Kimi K3.1 対 Kimi K3：オープンウェイトが明かす、ローンチ投稿では語られなかったこと

Kimi K3.1 Pro と Kimi K3 は現在、同じ 96 個の safetensors シャード、ディスク上で同じ 1.56 TB を出荷しており、アテンションスタックが異なる。Moonshot の新しいリポジトリの構成では、93 層が「69 KDA + 24 Gated DSA」と記述されている。7 月に公開された Kimi K3 のリポジトリの構成では、「69 KDA + 24 Gated MLA」とされている。2026 年 10 月 24 日付の Kimi K3.1 Pro に関する Moonshot のローンチ投稿は、新しいモデルを「Kimi K3 をポストトレーニングしたバージョン」と呼び、この入れ替えについては一切触れていない。この比較におけるその他すべては、新しいモデルの方が安価である理由も含め、その一行の下流に位置している。

重み自体は何の告知もなく届いた。Moonshotのブログには10月24日以降の記事がない。リポジトリの唯一のコミットには2026年11月2日のタイムスタンプがあり、会社が自ら設定した11月4日の期限の2日前にあたる。その期限より前にファイルが公開で閲覧できたかどうかは、リポジトリには記録されていない。記録されているのはアーキテクチャ、ライセンス、インベントリであり、それはまさにローンチ投稿が省いたものだ。

発表では触れられなかったスワップ

モデルカードは、一見見慣れた仕様表の下に一行だけ添えられた脚注で、次のことを認めている。「Kimi K3と比較して、より効率的な長文脈モデリングを実現するため、フルアテンションのGated MLA層をGated DeepSeek Sparse Attention（Gated DSA）層に置き換えています」。

93層のうち24層が変更される。残りの69層はKimi K3が導入した線形アテンション機構であるKimi Delta Attentionのままで、層数、エキスパート数、隠れ次元は変更されていない。Gated MLAは圧縮されたキー・バリューキャッシュを用いるフルアテンションであり、Gated DSAは各クエリに対して過去トークンの疎な部分集合を選択し、その結果をゲートする。実用上の違いは、コンテキストが伸びるにつれてモデルが計算資源とキャッシュをどう使うかにあり、それは1Mトークンウィンドウのうち、ベンチマークの表ではなくサービングの請求額に現れる部分だ。

カードが示していないのは数字だ。トークン毎秒の数値も、キャッシュメモリの比較も、長コンテキストのレイテンシ測定もない——あるのは「より効率的な長コンテキストモデリング」という文言だけだ。Moonshotのローンチ投稿にはアーキテクチャの詳細が一切ない。したがって、この入れ替えによって何かが速くなるという主張は、現時点では測定結果ではなく設計上の表明であり、Moonshot以外で2つのチェックポイント間のサービング比較を公開した者はいない。

それは聞こえ以上に重要なことです。Kimi K3 のアテンションプロファイルに合わせてバッチ処理やキャッシュ割り当て、コンテキスト管理をチューニングしていた場合、新しいチェックポイントは API レイヤーではドロップインでも、サービングレイヤーではドロップインではありません。API はそれを隠しますが、セルフホスト環境では隠せません。

2つのチェックポイントが真に共有しているもの

同じダウンロード内容であることが、これがより大型のモデルではない証拠です。以下の主要なスペックはどちらのカードでもすべて同じで、ファイルの内訳もそれを裏付けています：

• 総パラメータ数とアクティブパラメータ数 — 両モデルとも合計2.8兆、アクティブ1040億

• 深さ — どちらも93層で、そのうち1層はデンスです。

• エキスパート — 合計896、トークンごとに16を選択、2を共有、両方で。

• 語彙 — 両方とも160Kトークン。

• ビジョン — MoonViT-V2、4億100万パラメータ、両方に搭載。

• コンテキスト — 両方とも1,048,576トークン。当社のモデルページには、Kimi K3.1 Proの最大出力が943,718トークンと記載されています。

• 量子化 — MXFP4 の重みと MXFP8 のアクティベーション、その両方で量子化認識トレーニング。

• ダウンロード — 各リポジトリにつき、合計1.56 TBの96個のsafetensorsシャード。

• 入力モダリティ — Kimi K3のモデルカードにはテキスト、画像、動画が記載されています。Kimi K3.1 Proのモデルカードにはテキストと画像が記載されていますが、APIドキュメントでは動画にも対応すると謳われています。動画対応の主張は、プロセッサのコードを実際に実行して確認するまでは未検証として扱ってください。

パラメータ数、エキスパートルーティング、ファイルサイズを維持したまま24のアテンション層を変更するポイントリリースは、新世代とは異なる種類のリリースだ。新しいベースモデルというよりは、サイクル中間のアーキテクチャ改訂に大規模なポストトレーニングを加えたものに近く、価格設定もそれを反映している。

2つの料金表、そして3分の1も下がらない請求書

表面上、新しいモデルはすべての項目で安くなっている。{{1}}Kimi K3.1 Pro{{/1}}は入力100万トークンあたり2.00ドル、出力100万トークンあたり10.00ドル、{{2}}Kimi K3{{/2}}は3.00ドルと15.00ドルだ。キャッシュヒット料金は0.30ドルから0.20ドルに下がり、キャッシュ書き込みは5分および1時間のTTLで3.00ドルと6.00ドルから2.00ドルと4.00ドルになる。さらにHighspeed版は4.00ドルと20.00ドルで、価格と引き換えに出力速度が2～3倍になる。Kimi K3.1 Proのバッチ推論は標準料金の60%、つまり1.20ドルと6.00ドルで請求される。

請求書の話は別だ。Kimi K3.1 Proはデフォルトで最大努力により推論し、最大努力ではより多くのトークンが出力される。Bitoのエージェント型コーディング比較では、両モデルは総合で72%と同等だったが、Kimi K3.1 Proは約98,000出力トークンを生成したのに対しKimi K3は44,000、所要時間は28分対17分、長いセッションのコストは$4.28対$2.46だった。Plotlyのデータ分析実行は、品質では逆の結果、コストでは同じ方向だった。43タスク中42件を解決したのに対し35件で、支出は$5.01から$13.47に増え、中央値時間は43秒から2分半になった。Ultralyticsは自動アノテーションをテストし、mAP50が33%改善（0.444対0.334）し、39モデル中19位から9位に上がった。

{{1}}それら3つ{{/1}}は{{2}}小規模サンプルに対するベンダー公開のテスト{{/2}}であり、{{3}}査読済み評価{{/3}}ではない。そして、{{4}}新しいモデルがどれだけ優れているか{{/4}}については意見が一致していない。{{5}}コストの方向性{{/5}}については一致している：{{6}}トークンあたりの価格を3分の1削減しても、より長く考えるモデルでは通用しない{{/6}}。{{7}}予算は100万トークンあたりではなく、完了したタスクあたりで{{/7}}。

この比較の両方のモデルは、1つのキーで呼び出せます。Kimi K3.1 Pro はkimi/kimi-k3.1-pro として、Moonshot の $2.00 と $10.00 でルーティングされ、Kimi K3 はkimi/kimi-k3 として、$3.00 と $15.00 でルーティングされます。プロバイダーの定価はそのまま適用され、マークアップは追加されないため、Moonshot の料金表への変更は同日にここへ反映されます。これがフッターではなく料金セクションに置くべき具体的な理由です。乗り換えの論拠はすべて価格差にあり、定価に上乗せされる差額があれば、1つのタスクを測定する前に節約分の一部が失われてしまいます。

両モデルともベンチマーク表が移動しました

Artificial Analysisは2026年10月27日にIntelligence Indexを再構築した。この再構築は、この比較にとってMoonshotが公表したどの内容よりも重大な意味を持つ。現行のv5インデックスでは、Kimi K3.1 Proは46点で9位、58点のClaude Opus 5.5に12ポイント差をつけられており、その上位にはGemini 4 Carbon（59点）、GPT-6 Astra（57点）、GPT-6.1 Sol（55点）がいる。以前のv4.3.2インデックスでは、同じモデルが55点で4位、首位から3ポイント差だった。

これら2つの数値は後退ではなく、そもそも比較できるものでもありません。バージョン5では、インデックスの約60%が非公開のホールドアウトセットに移され、FrontierCode 2.0とTerminal-Bench-Scienceが追加され、SciCodeとAA-LCRが削除され、さらにタスクあたりの出力長の中央値が約35,000トークンから約59,000トークンへと引き上げられました。簡潔に答えるモデルは、長いエージェント的な作業を評価するようになったこのインデックス上で後れを取ります。Kimi K3.1 Proは、ベンダーがオープンウェイトと説明するモデルの中で引き続き最高位にあります。

前モデルの数値は罠だ。Kimi K3はローンチ時にv4インデックスで57を記録し、3位だった。Kimi K3 (max)について出回っている43.6は、v5への切り替え前に取得されたアグリゲーターのスナップショットに由来しており、Kimi K3自体について公開されたv5スコアは見つからなかった。したがって「46対43.6」は統制された比較ペアではなく、その差を測定された能力向上として提示する人は、2つの計測器をまたいで引き算している。言えることはもっと狭い。現在のインデックスでは、スコアが付けられているのは新しい方のモデルであり、それは9位だ。

ベンダー自身の表は、また別の測定器によるものだが、そこではKimi K3.1 ProがTerminal-Bench 4.0で65.7（Claude Opus 5.5は66.4）、SWE Marathon v1.1で51.7、ツール使用時のBenchCADで92.7、GPQA-Diamondで94.2、HLE-Fullで51.1を記録している。弱点も同様に明らかだ。Terminal-Bench-Scienceでは38.1で、GPT-6 Astraの68.1に対して低く、HLE-Diamondでは39.4で、Opus 5.5の60.9に対して低い。Moonshotはコーディング評価を、最大推論努力のClaude Codeハーネス経由で実行した。いずれも独立に再現されていない。

ローンチで最もきれいに対応する数値は、Moonshotが自社の前世代と比較して測定したものだ。Kimi Code Bench 3.0 Long-horizonでは61.2%対55.95%、ツール使用時の主張レベルのハルシネーション率は8.3%対23.4%、xdev-bench-hardでは81.0%対33.3%となっている。同じ社内ベンチマークはMoonshot自身のものなので、差分は整合的ではあるが外部のものではない。ハルシネーションの数値は、実務上の影響が最も大きく、裏付けが最も少ないものだ。

このライセンスは、名前を1つ変更したKimi K3のライセンスです。

両方のリポジトリには約3キロバイトのライセンスファイルが含まれており、行ごとの比較では実質的な差異が1つだけ見つかります。帰属条項で「Kimi K3」の代わりに「Kimi K3.1-Pro」が用いられている点です。それ以外はすべて同じ文書です。

つまり、条件は保留中ではなく既に知られているということです。使用、複製、改変、配布、サブライセンス、販売が許可されており、ファインチューニングも明示的に許可されています。モデル・アズ・ア・サービスを提供し、任意の連続する12か月間の総収益が2,000万ドルを超える事業者は、商用利用前にMoonshotと別途契約を締結する必要があります。月間アクティブユーザー数が1億人を超える製品、または月間収益が2,000万ドルを超える製品は、モデル名を目立つように表示する必要があります。内部利用、およびMoonshotの公式製品または認定推論パートナーを通じた利用は、両方の要件を免除されます。

認定パートナー向けの適用除外は、アクセスの再販を予定しているなら二度読む価値のある条項だ。2,000万ドルのしきい値は製品ラインごとではなく直近12か月のローリング期間で測定され、「モデル・アズ・ア・サービス」は、顧客が入力、パラメータ、学習データを制御できるAPIを対象に含めるほど広く定義されている一方で、モデルがある機能に組み込まれているエンドユーザー向け製品や、他社でホストされているモデルへのリクエストの単なる中継は除外している。

どちらか一方を実行するために必要なもの

1.56 TB の MXFP4 チェックポイントはワークステーション向けのダウンロードではなく、2 つのモデルは同等に重い。Moonshot は 3 つのサービングスタック——vLLM レシピ、SGLang クックブック、TokenSpeed——を挙げており、このサイズでは 3 つともマルチノード展開を前提としている。教師あり微調整段階からの量子化対応トレーニングが、ファイルを BF16 コピーが占める約 5.6 TB ではなく 1.56 TB に保っている理由であり、その量子化は後から適用されるのではなく上記のスコアに組み込まれている。

同一のフットプリントであることの実用的な帰結は、アーキテクチャを入れ替えてもハードウェア上の緩和は得られないということだ。Kimi K3 を提供できるなら、同じクラスのクラスタ上で Kimi K3.1 Pro も提供できる。どちらも単一ノードでは提供できない。

どれを選ぶべきか

• セルフホスト環境でスタックをKimi K3にチューニングしているなら — 移行前に再ベンチマークを。アテンションの変更はキャッシュの挙動を変えてしまい、それに付随する効率性の主張は脚注の一文だけだ。

• エージェント型コーディング、長期的なツール使用、または文書検証のためにAPIを呼び出す場合は、まずシャドー評価を実施したうえで、対になる内部差分とより低い料金表を根拠にKimi K3.1 Proを選定します。

• 安定した失敗プロファイルを持つモデルが必要です——Kimi K3。7月から本番環境で稼働しており、その癖は他の人々によって文書化されています。より新しいモデルは設計上、推論の振る舞いを変えます。

• 決定性が必要なら、切り替える前に確認を。{{1}}Kimi K3.1 Pro{{/1}}はtemperatureを1.0、top_pを0.95に固定し、代替値は受け付けません。また、会話の途中でreasoning effortを変更すると、prefix-cacheのヒットが無効になります。

正直に要約すると、Kimi K3.1 Pro は、ベンダーが測定したほぼすべての軸で Kimi K3 より優れたモデルであり、唯一スコアを付けた独立系インデックスにおいては控えめに優れたモデルであり、完了タスクあたりのコストは料金表が示唆するよりも高いモデルだ。今週変わったのは評決ではなく証拠だ。チェックポイントは今や、信頼して受け入れるのではなく、読み取り、提供し、テストできるようになり、それを読んで最初に生じたのはローンチ投稿への訂正だった。