Kimi K3.1 Pro および K3.1 Pro Highspeed リリース – 3Tクラスのオープンモデル、1Mトークンのコンテキストと高速推論

TL;DR – Kimi K3.1 Pro とは何か、そしてその重要性

Kimi は K3.1 Pro を発表しました。これは3兆パラメータのオープンウェイトモデルで、100万トークンのコンテキストウィンドウを備え、2〜3倍高速な Highspeed バリアントも提供されます。このモデルは、コーディング、3D作成、金融、エージェントベンチマークにおいて、最強のプロプライエタリシステムに匹敵するか、それを上回ります。一方で、チームは攻撃的なセキュリティ能力をフロンティア以下に保つため、サイバー関連のトレーニングデータを意図的に削除しました。

モデル概要と利用可能性

主な事実

モデルサイズ: 3Tパラメータ（K3のポストトレーニング版で、RL計算量が大幅に増加）。
コンテキストウィンドウ: 1Mトークン。オープンウェイトLLMとして公表されている中で最長。
Highspeed バリアント: 推論速度2〜3倍、同じウェイト、最適化されたサービングパイプライン。
リリース日: 本日より Kimi.ai、Kimi Work、Kimi Code、Kimi API で利用可能。フルモデルウェイトは 2026年11月4日 にリリース予定。
価格: K3.1 Pro はプロンプト $2.00/MTok、完了 $10.00/MTok。キャッシュ利用は $0.20/$2.00/MTok。
エンタープライズ: K3.1 Pro はエンタープライズ管理者向けにデフォルトでオフ。Kimi Business 経由で有効化可能。

ベンチマークパフォーマンス – コーディング

結論: K3.1 Pro はフロンティアレベルのコーディング能力を提供し、ほとんどのオープンモデルを上回り、トップのプロプライエタリシステムに迫ります。

Terminal-Bench 4.0: 合格率65.7%で、GPT-6 Astra (58.2%) を上回り、Claude Opus 5.5 (66.4%) に僅差で続く。
Kimi Code Bench 3.0 Long-horizon: 61.2% vs K3 の 55.95%。
Human-atlas シミュレーションテスト: 完全な人間の歩行ダイナミクスシミュレーターを構築し、36の肩筋エラーを反復修正し、167ミッションと420レビュー後に安定した11.2秒の歩行を達成。
コミュニティフィードバック: ユーザーは K3.1 Pro が Astra や Opus と比較して異なる領域で「尖っている」と感じ、独自の問題解決の視点を提供すると報告。

3Dモデリングとデザイン – 新機能

結論: このモデルはパラメトリック3D作成とCADコード生成に優れ、トップのプロプライエタリモデルに匹敵します。

BenchCAD (ツール使用時): Voxel-IoU 92.7% で、Claude Opus 5.5 (96.2%) と GPT-6 Astra (95.9%) に近い。
パラメトリックモデリング: MCPコネクタなしで、機械部品、建築、カスタム家具用の Blender および CAD スクリプトを生成。
3D Make: プロンプトを印刷可能な3Dモデル、ビデオ、または Live Photos に変換する新しいウェブインターフェース。
ユーザーコメント: フロントエンドデザインの品質と、モデルの「率直で議論好きな」性格を面白いと評価する声。

金融ベンチマーク – エンドツーエンドのワークフロー

結論: K3.1 Pro は金融分析において新しいオープンウェイトの最先端を確立し、オープンモデルの中で最高の OfficeQA Pro v2 スコアを達成。

OfficeQA Pro v2: 64.4 でリーダーボードをリード。
Frontier Finance: 58.6 で、ほとんどのオープン競合他社を上回る。
内部金融ゲイン: 財務モデリングで +7.2 ポイント、金融リサーチで +11.6 ポイント、ビジネスオペレーションタスクで約4.2倍。
事実の正確性: クレームレベルの幻覚率が 23.4% (K3) から 8.3% に低下。全体的な事実誤り率は Kimi Hallu Bench Hard で K3 の 42.4% に減少。

サイバーセキュリティ – 制御された能力削減

結論: Kimi はサイバー関連データを削除することで攻撃的なサイバー能力を意図的に削減し、オープンウェイトモデルの安全性を高めつつ、一般的なコーディング能力を維持。

データ削除: サイバー関連コンテンツは中間トレーニングとRLステージの両方から削除。
xdev-bench-hard (pass@3): K3.1 Pro は 81.0% で、削減されていないチェックポイントの 90.5% には及ばないが、DeepSeek-V4.1-Flash (85.7%) を上回り、K3 (33.3%) を大きく上回る。
ポリシー根拠: オープンウェイトはサイバー能力の絶対的なフロンティアを拡張すべきではない。チームは安全性管理が成熟するにつれて能力を段階的に引き上げる計画。
コミュニティの反応: コメント投稿者はこのアプローチを「拒否よりもはるかに優れた方法」と評価し、攻撃的な使用を経済的に非現実的にするものと例えている。

エージェントおよびマルチモーダルベンチマーク – 幅広いスキルセット

結論: エージェント、推論、マルチモーダルタスクにおいて、K3.1 Pro は一貫して主要なクローズドソースモデルに匹敵するか、それを上回ります。

エージェントタスク: BioMysteryBench、OfficeQA Pro、Frontier Finance、OSWorld V2.1 で強力な結果（簡潔さのため正確な数値は省略）。
マルチモーダル: ツール拡張パイプラインで評価した場合、MMMU-Pro、GDP.pdf、ZeroBench で競争力のあるスコア。
Highspeed バリアント: 同じ品質を2〜3倍低いレイテンシで提供し、インタラクティブエージェントに有用。

価格、クォータ、実用的な使用法

結論: モデルは競争力のある価格設定ですが、セッションごとに5時間の使用クォータが適用され、一部の初期採用者には制限的と感じられます。

クォータ問題: ユーザーは最大限の努力を要するセッション1回で5時間の制限に達し、長時間のワークフローが困難になると報告。
コスト比較: プロンプトコスト $2/MTok で、K3.1 Pro は多くの米国ベースの代替品より安価。中国での価格は K3 より約30%低い。
パフォーマンス対コスト: Pac-Man ベイクオフなどのベンチマークでは、K3.1 Pro が Claude Sonnet 5.5 の品質に約半額で匹敵。

コミュニティの感情と未解決の質問

結論: Hacker News の議論では、モデルの能力に対する強い熱意、サイバーセキュリティアプローチへの好奇心、クォータ制限への懸念が示されています。

"サイバー関連データを事前学習から削除することで、モデルをサイバー専用に弱体化させるのは素晴らしいアイデア。これは拒否よりもはるかに優れたアプローチ..." – @henry700

"5時間の制限は完全に使い物にならない。何かを始めたばかりですぐに制限に達してしまう。" – @Athanase000

"Artificial Analysis インデックスでは K3.1 Pro がランク55で、GPT-6 Astra と Fable 5.1 を上回っている。" – @minimaxir

"Highspeed は2〜3倍速いが、別モデルなのか？" – @vikramkr

全体として、コミュニティは K3.1 Pro をオープンウェイトLLMの大きな前進と見なしており、特にコーディング、3D、金融の分野で評価する一方、使用制限と Highspeed バリアントの正確な性質に関する明確なドキュメントを求めています。

最終評価

Kimi の K3.1 Pro リリースは、オープンウェイトLLMが、大規模なRL計算、1Mトークンのコンテキスト、専用の高速サービングパスにより、幅広い技術タスクでトップのプロプライエタリシステムと競争できることを示しています。攻撃的なサイバー能力の意図的な削減は、積極的な安全性への姿勢を反映していますが、現在のクォータ制限はヘビーユースのシナリオを妨げる可能性があります。11月4日のウェイトリリースにより、より広範な研究と下流のイノベーションが可能になるでしょう。