まず結論から：Kimi K3.1 Pro は、Moonshot（Kimi）が 2026 年 10 月 23 日に発表したフラッグシップの MoE モデルです。 公式価格は 100 万 tokens あたり入力 $2、出力 $10（高速版は $4/$20）、コンテキストは 1,048,576 tokens、総パラメータは約 2.8T、アクティブは約 104B です。Artificial Analysis のインテリジェンス指数は約 55 で、Opus 5.5、Sonnet 5.5、Muse Wonder Full に次ぐ順位です。Terminal-Bench 4.0 はサードパーティ測定で約 67%、公式の自社評価（Claude Code harness）では 65.7% でした。
本記事の数値は 2026-10-24 時点のもので、Kimi 公式の リリースブログ、プラットフォーム料金表、クイックスタート、および Artificial Analysis の記事、OpenRouter のモデルページに基づいています。サードパーティのランキングは変動するため、元のページを正としてください。サードパーティの評価が増えたら、本記事を更新します。
K3.1 Pro とは
公式の説明のポイント：
- 2026 年 10 月 23 日に正式リリース。次世代 Kimi のフラッグシップと位置づけ
- 総パラメータ約 2.8T、アクティブ約 104B の MoE
- コンテキストは 1M。入力はテキスト・画像・動画に対応し、出力はテキスト
- 思考は常にオンで、
reasoning_effortをlow/high/maxに設定できます（デフォルトはmax） - 提供モデルは通常版
kimi-k3.1-proと高速版kimi-k3.1-pro-highspeed - ウェイトは 2026 年 11 月 4 日までに公開すると約束しています（2026-10-24 時点では未公開）
- API は OpenAI と Anthropic のスタイルに対応。エンドポイントは
https://api.moonshot.ai/v1
前世代の kimi-k3と比べて公式価格が安く（K3 は $3/$15）、長期コーディングやオフィス QA などの自社評価項目でより高いスコアを示しています。
スペック早見表
| 項目 | 公式の説明 |
|---|---|
| モデル名（Moonshot API） | kimi-k3.1-pro / kimi-k3.1-pro-highspeed |
| コンテキスト | 1,048,576 tokens |
| パラメータ | 総計約 2.8T / アクティブ 104B（MoE） |
| 入力モダリティ | テキスト、画像、動画 |
| 出力 | テキスト |
| 思考 | 常にオン。reasoning_effort: low / high / max（デフォルトは max） |
| プロトコル | OpenAI 互換、Anthropic 互換 |
公式価格
単位は 100 万 tokens あたり（MTok）、料金ページの確認日は 2026-10-24、コンテキスト長による段階料金はありません。
| モデル | 入力 | 出力 | Cache Write | Cache Hit |
|---|---|---|---|---|
| kimi-k3.1-pro | $2.00 | $10.00 | $2.00 | $0.20 |
| kimi-k3.1-pro-highspeed | $4.00 | $20.00 | $4.00 | $0.20 |
| kimi-k3（比較用） | $3.00 | $15.00 | $3.00 | $0.30 |
OpenRouter では moonshotai/kimi-k3.1-proも呼び出せます。具体的な料金は、その時点の OpenRouter のページに従ってください。
ベンチマーク評価
公式の自社評価（公式と表記）
Kimi のリリースブログに基づく数値です。公式の主張として読んでください：
| ベンチマーク | K3.1 Pro（公式） | 備考 |
|---|---|---|
| Terminal-Bench 4.0 | 65.7% | Claude Code harness |
| Kimi Code Bench 3.0 Long-horizon | 61.2% | K3 の 55.95% と比較 |
| BenchCAD（ツールあり） | 92.7% | 公式の自社評価 |
| OfficeQA Pro v2 | 64.4 | 公式の自社評価 |
| Hallu Bench Hard（claim-level） | 8.3% | K3 の 23.4% と比較。社内ストレステスト |
サードパーティ：Artificial Analysis / OpenRouter
| 指標 | 数値（2026-10-24 確認） | 出典 |
|---|---|---|
| Intelligence Index | 55（記事）/ 約 55.1（OpenRouter 埋め込み） | AA の記事、OpenRouter |
| おおよその順位 | AA の記事では約 4 位、OpenRouter 埋め込み時点では約 3/352 位 | ランキングは変動します |
| 比較 | Opus 5.5（58）、Sonnet 5.5（56）、Muse Wonder Full（56）を下回る | AA の記事 |
| Terminal-Bench 4.0 | 約 67% | AA。公式の自社評価 65.7% より高い |
| GDPval-AA | 約 1,846 Elo。OpenRouter では約 67.3% と表示 | AA / OpenRouter |
| AutomationBench-AA | 約 73%（K3 は約 58%） | AA の記事 |
| HLE | 約 52%（OpenRouter では約 52.5%） | AA / OpenRouter |
| AA-Omniscience Index | 約 30（正答率約 51%、ハルシネーション約 44%） | AA |
| 1 タスクあたりのコスト規模 | 約 $1.98–$2.11 | AA の記事 |
読み取り時の注意： 公式の Terminal-Bench と AA には約 1.3 ポイントの差があります。harness やサンプリングの違いでよく起こるため、両方の数値を明記しておけば十分です。知識系のハルシネーションは AA-Omniscience でも依然として低くないので、事実を問う用途では検証を加えることをおすすめします。
長所・短所と向いている場面
向いているケース：
- 長いコンテキストの Agent / 複数ファイルにわたるコーディング、ターミナル系タスク（Terminal-Bench で好成績）
- フラッグシップより安価で「実際に仕事をこなせる」モデルが欲しい場合（Opus の同クラスより価格が低い）
- すでに Moonshot / OpenRouter を利用していて、OpenAI または Anthropic 互換プロトコルが必要なプロジェクト
あまり向かない / 注意が必要なケース：
- 検証なしの事実を問う用途（AA のハルシネーション率は依然として高め）
- デフォルトの
reasoning_effort=maxは処理が遅く、token 消費も増えます。簡単なタスクでは意識的に下げてください：low/high - ローカル / オープンウェイトでのデプロイが必要な場合：ウェイトは 11 月 4 日までに公開すると約束されていますが、執筆時点では未公開です
接続方法
Moonshot 公式 API
curl https://api.moonshot.ai/v1/chat/completions \
-H "Authorization: Bearer $MOONSHOT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3.1-pro",
"messages": [{"role": "user", "content": "你好"}],
"reasoning_effort": "high"
}'
高速版では model を kimi-k3.1-pro-highspeedに置き換えます。Anthropic 互換エンドポイントも使えます。詳細は公式クイックスタートを参照してください。
OpenRouter
モデル id：moonshotai/kimi-k3.1-pro。
AI Code With
2026-10-24 時点で、サイトのカタログにはすでに kimi-k2.6、kimi-k2.7-code、kimi-k3が登録されています。一方、未登録なのは kimi-k3.1-proです。登録され次第、ここにモデル id と呼び出し方法を追記します。
出典の確認
確認日：2026-10-24（Asia/Shanghai）
