K3.1 Proのバージョン番号はわずか0.1だけ進んだが、月之暗面が答えようとしている問いははるかに大きい。
10月23日午前、Kimiの公式アカウントはXとビデオ番号で24秒の動画を公開しました。
画面にはレトロな雰囲気の古いパソコンが映っており、画面上ではKimi Codeが起動し、ターミナルにはThree.jsのコードが一行ずつ表示されながら、複雑な3Dシーンが生成されています。目ざとく見つけたネットユーザーは、左上のモデル欄ですぐに答えを見つけました――「Model: Kimi K3.1」です。
Kimiが公式に公開したK3.1のプレリリース動画｜画像出典：X @Kimi_Moonshot
古い時代の機械で、今日最先端の3Dコードを動かす——そのギャップこそが、月の暗面が伝えたいメッセージそのものだ。
十数時間後、10月24日零時を過ぎた直後、プログラマーの日に合わせてKimi K3.1 Proが正式にリリースされ、同時に速度が2〜3倍速いHighspeed版も同時に提供されました。公式では、完全なモデルの重み付けは11月4日までに公開されると約束されています。
前世代のK3が発売されてから、すでに3か月余りが経過しました。この3か月間で、月之暗面は、多くの企業が1年かけて成し遂げる以上の出来事を経験してきました。
「量は増やしても値段は変えない」の0.1
まず、K3.1 Pro が何であるかを明確にしましょう。
これは全く新しいモデルではありません。月の暗面は明確に、K3.1 Pro は K3 の後訓練版であり、基盤は変更されていないと述べています。すなわち、総パラメータ数2.8兆、活性化パラメータ数1,040億の混合専門家アーキテクチャを引き続き採用し、コンテキストウィンドウも100万トークンのまま、画像および動画入力にもネイティブで対応しています。
変化したのは後処理の段階です。公式の説明によれば、「大幅に増強された後処理用の計算能力」を投入し、数百もの下流分野で大規模な共同強化学習を実施しました。そのために、強化学習フレームワーク、サンドボックスインフラストラクチャ、長文脈推論といった基盤レベルの各種エンジニアリングを一から再構築したのです。
つまり、同じ脳が、作業のやり方を改めて「教え直された」のです。
その効果はランキングに反映されています。プログラミング用インテリジェントエージェントを評価する Terminal-Bench 4.0 において、K3.1 Pro は65.7%を獲得し、GPT-6 Astra の58.2%を上回り、Claude Opus 5.5 の66.4%とはわずか1ポイント差にとどまりました。前世代のK3の同ランキングでのスコアは、第三者機関であるArtificial Analysisの測定方法ではわずか13%でした。
第三者による総合評価も好意的に示されています。Artificial Analysis のスマート指数では、K3.1 Pro は55点を獲得し、K3より11点上回って世界第4位となり、その上位には Claude Opus 5.5、Claude Sonnet 5.5、Muse Wonder Full しかありません。等重量が正式に公開されれば、これは得点が最も高いオープンソースの重み付けモデルとなり、オープンソースとクローズドソースの差は12点から3点へ縮小することになります。
K3.1 Proのプログラミング、科学、知識作業に関する14項目の評価結果｜画像出典：Kimi公式ブログ
プログラミングに加えて、今回の2つの新しいメインテーマは3Dと金融です。
K3.1 Proは、Unity、Unreal、Godotといったゲームエンジンを駆動し、BlenderやCADのスクリプトを用いてパラメトリックモデリングを行うことができます。多視点画像から3Dモデルを再構築するBenchCADテストでは、各種ツールと比較して92.7%の精度を達成し、Opus 5.5やAstraに迫る結果を示しました。また、KimiのWeb版およびアプリでも「3D Make」機能が同時に提供され、ユーザーは直接要件を記述することで、3Dウェブページや3Dモデルを生成したり、さらには3Dプリンター向けにエクスポートすることも可能です。
kimi.com の 3D Make インターフェース｜画像出典：Kimi 公式ブログ
改めてそのプロモーション動画を見返すと、古いパソコンの画面で動作しているThree.jsは、実はこのメインストリームへの予告だったのです。
金融分野において、K3.1 Proは実際の決算報告書を基に多段階の数値推論を行うOfficeQA Pro v2で64.4点を獲得し、公式には現時点で最高の成績とされています。また、同社が独自に設計した高難易度の錯覚テストでは、事実誤り率がK3の23.4％から8.3％へと低下しました――ただし、これは意図的に問題点を突くためのストレステストであり、日常的な利用における誤り率を示すものではありません。
金融系評価結果｜画像出典：Kimi公式ブログ
最も驚いたのは価格です。
K3.1 ProのAPI価格は、入力100万トークンあたり13元、出力100万トークンあたり68元で、K3よりも3分の1安くなっており、Claude Opusの約半額です。より強力な新モデルがむしろ旧モデルよりも安いというのは、大規模モデル業界ではあまり見られない現象です。
ただし、Artificial Analysis の試算によれば、K3.1 Pro は同様のタスクを処理する際に出力トークン数が 14% 多く必要となるため、各タスクの実際のコストは約 1.98 米ドルとなり、K3 とほぼ同等です。
現実世界におけるK3.1
ランキング外では、ユーザーからの一次的なフィードバックははるかに複雑です。
好評は主に「作業効率」に集中しています。知乎では、ある開発者がRust、C、アセンブリ、CMakeを混在させたプロジェクトでテストを行い、K3.1 Proのコード能力はDeepSeek V4.1 Flashを明らかに上回っていると評価しました。特にRustの代表的な設計パターンをよりよく把握しており、さらに数日前にDeepSeekが残した問題もついでに修正してしまいました。同じタスクでも、K3.1 Proは20分で完了しましたが、K3に置き換えると40分から1時間かかるでしょう。
速度は、繰り返し指摘されてきたもう一つの改善点です。K3 の遅さはかつて有名で、ある人は「英語での思考プロセスをスムーズに読めるほどだ」とまで評していました。ところが K3.1 Pro では、思考プロセスの多くが一瞬で消えてしまい、見る間もなく折りたたまれてしまいます。
しかし、フロントエンドのデザインが論争の的となっている。
フォーラムのユーザーが、自身のプライベートな課題を使って単一ファイルのHTMLテストを実施しました。対象は「雲上龍城」「琉璃機械孔雀」「ダイヤモンド」です。その結果はかなり厳しいもので、K3.1 Proは既にテスト済みのモデルの中でも最下位に位置し、孔雀の羽根のハイライトすら羽根の背後まで描かれてしまっていると指摘されています。別の開発者は、参照写真を基にThree.jsでSteamコントローラーを再現する試みを行いましたが、3回も修正を加えたにもかかわらず、ロゴと各部品の空間関係は依然として正しくありませんでした。
同じプロンプト「琉璃機械クジャク」に対するK3.1 Pro（Max推論）の出力｜画像出典：大佬说フォーラムのユーザーPoemFarAway
同一のプロンプトに対するGPT-6.1 Sol（xhigh推論）の出力｜画像出典：大佬说フォーラムのユーザーPoemFarAway
Steamコントローラーのリセットテストで提供された参考画像｜画像出典：大佬说フォーラムのユーザー NightRain
K3.1 Pro 第2版の成果物において、ロゴと部品の関係に依然として問題が残っている｜画像出典：大佬说フォーラムのユーザー NightRain
一方では公式の3Dデモが圧巻であり、他方ではユーザーによる「購入後の実際の使用例」が失敗に終わる——どちらの声も個別の事例にすぎませんが、それでもK3.1 Proがまだ「盲目的に使える」段階には至っていないことを示しています。
そして、最も集中した不満の矛先は、モデルではなく、プランに向けられている。
一部のユーザーからは、199元の旧プランにおいて、K3.1 Proに小さなゲームを審査させただけで5時間分のクォータの13％が消費されてしまったとの報告があります。一方、同じ作業をOpusに任せた場合はわずか3％しか消費されませんでした。また、Highspeed版は「本当に使い心地が良い」という声もあるものの、5時間分のクォータでは2時間も持ちません。API料金は3分の1に値下げされたにもかかわらず、サブスクリプションユーザーにはその変化がほとんど感じられていません。
テストが第3版に達した時点で、199元のプランは5時間の利用上限に達しました｜画像出典：大佬说フォーラムのユーザー NightRain
これは実はK3時代から続く古い問題です。7月にK3がリリースされた後、リクエスト数が予想を大きく上回ったため、Kimiは一時的にC端の新規ユーザーのサブスクリプションを停止しました。計算能力は、依然としてこの企業にとって常に懸念される課題です。
告発に応答する別の方法
K3.1 Proの発売時期は、ここ数か月にわたってKimiをめぐって起きた一連の騒動を思い起こさずにはいられません。
今年2月、AnthropicはDeepSeek、月之暗面、MiniMaxが大量の偽アカウントを通じてClaudeとやり取りし、その能力を抽出していると公に非難しました。このうち、月之暗面に帰されるやり取りは340万回を超えています。
7月にK3がリリースされ、性能がClaude Fable 5に迫った後、ホワイトハウス科学技術政策局長のクラジオスはX上で直接投稿し、月之暗面がK3を開発する際にAnthropicのFableモデルを「蒸留」したと述べた。その後、米国財務長官のベイゼントは、同社に対して制裁を科し、エンティティリストに追加する可能性があると表明した。
9月、Anthropicはさらに脅威インテリジェンスレポートを発表し、Moonshotが5,380個の偽造アカウントからなるプロキシネットワークを通じて、10日間で約30万件のKimiユーザーのリクエストをClaudeに転送し、その中から思考チェーンを抽出して訓練に利用したと指摘しました。
これらの指摘に対し、月の暗面の対応は一貫して抑制的であった。
7月、Kimiの企業向け事業責任者である黄震昕氏は、K3の性能向上は基盤となる独自アーキテクチャの革新によるものであり、蒸留や再現によるものではないと述べました。7月末には、K3の重み付けを公開するとともに技術報告書も公表し、混合線形アテンションやアテンション残差といった自社開発のアーキテクチャを広く一般に公開しました。
したがって、K3.1 Proは、無言の応答と見なすことができます。
最も強力な反論は、決して宣言ではなく、相手が見過ごせないスコアである。
今回のK3.1 Proで最も注目すべき数値のいくつかは、自社のベンチマークだけではなく、Artificial Analysisのような第三者によるものも少なくありません。さらに興味深いのは、Anthropicの報告によれば、Claudeは現在、外部に対して完全な思考過程を返さなくなっていることで、蒸留された側は「鍵ではなく番地」しか手に入らないという点です。こうした制限があるにもかかわらず、K3.1 Proはわずか3か月でインテリジェンス指数を11ポイント引き上げており、少なくとも月之暗面独自の後訓練システムが実際に効果を発揮していることを示しています。
もう一つ、見落とされがちな細部があります。Moonshotは今回のリリースにおいて、オープンソースの重み付けがネットワーク攻撃能力の最前線を押し上げるのを防ぐため、訓練データからサイバーセキュリティ関連の情報を除外したことを自ら明らかにしました。その代償として、内部の脆弱性利用テストにおける成績は90.5％から81％へと低下しました。
内部脆弱性利用テスト xdev-bench-hard の成績、K3.1 Pro は積極的に簡素化を実施｜画像出典：Kimi 公式ブログ
「セキュリティ上の脅威」というレッテルを貼られる状況下で、自らのオープンソースモデルに対して積極的に機能を削減する行為そのものが、一種の姿勢表明である。
しかし、スコアは「あなたが合格できるかどうか」は答えられても、「あなたがどこから来たのか」については答えられないことも認めなければなりません。
K3.1 Proの発表当日、あるユーザーが、同製品が描いたペリカンのSVGとGPT-6 Astraのスタイルがほぼ同一であると指摘し、疑いの矛先がAnthropicからOpenAIへと移った。もちろんこれはフォーラム上の推測にすぎず、ペリカン一枚では何ら証明できない。しかし、訓練データの出所が外部から監査できない限り、「蒸留」というレッテルを完全に払拭することは難しいことを改めて示している。
11月4日のウェイトの公開は、次の注目ポイントとなるでしょう。ウェイトが公開されれば、世界中の研究者がそれを用いてテストや比較、分析を行うことができるため、いかなる声明よりも透明性が高いと言えます。
その古いパソコンで動作していた3Dコードについては、月の暗面がすでに答えを示しています。一方、より難しいほうの問題は、まだ答案が提出されたばかりです。
*トップ画像の出典：月の暗面
本記事は極客公園のオリジナル記事であり、転載には極客君のWeChatアカウント「geekparkGO」までご連絡ください。