Moonshotの次期AIアップグレード準備、Kimi K3.1のリリースを示す兆候

新たなモデル識別子が示すMoonshotの次の動き

開発者が9月28日、同社のAPIプラットフォームのモデル登録簿で呼び出し可能なモデル識別子「kimi-k3-1」を見つけたことから、Moonshot AIはKimi K3.1の準備を進めているとみられる。その後、KimiのオープンプラットフォームにK3.1またはK3 11111の名称でプレビューが登場し、100万トークンのコンテキストウィンドウをうたった。

これらの発見は、開発が社内での仮称段階を超えたことを示唆している。開発者によると、この識別子はインターフェースへの問い合わせに応答した。また、Moonshotのウェブサイトには「k3d1-agent」という別の識別子と、新しいボットモジュールが追加された。K3.1は、一般公開に先立って限定されたグループにアクセスを認める「グレーテスト」と呼ばれることもある限定テスト中だと報じられている。

既存モデルのKimi K3は、学習中にモデルが獲得する数値であるパラメーターを2兆8000億個持つ。この数値はK3のもので、K3.1のパラメーター数は確認されていない。モデルのアップグレードでは、必ずしも規模を大きくせずに、推論やツールの利用、リクエストへの対応方法を変えられるため、この区別は重要だ。

報じられている計画は、より長時間にわたる自律的な作業、コーディング、ゲーム、3D開発、コンピューター操作を重視している。複数の推論設定や、複数のAIエージェントを連携させるモードが追加される可能性もある。こうした機能により、Kimiは個々の質問に答えるだけでなく、一連の作業を完了する方向へさらに進むことになる。

K3.1の正式な公開日や最終仕様は、まだ発表されていない。導入を検討するユーザーにとって、実用面での問いはすでに浮かび上がっている。作業をどれだけ確実に完了できるのか、どれほど時間がかかるのか、そして費用はいくらかかるのかだ。

9月の発見が明らかにしたこと

開発者は9月28日、APIプラットフォームのバックエンドにあるモデル登録簿で「kimi-k3-1」を最初に見つけた。APIとは、ソフトウェアがAIモデルにリクエストを送り、回答を受け取るための接続だ。モデル識別子は、その接続でどのシステムを使うかを指定する。

その後にプラットフォームで公開されたプレビューでは、より具体的な性能がうたわれた。最大100万トークンのコンテキストに対応するという。トークンは情報を細かく分けた単位で、単語や単語の一部に相当することが多い。コンテキストウィンドウとは、指示や文書、タスクに関する会話など、1回のやり取りでモデルが考慮できる情報量を指す。

ウェブサイトに追加された「k3d1-agent」という識別子と、新たに加わったボットモジュールを受け、Kimi Botの登場を推測する声も出ている。Moonshotはその可能性について、確認済みの製品説明を示していない。現時点で最も明確な根拠は、モデルのテストとプラットフォームの変更に関するものだ。

一連の発見は、K3が7月に発表された後に続く動きとなる。

• 2026年7月17日：Moonshotが、2兆8000億パラメーターと100万トークンのコンテキストウィンドウを備えたKimi K3を発表。
• 7月27日：K3のモデルウェイト（モデルの実行に必要な学習済みの数値）を公開するというMoonshotの目標日。
• 9月28日：開発者がAPI登録簿で、呼び出し可能な「kimi-k3-1」識別子を発見。
• その発見後：オープンプラットフォームにK3.1またはK3 11111のプレビューが登場し、100万トークンのコンテキストをうたう。

K3.1がK3から引き継ぐもの

Moonshotは7月、アプリとAPIでK3を公開した。7月のK3発表では、コーディングや知識労働、人間の監督をほとんど必要とせずに長時間の推論を要する複雑なタスクに対応する、同社の主力モデルと位置付けられた。モデルウェイトの公開予定も、Moonshot自身のサービス以外から利用できる点を大きな魅力としていた。

K3は専門家混合（Mixture of Experts）方式を採用している。簡単に言えば、モデルは異なる計算コンポーネントのグループを備え、入力を処理する際にはルーティングシステムがどのグループを使うか選ぶ。2兆8000億というパラメーター数はモデル全体の規模を示し、特定の計算にどの部分が関わるかはアーキテクチャによって決まる。

この設計を踏まえると、パラメーター数は全体像の一部にすぎないことが分かる。ユーザーが実際に経験するのは、学習、ルーティング、計算資源、そしてモデルとツールを接続するソフトウェアの複合的な効果だ。パラメーターの総数が大きいだけでは、コーディング作業の完了時間や費用は分からない。

K3.1がうたうコンテキスト容量は、K3と同じ100万トークンとなる見込みだ。したがって今回のアップグレードでは、一度に保持できる情報量を増やすより、情報を活用してタスクを実行する方法に重点が置かれるようだ。

推論設定でユーザーの選択肢が広がる可能性

K3.1には、Low、High、Maxの3段階の推論レベルが用意される見通しだ。これにより開発者は、リクエストの処理にモデルがどれほどの労力をかけるか選べるようになる。各設定の具体的な動作や料金への影響は公表されていない。

短い分類タスクと難しいソフトウェアの修正とでは、必要な作業量が異なる。顧客からのメッセージを分類するだけなら、素早い回答で十分だろう。一方、複数のファイルにまたがる不具合の調査では、何度も確認やテスト、修正を繰り返す必要がある。推論設定を調整できれば、タスクごとに速度と作業量のバランスを選べる可能性がある。

プラットフォームを調べた開発者は、各レベルが計算資源の割り当てや料金体系の違いに対応する可能性を指摘している。大量のリクエストを処理する企業にとって、選択は技術面だけでなく、運用上の判断にもなる。

ここでも、100万トークンのウィンドウが関係する。大量のコードや文書をモデルに入力できても、それを活用するために必要な時間や計算量は依然として重要だ。K3.1を検討する顧客は、投入する作業の規模と併せて推論設定を評価する必要がある。

エージェントとSwarmモードで長時間の作業に対応

K3.1には、Agent、Swarm、検索、バッチ処理などのモードが搭載される可能性がある。AIエージェントは、目標の達成に向けて一連の行動を実行し、多くの場合、途中でツールを使う。例えばプログラムの修正方法を提案するだけでなく、ファイルを調べ、変更案を作り、テストを実行し、その結果を踏まえて修正することもある。

Swarmは、複数のエージェントが協力して作業する仕組みを指し、大きなタスクを小さな作業に分ける可能性がある。あるエージェントが情報を検索し、別のエージェントがコードを調べ、さらに別のエージェントが結果を確認するといった形だ。Kimiでこの方法をさらに発展させるモードとみられるが、実装の詳細は明らかになっていない。

検索とバッチ処理は、それぞれ異なるニーズに応える。検索は、タスクの実行中にAIが情報を取得するのに役立つ。バッチ処理では、同じ処理が必要な多数の文書など、複数の作業をまとめて送信できるため、リクエストを一つずつ管理する必要がない。

ゲーム、3Dコーディング、コンピューター操作も重点分野として報じられている。これらに必要なのは、流ちょうな文章回答だけではない。コードが実行でき、インタラクティブな要素が意図どおりに動き、コンピューター上の操作が正しい順序で行われなければならない。AIを使ってソフトウェアを開発、運用する人にとって、こうした一連の手順を確実に実行できるかが、アップグレードを評価する重要な指標となる。

価格と速度がアップグレードの価値を左右

Moonshotのオープンプラットフォームでは、K3.1のAPI価格が既存のK3と同じ水準で表示されている。ただし、この価格は仮置きの可能性があり、新モデルの確定価格はまだ分からない。K3をめぐっては、料金、応答速度、利用制限に懸念があると報じられている。

自律的な作業では、この3つの問題が密接に関わる。モデルの呼び出しやツールの利用を何度も必要とするタスクは、単一の回答より多くの時間と資源を消費する可能性がある。利用制限によって作業が完了前に中断されれば、人が再開したり、作業を組み直したりしなければならない。

したがって、K3と同じ価格が表示されていても、コストの問題の一部しか解決しない。実用的な結果を得るまでに必要な作業量も、費用に影響する。公表価格が同程度でも、やり直しを少なくしてタスクを完了するモデルなら、そのタスクではより経済的な可能性がある。

Moonshotは、1カ月以上プレビューとして提供されてきたKimi K2.8の正式公開も準備していると報じられている。K2.8とK3.1の両方がリリースをめぐる議論に上がるなか、開発者はMoonshotが最終的に公表する機能と利用条件に応じて、製品を選ぶことになる。

K3の7月公開以降、競争環境は変化

K3は7月の公開時、Artificial AnalysisのIntelligence Indexで3位、Vals AI Indexで2位となり、強い競争力を示した。アナリストのネイサン・ランバート氏は当時、最有力のオープンモデルと評し、内部の重みが非公開の米国大手モデルとの差を縮めたと述べた。

その後、DeepSeekがV4.1 Flash-1017を公開し、注目が移っている。K3.1に関する報道と併せて示された最新の比較では、引用されたほぼすべての性能ベンチマークで同モデルがK3を上回るとされている。ただし、詳しいスコア表は示されておらず、差の大きさは明らかでない。

7月のランキングと新たな比較は、変化の速い市場における異なる時点のものだ。K3は公開時にMoonshotの有力な競争力を示したが、K3.1には新たな競合モデルを相手に有用な進歩を証明する課題がある。顧客にとって重要なのは、実際に行うタスクの種類に加え、コスト、遅延、利用制限を含めた比較となる。

リリースで最も重要なのは、Moonshotが掲げる機能が日常の成果にどう結び付くかだ。エージェントは長時間の作業を完了できるのか、より高度な推論は待ち時間に見合うのか、開発者は支出を予測できるのか。モデル登録簿の識別子とプラットフォームのプレビューによって、K3.1の姿が見え始めた。正式公開では、そうした兆候を明確な製品へと具体化する必要がある。

要点

• 開発者は9月28日、呼び出し可能なモデル識別子「kimi-k3-1」を発見。その後、プラットフォームにK3.1またはK3 11111のプレビューが登場した。
• プレビューでは、K3と同じ100万トークンのコンテキストがうたわれている。
• 2兆8000億というパラメーター数が確認されているのはK3で、K3.1のパラメーター数は発表されていない。
• Low、High、Maxの推論設定に加え、Agent、Swarm、検索、バッチ処理モードが搭載される可能性がある。
• 表示されているAPI価格はK3と同じだが、暫定の可能性がある。速度、利用制限、タスクの完了状況も価値を左右する。
• MoonshotはK3.1の正式な公開日を発表していない。