Kimi K3.1 ProがArtificial Analysis Intelligence Indexで55点を獲得し4位で登場

Moonshotは推論モデル「Kimi K3.1 Pro」をリリースした。Artificial Analysis Intelligence Indexで55点を記録し4位に位置し、Kimi K3から11点向上した。GDPval-AAで1,846 Elo、Terminal-Bench 4.0で67%などエージェント性能が大幅に向上しており、重み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る見込み。100万トークンのコンテキストウィンドウ、総パラメータ2.8兆、アクティブパラメータ104Bを備え、価格は100万入力/出力/キャッシュヒットトークンあたり2ドル/10ドル/0.20ドル。
イベントのバージョン 1.
Key insights
Intelligence Indexで4位
Kimi K3.1 ProはArtificial Analysis Intelligence Indexで55点を記録し、Kimi K3の44点から11点向上した。58点のClaude Opus 5.5、56点のClaude Sonnet 5.5、56点のMuse Wonder Fullに次ぐ。
エージェント性能の向上
Kimi K3.1 ProはGDPval-AAで1,846 Eloを記録し、Kimi K3から312 Elo向上してClaude Opus 5.5とMuse Wonder Fullに次ぐ3位となった。Terminal-Bench 4.0では67%と全モデル中最高スコアを達成し、Kimi K3の13%から大幅に向上。AutomationBench-AAも58%から73%に上昇した。
その他の評価での緩やかな向上
Humanity's Last Examは47%から52%、CritPtは23%から25%、SciCodeは59%から61%に上昇した。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、正確性は48%から51%に向上した。
価格とタスクあたりコスト
タスクあたりコストはKimi K3とほぼ同等の1.98ドルで、K3.1 ProはIntelligence Indexタスクあたり55K出力トークンを使用するのに対しKimi K3は48Kだった。ファーストパーティのトークン価格は100万入力/出力/キャッシュヒットトークンあたり2ドル/10ドル/0.20ドルで33%低い。
オープンウェイトとの差が縮小
K3.1 Proの重みが公開されれば、最高スコアのオープンウェイトモデルとなり、Intelligence Indexにおけるトップ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点から3点に縮小する。重みは現在未公開。