ニュース
中国製Kimi K3.1 Pro、Claude Opus 5.5に僅差 11月公開でオープンAIの選択肢拡大
クラウド型の有料AIに頼ってきた企業にとって、無料で使える高性能モデルの選択肢が増えることは価格交渉力につながります。中国Moonshot AIの新モデルは、その流れを象徴する存在になりつつあります。
何が起きたか
中国のMoonshot AIが、新しい推論モデル「Kimi K3.1 Pro」を公開しました。前身の「Kimi K3」をベースに、学習後の調整(ポストトレーニング)に計算資源を大幅に投入したモデルです。評価機関Artificial Analysisの「Intelligence Index」ではスコア55を獲得し、K3から11ポイント上昇して総合4位に入りました。上位にはClaude Opus 5.5(58)、Claude Sonnet 5.5(56)、Muse Wonder Full(56)の3モデルのみが並びます。Moonshotは2026年11月4日までにモデルの重み(ウェイト)を公開する計画で、実現すればオープンウェイトモデルとして最高スコアとなり、オープンとクローズドの差は12ポイントから3ポイントに縮まる計算です。あわせて処理速度を2〜3倍に高めた派生版「K3.1 Pro Highspeed」も提供を始め、両モデルはKimi.ai、Kimi Work、Kimi Code、Kimi APIを通じて利用できます。無印の「Kimi K3.1 Pro」の価格は入力100万トークンあたり2ドル、出力10ドル、キャッシュ入力0.20ドルで、従来より約33%引き下げられました。処理速度を高めた「Highspeed」版は入力4ドル、出力20ドルと別価格が設定されています。
背景・解説
評価の背景には、AIモデルを「オープンウェイト」と「クローズド」で比較する動きがあります。オープンウェイトモデルはモデルの重み(パラメータ)を公開し、誰でもダウンロードして改造や自社運用ができる形式で、Claudeなど大手が提供する非公開のクローズドモデルとは対照的です。Artificial Analysisの指数は複数のベンチマークを統合した総合指標で、業界でよく参照される数値です。Kimi K3.1 Proはエージェント的な作業を測るGDPval-AAやターミナル操作を測るTerminal-Bench 4.0で大きく伸び、特にTerminal-Bench 4.0はK3の13%から65.7%へと跳ね上がりました。誤情報を生成する割合を測る社内ベンチマークでも23.4%から8.3%に低下したとMoonshotは説明しています。一方でサイバーセキュリティ分野では、攻撃的な脆弱性発見能力が意図的に抑えられており、関連データを学習から除いた結果、内部テストのスコアは90.5%から81.0%に下がったといいます。
仕事や業務への影響 — AI Topicaの見方
無料で使える高性能な中国製AIが広がるほど、企業はAIモデルの選定を柔軟に行えるようになります。Kimi K3.1 Proは入力100万トークンあたり2ドル、出力10ドルという価格帯で、既存のクローズドモデルより低コストに運用できる水準です。さらに計画通り2026年11月4日までに重みが公開されれば、自社サーバーで動かす選択肢も生まれ、外部クラウドへのデータ送信を避けたい企業にとって検討材料が増えます。例えば、従業員50人規模の製造業で経理担当者1人が月次の財務モデリングと資料作成を兼務している会社なら、財務モデリングのスコアがK3から7.2ポイント、財務リサーチが11.6ポイント伸びた今回のモデルは、月次決算の下書き作成を任せる候補になります。事務作業全般を測るOfficeQA Pro v2でも64.4点を記録し、比較対象の6モデル中で最高点となった点は、総務や人事の定型文書作成を自動化したい中小企業には追い風です。3D設計やCADに関わる建築設計事務所や機械部品メーカーなら、BenchCADのスコアが92.7%とClaude Opus 5.5の96.2%、GPT-6 Astraの95.9%に迫っており、スクリプトなしでBlenderやCADソフトを操作できる機能は図面修正の下請け作業を減らす手段になります。コーディングを伴うエージェント業務でも、Terminal-Bench 4.0のスコアがK3の13%から65.7%へと跳ね上がっており、社内の自動化スクリプト開発を内製化したい情シス部門にとって検証対象に加える価値があります。価格と性能の両面で選択肢が増える今、既存のクローズドモデル一本に契約を絞る必要はなくなります。
不確かな点・注意
Kimi K3.1 Proの重み公開は2026年11月4日までの計画であり、実際に予定通り公開されるかは本稿時点でわかっていません。計画が遅れたり内容が変更されたりする可能性は残ります。ベンチマークの数値はMoonshotとArtificial Analysisの計測によるもので、第三者による独立した再現検証は明らかにされていません。ハルシネーション(誤った情報の生成)に関する数値もMoonshot自身が「ストレステスト」と位置づけており、通常利用時の誤り率をそのまま示すものではない点に注意が必要です。サイバーセキュリティ面では、攻撃的な脆弱性発見能力を抑える対策をとった後でも、内部テストで81.0%という高いスコアが残っており、完全にリスクを排除できているわけではありません。Anthropicは以前、スコアの低い別のオープンモデルでも高度な攻撃コードを書けると指摘しており、オープンウェイトモデル全般に共通する懸念として受け止める必要があります。