目次
Moonshot AIは、コーディング、3D制作、財務分析向けにKimi K3.1 ProとKimi K3.1 Pro Highspeedを公開しました。どちらもKimiのサービスとAPIで利用でき、ダウンロード可能なモデルの重みは2026年11月4日までに公開される予定です。
主なポイント#
- Kimi K3.1 Proは、100万トークンのコンテキストウィンドウ、総パラメータ数2兆8,000億、有効パラメータ数1,040億を備えたマルチモーダルの混合エキスパートモデルです。
- Moonshotによると、Kimi K3.1 Pro Highspeedは標準版の2〜3倍の速度で動作します。
- 同社は、コーディングと財務分析のベンチマークで競争力のある結果を報告し、ゲームエンジン、Blender、CADソフトウェアを使うワークフローへの対応も掲げています。
- 2026年10月27日時点で、ホスト型モデルは利用できますが、予告された重みの公開はまだ行われていません。
現在利用できるもの#
Moonshot AIは2026年10月23日に両モデルを発表しました。Kimi.ai、デスクトップアプリのKimi Work、コーディングエージェントのKimi Code、Kimi APIを通じて利用できます。
ホスト型サービスでの利用と重みの公開は区別する必要があります。これらのサービスでは今すぐモデルを試せますが、Moonshotの発表では重みの公開は11月4日までとされています。自社インフラでの運用を計画している場合は、ファイル、ライセンス、デプロイ要件が公開されるのを待ってから導入を決めるべきです。
Moonshotは、Kimi K3.1 Proを同社で最も高性能なオープンウェイトモデルと位置づけています。これは同社の評価であり、提供された発表資料では第三者による検証は確認できません。
モデルの変更点#
Kimi K3.1 Proは、混合エキスパート(MoE)アーキテクチャを採用しています。総パラメータ数2兆8,000億はモデル全体の規模を示し、処理中に有効になるのは1,040億パラメータです。この違いだけでは、必要なハードウェアや運用コストは判断できません。
100万トークンのコンテキストウィンドウにより、プロジェクトファイルや財務文書群など、大量の入力を扱えます。ただし、容量が大きいだけで、その範囲内の細部をすべて正しく取り出せるとは限りません。長文での精度は、実際に使う資料で検証する必要があります。
Moonshotによると、Kimi K3からの主な改善は、強化学習パイプラインの再構築と各構成要素の最適化によるものです。同社は、コーディング、エージェント、知識に関するベンチマーク性能の向上を、これらの変更による成果としています。
活用が期待される分野#
コーディングでは、MoonshotはUnreal Engine、Unity、Godotで開発するゲームを含め、プロジェクト全体にわたる作業を強調しています。同社が報告したTerminal-Bench 4.0の結果では、Kimi K3.1 ProはGPT-6 Astraを上回り、Claude Opus 5.5をわずかに下回っています。これはベンチマーク上の比較であり、特定のリポジトリでより良い結果が得られる保証ではありません。
3D制作では、テキスト、スケッチ、参考画像からBlenderやCADアプリケーション向けのスクリプトを生成できるとされています。Moonshotは、アセットの作成と改良、構成要素の編集、形状・マテリアル・シーン配置の調整を行うワークフローを紹介しています。また、これらはMCPコネクタなしでも動作するとしていますが、スクリプトの実行には適切なツール環境が必要です。
財務分析も対象分野の一つです。Moonshotは、ハルシネーションを65%削減し、OfficeQA Pro v2ではGPT-6 AstraやClaude Opus 5.5に匹敵する結果を得たと報告しています。提供された資料には、この削減の比較基準や詳細な条件が示されていないため、あらゆる状況に当てはまるエラー率と解釈すべきではありません。
2つのバージョンを比較する方法#
まずは自分の業務を使った小規模な評価から始めましょう。Highspeed版がうたう2〜3倍の速度が役立つのは、タスクに必要な品質が保たれる場合に限られます。提供された発表資料では、この速度の測定条件は明らかになっていません。
同じ入力を両バージョンに与え、次の4点を記録してください。
- 利用可能な結果が得られるまでの時間。
- 参照回答や受け入れ基準に照らした正確さ。
- 必要だった修正や再試行の回数。
- 現行のサービス料金またはAPI料金に基づく総コスト。
既存のテストに合格するリポジトリの変更、指定寸法の3Dアセット、原資料と照合した財務計算など、客観的に結果を判定できるタスクを選びましょう。対話的な作業では応答の速さが役立つ一方、長時間のタスクでは修正の少なさがより重要になる場合があります。
導入前に確認すべき制約#
本番利用の前に、料金、APIの制限、ツールの権限、デプロイ要件を確認する必要があります。公開時の仕様だけでは、これらは分かりません。財務業務では、出典を保持し、計算を別途検証してください。
Moonshotはまた、脆弱性研究の能力を評価し、一般的なコーディングの有用性を維持しながら、特定されたサイバー関連の学習データを削除したと述べています。同社が掲げる目的は、サイバー能力の限界を押し広げる重みの公開を避けることです。これは同社のリスク軽減策を説明するものであり、悪用が不可能だと証明するものではありません。
次のステップ#
代表的なタスクを1つ、両方のホスト型バージョンで実行し、完了時間と検証済みの出力品質を比較してから、採用するモデルを選びましょう。
出典: https://gihyo.jp/article/2026/10/kimi-k3-1-pro
目次
