Kimi K3.1 ProはArtificial Analysis Intelligence Indexでスコア55を獲得し4位で登場、エージェント性能で大幅に向上。ウェイトが公開されれば、オープンウェイトモデルの首位となる見込みです
モデルページを見るMoonshotの新しい推論モデルは、Kimi K3 (max, 44) から11ポイント向上しました。Intelligence Indexでは、Claude Opus 5.5 (max with fallback, 58)、Claude Sonnet 5.5 (max with fallback, 56)、Muse Wonder Full (max, 56) に次ぐ成績です。
K3.1 Proのウェイトが公開されれば、最高スコアのオープンウェイトモデルとなり、Intelligence Indexにおける首位のオープンウェイトモデルとプロプライエタリモデルの差は12ポイントから3ポイントに縮まります。
主な結果: ➤ エージェント性能の大幅な向上:Kimi K3.1 ProはGDPval-AAで1,846 Eloを獲得し3位となり、Kimi K3から312 Elo向上しました。上位はClaude Opus 5.5 (1,866 Elo) とMuse Wonder Full (1,857 Elo) のみです。Kimi K3.1 ProはTerminal-Bench 4.0でも全モデル中最高スコアを達成しました。K3.1 Proのスコアは67%で、Kimi K3の13%から向上し、Claude Sonnet 5.5 (64%) を上回りました。エージェント型SaaSワークフローをテストするAutomationBench-AAは58%から73%に上昇しました。
➤ その他の評価での向上はより穏やかです:Humanity's Last Examは47%から52%に、CritPtは23%から25%に、SciCodeは59%から61%に上昇しました。AA-Omniscience Indexは20から30に上昇し、ハルシネーション率は53%から44%に低下、精度は48%から51%に向上しました。
➤ タスクあたりコストはKimi K3とほぼ同等の1タスクあたり$1.98:K3.1 ProはIntelligence Indexの1タスクあたり55K出力トークンを使用し、Kimi K3の48Kより14%多いものの、ファーストパーティのトークン価格は33%低くなっています。
追加のモデル詳細: ➤ コンテキストウィンドウ:1Mトークン。 ➤ サイズ:総容量2.8T、アクティブパラメータ104B ➤ 入力モダリティ:テキストと画像 ➤ ウェイトとライセンス:ウェイトは現時点で未公開、Moonshotはリリース後まもなくウェイトを公開すると予想されます ➤ 価格:1M入力/出力/キャッシュヒットトークンあたり$2/$10/$0.20で、3つのレートすべてでKimi K3より33%低い。
個別の評価結果: