中国の人工知能スタートアップMoonshot AIは、最新のAIモデル「Kimi K3.1 Pro」を公開した。同モデルは100万トークンのコンテキストウィンドウを備え、コーディング、3D開発、金融リサーチ、自律型AIエージェントにわたる能力が向上している。同社の発表によると、実務的なプログラミングタスクでAIエージェントを評価するベンチマーク「Terminal Bench 4.0」において、Kimi K3.1 Proは65.7%を記録した。これは66.4%を獲得したAnthropicのClaude Opus 5.5に0.7ポイント差まで迫る結果であり、58.2%のOpenAIのGPT 6 Astraを上回る。上位モデル間の0.7ポイント差は、エージェント型コーディングタスクにおける先行モデルの実力がいかに接近しているかを示している。

同モデルはKimi K3をベースに、複雑な推論能力や複数のステップとツールを要するタスクの完遂能力を強化する追加学習が施されている。また、Moonshotは標準モデルの2〜3倍の速さで応答できるよう設計された「Kimi K3.1 Pro Highspeed」も発表した。両バージョンはKimi.ai、Kimi Work、Kimi Codeおよび同社のAPIを通じて利用可能で、完全なモデルウェイトは11月4日までに公開される予定だ。

長時間コーディング能力の向上

Moonshotによると、Kimi K3.1 Proは、複数ステップ、ツール使用、長時間にわたる問題解決を含む複雑なプログラミングタスクの完遂能力を測る社内ベンチマーク「Kimi Code Bench 3.0 Long horizon」で61.2%を記録した。これは前世代のKimi K3の55.95%から改善された結果である。

同社はまた、Unity、Unreal Engine、Godotなどのゲームエンジンにおけるコーディングの改善も強調しており、モデルがインタラクティブな環境、ウェブサイト、3Dアセットを生成できるようになった。あるデモでは、Kimi K3.1 Proは296の骨格コンポーネントと402の筋肉コンポーネントを含む解剖学的モデルを用いた歩行シミュレータを開発した。167の開発タスクと420回のレビューを通じて、仮想キャラクターが11.2秒間連続して歩き続けられるまでシミュレータを改良したという。

さらに同モデルは3Dモデリング性能も向上しており、BenchCADで92.7%を記録した。これは96.2%のClaude Opus 5.5、95.9%のGPT 6 Astraと比較した数値である。

金融リサーチ分野への注力拡大

コーディングを超えて、MoonshotはKimi K3.1 Proを財務分析、投資リサーチ、業務運営の分野に展開しつつある。同社は、財務文書の分析情報検索、数値推論を測る評価「OfficeQA Pro v2」で64.4のスコアを報告した。

Moonshotの内部評価では、Kimi K3.1 ProはKimi K3と比較して財務モデリングで7.2ポイント、金融リサーチで11.6ポイントの改善を示した。また、事実の正確性も向上しており、社内評価「Kimi Hallu Bench Hard」におけるハルシネーション率は23.4%から8.3%に低下した。ツールを使用した同一評価では、Moonshotの公開比較によると、Claude Opus 5.5のハルシネーション率は15%だった。同社は、このベンチマークが特に困難なシナリオをテストするものであり、日常利用時のハルシネーション率を表すものではないと注意を促している。

11月にオープンウェイト公開を計画

今回の公開は、専有クラウドプラットフォームに依存せず展開可能な先進的なモデルへのアクセスを、AI開発者が拡大し続ける中で行われた。Moonshotによると、Kimi K3.1 Proは3兆パラメータクラスで同社最も高性能なモデルであり、完全なウェイトは11月4日に公開される予定だ。報告された数値の多くがMoonshot自身の評価によるものであるため、公開ウェイトによって外部開発者は自ら管理するインフラ上でモデルの性能を検証できるようになる。

同社はまた、能力が増大するAIモデルの公開に伴うサイバーセキュリティリスクを低減するための学習プロセスの変更も明らかにした。Moonshotは、最終モデルを社内の脆弱性リサーチベンチマークで評価する前に、一部のサイバーセキュリティ関連の学習データとタスクを除去したと述べている。その結果、同モデルはこの評価で81%を記録した一方、制限なしで学習されたバージョンは90.5%であり、この9.5ポイントの差が制限付き学習アプローチによるトレードオフを示している。同社によると、これらの変更は一般的なコーディング性能を維持しつつ、攻撃的なサイバーセキュリティ能力を制限することを目的としているという。

Kimi K3.1 Proは現在、同社のコンシューマー、エンタープライズ、開発者向けプラットフォームを通じて利用可能であり、予定されているモデルウェイトの公開により、開発者は自身のインフラ上でモデルを実行できるようになる見込みだ。11月4日の公開は、Moonshot自身のプラットフォーム外でモデルを展開・評価できるようになる次の注目ポイントとなる。