詳しい解説 · 読了目安 10 分
Kimi K3.1 Pro：事後学習の改善、ツールへの依存、後日公開予定の重み
Moonshotは100万トークンのコンテキストを持つモデルの展開、エージェント評価の改善、対象を絞ったサイバー対策を説明している。完全な重みは依然として11月4日までの公開予定だ。
- 当サイトの公開日
- 原典の公開日
- 出典確認日
Moonshotの10月24日の発表は、Kimi K3.1 ProとHighspeed版を同社の製品群に導入するものだ。確認すべき点は、事後学習で何が変わったのか、公表された評価がどのように行われたのか、そして利用に関する説明のうち、すでに運用されているものと今後の予定がどれかである。
ニュースを聴く
この記事を読み上げるか、ニュースを続けて聴けます。
読み上げを準備中…
端末の音声
読み上げはブラウザーまたは端末が処理します。AISubHub は文章を音声 API に送りません。利用できる音声やロック画面での再生は端末によって異なります。
再開時に短い部分を繰り返す場合があります。
要点
- Moonshotによると、K3.1 ProはK3に事後学習を施したモデルで、100万トークンのコンテキストウィンドウを持つ。Highspeedの速度が2–3×になるという主張は、当サイトの測定結果ではない。
- コーディング、CAD、金融の評価結果は、ツール、評価実行基盤、ベンチマークの定義に依存する。単一の汎用的なモデル順位を示すものではない。
- 発表では製品への展開を現在開始し、完全な重みは2026年11月4日までに公開するとしている。企業向けアクセスは管理者が有効にするまで既定で無効だ。
変化は事後学習と、それを支えるシステムにある
MoonshotはK3.1 ProをK3.1シリーズの最初のモデルであり、K3に事後学習を施したバージョンと位置づけ、事後学習の計算量を大幅に増やしたと説明している。数百の下流領域を対象とする共同強化学習を行い、長いコンテキストの推論、サンドボックス基盤、生成実行のスケジューリング、環境品質の確認を改善したという。発表には3T級という表現と100万トークンのコンテキストウィンドウが示されているが、本記事はその規模区分を正確なパラメータ数に置き換えない。
当サイトは、これは既存モデルの学習方法と長いタスクの遂行を改善するという主張であり、コンテキスト長だけが結果を改善することの証拠ではないと捉えている。MoonshotはK3.1 Pro Highspeedも発表し、Proの2–3×の速度を主張している。ただし発表には、独立に再現されたレイテンシ分布、あらゆるタスクに共通する高速化率、完全なコスト比較はない。高速版も、読者自身の実際のワークロードで評価する必要がある。
コーディングのスコアは評価実行基盤の注記と併せて読む
Terminal-Bench 4.0について、MoonshotはK3.1 Proが65.7%、GPT-6 Astraが58.2%、Claude Opus 5.5が66.4%と報告している。Kimi Code Bench 3.0 Long-horizonでは61.2%で、K3は55.95%だ。この2つは異なるテストであり、前者はタスク固有の制約下で端末操作の課題を評価し、後者は複数段階のエンジニアリング作業を測る内部評価である。どちらの数値も、任意の本番プロジェクトを同じ割合で完了できることを意味しない。
脚注によると、これらのコーディング評価ではKimiにClaude-Codeの評価実行基盤を使用している。別途指定がない限り、Kimiの評価設定は推論努力がmax、temperatureが1.0、top-pが0.95だ。他モデルの結果は発表レポートや公式ランキングから引用される場合があり、一部の非公開モデルの設定にはフォールバック動作が含まれる場合がある。そのため当サイトは、これを条件が開示されたベンダー比較として扱い、新たな独立再実行の結果とは扱わない。チームはタスクの成功、ツールの権限、実際のリソース使用量を併せて比較すべきだ。
CADはツール設定の重要性を示す
MoonshotによるBenchCADのスコアは、ツールありで92.7、なしで72.8だ。このテストは複数のレンダリング画像からCADコードを介して形状を再構築する。オープンモデルは17900件のデータセットから無作為に選んだ1000件の部分集合で評価された。ツールありの設定はClaude Codeを使い、もう一方は単発生成と公式の採点処理を使う。この比較でGPT-6 Astraのツールなしスコアは報告されていない。欠損値はゼロではない。
発表では、K3.1 ProはMCPコネクターなしでBlenderやCADソフトウェア向けのスクリプトを書けるとし、モデルのプレビュー、編集、書き出しを行う3D Makeも紹介している。設計者にとって当サイトが実務上区別するのは、編集可能な形状の生成、ベンチマークの形状との一致、製造に適した部品であることの立証だ。これらは別々の要件である。ページ内の事例説明には外部素材のクレジットもあるため、紹介されたシーンをすべてモデルが作成したコンテンツと表現してはならない。当サイトはそれらのデモを独立に操作していない。
金融の改善とハルシネーション率は単位が異なる
原文はOfficeQA Pro v2で64.4と報告している。この評価は金融文書を対象に、情報検索、文書間の照合、数値推論を組み合わせる。内部の金融モデリング評価と金融調査評価は、K3に比べてそれぞれ7.2ポイント、11.6ポイント改善したという。これは定義された評価タスクについての主張であり、投資収益や検証済みのアナリスト生産性を示すものではない。ページには未解決の不一致もあり、Business Operationの図は37.0、完全なベンチマーク表は37.8と示している。当サイトは両者を黙って統一したり、正確な経営能力の倍率を導いたりしない。
内部のHallu Bench Hardストレステストでは、Moonshotは主張単位のハルシネーション率がK3の23.4%からProの8.3%に下がったとしている。これとは別に、事実誤認を少なくとも1つ含む回答の割合は、前モデルの該当する割合の42.4%になった。これは絶対的な誤り率が42.4%という意味ではない。原文は、意図的に難しくしたこれらのプロンプトが日常利用の誤り率を表さないと明記している。当サイトは金融業務において、ベンチマーク上の低下を確認省略の根拠とせず、出典、前提、計算の検算を維持すべきだと考える。
サイバー対策は測定された能力を下げるが、なくしはしない
Moonshotは、中間学習のデータと強化学習環境の双方でサイバー関連の内容を特定し、一般的なコーディング課題を残しながら対象となる内容を除去したと説明している。内部のxdev-bench-hardでは、未フィルタリングのチェックポイントはpass@3で90.5%の問題を解き、最終版Proは81.0%だった。評価は実行結果の部分集合を使い、厳格なタイムアウトや出力トークン数の上限は設けていない。Pass@3は複数回の試行に基づく指標であり、1回での成功率でも通常の導入におけるリスクの保証でもない。
同社が示す公開原則は、攻撃的なサイバー能力の絶対的な最前線を押し広げることを避けつつ、役立つ防御能力をオープンウェイトを通じて徐々に広めるというものだ。これはMoonshotの方針上の主張であり、当サイトによる安全認証ではない。81.0%という結果は、そのテストにおいて依然として相当な能力があることを示す。原文も、対象を絞ったフィルタリング後でも一般的なコーディングの改善がサイバー課題に波及すると認めている。当サイトは、学習データの除去を完全な運用上の防護策と見なさず、アクセス制御とサンドボックスの境界を維持する立場を取る。
製品での利用開始とダウンロード可能な重みは時期を分けて考える
発表によると、ProはKimi.com、モバイルアプリ、Kimi Work、Kimi Code、APIに展開される。WindowsとApple silicon搭載Mac向けのKimi Work 3.1.0以降、Kimi Codeでの/modelによるモデル選択、API識別子kimi-k3.1-proとkimi-k3.1-pro-highspeedが指定されている。Zero Data RetentionはAPI顧客が利用できると説明されているが、すべてのアカウントで既定になっていることまでは示していない。企業管理者はProを有効化できる一方、公開時点ではアクセスが既定で無効になっている。
完全なモデルの重みは2026年11月4日までに公開すると約束されている。この将来の予定は、今回のホスト型製品の発表や、後日のライセンス・ハードウェア評価とは区別する必要がある。当サイトは重みをダウンロードせず、有料アクセスを試しておらず、すべてのプランや地域も確認していない。本分析は記事の全文、脚注、表示された完全なベンチマーク表、静的な図を使用している。任意のデモ動画、対話型の事例、添付のサンプル文書は完全には監査しておらず、ここでは性能を独立に検証した証拠として扱わない。
注目する理由
開発者や組織にとって、この公開はコーディング、CAD、大量の文書を扱う作業で評価できる具体的なモデルとツールの構成を提供する。役立つ比較とは、自分たちの権限、予算、確認手順の範囲内で、自分たちのタスクを完了できるかという比較である。
制約と提供状況
報告された性能とリスク低減の結果は、すべてMoonshotおよび同社が引用する評価に帰属する。当サイトはそれらを独立に再現せず、すべての利用権限を確認せず、任意のデモも監査していない。原文の公開日は暦日単位でのみ把握している。
出典と根拠
原典の公開日: · 出典確認日:
AI を活用した編集記事を、記載した一次情報で確認しています。企業の主張は出典を明示し、掲載は推奨を意味しません。