10月24日、The Decoderが「Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5」と題した記事を公開した。中国のMoonshot AIが公開した推論モデル「Kimi K3.1 Pro」が、Artificial Analysis Intelligence Indexで4位に入り、トップのプロプライエタリモデルとの差をわずか3ポイントにまで縮めたという内容だ。

オープンウェイトモデルとプロプライエタリモデルの性能格差は長らく「常識」として語られてきたが、ここ数四半期でその前提が揺らぎはじめている。K3.1 Proはその流れをさらに加速させる一例として注目に値する。

オープンウェイトモデルが閉鎖型AIに3ポイント差まで肉薄

中国のAIスタートアップMoonshot AIが、Kimi K3.1 Proをリリースした。前世代のKimi K3に対して後処理（ポストトレーニング）コンピュートを大幅に増加させたモデルで、Artificial Analysis Intelligence Indexでは55点を記録し、K3から11点上昇して4位につけた。

上位3モデルはいずれもプロプライエタリ（非公開）だ——Claude Opus 5.5（58点）、Claude Sonnet 5.5（56点）、Muse Wonder Full（56点）。なお、Muse Wonder Fullは独立系ベンチマーク機関Artificial Analysisが評価したモデルで、一般向けの詳細情報は限定的な非公開モデルである。注目すべきは、Moonshotが2026年11月4日までにモデルウェイトを公開する予定であることだ。実現すれば、K3.1 Proはオープンウェイトモデルとして最高スコアとなり、オープンモデルとプロプライエタリモデルの差は従来の12ポイントからわずか3ポイントに縮まる。

Artificial Analysis Intelligence Indexにおける順位変化。Kimi K3.1 ProはK3から11ポイント上昇し4位に。| 画像: Artificial Analysis

エージェントタスクで最大の改善

K3.1 Proで最も顕著な改善が見られるのは、エージェント系タスク（AIが自律的に複数のステップを実行するタスク）だ。

GDPval-AAベンチマークでは1,846 Eloを記録し、K3より312ポイント上昇。Claude Opus 5.5（1,866）にわずかに届かないレベルだ。Terminal-Bench 4.0では**65.7%**を達成し、GPT-6 Astra（58.2%）を上回り、Claude Opus 5.5（66.4%）に肉薄した。K3は同テストで13%しか取れていなかったため、伸び幅は際立っている。

ハルシネーション（幻覚・誤情報生成）率も大きく改善した。Moonshotの内部ベンチ「Kimi Hallu Bench Hard」では、クレームレベルのハルシネーションがK3の23.4%から8.3%に低下。ただしGPT-6 Astraは5.5%であり、まだ差がある。

主要ベンチマークの比較は以下の通りだ：

SWE Marathon v1.1やHLE-Full、OfficeQA Pro v2ではClaude Opus 5.5を上回っており、コーディングや一般業務タスクでの競争力は実質的だ。

スペックと価格

モデルのパラメータ数はK3と同じで、総パラメータ2.8兆、アクティブパラメータ1,040億のMoE（Mixture of Experts）構成。コンテキストウィンドウは100万トークンで、テキストと画像の両方に対応する。

価格はK3から33%値下げされた：

Highspeedバリアントは通常版の2〜3倍の速度で動作する。Intelligence Indexの1タスクあたりコストは$1.98で、K3（$2.00）とほぼ同じ。出力トークン数が14%増えているにもかかわらずコストを維持した点は、コスト効率の改善を示している。

サイバーセキュリティ能力と意図的な制限

Moonshotはブログポストの一章をまるごとサイバーセキュリティに割いており、この点はエンジニアとして読み応えがある。

ポストトレーニングのスケールアップに伴い、脆弱性調査能力が意図せず向上し続けることを同社は確認した。汎用の中間学習コーパスにサイバー関連のコンテンツが含まれており、RLの報酬環境にも関連タスクが混在していたためだ。

オープンウェイト公開にあたり、Moonshotはトレーニングの両フェーズからサイバー関連データを削除した。内部ベンチマーク「xdev-bench-hard」（Linuxカーネル、Node.js、JavaScriptCoreなどの最近開示された脆弱性を再現するテスト）での結果は以下の通りだ：

• クリーニング前のK3.1 Pro：90.5%
• クリーニング後のK3.1 Pro：81.0%
• DeepSeek-V4.1-Flash：85.7%
• Kimi K3（参考）：33.3%

Moonshotは「オープンウェイトモデルが攻撃的サイバー能力の絶対的フロンティアを押し上げるべきではない」と明言しつつも、レガシーシステムの監査など防御目的でのユースケースを考慮し、段階的に能力を引き上げていく方針を示した。なお、元記事ではAnthropicが、Zhipu AI製のオープンウェイトモデルGLM-5.3（AA Index 45点）においてもClaudeに近いレベルのエクスプロイト生成が可能だと指摘していることが触れられており、オープンウェイトモデル全般のサイバー能力リスクをAnthropicが問題視していることがわかる。

まとめ

K3.1 ProはArtificial Analysis Intelligence Indexの上位4位に食い込み、プロプライエタリ最上位モデルとの差を実質3ポイントにまで縮めた。Claude Opus 5.5がなお3点上回っている事実は変わらないが、ウェイト公開が予定通り進めば、オープンモデルと閉鎖型モデルの性能格差は名目上ほぼ消滅する。エージェントタスク、コーディング、オフィス業務での改善幅は大きく、価格は下がっている。サイバーセキュリティ能力の制限についても透明性のある説明がなされており、オープンウェイトモデルのリリースポリシーとして一つの基準を示した形だ。

詳細はChinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5を参照していただきたい。