Kimi K3.1 Pro：API クイックスタートとモデル概観

Kimii K3.1 Pro は、オープンウェイトのネイティブマルチモーダルエージェントモデルであり、現在リリースされている中で最も高性能な 3T クラスモデル です。Kimi K3 を基礎とし、数百もの下流タスク領域に対して大規模な同時強化学習（joint reinforcement learning）を施した学習済みモデルです。

主な特徴は以下の通りです：

• コンテキストウィンドウ: 最大 100 万トークン を搭載
• 性能向上: コーディング、3D コンテンツ作成、金融研究、事実の正確性、およびその他のエージェント機能において著しい向上を遂げている
• シリーズ: Kimi K3.1 シリーズの第一号機

2. モデル概要

Kimi K3.1 Pro の詳細なアーキテクチャ仕様は以下の通りです。

項目	値 / 詳細
アーキテクチャ	エクスパート混合 (Mixture-of-Experts: MoE)
総パラメータ数	2.8T (2.8 兆)
アクティブ化されるパラメータ数	104B (1040 億)
レイヤー数	93
注意機構の構成	69 KDA + 24 Gated DSA*
注意機構潜在次元	7,168
ビジョンエンコーダ	MoonViT-V2 (パラメータ数：4.01B)
量子化対応	MXFP4 ワイト / MXFP8 アクティベーション（訓練済み）
モダリティ	テキスト、画像

* Kimi K3 と比較すると、フルアテンションの Gated MLA 層を、より効率的な長期コンテキストモデルリングを実現するための Gated DeepSeek Sparse Attention (Gated DSA) 層に置き換えています。

詳細な構成要素

• 注意ヘッド数: 96
• DSA インデックス ヘッド次元: 128 / DSA インデックス ヘッド数: 32
• DSA インデックス トップ-K: 2,048
• 潜層 MoE 次元: 3,584
• MoE 潜在次元（各エクスパートあたり）: 3,072
• エクスパート数: 896
  • 1 トークンあたりの選択エクスパート数: 16
  • 共有エクスパート数: 2
• 活性化関数: SiTU-GLU

3. 評価結果

※ 以下のベンチマーク比較表におけるすべてのスコアは、以下の設定で取得されています。

• 推論努力 (reasoning effort):

  max

• 温度係数 (temperature): 1.0
• top-p: 0.95

注意: ベンチマーク名に「低い値の方が良い」と明記されていない限り、高い値ほど成績が良いことを意味します。ただし、Elo スコアなどは正確率とは直接比較できません。

ベンチマーク比較表

カテゴリ	Kimi K3.1 Pro(max)	Claude Fable 5.1	GPT-6 Astra(max)	Claude Opus 5.5	DeepSeek-V4.1-Flash-1017	GLM-5.3
コーディング
Terminal-Bench 4.0	65.7	57.9	58.2	66.4	42.3	41.8
Terminal-Bench-Science 0.1	38.1	40.0	68.1	63.3	15.7	8.1
SWE Marathon v1.1	51.7	45.6	42.5	46.3	40.0	42.5
BenchCAD（ツールなし）	72.8	60.6	—	73.0	41.2	—
BenchCAD（ツールの有する場合）	92.7	92.6	95.9	96.2	81.6	—
Program Bench	31.5	53.5	50.0	65.0	29.1	19.0
DeepSWE v1.1	75.5	67.4	74.1	74.2	77.0	66.9
PostTrain Bench v1.2	36.5	44.6	41.9	43.8	30.5	34.5
Kimi Code Bench 2.0（内部）	77.1	—	—	—	76.1	61.7
Kimi Code Bench 3.0 ロングホライズン（内部）	61.2	58.8	66.5	58.5	51.5	45.5
エージェント機能
HLE-Full ツールの有する場合	70.0	65.6	57.2	67.7	58.8	62.5
BrowseComp	92.1	—	91.5	90.8	—	—
BioMysteryBench	80.6	81.6	78.9	81.9	80.0	79.6
GDP.pdf Python 使用時	85.7	83.8	85.5	83.9	73.0	—
ChartoGraphy Python 使用時	90.2	88.4	91.0	89.0	83.0	—
BabyVision Python 使用時	95.4	95.1	96.6	97.7	92.5	—
Agents' Last Exam (ALL)	43.2	—	41.8	42.6	37.7	26.2
Automation Bench-AA	73.3	59.4	68.5	69.5	66.6	62.2
DECK-Arena（内部、Elo スコア）	1456	—	1423	1253	1231	1119
Design Bench（内部、Elo スコア）	957	—	1076	927	863	718
Kimi Hallu Bench Hard ツール有する場合（内部、低い方がよい）	8.3	23.3	5.5	15.0	23.3	22.6
推論・知識・マルチモーダル
GDP.pdf	34.6	27.6	34.2	30.6	17.2	11.2
GPQA-Diamond	94.2	93.7	96.1	93.9	92.2	91.7
CharXiv (RQ)	89.0	88.8	90.0	92.1	77.0	—
PerceptionBench	68.3	63.0	77.6	72.1	47.7	—
Kimi Hallu Bench ツールなし（内部、低い方がよい）	5.4	11.4	4.2	6.8	13.1	14.8
サイバーセキュリティ
ExploitBench	74.7	83.0	100	91.0	—	54.4
ExploitGym	20.7	30.4	42.4	34.5	—	15.0

評価に関する重要補足

🛠 コーディングベンチマーク

• Kimi K3.1 Pro は

  Claude Code

  ハルネスを使用して評価されています。
• DeepSeek-V4.1-Flash-1017 のスコアはリリースブログから、他は公式リーダースコアまたは最大値を使用しています。
• BenchCAD（ツールなし）は Vision2Code データセットのサブセットで評価され、「ツールの有する場合」の結果は

  Claude Code

  を使用しています。

🤖 エージェント機能ベンチマーク

• OfficeQA: PDF コーパスをページ画像として提供し、外部軌跡参照は 0 とします。
• Frontier Finance: 公式 Finance Agent v2 ハルネスを使用。
• DECK-Arena / Design Bench: 自動判定器は 10,000 件以上の人間の判断に基づいてキャリブレーションされています。
• GDPval-AA / AutomationBench: スコアは Artificial Analysis 引用。

🧠 推論・知識・マルチモーダル

• GDP.pdf: Docling で抽出したテキストとページ画像（1,152 ピクセルリサイズ）を交互に配置。厳密な通過率が報告されています。
• PerceptionBench: 原子レベルの視覚知覚能力に焦点を当てた社内ベンチマークです。
• Kimi Hallu Bench: 事実の正確性を評価する内部セット。ファクトチェックエージェントによって評価されたクレームレベルのハルシネーション率が報告されています。

🔒 サイバーセキュリティベンチマーク

• ExploitBench: 300 ターン予算下で、16 の能力フラグのうち達成した数をスコアとしています（任意コード実行は全 16 件カウント）。
• ExploitGym: 各タスクあたり 6 時間のウォールクロック予算内で評価されています。

4. デプロイメントと入手可能性

Kimi K3.1 Pro の API は、以下のプラットフォームでアクセス可能です。

• 公式サイト: https://platform.kimi.ai
  • モデル選択:

    kimi-k3.1-pro

  • OpenAI および Anthropic 互換の API も提供しています。

推奨される推論エンジン

現在、以下のエンジンで動作することが推奨されます（詳細は各クックブック・レシピをご参照ください）。

vLLM
SGLang
TokenSpeed

5. モデルの使用法：思考努力 (Thinking Effort)

Kimi K3.1 Pro は、思考プロセスを透明化し、複雑なタスクへの対応力を向上させるための「思考努力」機能を実装しています。

• 実装位置: トップレベルの

  reasoning_effort

  リクエストフィールド
• サポート種別:

  1. low

     : 軽量な思考プロセス

  2. high

     : 詳細な思考プロセス

  3. max

     : 最も深い思考プロセス（デフォルト値）

完全なメッセージ保持について

マルチターン会話やツール呼び出しの場合、API から返された完全なアシスタントメッセージをそのまま入力に渡す必要があります。これには

reasoning_content

や

tool_calls

が含まれます（コンテンツのみでは不可）。

以下は Python (OpenAI クライアント) の使用例です：

import openai

def chat_with_preserved_thinking(client: openai.OpenAI, model_name: str):
    messages = [
        {
            "role": "user",
            "content": "ランダムな数字を 3 つ教えてください。"
        },
        {
            "role": "assistant",
            "reasoning_content": "まず 5 つの数字をリストアップします：473, 921, 235, 215, 222、そして最初の 3 つをお伝えします。",
            "content": "473, 921, 235"
        },
        {
            "role": "user",
            "content": "考えている残りの 2 つの数字は何ですか？"
        }
    ]

    response = client.chat.completions.create(
        model=model_name,
        messages=messages,
        stream=False,
        max_tokens=4096,
        reasoning_effort="max", # 思考努力を最大に設定
    )
    
    # アシスタントは以前のリザニングコンテンツ (215, 222) を参照できるか確認
    print(f"reasoning: {response.choices[0].message.reasoning}")
    return response.choices[0].message.content

• 詳細なドキュメント: 完全なガイドと例（ビジョン入力、構造化出力、部分的モード、ツール選択など）については、**「Kimi K3.1 Pro クイックスタート」および「思考努力」**の公式ページをご参照ください。

6. ライセンス

本モデルは 「Kimi K3.1 Pro ライセンス」 の下でリリースされています。

7. お問い合わせ

ご質問やサポートが必要な場合は、以下のメールアドレスまでご連絡ください。

• support@moonshot.ai