式比較表で共通して用いられた最大推論強度の設定を使っています。ツールありのHLEは、ツールなしのHLEとは別に掲載しています。AAの行はモデル単位の参考値で、料金とトークン上限は記載したNovita APIのものです。ストリーミング速度には最初の待ち時間を含みません。
Novita AIはKimiとGLMを提供し、引用した各モデルの公開資料に基づいて比較しています。入力10,000 tokens・課金対象出力1,000 tokensを固定し、課金される推論も含めて、キャッシュなしの同期料金で費用を試算しています。独自ベンチマークや請求書の結果ではなく、税金、再試行、割引、個別契約による容量確保は含みません。
KimiとGLMの算例では、回答前に推論トークン2,000個を生成すると仮定しています。表の丸めた表示値ではなく、AAの最初のチャンクまでの時間と出力速度の丸める前の値を組み合わせています。費用とは独立した遅延の算例であり、回答時間の実測値ではありません。
- DeepSeek · V4.1 Flash Model Card huggingface.co · 確認日 2026-10-15
- Kimi K3 · Novita AI novita.ai · 確認日 2026-10-15
- GLM-5.3 · Novita AI novita.ai · 確認日 2026-10-15
- Kimi K3 · Artificial Analysis artificialanalysis.ai · 確認日 2026-10-15
- GLM-5.3 · Artificial Analysis artificialanalysis.ai · 確認日 2026-10-15
Novita Model APIsで開発を始める
APIキーを作成し、アプリケーションに接続しましょう。