執筆：李丹
中国の大規模モデル企業である月之暗面（Moonshot AI）は、新世代の旗艦モデル「Kimi K3.1 Pro」を発表した。プログラミング、3D制作、金融リサーチといった複雑な専門タスクを狙い、11月4日までに完全なモデル重みを公開する計画だ。このモデルは総パラメータ数が2.8兆に達し、混合エキスパート（MoE）アーキテクチャを採用。推論時に1040億パラメータを活性化し、100万トークンのコンテキストウィンドウをサポートする。
月之暗面によると、Kimi K3.1 ProはK3シリーズの最初のモデルであり、同社がこれまでに持つ最も能力の高い3兆パラメータ級モデルでもある。汎用能力に重点を置いてきた従来のモデルと比べ、新モデルはロングホライズンのプログラミング、3Dモデリング、金融分析、そしてエージェント（Agent）が複雑なタスクを実行する能力を重点的に強化。複数のテストで、トップクラスのクローズドソースモデルと同等か、それに近い水準に達した。
月之暗面は同時に高速版「Kimi K3.1 Pro Highspeed」も投入した。知能水準は標準版と同等でありながら、出力速度は約2～3倍に高まるとしている。現在、両モデルはKimi公式サイト、アプリ、Kimi Work、Kimi Code、APIを通じて提供されており、完全なモデル重みは11月4日までに公開される予定だ。
月之暗面にとって、今回のKimi K3.1 Proのアップグレードの核心は、パラメータ規模を3兆級に引き上げたことだけではない。プログラミング、空間推論、金融分析、長期的なエージェント実行能力をさらに同一モデルへ統合した点にある。
完全な重みの公開が近づく中、市場が次に見極めるべきは、こうしたベンチマーク上の優位性が実際のプロジェクトで持続的に発揮されるのか、そして開発者が許容可能な導入コストで、モデルの能力を安定的で信頼できる生産性へと変換できるのか、という点だろう。
大規模強化学習の後押しで、複雑タスクの実行能力が向上
Kimi K3.1 Proはゼロから訓練された新モデルではなく、Kimi K3をベースにポストトレーニングを施したバージョンだ。月之暗面は、新モデルでポストトレーニングの計算資源を大幅に増やし、強化学習フレームワーク、長文脈推論、訓練効率、サンドボックス基盤、タスクスケジューリングシステムといった各要素を最適化することで、数百の下流領域にわたる大規模なジョイントトレーニングを支えたと説明する。
月之暗面は、この訓練路線の鍵は、より大規模な強化学習への投入を、単発の質疑応答の性能向上にとどめず、複雑なタスクにおける持続的な実行能力へと変換することにあるとの見方を示す。
月之暗面によると、コード、Agent、知識系のベンチマークで、K3.1 Proは最強のクローズドソースモデルと同等かそれに近い水準に達した。コーディングエージェント向けテスト「Terminal-Bench 4.0」では、Kimi K3.1 Proは65.7%の評価スコアを獲得し、OpenAIのGPT-6 Astraの58.2%を上回り、AnthropicのClaude Opus 5.5の66.4%とはわずかな差にとどまったと明らかにした。
Terminal-Bench 4.0は、実環境でのターミナルタスクを通じて、リソースが制約された条件下でモデルがツールを使い、コマンドを実行し、プログラミング上の問題を解決する能力を評価する。
月之暗面の社内ベンチマーク「Kimi Code Bench 3.0 Long-horizon」では、新モデルは61.2%を記録し、前世代のK3の55.95%を上回った。このテストは多段階の実行、ツール呼び出し、エンドツーエンドのエンジニアリング課題解決能力に重点を置いている。
注意すべきは、これらの成績が異なるテスト体系に由来し、その一部が月之暗面の社内ベンチマークである点だ。モデルごとにテスト環境、ツール設定、評価手法が異なる可能性があり、スコアをあらゆる実務シーンでの能力ランキングと直接同一視できるものではない。
コード記述からゲーム開発まで、プロジェクト全体のエンドツーエンド完了を試みる
プログラミングの面で、月之暗面はKimi K3.1 Proが既存コードベースの問題修正から、ゼロからの完全なソフトウェアプロジェクト開発までをこなせることを目指している。
月之暗面が示した事例には、Unreal Engine（アンリアルエンジン）、Unity、Godotといったゲームエンジンを使ったゲーム開発のほか、Webページ、Three.jsのインタラクティブシーン、3Dアセットの生成が含まれる。
その一つでは、Unreal Engine 5.8の中で、モデルが雲海の上に浮かぶ東洋神話の天宮を構築した。月之暗面によれば、作中の列柱はBlenderでプロシージャルモデリングされ、元モデルは3600万ポリゴンを含み、NaniteとLumenでレンダリングされている。
もう一つの事例はGodotで開発された3Dアクションアドベンチャーゲームで、探索可能な5つのエリア、プロシージャル生成された地形と村、三人称視点の戦闘、2段階のボス戦、昼夜サイクル、ファストトラベルなどの機能を備える。
モデルはさらに、ブラウザ内の3Dロボットアームのショーページを完成させた。2317個の部品と268本のダイナミックな配線を生成し、分解ビュー、透明な外装、断面表示を実現している。
これらの事例は、モデルの目標がコード断片の生成にとどまらず、プロジェクト計画、専門ツールの呼び出し、素材生成、デバッグとイテレーションといった作業まで担うことへ広がっていることを示そうとしている。
月之暗面はさらに、より複雑なシミュレーションタスクも披露した。モデルはオープンソースの人体解剖学モデルに基づいて人間の歩行動力学シミュレータを構築し、167のタスク、420回の独立審査の過程で歩行コントローラを継続的に調整。最終的にシミュレーション上の人体は11.2秒の連続歩行を実現した。
さらに注目すべきは、報酬メカニズムの調整では腕の動きが改善しなかった際、モデルがシミュレータの動力学の確認に切り替え、肩部筋のモーメントアーム計算における36カ所の誤りを特定・修正したうえで、コントローラを再訓練したことだ。
こうした事例はロングホライズンなエージェント能力の重要な方向性の一つを示している。モデルは解決策を生成するだけでなく、実験からのフィードバックに基づいて問題を特定し、複数回の実行の中で結果を継続的に改善する必要がある。ただし、デモ事例そのものは、モデルが同種のあらゆるタスクで同じ性能を安定的に再現できることを意味するものではない。
3Dモデリング能力を強化、BlenderやCADなど専門ツールに対応
プログラミングに加え、3D制作と空間推論もKimi K3.1 Proが今回強化した重点だ。
月之暗面によると、Kimi K3.1 Proは3D制作と空間推論に優れ、機械部品、建築モデル、多パラメータで構成可能な製品、オーダーメイド家具といったパラメトリックモデリングを得意とする。BenchCADベンチマークでは、ツールを併用して92.7%の成績を収め、Claude Opus 5.5の96.2%、GPT-6 Astraの95.9%に近づいた。
BenchCADは主に、複数視点のレンダリング画像から、CADコードを生成して3Dモデルを再構築できるかを評価する。モデルは物体の形状、比率、空間関係を理解し、視覚情報を使える三次元構造へ変換する必要がある。
月之暗面は、Kimi K3.1 Proが文章による説明、スケッチ、参考画像から物体構造を推論し、BlenderやCADなど専門ツールのスクリプトを直接記述・実行して、パラメトリックモデリング、ジオメトリ調整、マテリアル変更、シーンレイアウトなどの作業をMCPコネクタに依存せず完了できるとしている。
月之暗面が示した事例には、Blenderで空港内の熱帯雨林シーンを構築する例、FreeCADとPythonを使って2100のエンティティを含むターボファンエンジンモデルを生成する例、そのまま3Dプリントできる卓上ランプを設計する例がある。
うちターボファンエンジンモデルは段階的な組み立て、内部構造の表示、複数ローターの回転アニメーションに対応する。卓上ランプは福建省の土楼の円形建築形態を参考に、5つの部品からなる透かし構造として設計された。
同時に、Kimi公式サイトとアプリには「3D Make」機能が登場し、3Dモデルのオンラインプレビューと編集、3Dプリント用のモデルダウンロード、動画やライブフォトの書き出しが可能になった。
これは月之暗面が、モデルの空間推論とコード生成能力を、そのまま使える制作ツールへとさらに転換しようとしていることを意味する。
金融リサーチが重点的な突破口に、事実誤認率が低下
金融リサーチはKimi K3.1 Proがもう一つ重点的に強化した能力だ。
月之暗面によれば、新モデルは財務モデリング、投資分析、業界リサーチをめぐる比較的完全なワークフローをこなせる。財務に関する質問への回答やリサーチレポートの要約にとどまらない。
OfficeQA Pro v2ベンチマークで、Kimi K3.1 Proは64.4点を獲得し、月之暗面は現時点の最高水準（SoTA）に達したとしている。このテストは実際の金融文書に基づく複雑なデータ分析に重点を置き、情報検索、文書間の照合、多段階の数値推論を含む。
社内の財務モデリングテストでは、新モデルはK3より14%向上。金融リサーチテストでは20%向上し、ビジネスオペレーションテストのスコアはK3の約4.2倍に達した。
実際の応用事例では、モデルはNVIDIAの財務モデルを生成し、事業前提の調整、数式の連動、感度分析に対応。さらに寧徳時代（CATL）の投資委員会向けレポートを作成し、市場コンセンサスと企業の実際の業績との乖離を整理し、今後想定されるカタリスト（材料）をまとめた。
月之暗面はまた、量子コンピューティング業界のリサーチレポートも披露し、レポート中のデータと引用がすべて一次情報源まで遡れることを強調した。
ただし、金融リサーチは一般的なコンテンツ生成よりもはるかに高い正確性を要求する。モデルが完全な財務ワークブックやリサーチレポートを作成できることは、そこに含まれるすべてのデータ、前提、結論が必ず正しいことを意味しない。実際の利用では、重要な数字とその出所を検証する必要がある。
この問題に対し、月之暗面は事実精度のストレステストを別途実施した。
社内の「Kimi Hallu Bench Hard」テストでは、新モデルの単一の事実陳述の誤り率は、K3の23.4%から8.3%に低下。少なくとも1カ所の事実誤認を含む回答の割合は、前世代の約42.4%まで下がった。
月之暗面は、このテストがモデルが誤りやすい高難度のシーンを意図的に選んでいるため、結果は日常利用における全体的な誤り率を表すものではないと特に指摘する。
それでも、事実誤認率の低下は、モデルが金融や企業運営といった専門領域に入るための重要な条件であり続ける。こうしたタスクでは、モデルが追跡可能な根拠を提示し、計算過程を検証し、誤りを早期に発見できるかどうかが、単に回答速度を高めることよりも重要かもしれない。
標準版APIの出力価格は100万トークンあたり68元、重み公開前に安全性評価を実施
商用化の面で、月之暗面は製品・サービスを先行させ、モデル重みの公開を後に回す段取りを採った。
現在、Kimi K3.1 ProはKimi公式サイト、アプリ、Kimi Work、Kimi Code、Kimi APIに接続済みだ。開発者はAPI経由でモデルを呼び出せ、企業ユーザーはプログラミング、リサーチ、その他のエージェントワークフローに利用できる。
月之暗面が公表した価格によると、標準版Kimi K3.1 ProのAPIは、入力が100万トークンあたりキャッシュヒット時1.3元、キャッシュミス時13元、出力が68元。高速版の出力速度は標準版の約2～3倍で、価格は標準版の2倍となる。
月之暗面はさらに、マネージドエージェントサービス「Kimi Hosted Agents」も打ち出した。企業や開発者にクラウド上の実行環境を提供し、長時間のタスク実行とマルチエージェント協調を支え、エージェント実行フレームワークを自前で構築・維持するコストを下げる。
オープンソースコミュニティがより注目するのは、モデル重みの公開計画だ。月之暗面は、完全な重みを11月4日までに公開するとしている。これにより開発者は自らのインフラ上でモデルを配備し、研究し、適応させる機会を得る。具体的な利用範囲は最終的に公開されるライセンス条項に従う。
同時に月之暗面は、重み公開モデルのサイバーセキュリティ評価も開示した。同社によれば、Kimi K3.1 Proの重み公開の準備にあたり、中間訓練と強化学習の段階でサイバー攻撃・防御に関連するデータを特定して除去し、モデルの脆弱性研究能力を制限した。
自社開発の「xdev-bench-hard」テストでは、関連データの除去処理を行っていないモデルが90.5%だったのに対し、最終版は81.0%だった。同社は、的を絞ったデータクレンジングがモデルの脆弱性研究能力を低下させたことを示すとしつつ、より強力な汎用プログラミング能力と長周期のデバッグ能力はサイバーセキュリティ業務に転移する可能性があるとしている。
これは重み公開モデルが抱えるジレンマも映し出す。一方で、オープンなモデルは企業や研究者がローカルに配備し、コードを検査し、防御的なセキュリティ作業を行う助けとなる。他方で、モデル能力の継続的な向上は、開発者に対してサイバー攻撃・防御のようなデュアルユースのシーンにおける潜在リスクを評価することを求める。
