Llama 5 vs Kimi K3
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
MetaのLlama 5とMoonshot AIのKimi K3は、注目度の高い主要AIモデルです。Llama 5は5M トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$0.00/出力$0.00、一方のKimi K3は1.05M トークンのコンテキストで入力$0.00/出力$0.00です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Llama 5
オープンウェイト基盤モデルMeta の Llama 5 は、オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保向けに設計されたAIモデルです。5M のコンテキストウィンドウ、毎秒 65 トークンの生成速度、知能指数 94/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
5M tokens
74%
Kimi K3
オープンウェイト推論モデルMoonshot AI の Kimi K3 は、強化学習により鍛えられた高効率なオープンウェイト論理推論向けに設計されたAIモデルです。1.0M のコンテキストウィンドウ、毎秒 58 トークンの生成速度、知能指数 93/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
1.05M tokens
74.5%
ひと目でわかる主な違い
- Both models cost the same under this workload — choose on capability, not price.
- Llama 5 has a larger context window (5M vs 1M tokens).
- Llama 5 is faster at 65 tok/s vs 58 tok/s.
- Kimi K3 leads on SWE-bench coding (74.5% vs 74.0%).
| Feature | Llama 5 | Kimi K3 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 94 | 93 |
Provider | Meta | Moonshot AI |
Input Price Cost per million input tokens | $0.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 5M tokens~7,500 A4 pages of text | 1.05M tokens~1,573 A4 pages of text |
Max Output Tokens Per single request | 128K | 131K |
Throughput Speed Tokens generated per second | 65 tok/s | 58 tok/s |
SWE-bench Verified Real-world software engineering | 74% | 74.5% |
GPQA Diamond Graduate-level reasoning | 84% | 79% |
分野別勝者スコアカード
At-a-glance decision framework検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Contamination-free competitive programming problems collected continuously over time.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Llama 5 · Strengths & Key Advantages
- 5M のコンテキストウィンドウと最大 128K トークンの出力容量（SWE-bench Verified 74% · GPQA Diamond 84%）
- 毎秒 65 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 850ms の低遅延
- オープンウェイトモデル (600B+ total (~40-80B ))として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Kimi K3 · Strengths & Key Advantages
- 1.0M のコンテキストウィンドウと最大 131K トークンの出力容量（SWE-bench Verified 74.5% · GPQA Diamond 79%）
- 毎秒 58 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 720ms の低遅延
- オープンウェイトモデル (2.8T total (MoE))として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Llama 5 | Kimi K3 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $2.00 |
Output Tokens / Task Tokens generated per task | 40K | 35K |
Reasoning Tokens / Task Thinking tokens burned per task | 20K | 18K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | Llama 5 | Kimi K3 |
|---|---|---|
| Official API Model ID (SDK) | meta-llama/Llama-5 | kimi-k3 |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2026-04 | 2026-07 |
| Knowledge Cutoff | January 2026 | March 2026 |
| Architecture | Mixture-of-Experts with recursive self-improvement (~600B total, 40-80B active) | Colossus-Scale Multimodal Sparse Mixture-of-Experts |
| Parameters | 600B+ total (~40-80B active) | 2.8T total (MoE) |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | Supported (Screen coordinate grounding, browser & desktop GUI action loops) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec) · Video (~258–300 tokens/sec) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 372 GB VRAM (4-bit Quantized) · 1290 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 1736 GB VRAM (4-bit Quantized) · 6020 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision, video, audio | text, vision |
| Output Modalities | text | text |
Llama 5 vs Kimi K3: よくある質問 (FAQ)
Which is more intelligent, Llama 5 or Kimi K3?
Llama 5 is more intelligent. It scores 94 compared with 93 on the composite Intelligence Index.
Which model is faster?
Llama 5 is faster, generating 65 tokens per second compared with 58 tokens per second.
Which model has lower latency?
Kimi K3 has lower latency, with a time to first token of 0.72s compared with 0.85s.
Which model has a larger context window?
Llama 5 has a larger context window, supporting 5M tokens compared with 1.05M tokens.
総合評価
Llama 5（オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とKimi K3（強化学習により鍛えられた高効率なオープンウェイト論理推論、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではLlama 5がリードし、応答速度とスループットではLlama 5が優れ、APIコスト効率ではLlama 5が有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には Llama 5 と Kimi K3 のどちらが適していますか？+
総合知能指数およびコーディング評価では Llama 5 が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
Llama 5 と Kimi K3 ではどちらのAPI料金が安いですか？+
Llama 5 は100万トークンあたり入力$0.00 / 出力$0.00、Kimi K3 は入力$0.00 / 出力$0.00です。総合的なコスト効率では Llama 5 がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは Llama 5 が 5M トークン、Kimi K3 が 1.05M トークン です。出力スピード（トークン/秒）では Llama 5 がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemini 3.8 Flash vs Llama 5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- GPT-OSS 120B vs Llama 5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Kimi K3 vs GLM-5.2：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Kimi K3 vs GPT-6 Astra：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Llama 4 Behemoth vs Llama 5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Llama 5 vs DeepSeek V4 Pro：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: MetaおよびMoonshot AI公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。