モデル比較

Llama 4 vs Kimi K2.6 - オープンウェイトの汎用性 vs エージェント特化の実力

Meta の Llama 4 ファミリー（Scout 109B / Maverick 400B）はオープンモデル最長のコンテキストウィンドウと完全オープンウェイトを提供します。Moonshot の Kimi K2.6（総1T、32Bアクティブ、384エキスパート）はエージェントコーディングとマルチモーダルベンチマークでフロンティアを押し上げます。設計思想が大きく異なる2つのファミリーの比較です。

チャットを始めるベンチマークを比較

性能

直接対決ベンチマーク比較

Llama 4 Maverick はコンテキスト長とオープンアクセス性でリードし、Kimi K2.6 はエージェントコーディングと複数のフロンティアベンチマークで優位です。Scout は他に類を見ない10Mトークンのコンテキストウィンドウを追加します。

Llama 4 と Kimi K2.6 はそれぞれ異なる強みを持っています。Maverick はオープンウェイトと1Mコンテキストを備えた強力なオールラウンダーです。Kimi K2.6 はエージェントタスク向けに構築された1Tパラメータの専門モデルで、MoonViT によるネイティブマルチモーダルをサポートします。Scout の10Mコンテキストウィンドウはこの比較のどのモデルにも匹敵しません。

Llama 4 を試すモデルカードを見る

Kimi K2.6：SWE-Bench Pro 58.6%、HLE-Full 54.0%、BrowseComp 83.2%

Maverick：MMLU Pro 80.5%、GPQA Diamond 69.8%、MMMU 73.4%

Scout：10Mトークンのコンテキスト - Kimi K2.6 の256Kの39倍

Kimi K2.6：MoonViT 400M によるネイティブマルチモーダル（テキスト＋画像＋動画）

両ファミリーとも MoE アーキテクチャを採用、スケールのトレードオフが異なる

完全比較

Llama 4 Maverick vs Kimi K2.6 vs Llama 4 Scout

推論、コーディング、マルチモーダル、アーキテクチャ指標の完全なベンチマーク結果です。

Benchmark	Llama 4 Maverick 400B / 17Bアクティブオープンウェイト	Kimi K2.6 1T / 32Bアクティブエージェント	Llama 4 Scout 109B / 17Bアクティブ長文コンテキスト
MMLU Pro 知識と推論	80.5%	-	74.3%
GPQA Diamond 科学知識	69.8%	-	57.2%
MMMU マルチモーダル理解	73.4%	-	69.4%
SWE-Bench Pro エージェントコーディング	-	58.6%	-
HLE-Full 高難度言語評価	-	54.0%	-
BrowseComp ウェブブラウジングタスク	-	83.2%	-
Context Window 最大トークン数	1M	256K	10M
Total Parameters モデルサイズ	400B	1T	109B
Active Parameters トークンあたり	17B	32B	17B
Number of Experts MoE ルーティング	128	384（8＋1共有）	16
Multimodal 入力モダリティ	テキスト＋画像	テキスト＋画像＋動画（MoonViT 400M）	テキスト＋画像