Kimi K3.1 Pro と K3 の違い：変更点・料金・乗り換えるべき人

Last updated at 2026-10-24Posted at 2026-10-24

この記事は AIHubMix が作成しました。内容は2026年10月24日時点の情報で、AIHubMix による実測も同日に行ったものです。

TL;DR

Kimi K3.1 Pro は、Moonshot AI が2026年7月16日に公開したオープンウェイトモデル Kimi K3 の最初のアップデートです。2026年10月23〜24日に、Kimi アプリ、Kimi Code、Kimi API で公開されました。
K3 で動いているコードは、モデル ID を kimi-k3 から kimi-k3.1-pro に変えるだけで移行できます。Moonshot は、パラメータの制約が kimi-k3 と同じだと説明しています。
Moonshot の公式料金は100万トークンあたり入力 $2.00、出力 $10.00 で、K3 の $3.00 / $15.00 より3分の1安くなっています。
AIHubMix は K3.1 Pro を Chat Completions、Responses、Messages で提供しています。
Kimi Code では、デフォルトの effort が K3 の high から max に上がります。AIHubMix の小規模なスポットチェックでは、effort が low でも K3.1 Pro は5,561〜7,356トークン思考しました（K3 も同程度）。単価が下がっても、1タスクあたりの費用が下がるとはかぎりません。

リリースされたもの

Moonshot は2026年10月23〜24日に、Kimi アプリ、Kimi Code、Kimi API で K3.1 Pro を公開しました。それまでの1か月、情報は少しずつ漏れていました。9月には Moonshot のモデル登録一覧で kimi-k3-1 が見つかり、10月21日には Kimi Code の設定が K3 のユーザーを k3.1 に向けるルールを返し始め、10月22日には Arena に Kibitz という匿名モデルが現れています。技術ブログは、K3.1 Pro を次のように紹介しています。

the first model in our new K3.1 series and our most capable 3T-class open-weight model to date

（新しい K3.1 シリーズの最初のモデルであり、当社のこれまでで最も高性能な 3T クラスのオープンウェイトモデル）

K3 に事後学習（post-training）を重ねたモデルで、事後学習の計算量を大幅に増やしています。このブログは一度公開されたあと取り下げられ、その夜のうちにベンチマーク表一式とともに再公開されました。

	Kimi K3	Kimi K3.1 Pro
リリース	2026年7月16日	2026年10月23〜24日
パラメータ	総数2.8T、アクティブ104B	総数3T
コンテキスト長	1,048,576トークン	1,048,576トークン
effort の段階	low、high、max	low、high、max
デフォルトの effort（API）	max	max
デフォルトの effort（Kimi Code）	high	max
高速版	なし	Highspeed（約2〜3倍速、Moonshot の公称値）
オープンウェイト	あり（Kimi K3 ライセンス）	2026年11月4日までに公開予定
Moonshot API の ID	kimi-k3	kimi-k3.1-pro
Kimi Code の ID	k3、k3-256k	k3.1-pro
Moonshot 入力 / 出力	$3.00 / $15.00	$2.00 / $10.00

K3.1 Pro の列は、Moonshot の K3.1 Pro クイックスタートと Kimi Code のモデルドキュメント、K3 の列は Moonshot の K3 ガイドとモデルカードによるものです。K3.1 Pro Highspeed の ID は、API では kimi-k3.1-pro-highspeed、Kimi Code では k3.1-pro-highspeed で、能力は K3.1 Pro と同じです。K3.1 Pro のアクティブパラメータ数とウェイトのライセンスは、まだ発表されていません。

K3.1 Pro で確認し直すべき API 規則

Moonshot のドキュメントによると、K3 の API 仕様はそのまま引き継がれます。トラフィックを切り替える前に、リクエストのコードを次の点で確認してください。

モデル ID は kimi-k3.1-pro（API）または k3.1-pro（Kimi Code）です。Highspeed は末尾に -highspeed が付きます。
思考はオンのままなので、思考をオフにする指定は送りません。Moonshot は思考をオフにしたリクエストを HTTP 400で拒否します。AIHubMix のメインの ID では200が返り、none や thinking: {"type": "disabled"} では思考がまったく返りませんでした。
reasoning_effort は low、high、max で、デフォルトは max です。Kimi Code は medium を high に、xhigh と ultra を max に振り替えます。Kimi Code では、off、none、disabled と未知の値には400が返ります。
temperature、top_p、n、2つの penalty は送りません。それぞれ1.0、0.95、1、0に固定されており、ほかの値はエラーになります。
マルチターンやツール呼び出しのループでは、reasoning_content を含む assistant メッセージ全体を送り返します。
max_completion_tokens はデフォルトの131,072、上限の1,048,576の範囲に収めます。
1つの会話では effort を1つに固定します。モデルや effort を変えるとキャッシュが無効になります。
tool_choice: "required" は K3 と同じく使えます。

K3 ではなく K2.6 や K2.7 Code から移る場合は、変更の幅が大きく、Moonshot は期限も決めています。Moonshot のプラットフォームでは、2026年10月31日から K2 シリーズが新規登録ユーザーに提供されなくなり、2026年12月末までにすべて廃止される予定です。AIHubMix では、10月24日時点で K2.6 と K2.7 Code がまだ掲載されており、廃止日は示されていません。このシリーズの移行編では、各規則を実際に出るエラーとして取り上げ、直し方をまとめています。

K3 と K3.1 Pro を同じプロンプトで比べる

前提： 環境変数 AIHUBMIX_API_KEY に AIHubMix のキーを入れ、openai Python SDK をインストールしておきます。どちらも AIHubMix のクイックスタートで説明しています。1つのキーで両方のモデル ID を呼び出せます。

次のスクリプトは、同じプロンプトを2つの ID に送り、トークン数を表示します。プロンプトは自分の業務のタスクに差し替えてください。Moonshot のティーザー動画でもモデルが Three.js のシーンを書いていたので、フロントエンドのタスクは最初の題材として妥当です。

compare.py

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = "Write a single-file HTML page that renders a rotating 3D cube with Three.js."

for model in ["kimi-k3", "kimi-k3.1-pro"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        timeout=3600,
    )
    print(model, r.usage.prompt_tokens, r.usage.completion_tokens)

スクリプトについての補足です。

Chat Completions を使っています。AIHubMix では、kimi-k3.1-pro を Responses と Messages でも使えます。
temperature はあえて指定していません。どちらのモデルも1以外の値を受け付けません。
timeout=3600 で、1回の呼び出しに1時間を割り当てています。AIHubMix の7月のテストでは、K3 へのリクエスト1回が42分かかりました。
reasoning_effort はデフォルトのままで、どちらのモデルも max です。本番で high を使うなら、high でももう一度実行してください。
出力が動くかどうかだけでなく、複数回実行して completion トークンと思考トークンを比べてください。

1タスクあたりのコストを計算する

100万トークンあたりの料金です。

モデル	公式入力 / 出力
Kimi K3	$3.00 / $15.00
Kimi K3.1 Pro	$2.00 / $10.00
K3.1 Pro Highspeed	$4.00 / $20.00
GPT-5.6 Sol	$5.00 / $30.00
Claude Fable 5.1	$10.00 / $50.00

Moonshot の公式料金では、K3.1 Pro は入力、出力、キャッシュヒット（100万トークンあたり $0.20、K3 は $0.30）、キャッシュ書き込みのすべてで K3 より33%安くなっています。Highspeed の入力と出力は K3.1 Pro のちょうど2倍で、キャッシュヒットは同じ料金です。料金はコンテキスト長によらず一定で、キャッシュ書き込みは保持期間ごとに課金され（100万トークンあたり、K3.1 Pro は5分で $2.00、1時間で $4.00、Highspeed は $4.00 / $8.00、K3 は $3.00 / $6.00）、思考トークンはどの effort でも出力として課金されます。GPT-5.6 Sol には現在 OpenAI の $4 / $20 のプロモーション価格があり、少なくとも2026年11月21日まで続くと報じられています。

7月、AIHubMix は K3 に、1つのプロンプトと参考画像から単一ファイルの HTML ゲームを作らせました。この実行には2,541秒（約42分）かかり、動作する1,275行のコードができあがりました。completion トークンは74,994で、そのうち54,486（73%）が思考です。effort は max で、K3.1 Pro のデフォルトと同じです。入力トークン数は記録されていなかったため、以下の見積もりでは入力を5,000トークンと仮定し、公式料金（GPT-5.6 Sol は OpenAI のプロモーション価格）で計算しています。

K3：5,000 × $3.00/M + 74,994 × $15.00/M ≈ $1.14
K3.1 Pro（トークン数が同じ場合）：5,000 × $2.00/M + 74,994 × $10.00/M ≈ $0.76
K3.1 Pro Highspeed（トークン数が同じ場合）：≈ $1.52
GPT-5.6 Sol（トークン数が同じ場合）：≈ $1.52
Claude Fable 5.1（トークン数が同じ場合）：≈ $3.80

いちばん弱いのは「トークン数が同じ」という仮定で、実際のトークン数しだいで結果はどちらにも動きます。Chase AI による実際の開発テストでは、Claude Fable 5 が350万トークンで済んだところを K3 は2,150万トークン使っており、約6倍です。この比率なら、Fable 5 は約12,200トークンでゲームを完成させ、コストは約 $0.66 になります。出力単価が K3.1 Pro の5倍なのに、K3 の $1.14 も K3.1 Pro の $0.76 も下回ります。一方、Artificial Analysis の指標タスクでは差が逆向きに出ています。1タスクあたりの平均出力は Fable 5.1 が78,000トークン、K3 が48,000トークンで、1タスクあたりのコストは Fable 5.1 が $7.63、K3 が $2.00 でした。

effort が low でも、思考が少ないとはかぎりません。AIHubMix は10月24日、600語の解説を求めるプロンプトを1つ、reasoning_effort: low で、メインの ID にストリーミングで送りました。

モデル	実行回数	思考トークン	最初の回答トークンまで	合計時間	出力速度
K3.1 Pro	3	5,561〜7,356	71〜91秒	80〜99秒	86〜88 tok/s
K3	3	3,013〜7,051	132〜280秒	154〜309秒	22〜26 tok/s

プロンプト1つ、各モデル3回の実行なので、ベンチマークではなくスポットチェックです。K3.1 Pro の1回は8,192トークンの上限にも達しました。2つのモデルの思考量はほぼ同じで、K3.1 Pro が先に答え終えたのは出力が数倍速かったからです。単価が下がっても、請求額が下がるのは、自分の仕事で K3.1 Pro が K3 より長く考えない場合だけです。節約を見込む前に、自分のプロンプトでタスクあたりのトークン数を測ってください。

ハマりどころ

以下は、AIHubMix が10月24日に実際に遭遇したものと、Moonshot がドキュメントで明記している規則です。

temperature を指定すると400エラーになる

AIHubMix のメインの ID では、temperature=0.2 に対して次のエラーが返りました。

400 invalid temperature: only 1 is allowed for this model

（訳：temperature の値が無効です。このモデルで使えるのは1だけです）

AIHubMix の coding チャネルではこの値が通りましたが、値が実際に反映されたとはかぎりません。スクリプトと同じく、temperature は指定しないでください。再現性のある出力のために temperature 0 に頼っている処理では、K3.1 Pro でそれは実現できません。

思考をオフにしても、エラーにならずに効かないことがある

Moonshot によると、K3.1 Pro は思考をオフにしたリクエストを HTTP 400で拒否し、Kimi Code も reasoning_effort が off、none、disabled のときは400を返します。ところが AIHubMix のメインの ID では、試したリクエストにどれも200が返りました。off や未知の値では思考が続き、none や thinking: {"type": "disabled"} では思考がまったく返りません。思考をオフにする指定は送らず、代わりに low を使ってください。K2.x の名残の thinking: {"type": "enabled"} は AIHubMix では200が返りましたが、K3.1 Pro では意味がないので削除してください。

最初の回答トークンまで1分以上かかる

K3.1 Pro は常に思考します。スポットチェックでは、effort が low でも最初の回答トークンまで71〜91秒かかりました（K3 は132〜280秒）。クライアントのタイムアウトを長めにし、ストリーミングを使ってください。ユーザーが応答を待つようなレイテンシ重視の呼び出しは、品質が同じでも、より速い非推論モデルのほうが向いています。Highspeed が速くするのはモデルの出力だけで、ツール呼び出しやスクリプトは速くなりません。

会話の途中でキャッシュが効かなくなる

モデルや effort を変えるとキャッシュが無効になります。Kimi Code でも、Moonshot は既存の K3、K2.8 Preview、K2.7 Code Highspeed のセッションを途中で K3.1 Pro に切り替えないよう勧めています。1つの会話ではモデルと effort を1つに固定し、K3.1 Pro は新しいセッションで使ってください。

料金表から計算したより請求が高い

思考トークンは出力として課金され、デフォルトの effort は max です。タスクごとにトークン数を測り、手元の評価で high も試してください。low なら安いとも考えないでください。スポットチェックのプロンプトでは、low でも5,561〜7,356トークン思考しました。

なお、7月に見つかった問題の1つは解消しています。K3 は Messages API で JSON スキーマを黙って無視しましたが、K3.1 Pro では、JSON を求めていないプロンプトに json_schema を付けたリクエストが、どちらのチャネルでも {"city":"Paris"} を返しました。

ベンチマークが示すこと、まだ検証できないこと

以下は Moonshot の自己申告値で、K3.1 Pro は技術ブログ、K3 は K3 の GitHub モデルカードによるものです。モデルごとに実行環境（harness）が異なり（K3.1 Pro は主に Claude Code の環境で実行）、第三者による再現はまだありません。次の表は、Moonshot が K3 と K3.1 Pro を同じ方法で測った項目です。

ベンチマーク	K3	K3.1 Pro
Kimi Code Bench 2.0	73.7	77.1
Kimi Code Bench 3.0 Long-horizon	55.95	61.2
DeepSWE v1.1	67.5	75.5
Kimi Hallu Bench Hard（低いほど良い）	23.4	8.3
金融モデリング（社内）	50.4	57.6
金融リサーチ（社内）	58.8	70.4

Kimi Code Bench、Kimi Hallu Bench、金融の2項目は Moonshot の社内ベンチマークです。Kimi Code Bench 2.0 の組は Claude Code の環境で実行したもので、K3 のリリース時の看板スコア72.9は Kimi Code で実行したものです。Terminal-Bench、SWE Marathon、ProgramBench は両方のリリースに登場しますが、バージョンや採点方法が変わっているため、K3 の88.3、42.0、77.8と K3.1 Pro の65.7、51.7、31.5は比べられません。

Moonshot の表にある非公開モデルとの比較です。各モデルは effort を max にして実行されており、Moonshot は非公開モデルのテストにフォールバック（代替処理）が含まれる場合があると注記しています。

ベンチマーク	K3.1 Pro	Fable 5.1	GPT-6 Astra	Opus 5.5
Terminal-Bench 4.0	65.7	57.9	58.2	66.4
SWE Marathon v1.1	51.7	45.6	42.5	46.3
DeepSWE v1.1	75.5	67.4	74.1	74.2
ProgramBench	31.5	53.5	50.0	65.0
HLE-Full（ツールあり）	70.0	65.6	57.2	67.7
HLE-Full（ツールなし）	51.1	57.6	53.6	59.8
GDPval-AA v2.1（Elo）	1846	1754	1573	1866
Design Bench（Elo）	957	—	1076	927

K3.1 Pro は SWE Marathon v1.1、ツールありの HLE、DeepSWE v1.1 で首位に立ち、Terminal-Bench 4.0 では Claude Opus 5.5 との差が1ポイント未満です。一方、ProgramBench（Opus 5.5 の約半分）、ツールなしの HLE、GPT-6 Astra が首位の Design Bench では後れを取っています。自分のワークロードがこの3つに近いなら、切り替える前にテストしてください。

執筆時点でまだ出ていないのは、これらの数値の第三者による再現、K3.1 Pro の Arena Frontend Code のスコア（K3 はリリース時に1,679で首位）、ウェイトのライセンスです。

乗り換えるべき人、待つべき人

Kimi Code のユーザー：途中で切り替えず、新しいセッションで k3.1-pro を使ってください。デフォルトの effort は K3 の high に対して max なので、最初の1週間は利用枠の減り方を見てください。減りが速ければ、日常的な作業は high に下げます。
K3 の API ユーザー：自分のタスクで1日評価してから、kimi-k3 を kimi-k3.1-pro に切り替えてください。Moonshot 自身の API では1ドルのチャージ後に使えるようになり、AIHubMix では同じ ID で提供しています。合格率だけでなく、completion トークンと思考トークンを比べてください。
K2.6・K2.7 Code のユーザー：先に移行編を読んでください。Moonshot のプラットフォームでは、上で触れた K2 シリーズの廃止日が期限になります。
速度がネックの人：Highspeed は能力が同じで、速度は Moonshot の公称で約2〜3倍、トークン単価は2倍（Moonshot では $4.00 / $20.00）、Kimi Code では約2倍の利用枠を使います。このシリーズの Highspeed 編で損得を比べています。
今のままでよい人：短いリクエストを大量に送る用途で、常にオンの思考が余計なコストにしかならない場合です。

まとめ

K3 から K3.1 Pro への移行は、モデル ID を kimi-k3 から kimi-k3.1-pro に変えるだけです。パラメータの制約は K3 と同じです。
Moonshot の公式料金は入力 $2.00、出力 $10.00 で、K3 より3分の1安くなっています。
AIHubMix では、kimi-k3.1-pro を Chat Completions、Responses、Messages のどれでも呼び出せます。
Kimi Code のデフォルトの effort は max に上がり、スポットチェックでは low でも5,561〜7,356トークン思考しました。7月のゲームのタスクは、トークン数が同じなら約 $0.76 ですが、測るべきはタスクあたりのトークン数です。
Moonshot の自己申告値では、K3 と同じ方法で測った項目はすべて改善しています。ProgramBench、ツールなしの HLE、Design Bench は上位モデルに後れを取っています。

K3 と K3.1 Pro は、AIHubMix の1つのキーで呼び比べられます。AIHubMix の K3.1 Pro モデルページから試せます。

参考

Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence（Moonshot AI）
Kimi K3.1 Pro Quickstart（Moonshot AI）
Model Configuration | Kimi Code Docs（Moonshot AI）
Kimi K3.1 Pro API（AIHubMix）
Kimi K3 vs Claude Fable 5 vs GPT-5.6: Real Cost（Chase AI）

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up