Moonshot、2.8兆パラメータのオープンウェイトモデル「Kimi K3.1 Pro」をリリース

Moonshotは、総パラメータ数2.8兆、アクティブパラメータ数1040億を特徴とするマルチモーダルMixture-of-Experts（MoE）モデル「Kimi K3.1 Pro」をリリースしました。同社は、このモデルの重み（weights）を2026年11月4日にオープンウェイトとして公開すると発表しており、これはフロンティアレベルのAIインフラへのアクセス性を高めるための重要な一歩となります。

何が起きたのか

新モデルは、先行する「Kimi K3」に対して、スケールと機能性の両面で大幅なアップグレードを実現しています。MoonshotはK3.1 Proを、数百の下流ドメインにわたる強化学習のために著しく大きな計算リソースを活用した、K3の後訓練（post-trained）バージョンと説明しています。リリースには標準API版とHighspeed API版が含まれており、後者は出力生成速度が2〜3倍になる代わりに、コストが2倍になります。さらにMoonshotは、長時間タスクやマルチエージェントコラボレーション向けに設計されたマネージド環境「Kimi Hosted Agents」も導入しました。

独立系の評価により、K3.1 Proは現在のトップティアのモデル群に確実に入ることが示されています。Artificial AnalysisのIntelligence Indexではスコア55で第4位となり、Opus 5.5、Sonnet 5.5、Muse Wonder Fullのみに劣っています。コーディングベンチマークでは、Code Arena WebDevカテゴリで第8位を獲得し、以前の順位から大幅に改善されました。注目すべき点として、安全性向上のためサイバー関連の学習データを意図的に削除したにもかかわらず、このモデルはCyber Indexにおいて一般公開されているモデルとしては最高得点を記録し、信頼できるアクセス権を持つプロプライエタリモデルに次ぐ位置につけました。

今回のリリースは、推論エコノミクスとベンチマークの透明性に関する議論を巻き起こしています。トークン価格はK3と比較して3分の1に低下しましたが、一部の独立系テストでは、タスクあたりのトークン消費量の増加により、これらの節約効果が相殺される可能性があることが示されています。コミュニティの反応は賛否両論であり、オープンウェイトへの期待感がある一方で、デプロイコストや非公開のプロモーション活動に対する懸念も存在します。タイムラインについては、以前の一部の噂ではなく、重みのリリース日が11月4日であることが確認され、明確化が進んでいます。

仕組み

Kimi K3.1 ProはMixture-of-Expertsアーキテクチャを採用しており、特定の入力に対してパラメータの一部のみをアクティブにすることができます。具体的には、モデル全体で2.8兆のパラメータを含みますが、推論時には1040億のみがアクティブになります。この設計は、高い容量と計算効率のバランスを取ることを目的としていますが、大規模なエキスパートプールとランタイム状態を管理するためには相当なインフラが必要です。フルパラメータセットは量子化してもテラバイト単位のメモリを必要とするため、コンシューマーデバイスでのローカルデプロイは現実的ではありません。

性能向上の主な要因は、広範な後訓練強化学習にあります。Moonshotは、RLフレームワーク、長文脈推論、サンドボックスインフラなど、スタック全体を最適化し、計算量増加による安定したリターンを得られるようにしました。重要なアーキテクチャ上の決定事項として、中間訓練および強化学習フェーズからサイバー関連データを削除することが挙げられます。このアプローチは、推論時の拒否だけに頼るのではなく、潜在的な攻撃能力を源流で削減することを目的としており、内部のサイバーセキュリティスコアの低下が報告されている一方で、強力な防御ベンチマークパフォーマンスは維持されています。

主要な詳細

• モデル仕様: 総パラメータ数2.8兆、アクティブパラメータ数1040億、コンテキストウィンドウ100万トークン。
• オープンウェイト: 2026年11月4日のリリースが予定されていますが、具体的なライセンス条件や再配布条件は未定です。
• パフォーマンス: Artificial AnalysisのIntelligence Indexでスコア55、第4位。Code Arena WebDevで第8位。
• 価格: 標準APIは入力100万トークンあたり2ドル、出力100万トークンあたり10ドルで、K3から3分の1に値下げされました。
• 安全性: サイバー関連の学習データは削除されましたが、公開されているCyber Indexで64%のスコアを記録し、利用可能なモデルとしては最高となりました。
• 速度: Highspeed APIバリアントは出力生成速度が2〜3倍速くなりますが、標準ティアの2倍のコストがかかります。

なぜ重要なのか

ソフトウェアエンジニアや技術系創業者にとって、フロンティアに近いオープンウェイトモデルの登場は、AIネイティブ製品構築のための判断基準を変えます。オープンウェイトの約束は、デプロイ、ファインチューニング、データプライバシーに対するより大きな制御を可能にし、エンタープライズアプリケーションにとって不可欠です。しかし、「セルフホスト可能」と「コンシューマーローカル実行可能」の違いは重要です。モデルの巨大なサイズゆえに、実行には相当なアクセラレーターインフラが必要であり、エッジデバイスよりもクラウドベースまたは専用サーバー環境に適しています。

価格構造についても慎重な分析が必要です。トークン単価は低下しましたが、タスクごとに多くのトークンを生成する傾向があるため、複雑なワークフローでは総コストが同等かそれ以上になる可能性があります。開発者はトークン単価だけでなく、成功したタスクあたりのコストを評価する必要があります。さらに、エージェント型タスクやコーディングにおける強いパフォーマンスは、特に長いコンテキストの理解や多段階の推論を伴うプロジェクトにおいて、開発サイクルを加速させる可能性があることを示唆しています。

できること

• オープンウェイトのリリース日である2026年11月4日を監視し、商用利用制限に関するライセンス条件を確認してください。
• Highspeed APIを使用して現在のワークロードをK3.1 Proとベンチマークし、特定のレイテンシ要件に対して速度プレミアムがコストに見合うかどうかを評価してください。
• プロジェクト全体のコード理解や広範なドキュメント分析が必要なプロジェクトにおいて、モデルの長文脈機能を評価してください。
• サイバーセキュリティアプローチが自社のセキュリティ体制に与える影響を検討してください。高い防御スコアが、無制限の攻撃能力を保証するものではないことに注意が必要です。
• 3Dモデリングや財務分析など、特定のドメインでモデルをテストし、ベンダーの主張が自社品質基準を満たすかを検証してください。
• セルフホストを計画している場合は、2.8兆パラメータモデルの膨大なメモリ要件を考慮して、インフラのアップグレードを計画してください。