Step 5 Preview vs Kimi K3.1 Pro：両モデルは先週再スコアリングされた。生き残るのはこれだ

もし一週間前にStep 5 PreviewとKimi K3.1 Proを調べていたら、手に入る数字は二つだけだったでしょう。44と55です。そのどちらも今はもうありません。2026年10月27日と28日、Artificial AnalysisはIntelligence Indexをバージョン5に置き換えました。これはスコアの60％を非公開またはホールドアウトのテストセットから算出するもので、同じモデルを旧基準と新基準で採点した結果は同じ測定にはなりません。Step 5 Previewはv5では29を示します。Kimi K3.1 Proは46です。両者の9ポイントの差は、今では正直に比較できるものとなり、ローンチ時の報道が前提にしていた差とは別物です。

以下がその比較と、誰も比較表には載せない部分です。2つのモデルは、11月4日に決着する重みに関する問題で反対の立場にあり、今日OrcaRouter経由で呼び出せるのはそのうち片方だけです。

今や誰もが引用する2つの数字は、どちらも間違っている

Kimi K3.1 Proは2026年10月23日に、インテリジェンス・インデックスのスコア55、初登場4位でローンチした。Kimi K3を11ポイント上回る。4日後、そのスコアは46だった。モデル自体には何も変化がなかった。変わったのは評価のものさしだ。Artificial Analysisはその複合指標を、ナレッジワーク、コーディング、科学、一般という4カテゴリーにまたがる9つの評価に再構築し、古い評価のうち3つを外した。その中にはGDPval-AA v2.1、SciCode、AA-LCR v1.1が含まれる。また、パッチがマージに値するかどうかで採点される132の非公開コーディングタスクのセットであるFrontierCode 2.0と、Terminal-Bench-Scienceを追加した。

Step 5 Preview は同じ打撃を、より厳しく受けた。v5.0 では 29 と表示され、前回のインデックスでは 44 だった。そして Kimi よりも多くの裏付け証拠を失っている。なぜなら StepFun の発表資料は、まさに削除された評価に依拠していたからだ。このモデルのほとんどの報道に現れる AA-LCR の 88.3 と SciCode の 58.9 は、今や見出しインデックスに寄与しなくなったベンチマークのスコアである。それらは依然として何かの真の測定値ではある。しかし、もはやインデックスが測定しているものではない。

ランキング上の帰結は率直に述べておく価値がある。v5では、オープンウェイトまたはオープンウェイトを約束されたモデルが46で、58の首位から12ポイント遅れているが、v4ではその差は3だった。これは評価基準についての記述であり、能力が突然崩壊したということではない。これを後者として提示する記事は、自らの情報源を誤読している。

仕様行を、一度に1つの次元で

• 総パラメータ数とアクティブパラメータ数 — Step 5 Preview: 総600B、トークンあたり27Bアクティブ、352個のエキスパートのうち8個＋共有1個。Kimi K3.1 Pro: 総2.8T、104Bアクティブ。

• どのようなリリースだったか — Step 5 Preview：新しいフラッグシップをプレビュー形式で提供し、重みはその後公開。Kimi K3.1 Pro：Kimi K3 のポストトレーニング版で、ポストトレーニングの計算量を増やし、数百のドメインにわたる共同強化学習を含む — 新しいアーキテクチャではない。

コンテキストウィンドウ — Step 5 Preview：100万トークン。Kimi K3.1 Pro：1,048,576トークン。

• 入力モダリティ — Step 5 Preview: テキスト、画像、動画。Kimi K3.1 Pro: テキストと画像。

• 100万トークンあたりの入力価格 — Step 5 Preview: $1.00。Kimi K3.1 Pro: $2.00、コンテキストウィンドウ全体を通じて一律で、長文コンテキストに対する追加料金はありません。

• 出力価格（100万トークンあたり） — Step 5 Preview: $2.70。Kimi K3.1 Pro: $10.00。

• {{1}}キャッシュ済み入力 — ステップ5{{/1}}プレビュー: 入力料金が90%割引。{{2}}Kimi K3.1 Pro{{/2}}: 読み取りは100万トークンあたり$0.20、キャッシュ書き込みは5分間のTTLで$2.00、1時間のTTLで$4.00。

• 重み — Step 5 Preview：2026年10月15日に公開、BF16およびFP8、StepFun Model License 1.0に基づく。Kimi K3.1 Pro：未公開。Moonshotは重みが2026年11月4日までに公開される見込みだと述べている。

• Intelligence Index v5.0 における独立スコア — Step 5 プレビュー：29。Kimi K3.1 Pro：46。

完了したタスク1件あたりのコスト（ただし注意事項付き）

Artificial Analysisは、Step 5 PreviewのIntelligence Indexタスクあたりのコストを$2.35、Kimi K3.1 Proを$1.98と報告している。これはKimiにとって小さな優位に見えるが、なぜそれが明らかに優位とは言えないのかを理解する価値がある。

二つの数値は同じタスクセットで算出されたものではない。なぜなら、二回の測定の間にタスクセットが再構築されたからだ。どちらも「インデックスタスク一件あたりのコスト」であり、その数値が取られた時点で有効だった合成指標に基づくものなので、この比較はせいぜい方向性を示す程度の意味しかない。曖昧でないのはその仕組みのほうだ。Kimi K3.1 Pro は冗長で、タスク一件あたり約 55,000 出力トークン、フルラン全体では 1 億 5,000 万トークンを使い、中央値の 8,700 万トークンを大きく上回る。出力 100 万トークンあたり 10 ドルという単価を考えると、この冗長さは高くつく。同モデルの 1.98 ドルは、課金対象のステップをより少なく完了した結果であって、トークン単価が安いからではない。

Step 5 Previewは、出力で3.7倍、入力で2倍安いトークンであり、利用可能な測定では大幅に高速なモデルです。StepFunのAPIでは毎秒179.1出力トークンで、同クラス中央値の74.1に対し、Kimi K3.1 Proは約73を記録します。レイテンシーに敏感で出力が多いワークロードなら、この順序は価格の順序と一致し、判断は簡単です。回答品質の17ポイント差が最初のトークンまでの時間より重要となるワークロードなら、同じ数値が逆の結論を示します。

重み：一方は外に出ており、もう一方は日付付きの約束です

これはベンチマークの表が隠している非対称性です。Step 5 Previewの重みは10月15日からダウンロード可能です。Hugging FaceとModelScope上のBF16およびFP8チェックポイント、同日公開のvLLMとSGLangのレシピ、92層のナローディープ型スタックとスパースGQAアテンションパターンを説明する技術ブログがあります。FP8チェックポイントには約773 GBのVRAMと少なくとも4基のGPUが必要で、既定のターゲットはB300、Hopper経路ではH200を8基使用します。ライセンスはOSI承認ではなくStepFun独自のもので、実質的に使用された出力への帰属表示、ハードウェアメーカーとの個別交渉、年間収益が2,000万ドルを超えるモデル・アズ・ア・サービス事業者向けの商用ライセンスが含まれます。

Kimi K3.1 Proの重みは公開日には存在せず、Artificial Analysisは10月24日時点でこのモデルをプロプライエタリ（非公開）に分類していた。そして発表された日付は2026年11月4日だ。重みが公開されれば、Moonshotのモデルはv5インデックス上で最もスコアの高いダウンロード可能モデルとなり、これはベンダーを介さずにフロンティアに近い能力を求める人にとって、真に重要な出来事となる。

11月4日まで、比較の対象となるのは、実行できるモデルと、呼び出すことしかできないモデルです。それはKimiにとって恒久的な不利益ではありませんが、今週は現実の不利益であり、今日下す判断が、9日後に下すであろう判断とは異なるかもしれない理由でもあります。

それぞれが今どこで呼び出し可能か

これら2つのモデルのうち、一方はOrcaRouterにあり、もう一方はありません。Kimi K3.1 Proは、他の5つのKimiモデルとともに、kimi/kimi-k3.1-proとしてライブカタログに含まれています。Step 5 Previewは含まれていません：カタログには16のプロバイダーにまたがる214のモデルIDが含まれており、2026年10月29日時点でそこにStepFunの項目はありません。今日Step 5 Previewを使いたい場合は、StepFun独自のAPIを呼び出すか、チェックポイントをホストする必要があります。

ルーティングの判断において、この組み合わせで役立つのはその非対称性です。私たちはプロバイダーの定価をマークアップなしで通しているため、ここに表示されるKimiの料金表はMoonshotの料金表そのもの、つまり$2.00と$10.00であり、Moonshotが後に行う値下げについても同じことが言えます。また、フェイルオーバーは自動であるため、「Kimiは安価で慎重な選択肢だ」という実用的な意味は、チェーンの先頭にKimiを置き、プロバイダーが性能低下したときはプラットフォームにフォールバックさせることができる、ということです。クライアントにフォールバックを組み込んで保守するのではなく。

移行に関する疑問（切り替えを検討している場合）

どちらの方向に進んでも、3つのことがあなたの時間を奪います。

最初は出力量です。Kimi K3.1 Proのコストプロファイルは、その料金レートではなく、どれだけ出力するかによって大きく左右されます。Step 5 Previewで簡潔な回答を生み出すプロンプトが、Kimiでは3倍のトークンを生み出す可能性があり、請求額は料金表ではなくトークン数に従います。2つの価格を比較する前に、まず自社のワークロードでタスクごとの出力トークンを測定してください。

二つ目はキャッシュの経済性です。Step 5 Previewはキャッシュされた入力を90%割引します。Kimi K3.1 Proはキャッシュの読み取りに100万トークンあたり$0.20を請求しますが、キャッシュの書き込みにも課金します——5分のTTLで$2.00、1時間で$4.00です。長いシステムプロンプトを毎ステップ再送するエージェントループは、これら二つの方式では大きく異なる話になり、一見安く見える料金表が常に安いループとは限りません。

3つ目はハーネス感度です。Moonshot自身の表では、Kimi K3.1 ProがTerminal-Bench 4.0で65.7%となっており、Claude Opus 5.5の66.4%、GPT-6 Astraの58.2%と比較されています。一方、独立評価機関は同じモデルについて67%と報告しています。Terminal-Benchの数値はスキャフォールディングによって数十ポイントも変動するため、2つのラボの実行間における1.7ポイントの差は、能力差1.7ポイントの測定値ではありません。この比較におけるベンダー間の各行はすべて、方向性に関する主張として扱うべきです。

今週具体的にやるべきこと：あなたのワークロードが長いコンテキスト、出力重視、低遅延なら、Step 5 Previewの$1.00と$2.70はより安価な実験であり、重みのおかげで持ち運び可能な実験になる。作業がエージェント型コーディングで、パッチ品質が製品そのものなら、Kimi K3.1 Proのv5での46とTerminal-Bench 4.0での67%が、より有力な購入選択となり、11月4日がそれをコールから資産に変える日になる。いずれにせよ、44と55を基に意思決定を組み立ててはいけない。それらの数字は、もはや存在しない評価基準に属している。