Moonshot AIのKimiが、新しいオープンウェイトモデル「Kimi K3.1 Pro」を公開した。今回は単なる新モデルの発表ではなく、1Mトークンという長大なコンテキストと、coding・3D作成・finance researchまでまとめて押し上げた点が目を引く。しかも、速度を重視した派生版や、モデル重みの公開予定まで同時に示している。閉じた高性能モデルが優位に立ち続ける中で、オープンなモデルをどこまで前に進められるのか。その実験結果として読むと、この発表はかなり重い。
Kimiは「Kimi K3.1 Pro」を新しいK3.1シリーズの最初のモデルとして紹介している。これは同社によると、これまでで最も高性能な3T-classのオープンウェイトモデルで、1-million-tokenのcontext windowを備える。要するに、非常に長い文書や大量のコード、複数の資料を一度に扱えるということだ。性能面では、coding、3D creation、financial research、そしてagentic capabilitiesと呼ぶ自律的な作業の進め方で大きく改善したとしている。
同時に「Kimi K3.1 Pro Highspeed」も出しており、こちらはK3.1 Proの2〜3倍の速度をうたう。利用先は Kimi.ai、Kimi Work、Kimi Code、Kimi API で、フルモデル重みは Nov 4 までに公開すると書いている。まず使える環境を広く開き、そのあとに重みを出す流れだ。
本文では、K3.1 ProはKimi K3のpost-trained versionで、より大きなpost-training computeを使ったと説明する。さらに、RL framework、long-context inference、training efficiency、sandbox infrastructure、rollout scheduling、環境品質チェックの共通基盤まで含めて最適化し、RL computeを積み上げるほど安定して性能が上がるようにしたという。ベンチマークでは、coding・agentic・knowledgeの各分野で強いproprietary modelに匹敵するか、近い水準に達したとしている。たとえば Terminal-Bench 4.0 では 65.7% を記録し、GPT-6 Astra の 58.2% を上回り、Claude Opus 5.5 の 66.4% に僅差で届かなかった。内部の Kimi Code Bench 3.0 Long-horizon では 61.2% で、K3の 55.95% を超えた。
用途別に見ると、codingでは実コードベースの修正からフルプロジェクト構築まで対応し、Unity、Unreal Engine、Godot といったゲームエンジンも扱えるという。本文では、Web検索や3D生成を組み合わせてゲームやWeb体験を作り、Three.jsのシーンやフロントエンドのページの見栄えも改善したと述べる。内部テストでは、human-atlas を使った歩行シミュレーターを作成し、167 missions と 420 independent reviews を通じて肩や脚の制御を修正し、数秒で崩れる状態から、交互の歩幅で 11.2秒歩き続けるまで到達した例も出している。
3D modelingでは、BenchCADで toolsありのスコアが 92.7% とされ、Claude Opus 5.5 の 96.2%、GPT-6 Astra の 95.9% に迫った。text brief、sketch、reference imageから形状や比率、空間関係を推定し、Parametric modelingにも強いという。BlenderやCAD software向けのscriptを書いて実行し、部品やレイアウトを調整できる。さらに「3D Make」が kimi.ai とKimi appで使えるようになり、3Dモデルのオンライン編集、3D printing用のダウンロード、videoやLive Photosへの出力もできると案内している。
financeでは、OfficeQA Pro v2で 64.4 を記録し、実際の財務文書をまたぐ複雑な分析に強いとする。Frontier FinanceでもK3より改善し、投資の絞り込みから収益性分析まで一連の業務をこなせるとしている。内部ベンチマークでも、Financial Modelingは 7.2ポイント改善、Financial Researchは 11.6ポイント改善、Business OperationはK3の約 4.2倍に伸びた。
一方で、cybersecurityについてはかなり慎重だ。K3.1 Proが強くなったことで、脆弱性調査能力も上がる可能性があるため、学習段階でcyber関連データを除去し、RL環境からも外したと説明する。これにより、理論上の能力を下げつつ、一般的なcoding能力は維持したい狙いだ。xdev-bench-hardでは、除去なしのcheckpointが pass@3 で 90.5% を解いたのに対し、最終版のK3.1 Proは 81.0% だった。それでも前世代よりは強く、しかも公開されていた最前線の proprietary model よりは下に置かれている、と記事は位置づけている。つまり、オープンにするけれど、危険な能力は無制限には開放しない、という姿勢だ。
このブログで面白いのは、単に「性能が上がった」と言っていないところだと思う。Kimiは、モデルを強くするだけでなく、どの能力をどこまで出すかをかなり意識している。特にcyber関連の記述は、その姿勢がはっきり出ている。学習データを減らして能力を落とし、それでも実用上のcoding性能は保つ。これは、能力向上をそのまま能力開放にはしない、という意思表示に見える。
ただ、ここには少し緊張もある。記事は「防御目的の利用にも役立つ」と説明するが、現実には同じ道具が攻撃にも使える。オープンウェイトは研究者や企業にとって便利だが、同時に配布後の制御が難しい。だからこそ、Kimiが「最前線のcyber capabilityは出さない」と書いたのは、単なる安全アピールではなく、オープン戦略の前提条件なのだろうと思う。性能競争のなかで線を引くことは、派手ではないが重要だ。
1M-token context windowは数字として強烈だが、実際に効いてくるのは長文を読めることそのものより、複数の資料や工程をまたいで仕事を続けられる点ではないかと思う。記事でも、coding、finance、3D modelingのどれも「単発の回答」ではなく、調査、検証、修正、再実行を繰り返す話として書かれている。これは単純なチャットボットというより、作業を積み上げるエージェントに近い。
その意味で、Kimiが強調しているのはモデル単体の賢さだけではない。RL frameworkやsandbox infrastructure、rollout schedulingまで触れているのは、出力の良さが学習アルゴリズムだけで決まらないからだろう。長い文脈を扱うには、推論の安定性も、環境の品質も、失敗したときの再試行も必要になる。ユーザーが体感する価値は、ベンチマークの1点差より、途中で破綻せず最後までやり切れるかどうかに近いはずだ。
3D creationをここまで前面に出すのは、かなり今っぽい。文章や画像の生成はすでに競争が激しく、差が見えにくくなっている。その一方で、3Dはまだ「動くもの」「編集できるもの」「印刷できるもの」までつなげられるモデルが限られる。Kimiが Blender や CAD software に script を書いて実行し、資産の修正まで踏み込むと書いたのは、ここに勝機を見ているからではないか。
しかも3Dは、見た目の派手さだけでなく、実務との接点がある。製品試作、建築のラフ検討、ゲームのアセット作成、ブランドムービーの素材づくり。どれも「生成しただけ」では使えず、寸法や構造を後から詰める必要がある。K3.1 Proが parametric modeling に強いと強調するのは、その後工程まで含めて価値が出るからだろう。ここは、単なるデモ映えより、制作現場への食い込みを狙っているように見える。
financeの章で目立つのは、高得点そのものより「auditable research」という言い方だ。金融分析では、もっともらしい答えより、根拠を追えることが重要になる。記事もそこを意識していて、OfficeQA Pro v2やFrontier Financeの改善だけでなく、claim-level hallucination rateが K3 の 23.4% から 8.3% に下がったと書く。ただし、これは日常利用の総合エラー率ではなく、意図的に厳しくしたstress testだとも注記している。そこまで書くのは誠実だ。
この領域では、モデルが「正しそうに見える誤り」を出すと致命傷になりやすい。だから、金融で使えるモデルとは、単に推論が強いモデルではなく、証拠をたどり、文書間を照合し、後から検証できるモデルだと思う。Kimiがそこを押しているのは妥当だし、3Dやcodingよりも本当に商業化しやすいのはむしろこちらではないか。業務フローに入り込むには、華やかさより監査性が効くからだ。
K3.1 Proは、かなり万能寄りのモデルとして設計されている。codingもできる、3Dも作る、金融調査もする、長文も扱う。こうなると、便利さは一気に増すが、利用者側には「何を任せ、何を人間が確認するか」を決める責任が出てくると思う。とくにfinanceとcybersecurityは、便利さがそのままリスクにもなる分野だ。
Kimiは、cyber能力を抑えつつ、一般的なcodingや調査は強くするという折衷を取った。その判断は筋が通っている一方で、万能モデルほど境界が曖昧になるのも事実だ。何でもできるように見える道具は、つい全部任せたくなる。けれど、実際には、法務、金融、セキュリティ、設計のどこかで人の確認が要る。K3.1 Proのようなモデルが広まるほど、モデルの性能より、運用ルールの成熟度が問われるようになるのではないかと思う。
