2.8兆パラメーターのモデル、APIの枠を超える
Moonshot AIは、Kimi K3.1 Proの全ウェイトをHugging Faceで公開した。開発者や企業は、同社の主力マルチモーダルモデルを自社のコンピューティング基盤で稼働させられる。発表は北京時間11月5日未明に行われた。2026年10月24日の発表では、Kimiの各サービスとアプリケーション・プログラミング・インターフェース（API）を通じてモデルが利用可能になっていた。
目次
K3.1 Proは、モデルが学習した内容を保持する数値設定であるパラメーターを2.8兆個備える。Mixture of Experts（専門家混合）方式を採用し、推論の各ステップでモデル全体を使うのではなく、約1,040億個のパラメーターを有効化する。約100万トークンのコンテキストに対応し、テキストに加えて視覚情報も理解できる。
ウェイト公開当日、Huawei AscendとAlibaba Cloudはいずれも対応を発表した。導入には、学習済みモデルのリクエスト処理を管理するソフトウェアである推論フレームワークのvLLMとSGLangを使用する。自社環境への導入を検討する企業にとって、今回の公開により、ダウンロード可能なウェイトに加え、中国製アクセラレーターで稼働させるための初期の選択肢も得られた。
Moonshotはモデルの公開発表を10月24日に更新し、全ウェイトを11月4日までに公開するとしていた。一般向けの公開発表は11月5日となった。同社はすでにkimi.com、Kimi App、Kimi Work、Kimi Code、Kimi APIを通じて利用を可能にしていた。
実務上の変化は、モデルをどこで稼働させるかを管理できる点にある。APIを利用する顧客は、プロバイダーのサービスにリクエストを送る。ウェイトを導入する組織は、Moonshotのライセンスと稼働に必要な相当量のハードウェアを前提に、自ら管理するインフラ内でモデルを運用できる。
Moonshotは、AIエージェントを長時間のタスクにわたって稼働させるマネージドサービス、Kimi Hosted Agentsも発表した。今回の発表により企業には、モデルを自社で管理するか、運用のより多くの部分をKimiに任せるかという、異なる2つの選択肢が示された。
新機能とK3から引き継がれた機能
Kimi K3.1 Proは、新たに基盤モデルを学習させるのではなく、K3をベースに追加学習を重ねている。Moonshotによると、強化学習に割り当てる計算資源を大幅に増やした。強化学習は、成功した行動に報酬を与え、反復を通じてモデルの改善を促す手法だ。
Moonshotは、コーディング、3D制作、金融調査、複数のステップを踏むエージェントに特に重点を置き、数百のタスク領域で学習を行った。エンジニアリング面では、学習ソフトウェア、長文コンテキスト処理、スケジューリング、生成コードを実行できるサンドボックス環境に改良を加えた。
約100万トークンのコンテキストウィンドウはK3から引き継がれた。トークンとは、モデルがテキストなどの入力を分割する単位だ。コンテキストウィンドウが大きいほど、リクエストの処理中により多くの文書、指示、過去の会話を参照できる。
今回の公開では、サービスへのアクセスとモデル自体へのアクセスが段階的に提供された。
- 2026年7月16日：公開されたモデル比較によると、Kimi K3を発表。
- 2026年10月24日：Moonshotが自社製品とAPIを通じてK3.1 Proを発表。ウェイトは11月4日までに公開するとしていた。
- 11月5日：Moonshotがウェイト公開とKimi Hosted Agentsを発表。HuaweiとAlibabaも導入支援を発表。
オープンウェイトには運用とライセンスの条件が伴う
十分な計算能力を持つ組織は、ウェイトをダウンロードしてK3.1 Proを独自に稼働させられる。企業は適用されるライセンスのもと、自社のサービングシステムを構成し、社内ツールと連携させ、用途に特化した調整を行える。
Moonshotは商用利用を規定する独自ライセンスを採用している。公開対象はモデルウェイトであり、学習コードと元の学習データセットは公開されていない。そのため開発者が得るのは、Moonshotの規約で利用条件が定められた学習済みモデルであり、Open Source Initiativeの定義に沿った完全な学習パッケージではない。
モデルの規模は、運用上の大きな課題として残る。Mixture of Expertsネットワークの一部だけが各ステップで有効になるものの、導入にはウェイト全体を利用できる環境が必要だ。長いリクエストでは、モデルの処理中に保存しておく必要のある一時的なアテンションデータも大量に発生する。
Huawei、Ascendシステムでメモリー負荷を分散
Huaweiによると、AscendチームはK3.1 Proのウェイト公開当日に移植を完了し、即時の導入検証を可能にした。vLLM AscendとSGLangを通じて、Atlas 800 A3、Atlas 900 A3 SuperPod、Ascend 950スーパーノードシステムに対応する。
今回の移植では、スパースアテンションやマルチモーダル処理を含む、モデルのハイブリッド・アテンション・アーキテクチャに対応した。アテンションは、次のステップで入力のどの部分が重要かをモデルが判断する仕組みだ。スパースアテンションは接続の一部を制限し、非常に長い入力の処理に必要な計算量を抑える。
Ascendは分散キャッシュを使い、一時的なモデルデータを複数のニューラル・プロセッシング・ユニット（NPU）に分散させ、各アクセラレーターのメモリー負荷を軽減する。Huaweiは、不要なデータ複製や計算を減らすコア演算の変更についても説明している。
導入側は元のウェイトを読み込む方法のほか、モデルの各コンポーネントに低いビット精度を使う方法や、アテンションキャッシュの量子化を選べる。量子化は数値をより少ないビット数で表現し、メモリー使用量を抑える手法だ。Huaweiによると、この実装では、繰り返し現れる入力を再利用するプレフィックスキャッシュ、長いプロンプトを分割して処理するチャンク化プリフィル、提案されたトークンをまとめて検証して生成を速める投機的推論も利用できる。
Alibaba、SuperPoDプラットフォーム経由の導入経路を追加
Alibaba Cloudによると、Lingjun Zhenwu M890 SuperPoDでは、vLLMとSGLang上でソフトウェアスタック全体の移植と検証が完了した。Zhenwu 810E構成にも対応し、中国製アクセラレーターでの導入経路がさらに加わった。
Alibaba Cloud、T-Head、Kimiチームは、FlashMLA、DeepGEMMのMixture of Experts演算、MegaMoE、MoonEPなどを含むT-Head SAILソフトウェアスタックの開発に取り組んだ。これらのコンポーネントは、アテンション計算や、専門家モデルとアクセラレーター間の処理の移動を担う。顧客は専用のベアメタルSuperPoDインスタンス、またはAlibabaのREINサービスを通じて導入できるほか、Qwen AIプラットフォーム経由のAPIも利用できる。
Alibaba Cloudは、ローンチ当日に中衛と烏蘭察布でインスタンスを提供するとともに、寧夏回族自治区中衛のSuperPoDリージョンで招待制のテストを開始した。中衛の構成にはT-HeadのPanmai 920ネットワークカードが追加されている。Alibabaによると、同カードはPCIe 5.0、112G PAM4イーサネットに対応し、最大毎秒400ギガビットのスループットと毎秒4億パケットの処理能力を備える。
こうしたネットワーク仕様が重要なのは、これほど大規模なモデルではプロセッサー間で情報を高速に移動させる必要があるためだ。Alibabaによると、カードに統合されたPCIeスイッチにより、システムコストを約30%削減できる。また、M890 SuperPoDは大口顧客100社以上に利用されているとし、後継機として計画中のV900は現行世代の約3倍の性能になると予測している。この数値は同社の見通しだ。
コーディング評価、長時間にわたる実行能力の向上を示す
Moonshotによると、実際のコンピューティング環境でリソース制限下の端末タスクをエージェントに行わせるTerminal-Bench 4.0で、65.7%のスコアを記録した。同社が公表した比較では、GPT-6 Astraが58.2%、Claude Opus 5.5が66.4%で、この条件ではK3.1 Proは後者を0.7ポイント下回った。
社内評価のKimi Code Bench 3.0 Long-horizonでは、K3の55.95%からK3.1 Proの61.2%へと、5.25ポイント上昇した。このテストでは、計画立案、ツールの使用、複数のステップを踏むエンジニアリング上の課題の完了能力を評価する。
独立した評価も別の視点を示している。Artificial Analysisによると、Intelligence Indexは44から55に上昇し、Terminal-Benchの結果はK3が約13%、K3.1 Proが約67%だった。同社の端末評価ではMoonshotと異なるエージェントフレームワークを使っており、スコアは異なる運用条件を反映している。
Moonshotのデモは、コード生成だけでなく、粘り強く作業を続ける能力にも焦点を当てている。同社の社内テストの一つでは、骨格パーツ296個と筋肉パーツ402個で構成された歩行シミュレーションに取り組ませた。167のタスクと420件の独立レビューを通じて、シミュレーション上の身体が連続して歩ける時間を11.2秒に延ばし、肩の筋肉計算に関する36件のエラーを修正したという。
別のPlotly評価では、K3.1 Proは43問中42問に正解し、K3の35問を上回った。一方で、コストが高く、完了までの時間の中央値も長かった。トークン生成の高速化と回答精度の向上は、タスク完了までの待ち時間が長くなることと両立しうる。
3D制作と金融分野に的を絞った改善
Moonshotによると、ツールを使用したBenchCADでK3.1 Proは92.7%のスコアを記録した。このベンチマークでは、複数の視点から見た3Dオブジェクトを、コンピューター支援設計（CAD）コードを生成して再構築する能力を評価する。同社の比較ではClaude Opus 5.5が96.2%、GPT-6 Astraが95.9%だった。
Moonshotによると、モデルはBlenderやCADソフトウェアなどのプロ向けモデリングツールで、スクリプトの作成と実行ができる。同社の事例には、実体オブジェクト2,100個を含むFreeCAD製のターボファンエンジンや、3Dプリント向けに5つの部品で設計したランプがある。Kimiのウェブサイトとアプリでは、モデルのプレビュー、編集、書き出しができる3D Makeも提供している。
金融業務も主要な対象分野だ。Moonshotによると、実際の金融文書を対象に、検索、文書間の照合、数値推論を評価するOfficeQA Pro v2で64.4点を記録した。同社の社内評価では、金融モデリングが14%、金融調査が20%向上し、業務シミュレーションのスコアはK3の約4.2倍に達した。
公表された比較には、そのうち2つのテストの詳細な数値も記載されている。Financial Researchは58.8から70.4へ、Business Operationは8.9から37.0へ上昇した。企業ユーザーにとって期待されるのは、情報の発見から計算、完成したワークブックや調査成果物の作成まで、タスクを一貫して進められるモデルだ。
事実誤認率について異なる2つの数値を公表
Moonshotの発表によると、Kimi Hallu Bench Hardで単一の事実主張に誤りが生じる率は、K3の23.4%からK3.1 Proの8.3%に低下した。一方、APIガイドに記載された異なるストレステストでは、事実誤認をユーザーが指摘した匿名会話を対象に、23.35%から6.85%に低下した。
回答単位の数値も、2つのページで異なる。発表では、事実誤認を少なくとも1つ含む回答の割合は、K3の数値を基準に約42.4%だったとしている。一方、APIガイドでは約46.4%としている。Moonshotは、これらの評価の関係を説明していない。
いずれも、モデルが誤りやすいとして選ばれた難しい事例を対象としている。金融やビジネスで導入する場合、出力を実際の業務に使う前に、計算、出典、事実関係を元の記録と照合することが引き続き重要だ。
独立評価では、長文コンテキストを扱うテストの一つで小幅な低下も記録された。AA-LCR v1.1のスコアはK3の88.7%からK3.1 Proの86.3%に下がった。長文書を処理する組織は、コンテキスト容量が変わらないことに加え、検索精度も考慮する必要がある。
Hosted AgentsとAPI、異なる選択肢を提供
Kimi Hosted Agentsは、AIモデルを取り巻く実行環境（ハーネス）を提供する。この環境は、ツール、コード実行、コンテキスト、権限、タスク中断時の復旧を管理する。Moonshotによると、このサービスは24時間の稼働、長時間のタスク、複数エージェントの連携に対応する。
Moonshotは、社内監視や運用対応に加え、顧客向けの調査アシスタントやサポートサービスも用途として挙げる。マネージドサービスを使う企業は、タスクを定義してツールを接続し、基盤となる実行環境の保守はKimiに任せる。ウェイトを自社で稼働させる企業は、サービングと運用体制に責任を持つ。
APIを利用する顧客がK3.1 Proを使うには、MoonshotのAPIクイックスタートガイドによると、少なくとも10元をチャージする必要がある。新規登録ユーザー向けの15元分のクーポンは、このモデルには使えない。ガイドではlow、high、maxの推論設定を案内しており、デフォルトはmaxだ。キャッシュ保持期間は5分または1時間から選べる。
MoonshotはK3.1 Pro Highspeedも提供しており、同じ知能性能をおよそ2～3倍の出力速度で実現するとしている。公表された比較では、標準の入出力料金は100万トークンあたりそれぞれ2ドルと10ドルで、K3の3ドルと15ドルから3分の1引き下げられた。キャッシュ料金やその他の適用料金は別途となる。総費用は、タスクで消費するトークン数やツールの利用回数によって変わる。
開発者にはいくつか固有の連携要件がある。ツール呼び出しをまたいでassistantのメッセージ全体を保持する必要があるほか、画像入力では公開画像URLではなく、base64データまたはアップロードしたファイルの識別子を使う。ガイドはまた、ウェブ検索ツールが更新中のため、本番環境での利用を推奨していない。
要点
- Moonshotは、製品とAPIで先行提供した後、11月5日にKimi K3.1 Proのウェイト公開を発表した。
- モデルは総パラメーター数2.8兆、推論の各ステップで有効になるパラメーターは約1,040億、コンテキストは約100万トークン。
- Huawei AscendとAlibaba Cloudは、vLLMとSGLangを通じた導入支援を発表した。
- Moonshotはコーディング、3Dモデリング、金融分野での向上を報告しているが、結果はタスクや評価条件によって異なる。
- 独自導入には相当量の計算資源と、Moonshotの独自ライセンスへの準拠が必要となる。
- Kimi Hosted Agentsは、長時間のタスクや複数エージェントの連携に対応するマネージド型の選択肢を提供する。
