宮崎翼 
「Kimi K3が Claude を超えた」——2026年夏、中国 Moonshot AI が公開した2.8兆パラメータのオープンモデル「Kimi K3」をめぐって、こんな見出しが飛び交いました。海外の開発者コミュニティ（X など）でも各社モデルのベンチマーク比較が日々投稿され、どれを業務に採用すべきか迷う経営者・現場担当者が増えています。
本記事では、2026年7月時点の主要AIモデルを、第三者評価機関の公開ベンチマークをもとに横並びで比較します。数値の「勝ち負け」だけでなく、実際の業務でどう使い分けるか、そして中小企業がKimiのような海外モデルを使う際の注意点まで整理しました。
比較の前提：どのベンチマークを見るか
AIモデルの「賢さ」は単一の数字では測れません。本記事では、独立評価機関 Artificial Analysis の指標を中心に、以下の軸で比較します。
- 知能指数（Intelligence Index）：推論・数学・知識など複数ベンチを統合した総合スコア
- コーディング力（DeepSWE v1.1）：実際のソフトウェア不具合を修正できる割合
- コンテキスト長：一度に読み込める文章量（長文資料の処理に直結）
- 応答速度：1秒あたりの出力トークン数
- コスト：トークン単価と、標準タスク1件あたりの平均費用
※スコアは2026年7月時点の公開値です。AIモデルは更新が速く、数値は短期間で変動します。最新値は各リーダーボードでご確認ください。
主要モデル 総合比較表（2026年7月）
| モデル | 開発元 | 知能指数 | 速度(tok/s) | コスト/タスク | 公開 |
|---|---|---|---|---|---|
| Claude Fable 5 | Anthropic(米) | 60 | 74 | $2.75 | クローズド |
| GPT-5.6 Sol | OpenAI(米) | 59 | 64 | $1.04 | クローズド |
| Kimi K3 | Moonshot AI(中) | 57 | 33 | $0.95 | オープン |
| Claude Opus 4.8 | Anthropic(米) | 56 | 60 | $1.80 | クローズド |
| Grok 4.5 | xAI(米) | 54 | 67 | $0.31 | 一部公開 |
| GLM-5.2 | Zhipu(中) | 51 | 179 | $0.32 | オープン |
| Gemini 3.5 Flash | Google(米) | 50 | 185 | $0.59 | クローズド |
| DeepSeek V4 Pro | DeepSeek(中) | 44 | 69 | $0.04 | オープン |
総合知能指数のトップ3は Claude Fable 5（60）→ GPT-5.6 Sol（59）→ Kimi K3（57）。米国トップ2がわずかにリードし、中国のKimi K3が僅差で追う構図です。約189モデル中4位という位置づけで、「オープンモデルがクローズド最上位に肉薄した」ことがこの世代の最大のニュースです。
コーディング力の比較（DeepSWE v1.1）
| モデル | 不具合修正成功率 |
|---|---|
| GPT-5.6 Sol | 73% |
| Claude Fable 5 | 70% |
| Kimi K3 | 69% |
実務に直結するソフトウェア修正能力では GPT-5.6 Sol が頭一つリード。ただし3モデルとも僅差で、Kimi K3 は「Web画面のコード生成（UIコーディング）」に限れば Claude Fable 5 を上回るという評価もあり、用途によって順位が入れ替わります。
各モデルの特徴を一言で
- Claude Fable 5：総合力トップ。長文の読解・推論・文章品質・安全性のバランスが最も高い。エンタープライズ用途の本命。
- GPT-5.6 Sol：コーディングと構造化タスクに強い。エコシステム（ツール連携・周辺サービス）が最も充実。
- Kimi K3：オープンモデルで最高峰。UIコード生成・長文処理が得意。ただし応答速度は遅め（33 tok/s）。
- Grok 4.5：コスパ良好で速度も安定。X（旧Twitter）連携が特徴。
- Gemini 3.5 Flash / GLM-5.2：とにかく高速（180 tok/s級）で安価。大量処理・軽量タスク向け。
- DeepSeek V4 Pro：知能では劣るが、コストが桁違いに安い（$0.04/タスク）。単純作業の大量処理に。
現場の声：ベンチマークだけでは分からない実力
数値以上に参考になるのが、実際に使った開発者の反応です。海外の開発者 Hamza 氏（@thegenioo）は、Kimi K3 の登場直後にこう投稿していました。「Kimi K3が出たが期待外れで、Fable や Opus 5 レベルには及ばない」——ところが翌日、実際に Claude Code 上で使い込んだ後、評価を撤回します。
「Kimi K3について間違っていた。間違いなく Fable 5 レベル。少なくともフロントエンドでは GPT-5.6 Sol よりはるかに優れている。本当に遅いけれど。」
Hamza 氏（@thegenioo）2026年7月17日の投稿より（表示25.8万・いいね約800）
この「フロントエンドは非常に強い、ただし遅い」という実感は、前掲のベンチマークとも一致します。Kimi K3 は UI・画面コード生成では最上位級である一方、応答速度は33トークン/秒と主要モデル中でも遅い部類。ベンチの総合順位だけでなく「自分の用途で実際どうか」を試すことの重要性を示す好例と言えます。
Kimi K3 深掘り：「格安オープンソース」は終わった
Kimi K3 は総パラメータ2.8兆のMoE（混合エキスパート）構成、コンテキスト長100万トークン（A4用紙 約1,500ページ相当）、画像・動画にネイティブ対応するマルチモーダルモデルです。オープンモデルとして自社サーバーへの導入・改造ができる点が最大の強みです。
ただし注意したいのが料金です。前世代 K2.6 の「入力$0.95／出力$4（100万トークンあたり）」から、K3では「入力$3／出力$15」へ大幅値上げされました。これは Claude Sonnet 級とほぼ同水準で、かつての「圧倒的に安い中国製オープンモデル」という位置づけは崩れています。トークン単価の絶対値ではもはや DeepSeek や GLM の方が安く、Kimiは「安さ」ではなく「オープンかつ高性能」で選ぶモデルになりました。
中小企業がKimiなど海外モデルを使う際の注意点
性能とコストだけで選ぶと、後で大きなリスクを抱えることがあります。特に中国系モデルのAPIを業務で使う場合、以下は必ず確認してください。
- データの保存先：入力データが中国国内サーバーに保存される可能性があり、中国国家情報法の適用範囲で運用される懸念があります。
- 学習利用の既定値：入力内容やアップロードしたファイルが「サービス改善・モデル学習に使われる場合がある」のが既定。米国勢API（OpenAI・Anthropic）は「既定では学習に使わない」と明示している点が対照的です。
- 実績上の懸念：2026年4月、Kimiで別ユーザーの履歴書情報（氏名・電話番号・職歴）が表示される情報漏洩が報告されています。個人情報を扱う採用・人事業務では特に慎重に。
実務での鉄則は、「機密情報・個人情報は海外の学習利用モデルに入れない」「価格ではなく用途適合で選ぶ」「いつでも別モデルに差し替えられる設計にしておく」の3点です。
用途別おすすめ早見表
| 用途 | おすすめ | 理由 |
|---|---|---|
| 品質最優先・機密を扱う業務 | Claude Fable 5 / GPT-5.6 Sol | 総合力・安全性・既定で非学習 |
| コーディング・開発支援 | GPT-5.6 Sol | 不具合修正力トップ・ツール連携 |
| UI/画面コード生成 | Kimi K3 | この領域でトップ級の評価 |
| 大量処理・要約バッチ | Gemini 3.5 Flash / GLM-5.2 | 圧倒的な速度と低単価 |
| 自社サーバー導入・改造前提 | Kimi K3 / GLM-5.2 | オープンモデルで自由度が高い |
| とにかく低コストで単純作業 | DeepSeek V4 Pro | $0.04/タスクの破格 |
まとめ
2026年7月時点で、総合力の頂点は依然として米国勢（Claude Fable 5・GPT-5.6 Sol）ですが、Kimi K3をはじめとする中国オープンモデルが数ヶ月差まで迫っています。一方で、Kimiは値上げによって「安さ」の優位を失い、データ主権や学習利用といった業務上のリスクも残ります。
ベンチマークの順位は毎月のように入れ替わります。大切なのは「1位のモデルを追いかけること」ではなく、自社の用途・扱うデータの機密度・予算に合わせて選び、いつでも乗り換えられる形で導入することです。AppTalentHub では、こうしたAIツールの選定・業務適用のご相談も承っています。
「性能が高いから選ぶ」ではなく「自社に合うから選ぶ」を実際に判断した事例は、話題のGraphRAG、採用しませんでした にまとめています。選んだモデルを開発の現場でどう動かすかは、Claude CodeからCodexに指示を出す が参考になります。
