Moonshot AI、Kimi K3.1シリーズ初のモデル「Kimi K3.1 Pro」を発表

Moonshot AIは2026年10月24日、Kimi K3.1 Proを発表しました。これは新しいK3.1シリーズの初のモデルで、より高速な派生モデル「Kimi K3.1 Pro Highspeed」も同時に発表されました。同社によると、K3.1 Proはこれまでで最も高性能な3兆パラメータ級のオープンウェイトモデルで、コンテキストウィンドウは100万トークンです。

発表によると、K3.1 Pro Highspeedは、モデルの能力はそのままに、K3.1 Proの2～3倍の速度を実現します。両モデルはKimi製品群で利用できます。具体的には、Kimi.aiと、iOS、Android、HarmonyOS向けのKimiモバイルアプリ、WindowsおよびAppleシリコン搭載Mac向けのKimi Workデスクトップアプリ（バージョン3.1.0以降）、ユーザーが「/model」コマンドでモデルを選択できるKimi Code、そしてKimi APIです。APIでは、モデルはkimi-k3.1-proおよびkimi-k3.1-pro-highspeedとして掲載されており、API利用者はゼロデータ保持も利用できます。Kimi Enterpriseの管理者は組織向けにK3.1 Proを有効化できますが、提供開始時点ではアクセスはデフォルトで無効になっています。

学習と公表された性能

K3.1 Proは、Kimi K3を事後学習したモデルです。Moonshot AIによると、事後学習には大幅に多くの計算資源を投入しています。同社は、数百の下流領域にわたる大規模な共同強化学習を実現するため、強化学習フレームワーク、長文コンテキスト推論、学習効率、サンドボックス基盤、ロールアウトのスケジューリング、環境品質チェックのための共有プラットフォームなど、スタックのあらゆる層を最適化したと述べています。

同社によると、現実的な制約のある端末タスクでコーディングエージェントを評価するTerminal-Bench 4.0で、K3.1 Proは65.7％を獲得しました。GPT-6 Astraの58.2％を上回り、Claude Opus 5.5の66.4％にはわずかに届きませんでした。複数段階の実行、ツール利用、エンドツーエンドの問題解決を評価する社内ベンチマーク「Kimi Code Bench 3.0 Long-horizon」では、K3.1 Proは61.2％を獲得し、K3の55.95％を上回りました。複数視点のレンダリングからCADコードを生成して3D再構築を評価するBenchCADでは、K3.1 Proはツール使用時に92.7％を獲得し、Claude Opus 5.5の96.2％、GPT-6 Astraの95.9％に迫りました。3D Make機能はkimi.aiとKimiアプリで提供中で、ユーザーはオンラインで3Dモデルをプレビュー、編集し、3Dプリントに使える状態でダウンロードできます。

Moonshot AIは、実際の財務文書を使った複雑な財務データ分析を評価するOfficeQA Pro v2で、最先端のスコア64.4を記録したとも報告しています。また、社内の財務ベンチマークではK3を上回り、Financial Modelingで7.2ポイント、Financial Researchで11.6ポイント向上し、Business OperationではK3の約4.2倍の性能を示したとしています。事実の正確性を測る社内ストレステスト「Kimi Hallu Bench Hard」では、主張単位のハルシネーション率がK3の23.4％から8.3％に低下しました。一方、事実誤認を少なくとも1つ含む回答の割合は、前モデルの42.4％でした。ブログでは、この評価は誤りが起きやすい状況を検証するために意図的に設計されており、報告された率は日常的な利用における全体的な誤り率を示すものではないと説明しています。

ブログで紹介された社内の長期的なコーディングテストの1つでは、K3.1 Proが、人間の身体の解剖学的モデルをオープンソース化したhuman-atlasを基盤として、人間の歩行力学をシミュレーションするシステムを構築しました。このモデルは296の骨格構成要素と402の筋肉構成要素で構成されています。167件のミッションと420回の独立したレビューを通じて、モデルは歩行制御器を反復的に改良しました。報酬設計を調整しても腕の動きが改善しなかった際には、シミュレーターの動力学をオープンループで検証し、肩の筋肉のモーメントアーム計算における36件の誤りを特定して修正したうえで、制御器を再学習させました。

サイバーセキュリティ対策とオープンウェイトに関する原則

Moonshot AIによると、事後学習の規模を拡大するにつれて脆弱性研究の性能が着実に向上することが確認されました。同社は、その傾向の要因として、一般的な中間学習コーパスに含まれていたサイバー関連コンテンツと、強化学習環境の構成に含まれていたサイバー関連タスクを挙げています。K3.1 Proをオープンウェイトで公開するにあたり、同社はモデルの有用性に必要な汎用コーディングタスクは残しつつ、2段階の学習からサイバー関連データを特定して除去したと述べています。

専門家が選定したソースコードベースの脆弱性発見・悪用タスクを評価する同社独自のベンチマークxdev-bench-hardでは、リスク低減策を適用せずに学習したチェックポイントがpass@3で問題の90.5％を解いた一方、最終版のK3.1 Proは81.0％だったとブログは報告しています。Moonshot AIは、この結果はデータの除去によって、同じ学習パイプラインをそのまま使った場合と比べてサイバー能力が大幅に低下することを示していると述べています。また、K3.1 Proのサイバー能力は、少なくとも3カ月前から一般公開されている最先端の独自モデルを下回るとしています。

ブログでは、オープンウェイト公開の背景にある2つの原則を示しています。第1に、サイバー能力の絶対的な最前線を押し広げるようなオープンウェイトは公開しないことを目指しています。第2に、オープンウェイトで利用できるサイバー能力を段階的に高める方針です。同社は、差別のないアクセスによって、より多くのチームが自ら保守するコードを監査できるようになり、専用のセキュリティレビューがほとんど行われないレガシーシステムもその対象になると述べています。

Kimi Codeでのモデル設定

独立したKimi Codeのドキュメントでは、モデルを開発者向けにどのように提供しているかが詳しく説明されています。ドキュメントには、K3.1 Pro、K3、K2.8 Preview、K2.7 Code Highspeedの各ファミリーにわたる6つのモデルIDが記載されています。また、k3.1-proは、上位会員向けに最大1,048,576トークンのコンテキストウィンドウを備えた、3兆パラメータのフラッグシップモデルと説明されています。Highspeed版は同じ機能を備え、クォータの消費量は約2倍とされています。同ページによると、K3.1 ProはKimi Codeで全面的に提供されています。

ドキュメントによると、K3.1 Proモデルは思考モードでのみ動作し、思考モードを無効にしたリクエストはHTTP 400エラーで拒否されます。新しい2つのモデルはいずれも、reasoning_effortにlow、high、maxを設定でき、デフォルトはmaxです。また、どちらも画像と動画の入力に対応しています。新しいメンバーシッププランでは、k3.1-proの利用にはPlus以上が必要で、1MのコンテキストウィンドウはPro以上に限られます。一方、k3.1-pro-highspeedの利用にはPro以上が必要です。従来のプランでは、これらに対応する階層はModeratoとAllegrettoです。

ドキュメントでは、セッションの途中で新しいモデルに切り替えるのではなく、新しいセッションを開始すること、最も安定した出力を得るにはネイティブのResponses API、チャット補完API、またはメッセージAPIを使用すること、そしてサードパーティ製ツールではモデルIDを正確に入力することを推奨しています。モデルIDを誤って入力すると、思考機能のないK2.8 Previewにフォールバックするためです。

同社によると、Kimi K3.1 Proのモデルの完全な重みは2026年11月4日までに公開される予定です。