Moonshot AI、Kimi K3.1 Proを公開――第三者指数は55点で4位、API単価は前世代比33%値下げ、重みは11月4日までに公開予定

K3.1 Proは新しい事前学習モデルではありません。2026年7月公表のK3（総パラメータ2.8兆のMoE）に追学習を重ね、数百の下流分野にわたる大規模強化学習を施したモデルです。コンテキスト窓は100万トークンで、強化学習基盤・長文推論・学習効率を含む一連の改良で「RL計算の追加が安定した成果を返す」状態を作ったと説明されています。総パラメータ2.8兆・推論時に動くアクティブパラメータ1,040億は、Artificial Analysisが確認した公表仕様です。

性能の評価は会社公表値と第三者測定で分けて読む必要があります。会社公表では、コーディングエージェントのTerminal-Bench 4.0で65.7%（Claude Codeハーネス）でした。内部ベンチのKimi Code Bench 3.0 Long-horizonは61.2%で、K3の55.95%を上回ります。一方、Artificial Analysis（10月23日付）はIntelligence Index 55点で4位、K3の44点から11点上がったと測定しました。上位はClaude Opus 5.5（58点）、Claude Sonnet 5.5（56点）、Muse Wonder Full（56点）です。同測定のTerminal-Bench 4.0は67%で全モデル最高、エージェント業務のGDPval-AAは1,846 Eloで3位（K3比+312）、AutomationBench-AAは58%から73%に上がりました。会社公表の65.7%とAA測定の67%は測定条件が異なる別の数値です。

価格は100万トークン当たり入力13元、出力68元、キャッシュヒット入力1.3元で、旧K3（20元／100元／2元）から33%下がりました。Highspeedは入力26元・出力136元と通常版の2倍で、速度は約2〜3倍（会社公表）です。Artificial Analysisの米ドル換算は入力2ドル・出力10ドル・キャッシュヒット0.2ドル。ただし同社の測定では、タスク当たりの出力トークンがK3比14%増（5.5万対4.8万）になるため、タスク当たり費用は約1.98ドルとK3とほぼ同じです。単価の下げがそのまま総費用の下げにはならない例です。

公開前の安全設計も公表されました。開発過程でサイバー関連の能力が伸びる要因を追跡した結果、中間学習の一般データと強化学習の環境にサイバー関連の内容が混在していたため、公開用のモデルでは両段階からサイバー関連データを除去・選別したといいます。内部ベンチxdev-bench-hard（pass@3）では、対策を施さない分岐が90.5%だったのに対し、最終版は81.0%でした。同社の内部評価であり、第三者検証ではありません。サイバー能力が下がっても81%が残ることから、安全性が保証されたと読むことはできません。

利用の面では、Kimi Codeの公式履歴が10月23日付で「K3.1 Pro Series is live」と記録しました。モデルIDはkimi-k3.1-proとkimi-k3.1-pro-highspeedで、Kimi Codeでは思考モードが必須（low/high/max）です。重みが11月4日までに公開されれば、現時点で最高得点のオープンウェイトモデルになるとArtificial Analysisは見ています。2.8兆パラメータ級のセルフホストには大規模な計算設備が必要です。焦点は、重み公開の履行とライセンス条件、そして実業務での総費用（単価ではなく出力トークン量込み）が第三者でも再現できるかです。