Qwen4-Maxは通常のトークン料金が低く、Kimi K3.1 Proは思考に関する仕様が異なり、AIHubMixで公開されている機能メタデータも充実しています。ただし、どちらの事実も、あなたのリポジトリで許容できるパッチが生成されるかどうかを示すものではありません。レビューを通過する変更にかかるコストを基準に選び、エージェントの API 経路がモデルに必要な履歴を保持することを確認してください。
有益な比較を行うには、2つのファイルにまたがるバグを修正し、公開動作を維持し、既存テストに合格するという具体的なタスクを設定します。リポジトリの状態、ツール、指示、停止条件を両モデルで同じにしてください。この記事ではその条件での対比較ベンチマークを実施していないため、品質面での勝者は挙げません。
まずタスクを定め、そのうえでモデルを比較する
AlibabaのQwen4-Maxのドキュメントには、1,000,000トークンのコンテキスト、テキスト・画像・動画の入力、ツール呼び出しが記載されています。Kimi K3.1 Proのクイックスタートでは、常時思考するモデルとして説明されており、コンテキストは約100万トークン、マルチモーダル入力に対応しています。どちらも、リポジトリを読み込み、ツールの結果をもとに作業を進める候補として有望です。
コンテキストの上限が大きいからといって、すべてのファイルを送る必要はありません。まずバグ報告、関連コード、テスト結果から始め、エージェントがさらに情報を必要とする場合にだけ追加してください。UIタスクでは、実行ごとに同じスクリーンショットを含めますが、それぞれの経路における画像要件に従ってください。Kimiのベンダー API は公開画像 URL を受け付けず、base64または独自のファイル参照を使用する仕様です。
テストに合格し、元の不具合をカバーし、無関係な変更が差分に含まれていない場合にのみ、パッチを受け入れてください。失敗したツール呼び出し、繰り返した試行、レビュー時間を記録しましょう。説得力のある説明を書いても、回帰テストを見落としたモデルは、このタスクを完了したとは言えません。
公式料金と実行コストの試算
ベンダー料金とゲートウェイ料金を混在させず、Alibabaのシンガポール向け公式料金とKimiの公式トークン料金を使用します。
| 100万トークンあたり | Qwen4-Max | Kimi K3.1 Pro |
|---|---|---|
| 通常の入力 | $1.50 | $2.00 |
| 思考を含む出力 | $4.50 | $10.00 |
バグ修正の試行で、キャッシュされていない入力トークンを複数ターンにわたって2 million、推論を含む出力トークンを200,000消費すると仮定します。これは1回のリクエストではなく、累積使用量です。Qwen4-Maxは$3 + $0.90 = $3.90、Kimiは$4 + $2 = $6.00です。この使用量が一定の場合、Qwenの料金は35%低くなります。この試算にはキャッシュ、ツール、再試行、税金は含まれず、Qwenにはシンガポール向け料金を使用しています。
実際の実行では、トークン総数は異なります。Kimiは、試行回数やレビューの手間を減らして許容できる結果に到達できるなら、単価の高さを正当化できる可能性があります。成功率が同程度なら、Qwenの優位性がさらに広がる可能性があります。受け入れられたパッチと総支出を合わせて測定してください。どちらの結果も、この記事では確認していません。
思考設定はモデルごとに仕様が異なる
Qwen4-MaxのChat Completionsリファレンスでは、low、high、xhighを使用し、デフォルトはhighです。effortとthinking budgetの両方を省略すると、thinking budgetは131,072トークンになります。reasoning_effortとthinking_budgetを併用しないでください。明示的に指定する予算は正の値である必要があります。Qwenでは、ドキュメントに記載された設定で思考を無効にできます。
Kimi K3.1 Proは常に思考します。effortの値はlow、high、maxで、デフォルトはmaxです。Qwenの思考切り替え設定や予算パラメーターをKimiのリクエストに流用しないでください。Kimiではtemperature=1、top_p=0.95、n=1、presence/frequency penaltyが0に固定されています。ガイドではこれらの指定を省略するよう案内されています。
Qwen4-Maxでは、max_tokensとmax_completion_tokensに思考と回答の両方が含まれ、合計上限は262,144です。Kimiのmax_completion_tokensはデフォルトが131,072、最大値が1,048,576と記載されていますが、コンテキストの空き容量による制約も受けます。名目上の上限が、特定のツールやゲートウェイでそれだけの有用な出力を得られる保証になるわけではありません。
単独の応答よりも、複数ターンにわたる状態管理のほうが重要です。Kimiでは、推論やツール呼び出しを含むassistantメッセージ全体を変更せずに返す必要があります。Qwenは過去の推論を別途保持します。また、要約思考モードを有効にする場合は、暗号化された履歴も変更せずに保持する必要があります。エージェントが表示される回答テキストだけを保存している場合は、どちらのモデルの長いタスクでの品質を評価する前に、その動作を修正してください。
検証できる経路を選ぶ
AIHubMixのQwen4-MaxガイドにはChat Completionsが記載されていますが、機能フラグは未検証とされています。Kimi K3.1 Proのガイドには、ツール呼び出し、構造化出力、キャッシュの機能が公開されており、エンドポイントのセクションにもChat Completionsが記載されています。公開メタデータは連携の参考にはなりますが、あなたのバグ修正タスクでの優位性を実証するものではありません。
まず、両方に共通するこのプロトコルから始めてください。ベンダーがResponsesやMessagesに対応していても、選択したIDでゲートウェイ上の経路が動作する証明にはなりません。コーディングクライアントが必要とするプロトコルに加えて、ツールを使った一連の処理と、履歴を再利用する2回目のターンを検証してください。この記事では新たな推論テストを報告していません。
パッチが受け入れ基準を満たし、通常のトークン料金が重要であれば、Qwen4-Maxを選びましょう。タスクをより確実に完了できることを実証できた場合や、公開されているゲートウェイ機能が、検証済みのワークフローにより合っている場合は、Kimiを選びましょう。もう一方のモデルも比較候補として残してください。AIHubMixの比較ページで現在の掲載状況を確認できます。設定やルーティングが変わったら、同じタスク評価を再度行ってください。
よくある質問
トークン単価が安いのはどちらですか?
シンガポール向けの公式料金では、Qwen4-Maxは入力が100万トークンあたり$1.50、出力が$4.50です。Kimiはそれぞれ$2と$10です。
つまり、受け入れ可能なパッチあたりの費用もQwenのほうが安いのでしょうか?
必ずしもそうとは限りません。試行回数、推論トークン、失敗、人によるレビューによって、受け入れ可能な結果を得るためのコストは変わります。
Kimi K3.1 Proでは思考を無効にできますか?
いいえ。ドキュメントに記載されたeffortレベルはlow、high、maxで、思考は常に有効です。
両方で同じ思考設定を使えますか?
いいえ。列挙値、デフォルト、予算の制御方法が異なります。モデルごとの設定を使ってください。
AIHubMix経由で、どちらもコーディングエージェントに利用できますか?
どちらのガイドにもChat Completionsが記載されています。選択した経路で、必要なツール、履歴の扱い、その他のプロトコルを検証してください。
プログラミング性能が高いのはどちらですか?
この比較では品質面での勝者は決められません。同じリポジトリタスクと受け入れ基準を使って判断してください。
引き続き読む:Qwen4-Maxシリーズ
- 現在Qwen3.8-Maxを使っている場合は、Qwen4-Max vs Qwen3.8-Max:アップグレードする価値はあるか?をご覧ください。
- 比較の背景にあるQwenの設定変更については、Qwen4-Maxへの移行:出力制限、思考、エージェントの設定をご覧ください。
出典
- Alibaba Cloud:Qwen4-MaxおよびChat Completionsリファレンス。制限と思考設定。
- Moonshot AI:Kimi K3.1 Proクイックスタート。effort、固定パラメーター、マルチモーダル入力、履歴の要件。
- 公式料金:Alibaba Cloud、シンガポール向けUSD料金;Kimiのトークン料金、標準のK3.1 Proの行。記載例は計算によるもので、実測値ではありません。
- AIHubMixのモデルガイド:Qwen4-MaxおよびKimi K3.1 Pro。公開されているゲートウェイメタデータ。
- Alibaba Cloud:思考の要約と暗号化、Qwenの任意の履歴処理。出典の確認日時は2026年11月17日02:33 UTC。対比較タスクのベンチマークや新たな推論テストは実施していません。



