AIモデル

Kimi K3.1 Proの重みが公開、動かせるのはデータセンターだけ

Moonshot AIがKimi K3.1 Proの重みを公開した。10月24日に予告したとおりの公開だが、2.8兆パラメータは家庭用GPUの射程外で、恩恵を受けるのは主に研究機関と推論事業者になる。

佐藤健太佐藤健太
人気度:1,150
Indigo lattice forming a hexagon to represent an open-weight model release

Moonshot AIがKimi K3.1 Proの重みを公開した。10月24日に予告したとおりの公開だが、2.8兆パラメータは家庭用GPUの射程外で、恩恵を受けるのは主に研究機関と推論事業者になる。

Kimi K3.1 Proの重みは5.6TB、置き場所から考えさせる

ファイルの大きさを見れば、誰のための公開かはすぐ分かる。Moonshot AI open weights として出たファイルは、BF16で約5.6TB。INT4に落としても約1.4TBある。単体のGPUには載らない。HuaweiはAscendで初日から推論できるとし、vLLM-AscendとSGLang経由の手順を示したので、クラウド事業者にとっては翌日から選択肢が増えるという話になる。

2.8兆パラメータ、104Bアクティブという設計

規模の数字は2つに分けて読むと意味が見える。総パラメータは2.8兆、トークンあたりのアクティブは約104B。Mixture-of-Expertsなので、推論時に動くのは一部だけで、計算量は総量ほど膨らまないが、重みは全部メモリに載せる必要があるため、必要なVRAMはパラメータ数に比例して増える。全部を毎回使うのではなく、必要な専門家だけ呼び出す作りで、画像の理解もネイティブで備える。

1M context modelの実力を支えるattention設計

長い文脈を扱うコストは、attentionの持ち方で決まる。いわゆる1M context model の実体は、1,048,576トークンの文脈長だ。一部のfull-attention層はgated sparse attentionに置き換わった。KDAのlinear attentionとDSAのsparse attentionを組み合わせ、長文脈での計算を抑える。コンテキスト長の数字だけを追うと、この変更を見落とす。

Kimi K3との違いはpost-trainingの厚み

新しいベースモデルではなく、仕上げをやり直した版だ。では、どこを変えたのか?パラメータ数はK3と同じで、数百の下流領域にわたる強化学習を厚くかけている。同じ系統から生まれたモデルに別の学習を上乗せする形で、ベースを替えずに挙動を寄せる手法は最近の傾向にも沿う。

Agent Arenaでopen-weight modelの首位

第三者評価で目を引くのは、総合順位より内訳のほうだ。Agent ArenaでK3.1 Pro (Max)はopen-weight modelの1位に入り、全体では13位だった。17,500件を超える実セッションを集計した結果だという。平均に対する改善幅は+5.1%で、K3 (Max)の+0.9%から伸びている。長時間の作業を任せたときに失速しにくいか、という観点の評価だ。Bash Reliabilityは+7.9%で、K3の-4.5%から反転した。コマンドを正しく扱えたかを見る指標だ。Praise vs Complaintは+7.7%、Steerabilityは+6.5%。Confirmed Successは+3.9%で、伸び幅は小さい。いずれもArena側の集計で、Moonshotの自己申告とは別の数字だ。

Moonshot自身のTerminal-Bench 4.0は65.7%

ベンダーの表でも首位ではない。Moonshotの比較表でTerminal-Bench 4.0は65.7%。Claude Opus 5.5が66.4%、GPT-6 Astraは58.2%だ。同社調べなので独立した検証は別に待つ必要があるが、僅差を強調するより上位群に並んだ事実のほうが大きい。

日本から試すならクラウドGPUの時間借り

個人が手元のマシンで動かすのは無理だ。業務で試すなら、クラウドのGPUインスタンスを時間単位で借りる形になる。日本企業なら、まずAPIで当たりを付け、重みが要る場面だけ自前の推論に切り替える順番が現実的だ。5.6TBの転送と保存を考えた時点で、据え置きのPCは選択肢から消える。

Kimi K3.1 Proの重みで何ができるか

公開の価値は、すぐ動かせることではなく、後から検証できることにある。量子化して小さくできる。社内データで追加学習し、日本語の指示に対する挙動を測り直すことも可能だ。どれも重みがなければできない。ライセンス条項はモデルカードに書かれているので、使う前に目を通すことになる。まずはモデルカードを開き、条文と推論手順を確認するのが最初の一歩だ。

このニュースを共有

出典

関連AIニュース

上昇する報酬曲線と27Bのバッジが並ぶ端末画面
AIモデル

DaisyRose-27B、強化学習だけでTerminal-Bench 4.1を5.6%から12.0%に

RadixArkは、Qwen3.8-27Bを土台に強化学習だけで鍛えたDaisyRose-27Bを公開した。Terminal-Bench 4.1のpass@1は5.6%から12.0%へ倍増した。18日間、1,200タスク、H200 144枚という規模の話である。

人気度:1,330
ノートPCの輪郭の内側で、3枚の層がループ矢印を通る図
AIモデル

Inkling 2 Miniは同じ層を3回通す、ノートPCで動く27B級モデル

Thinking Machines Labは11月20日、open weightsのInkling 2 Miniを公開した。24層の中間12層を1トークンにつき3回通すlooped transformerで、ノートPCに載る重さのまま48層分の計算を回す。

人気度:1,710
暗い背景に長く伸びるティール色の波形と、1本のオレンジのアクセントバー
AIモデル

0.5BのRumble-2-Flashが30Bの音声認識と並んだ

0.5Bのモデルが、30Bのモデルとほぼ同じ誤り率で電話音声を文字にする。Reson8が公開したRumble-2-Flashは、文字起こしの費用構造を変える側のニュースだ。

人気度:560
深い青の背景で、小さく光る核を囲む3つのネオンの輪
AIモデル

Gemini 4 Neonが有料プランに入った、選択肢は4つに

Googleは11月18日、Gemini 4 Neonを発表した。有料の加入者が最初に気にするのは、選択肢から二つの名前が消えたことと、新しいミドルクラスがいくらで動くかである。

人気度:1,500