Kimi K3.1 Proは乗り換えるべき？料金・性能・導入条件を解説

Kimi K3.1 Proは、コーディングや文書処理の難しいタスクにすでに費用をかけているなら、条件をそろえて実務で試す価値があります。標準版ProのAPI単価はK3より三分の一安く、コンテキスト上限は同じ1Mトークンです。まずは標準版Proを試し、合格基準を満たす成果物をより低い総コストで得られる場合に移行しましょう。Moonshotは2026年11月4日までにモデルの重みをダウンロード可能にすると約束しています。ただし、これは将来の導入方法の選択肢であり、現時点の導入計画の前提にはできません。

2026年10月24日に、Moonshotの発表、Kimi APIの料金表、Anthropicの料金表で確認しました。以下の試算は当サイトによるものです。ベンチマーク結果は、それぞれ明記した評価元のものです。

Kimi K3.1 ProはK3から何が変わったのか？

今回の強化点は、コンテキスト上限の拡大ではなく、基盤モデルに対する追加のポストトレーニングです。 Moonshotは、K3.1 ProをK3にポストトレーニングを施したモデルと説明しています。この段階に投入する計算量を大幅に増やし、コーディング、3D制作、金融リサーチの能力向上を狙ったものです。モデルは「3Tクラス」とされていますが、発表ページには総パラメーター数と稼働パラメーター数の正確な内訳はありません。これらの説明の出典は、Moonshotのリリース発表です。

ポストトレーニングとは、幅広い基礎学習を終えた後に行う実践練習のようなものです。複数のツールを順に呼び出す必要があるタスクなどで、より適切に対応できるよう報酬を与えて学習させます。経験のある同僚が、難しい案件への対応をさらに練習する場面を想像するとわかりやすいでしょう。机を広くしなくても、判断力は磨けます。

ここで「机」の広さに当たるのが、コンテキストウィンドウです。指示、参照文書、会話履歴など、モデルが一度に扱える情報の範囲を指します。Moonshotの料金ドキュメントでは、K3シリーズの全モデルが同じ1,048,576トークンのウィンドウを備えています。つまり、K3.1 Proは扱える情報量の面でK3を上回るわけではありません。移行するだけの価値を示すには、その容量をより有効に使う必要があります。

開発者にとって大切なのは、リポジトリへの変更がテストとレビューを通るかどうかです。業務責任者にとっては、文書に基づく回答に正しい出典、日付、留保条件が保たれているかが問われます。リクエストに大量の資料を入れられるからといって、どちらの成果も自動的に得られるわけではありません。

以前のKimi K3レビューでは、初代リリースの背景を説明しています。そこで扱った提供状況は、当時の情報としてお読みください。本記事は、新しいProへ移行すべきかを判断するためのものです。

ベンチマーク結果から何がわかるのか？

公表された結果は、評価を始める根拠にはなります。現在のモデルをそのまま置き換えてよいという根拠にはなりません。 Artificial Analysisのモデル概要では、確認日時点のIntelligence Indexスコアは55、順位は4位でした。同ページでは現在、Proをプロプライエタリと分類しています。今すぐ重みをダウンロードできるモデルとは、この点を区別する必要があります。

Moonshotの報告によると、**Terminal-Bench 4.0でのスコアは65.7%で、Anthropicの競合モデルであるClaude Opus 5.5は66.4%**です。Moonshotは、ツールの提供と実行管理を担うClaude-Codeハーネスを使い、推論の設定を最大にしてKimiを評価しています。他モデルとの比較には、公表済みの結果を用いています。これはMoonshotが報告した結果と評価条件であり、当サイトが同一条件で直接比較した結果ではありません。

個人で開発するエンジニアであれば、すでに失敗するテストがある、範囲の限られたバグ修正を試すには十分な材料です。ただし、アプリケーションの権限を正しく維持すること、曖昧なプロダクト要件を適切に解釈すること、人の判断が必要な変更を見極めることまで保証するものではありません。

財務業務の担当者なら、正解がわかっている過去の照合作業で試してください。最終的な説明が筋の通った文章になっているかだけでなく、引用されたセルと元の文書を確認します。ベンチマークが改善すれば有望な候補にはなりますが、自社のワークフローで最も損失の大きいミスが減るとは限りません。

現在はどこで利用できるのか？

本番でも使い続ける予定の経路を選んでください。 Moonshotは、Kimi.ai、Kimi Work、Kimi Code、Kimi APIを利用経路として挙げています。企業向けアクセスは初期状態では無効で、管理者による有効化が必要です。提供状況の説明には、次の条件が記載されています。

• Kimi.ai： ブラウザーとモバイルから利用できます。
• Kimi Work： デスクトップから利用できます。WindowsまたはAppleシリコン搭載Macで、バージョン3.1.0以降が必要です。
• Kimi Code： /modelでProを選択します。
• Kimi API： kimi-k3.1-proまたはkimi-k3.1-pro-highspeedを指定します。

モデルを調べている起業家なら、機密情報を除いた依頼文をブラウザーに入力するところから始められます。一方、自動化ワークフローを評価する開発者は、実際に利用する予定のAPI経由で試すべきです。周辺ツール、権限、課金も判断材料だからです。チャットでよい回答が得られても、人が介入しない連携処理まで動くとは限りません。

API料金ページでは、従量課金の推論と、KimiメンバーシップおよびKimi Codeが明確に分けられています。サブスクリプションの利用枠は、APIの利用予算ではありません。製品やプラン全体の違いは、Kimiの料金解説で扱っています。

複数のモデルを共通のAPIから利用できるサービス、**OpenRouter**にも、Kimi K3.1 Proが掲載されています。今回の確認時に表示されたプロバイダーは、Moonshot AIとMoonshot AI Highspeedです。これは別のアクセス経路があることを示していますが、別会社がダウンロード済みのProの重みを使って、すでに推論を提供している証拠にはなりません。

アプリケーションですでにOpenRouterを使っていれば、その経路で試すほうが準備しやすいかもしれません。それでも、リクエストがどのプロバイダーに届くのか、どのフォールバックが許可されているのかは確認してください。仲介サービスが加わるとサービス提供の経路は変わりますが、上流のプロバイダーの役割がなくなるわけではありません。

Proに乗り換えるべきなのは誰か？継続すべきなのは誰か？

K3のAPIをすでに使っているなら、まず標準版Proを評価しましょう。Opusで運用を確立しているなら、合格したタスクあたりのコストが下がることを移行条件にしてください。 Highspeedは別に判断する必要があります。基本トークン単価では、Opus 5.5に対する価格優位がなくなるためです。

Pro・Highspeed・K3のAPI料金を比較する

以下は、Moonshotの直接提供APIの税抜き価格です。単位は百万トークンあたりの米ドルです。キャッシュ入力とは、処理済みの共通の先頭部分を再利用する場合の入力を指します。

出典：Moonshotのモデル推論料金。2026年10月24日確認。キャッシュへの書き込みには、保持期間に応じた別料金がかかります。キャッシュ読み取りの列だけで、キャッシュにかかる費用の全額を把握することはできません。

Moonshotは、Highspeedの速度が2-3倍になるとしています。これはベンダーの主張であり、実際のタスク完了までの時間がどれだけ短くなるかを測定した結果ではありません。ツールの応答待ち、ミスの修正、成果物のレビューが、作業時間の大部分を占めることもあります。人がつきっきりにならない処理には、まず標準版Proを使ってください。生成の高速化によって担当者の時間を十分に節約できると試行で確かめられたら、Highspeedの追加料金を払う価値があります。

Opus 5.5とは「合格した成果物」のコストで比べる

claude.com/pricingに掲載されたClaude Opus 5.5の基本API単価は、百万トークンあたり入力$4、出力$20です。これはHighspeedと同額です。キャッシュ読み取り単価の$0.20もProの両バリエーションと同じなので、キャッシュ入力が大半を占める処理では、標準版Proの価格差が縮まります。

試算例として、新規入力100,000トークンと課金対象の出力10,000トークンを消費するタスクを考えます。基本料金の計算は次のとおりです。

• Pro：$0.30。計算式は0.1 × $2 ＋ 0.01 × $10です。
• K3：$0.45。計算式は0.1 × $3 ＋ 0.01 × $15です。
• HighspeedまたはOpus 5.5：$0.60。計算式は0.1 × $4 ＋ 0.01 × $20です。

これは、MoonshotとAnthropicの単価を使い、トークン数をそろえた試算です。キャッシュ書き込み、ツール、割引、税金、レビューの費用は含めていません。実測したタスク費用ではない点にも注意してください。同じ作業を終える場合でも、モデルによって課金対象のトークン数は変わり得ます。

再試行によって価格差がなくなる境目は明快です。この例では、ほかの条件が同じなら、Proで二回試すと、基本トークン料金はOpusで一回試す場合と同額になります。 レビューの手間が増えれば、それより早く節約分がなくなることもあります。逆に、Proがより少ない課金対象トークンで作業を終え、同じ検証を通過すれば、節約額は大きくなります。本記事では、どちらも実測していません。

判断には、次の式を使ってください。合格したタスクあたりのコスト＝API料金、ツール料金、人によるレビュー費用の合計÷合格したタスク数。 失敗した試行の費用も、その試行を行ったモデルに計上します。推論が課金対象になる場合は、人に見える回答だけでなく、その推論分も数えてください。

資金調達済みのスタートアップ経営者で、結果を検証できる文書変換が大量にあるなら、Proを試す理由があります。Opusによる安定したワークフローを持つ中堅企業のCTOなら、代替モデルが同じ合格基準を満たすまで、現状を維持する理由があります。出典の微妙な誤りを直すのに時間を取られている熟練の業務担当者は、トークン単価の安さよりも、レビュー負荷が減ることを重視すべきです。

評価で実務上重要な性能低下が見つかったら、K3を使い続けてください。修正とレビューを含めるとOpusのほうが合格した成果物を安く得られる場合や、移行によって承認済みの連携に支障が出る場合は、Opusを継続しましょう。製品全体の選び方は、KimiとClaudeの比較で解説しています。

会社のデータを扱う条件を先に確認する

機密性の高い業務は、実際に使うサービス経路が承認されるまで移行しないでください。 中国のAI開発企業であるMoonshotを利用する場合、契約主体、処理場所、データの利用方法、アクセスについて具体的に確認する必要があります。企業の出身国だけでは、これらの条件を確認したことにはなりません。

MoonshotのOpen Platformプライバシーポリシーは、シンガポールのMOONSHOT AI PTE. LTD.をサービス提供者とし、収集した情報はシンガポールに保存すると記載しています。サービス提供や法的な目的での保持についても説明しています。これらは同プラットフォームに関する記述であり、すべての一般消費者向けアプリ、ツール、下流のサービスに当てはめるべきではありません。

リリース発表では、API顧客向けにゼロデータリテンションをうたっています。ただし、Moonshotの専用ポリシーでは、申し込みを行った企業顧客が対象とされています。対象となるリクエスト内容は応答後に削除されますが、適用法に基づく例外があります。また、企業顧客のデータはデフォルトでは学習に使わないとしています。除外対象には、バッチジョブ、直接アップロードした画像や動画、運用記録、第三者サービスが含まれます。

調達の際は、次の点について書面で回答を得てください。

• 契約相手となる法人はどこか。推論処理、データ保存、サポート担当者によるアクセスはどこで行われるか。
• このアカウントの契約条件では、プロンプト、ファイル、出力、ログが保持されたり、学習に使われたりするか。
• 希望するデータ保持モードが有効になっているか。どのデータ種別や機能が対象外か。
• どの再委託先、ルーティングサービス、外部ツールにコンテンツが渡るか。それぞれにどの削除条件が適用されるか。
• これらの条件は、自社の顧客契約や社内のデータ分類基準を満たすか。

デスクトップクライアントがあるだけでは、ローカルで推論するとはいえません。APIの仲介サービスを通すだけでは、データ処理に適用される法域が変わるともいえません。回答が得られていない点が残るなら、試行には公開情報か合成データを使い、会社のデータは承認済みの経路で扱い続けてください。

今回のリリースで過大評価されている点は？

最も行き過ぎた見方は、有望なモデルが、そのまま業務システム全体の代わりになると考えることです。 実務では、次の違いを押さえる必要があります。

重みの公開予定と、今ダウンロードできることは別です。 Moonshotが発表で示した期限は、2026年11月4日です。重みとは、モデルを自分で動かすために使う、学習済みのモデルファイルを指します。プライベート環境への導入が必要な企業は、ファイル、ライセンス、導入ガイドがそろうまで、インフラへの投資を確定したり、その提供方法を顧客に約束したりするのを待つべきです。

大きなコンテキストは、正確さの保証ではありません。 文書を多く入れられても、重要な事実がすべて検索、推論、最終回答の過程で正しく引き継がれるとは限りません。渡した資料内の出典を示すよう求め、文書のバージョン間で矛盾がないか確認してください。

エンドポイントが速くなっても、業務全体が自動的に速くなるわけではありません。 サポート返信の下書きでは、文章生成よりも承認待ちに時間がかかることがあります。リポジトリの作業では、チェックの実行時間が長いかもしれません。速度向上の追加料金を払う前に、完了までの時間を測ってください。

高いスコアが、周辺の機能まで引き継いでくれるわけではありません。 ツールの権限、参照元へのアクセス、実行環境、人による承認は、引き続き設計が必要です。モデルが回答を出すことと、メッセージの送信、レコードの上書き、変更の公開を実行する権限は分けて扱ってください。

よくある質問

Kimi K3は中国の会社ですか？

Kimi K3は会社名ではなく、モデル名です。開発元はMoonshot AIです。企業で導入する際は、モデル名を法人名として扱うのではなく、実際の契約主体とデータ処理の経路を確認してください。

Kimi K3はどの端末で使えますか？

ホスト型のモデルを利用することと、その重みを使って自分で動かすことは別です。新しいProについて、Moonshotはブラウザー、モバイル、デスクトップ、コーディングツール、APIからのアクセスを案内しています。ただし、これらの利用経路があるからといって、モデルが手元の端末で動くとは限りません。上の提供状況の節を参照してください。

Kimi K3は米国でも利用できますか？

今回のProの発表にはオンラインでの利用経路が記載されていますが、米国のすべての利用者がアカウントを開設できるとは確認できません。利用予定のサービスについて、登録条件、支払い方法、自社の利用承認を確認してください。

Kimi K3はNVIDIAを使っていますか？

Proの発表には、本番の推論提供に使うハードウェアの記載がありません。ベンチマーク環境で言及されたハードウェアを、実際のリクエスト処理に使われるハードウェアだと解釈しないでください。

Kimi K3はローカルで動かせますか？

K3とK3.1 Proは、別々のリリース経緯を持ちます。今回のProの導入判断では、約束された重みと導入ガイドが公開されるまで、ホスト型サービスでの利用を前提にしてください。K3をダウンロードできることから、Proも導入準備が整っていると判断しないでください。

AIの学習に最適なGPUは何ですか？

それは、Proを試すかどうかとは別の購入判断です。受講予定の講座や、手元で動かすモデルが示すハードウェア要件に従ってください。今回の発表は、一般的なGPU選びの推奨を示すものではありません。

AIを動かすならCPUとGPUのどちらがよいですか？

ホスト型サービスでProを評価するなら、まず利用するサービス経路を選んでください。自社でホストする場合は、発表時のベンチマークからハードウェアを選ぶのではなく、サポート対象の導入構成が示されるのを待ちましょう。

AI向けで世界最強のGPUは何ですか？

今回のリリースから、ハードウェアの順位は判断できません。将来Proを自社環境に導入する際に必要なのは、自社の処理内容と運用予算に合う、サポート対象の構成です。

AI向けGPUはNVIDIAとAMDのどちらがよいですか？

ベンダーを選ぶ前に、公開されたモデルが対応する推論提供ソフトウェアと、テスト済みのハードウェアを確認してください。Proの発表だけでは、どちらかへの対応を裏付けることも、購入を推奨することもできません。

次の実務で試すなら、何から始めるべきか？

現在の利用経路を残したまま、合格条件が明確で範囲の限られたタスクを標準版Proに任せてみましょう。 最初の課題には、既存のチェックがあるリポジトリ修正や、元資料と正解がわかっている過去の文書からの情報抽出が適しています。

1. 1

   合格とする結果を定義する

   モデルを開く前に、必要な出力、禁止する操作、検証項目を書き出してください。利用予定のプロバイダー経路が承認されるまでは、機密情報を除いた資料を使います。

2. 2

   使うモデルと利用経路を選ぶ

   継続的な業務で使う予定の製品やAPIで、標準版Proを明示的に選択してください。現行モデルと比較する際も、同じ依頼内容と合格基準を使います。

3. 3

   費用と作業負荷をすべて記録する

   課金対象の使用量、失敗した試行、ツール料金、完了までの時間、レビューの手間を記録します。モデル名に判断を左右されず、成果物が合格基準を満たすかを確認してください。

4. 4

   移行の価値が確認できた業務だけを移す

   合格基準を満たし、コストも下がるタスクをProに振り分けます。性能が下がる業務、データ要件が未解決の業務、レビューの手間で節約分が消える業務は、現行モデルを継続してください。待ち時間の負担がなお大きい場合は、Highspeedを別に評価します。

実務でのモデル導入判断に役立つ情報は、ニュースレターでお届けします。