著者注：Kimi K3.1 Pro のオープンウェイトを入手したら、まずライセンスが自分の用途を制約するかどうかを判断し、次に 1.56 TB のウェイトをセルフデプロイする際のハードルを見積もりましょう。本記事では、この2点をシナリオ別に判断する方法を紹介します。
2026年11月4日、Moonshot は Hugging Face で Kimi K3.1 Pro の完全なオープンウェイトを公開しました。この日付は、10月23日にアプリと API で同モデルを提供開始した際に約束されていたものです。リポジトリ moonshotai/Kimi-K3.1-Pro は誰でもダウンロードでき、申請のハードルは設けられていません。企業のチームがウェイトを入手すると、まず次の2つを疑問に思うのが普通です。自分たちの使い方でライセンス制限に抵触しないか？ セルフデプロイにはどれだけのリソースが必要か？
これは「オープンウェイト＝自由に商用利用できる」という楽観的な解説ではありません。ライセンスには、金額とユーザー数にしきい値を設けた2つの商用条件があり、それぞれの適用対象は異なります。セルフデプロイの面では、ウェイトファイルだけで 1.56 TB あり、ハードルは決して低くありません。
この記事のポイント：この記事を読み終えると、2つのライセンス条件がそれぞれ誰を拘束するのかを区別でき、社内利用がこの2つの条件の対象外であることを確認できます。さらに、ウェイトの規模、精度フォーマット、推奨される推論フレームワークをもとに、セルフデプロイの実現可能性をおおまかに判断できるようになります。
Kimi K3.1 Pro オープンウェイトの核心ポイント
まず、今回のリリースで企業の意思決定に最も関わる情報を表にまとめます。
| ポイント | 内容 | 意思決定への意味合い |
|---|---|---|
| 公開タイミング | 10月23日にAPI提供開始、11月4日に重みを公開 | 約束した日付どおりに履行、間隔は12日 |
| ライセンス | Kimi K3のライセンスと一字一句同じで、名称だけを変更 | K3を評価済みのチームは法務上の結論をそのまま流用できる |
| 自由な権利 | 使用、変更、ファインチューニング、再配布がいずれも無料 | 社内導入ではライセンス上の障壁はほぼない |
| 2つの商業条件 | モデルサービスを外部に販売する高収益企業は別途契約が必要／超大規模製品では明確なクレジット表記が必要 | 影響を受けるのはごく一部の大規模な対外事業のみ |
| 重みのサイズ | safetensors 96シャード、合計1.56 TB | マルチノード・マルチGPU級のデプロイ能力が必要 |
| 精度フォーマット | MXFP4の重み + MXFP8のアクティベーション、量子化を考慮したトレーニング | 公式サービスで使われているネイティブ精度そのもの |
Kimi K3.1 Pro リリースの背景を詳しく
ArtificialWatchの集計によると、7月から11月初旬にかけて、AIラボがリリース時にオープンウェイトの公開日を明示的に約束したのは5回あり、5回とも期限どおりに履行されました。API提供開始から重み公開までの間隔は0〜25日で、中央値は12日です。Moonshotはそのうち2回を占めており、Kimi K3とKimi K3.1 Proはいずれも提供開始から12日目に重みを公開しました。自社デプロイを事前に計画する必要があるチームにとって、これは参考になるリズムのシグナルです。
モデル自体はKimi K3をベースにポストトレーニングしたもので、アーキテクチャの変更は1点だけです。従来のフルアテンション層をGated DeepSeek Sparse Attention層に置き換え、長いコンテキストの計算コストを下げることを狙っています。現在は全93層で、うち69層がKDA、24層がGated DSAです。総パラメータ数は2.8兆、トークンあたり1,040億をアクティベートし、コンテキスト長は1,048,576トークン、テキストと画像の入力に対応します。
Kimi K3.1 Pro ライセンス条件の逐条解説
このライセンスが既定で認めている権利の範囲は比較的広く、使用・改変・微調整・再配布はいずれも無料です。制限は2つの追加条件からのみ生じており、しかもその2つが対象とする主体は異なるため、分けて考える必要があります。
条件一：モデルへのアクセスを外部に販売する企業
1つ目の条件は、「モデルへのアクセスをサービスとして販売する」企業を対象にしています。典型的な形は API の提供です。こうした企業が任意の12か月間で売上高2,000万ドルを超えた場合、商用利用の前に Moonshot と個別に契約を結ぶ必要があります。ここで押さえたいキーワードは2つあります。ひとつは「モデルへのアクセスの販売」であること、もうひとつは「任意の12か月」というローリングウィンドウで、暦年単位では計算されないという点です。
契約の具体的な条項については現在公開されている資料がなく、費用・収益分配の方法・承認フローはいずれも不明です。また原文における「収益」の定義にも解釈の余地があります。会社全体の売上高を指すのか、それともモデルサービス部分の売上高を指すのか、という点です。自社のビジネスがこの基準に近づいている場合は、二次的な解説に頼らず、法務部門が LICENSE 原文と直接照合して判断することをおすすめします。
条件二：超大規模プロダクトにおける表示義務
2つ目の条件はプロダクトの規模を対象にしています。月間アクティブユーザーが1億人を超える、または月間売上高が2,000万ドルを超えるプロダクトには、「Kimi K3.1-Pro」という表記を目立つ形で示すことが求められます。この条項は表示のみを求めるもので、別途契約は不要です。ここでの売上高基準は「月」単位で計算され、条件一の「12か月」とは基準が異なる点に注意してください。コンプライアンスチェックリストを作成する際に混同しやすい部分です。
Kimi K3.1 Pro ライセンスのケース別対照表
以下の判断は、公開報道によるライセンスの解説を整理したものです。正式に商用利用する際は、必ず LICENSE 原文と法務部門の見解を優先してください。
| 利用シーン | 条件一（別途契約）に該当するか | 条件二（顕著な表示）に該当するか | 判断のポイント |
|---|---|---|---|
| 社内利用（ナレッジベース、社内アシスタント、開発ツール） | いいえ | いいえ | 資料には2つの条件はいずれも社内利用には適用されないと明記されています |
| 社内で微調整したうえで自社利用 | いいえ | いいえ | 微調整は無料の権利範囲に含まれます |
| 外部への API 提供、直近12か月の売上高が2,000万ドル以下 | いいえ | プロダクト規模により異なる | ローリング12か月の売上高を継続的にモニタリングする必要があります |
| 外部への API 提供、任意の12か月で売上高が2,000万ドル超 | はい | プロダクト規模により異なる | 商用利用の前に必ず契約を締結する必要があります |
| C 向けプロダクト、月間アクティブユーザー1億人超または月間売上高2,000万ドル超 | モデルアクセスを販売するかによる | はい | プロダクト内にモデル名を目立つ形で表示する必要があります |
| 微調整後の重みを再配布 | いいえ | いいえ | 再配布は無料ですが、付随する義務は LICENSE で確認してください |
Kimi K3.1 Pro のセルフデプロイ難易度評価
ライセンスに障壁がないからといって、チームがすぐにデプロイできるとは限りません。下表はモデルカードと公開報道にあるデプロイ関連の仕様をまとめたものです。
| 項目 | 値 | デプロイ上の意味 |
|---|---|---|
| 重みファイル | safetensors シャード 96 個、合計 1.56 TB | Kimi K3 と同じ規模で、ダウンロードとストレージを個別に計画する必要がある |
| 総パラメータ数 / 活性化パラメータ数 | 2.8 兆 / トークンあたり 1,040 億 | MoE 構造のため 1 回の計算量は総パラメータ数よりはるかに少ないが、すべての重みをロードする必要がある |
| 重みと活性化の精度 | 重み MXFP4、活性化 MXFP8 | 推論フレームワークとハードウェアがこの 2 形式に対応している必要がある |
| コンテキスト長 | 1,048,576 トークン | 長いコンテキストは KV Cache の使用量を大幅に増やす |
| アテンション構造 | 69 層の KDA + 24 層の Gated DSA | 新たに追加されたスパースアテンション層にはフレームワーク側の対応が必要 |
| 入力モダリティ | テキスト + 画像 | マルチモーダルの前処理パイプラインもデプロイが必要 |
| 推奨推論フレームワーク | vLLM、SGLang、TokenSpeed | モデルカードが推奨するフレームワークを優先して選ぶ |
MXFP4 量子化認識トレーニングがデプロイ精度に与える意味
ここが最も誤解されやすいポイントです。モデルカードの説明によると、Kimi K3.1 Pro はトレーニング段階から MXFP4 の重み、MXFP8 の活性化で処理しており、いわゆる量子化認識トレーニング（QAT）です。つまり 1.56 TB のファイルは、トレーニング完了後に圧縮して作った「縮小版」ではなく、Moonshot 自身が対外サービスを提供する際に使っている精度そのものです。
これには 3 つの実務的な意味があります。
- セルフデプロイの精度は公式サービスと一致：フレームワークがこれらの形式を正しくサポートしていれば、理論上「セルフデプロイ版が公式 API より劣る」という量子化損失は発生しません。
- より高い精度への逆量子化は推奨しない：重みを BF16 などの形式に変換しても追加の能力が戻るわけではなく、むしろ VRAM 要件が倍増します。
- ハードウェアとフレームワークの互換性が鍵：MXFP4/MXFP8 は推論フレームワークとアクセラレータのサポートが必要なので、選定時にはフレームワークのバージョンがこのモデルに対応済みかを確認してください。
Kimi K3.1 Pro のハードウェア規模の試算
公開情報には公式のハードウェア構成の推奨やコストデータが示されていないため、以下はファイルサイズに基づく試算にすぎません。重みをロードするだけで 1.56 TB を超える合計 VRAM が必要で、さらに KV Cache、活性化値、フレームワークのオーバーヘッドが加わるため、実際の要件はもっと大きくなります。100 万トークンのコンテキストをフルに使うとなれば、要件はさらに膨らみます。つまり単一マシン・単一 GPU の構成はほぼ不可能で、チームにはマルチ GPU、さらにはマルチノードでのテンソル並列やエキスパート並列のデプロイ経験が求められます。具体的な GPU の種類、枚数、コストについては、推論フレームワークの公式デプロイドキュメントを参照し、小規模な負荷テストの結果を基準にすることをおすすめします。
なお、Moonshot は同時期に 2〜3 倍高速だと謳う Kimi K3.1 Pro Highspeed も公開していますが、現時点で独立したチェックポイントかどうかは明らかではなく、Hugging Face にも対応するリポジトリはありません。オープンウェイトで Highspeed の速度を再現したいチームは、公式のさらなる説明を待つ必要があります。
Kimi K3.1 Pro クイックスタートガイド
重みのサイズが非常に大きいため、「まず能力を検証し、そのうえで自社デプロイするかどうかを決める」という順序で進めることをおすすめします。ハードウェア購入に早い段階で投資してしまう事態を避けられます。
ステップ1：API で Kimi K3.1 Pro の能力を検証する
1.56 TB 規模のデプロイリソースに投資する前に、まず API で自社の業務サンプルを流してみるのが、最もコストの低い検証方法です。具体的には次のように進めます。
- 実際の業務サンプルを50〜200件用意し、長文ドキュメント、テキストと画像の混在、コードといった典型的な入力をカバーします。
- OpenAI 互換インターフェース経由でモデルを呼び出し、
modelパラメータにプラットフォームが提供する Kimi K3.1 Pro のモデル名を設定して、出力品質とレイテンシを記録します。 - 同時に1〜2個の代替モデルで同じサンプルを実行し、横並びの比較データを作ります。
🚀 クイックスタート：APIYI apiyi.com は OpenAI と Anthropic の2種類のインターフェース形式に対応した統一的な呼び出しを提供しており、既存の SDK は
base_urlと APIキーを差し替えるだけで接続できます。Kimi K3.1 Pro がすでに提供されているかどうか、および対応するモデル名については、価格ページ https://docs.apiyi.com/models のリストをご確認ください。接続パラメータはドキュメントセンター docs.apiyi.com に記載されています。
ステップ2：Kimi K3.1 Pro の自社デプロイ前チェックリスト
能力検証を通過し、本当に自社デプロイのニーズがあると確認できたら、以下のチェックリストを項目ごとに確認していきます。
- コンプライアンス確認：上記のシナリオ表と照らし合わせ、業務が内部利用なのか外部向けサービスなのかを確認し、法務に LICENSE 原文のレビューを依頼します。
- ストレージとダウンロード：少なくとも 1.56 TB の高速ストレージを用意し、96個のシャードのダウンロードと完全性検証を計画します。
- フレームワーク選定：vLLM、SGLang、TokenSpeed の中から1つを選び、現在のバージョンが Gated DSA 層と MXFP4/MXFP8 形式に対応していることを確認します。
- コンテキストの計画：業務の実際のニーズに応じて最大コンテキストを設定します。デフォルトで100万トークンまで開く必要はなく、KV Cache を節約できます。
- 負荷テストと回帰テスト：ステップ1で蓄積したサンプルを使って比較テストを行い、自社デプロイの出力が API の結果と一致することを確認します。
Kimi K3.1 Pro の自社デプロイと API 呼び出しの比較
| 観点 | 自社デプロイ（オープンウェイト） | API 経由の呼び出し |
|---|---|---|
| 初期投資 | 高コスト。マルチノード・マルチ GPU とストレージが必要 | 低コスト。呼び出し量に応じた従量課金 |
| データ管理 | データは完全に社内ネットワーク内に留まる | データをサービス提供者へ送信する必要がある |
| ライセンスの影響 | 内部利用であれば2つの条件には縛られない | 外部向けサービスのコンプライアンス義務はサービス提供者が負う |
| 導入スピード | 数週間のデプロイとチューニングが必要 | 当日中に接続可能 |
| 運用要件 | 専任の推論運用担当者が必要 | ほぼ運用不要 |
| 適するフェーズ | 大規模化・高いコンプライアンスが求められる場面 | 能力検証・中小規模の業務 |
| 利用可能なチャネル | Hugging Face moonshotai/Kimi-K3.1-Pro |
Moonshot 公式 API；APIYI apiyi.com（提供状況はモデルリストをご確認ください） |
💰 コストについて：API 呼び出しの入力・出力単価やキャッシュ価格などの課金基準は、APIYI 価格ページ https://docs.apiyi.com/models のリアルタイムデータをご確認ください。本記事では検証していない価格数値は提示しません。Moonshot 公式 API の価格についても、同社の公式発表をご確認ください。
Kimi K3.1 Pro のランキングデータをどう読み解くか
公開報道によれば、Kimi K3.1 Pro は現在「最も順位の高いオープンウェイトモデル」とされています。この表現には明確な統計上の基準があり、評価にあたっては能力に関する結論ではなく、参考シグナルとして扱うべきです。
| 指標 | 数値 | 統計上の基準 |
|---|---|---|
| ArtificialWatch Bench Index | 69.9、44 モデル中 11 位 | 採点を行っているすべての公開リーダーボードでパーセンタイルを算出し、その中央値を採用。オープンソースとクローズドソースのモデルを混在させて順位付け |
| オープンウェイトモデル内での位置 | 1 位 | DeepSeek V4.1 Flash（68）をわずかに上回る |
| Coding Index | 45.1、45 モデル中 21 位 | コーディング系のリーダーボード。他のオープンモデル 4 つより下位 |
注意すべき点は 3 つあります。1 つ目は、中央パーセンタイルが示すのは複数のリーダーボード上でのモデルの「相対的な位置」であり、特定のタスクにおける絶対的な能力に対応するものではないということです。2 つ目は、69.9 と 68 の差は非常に小さく、あなたの業務において両者に明らかな違いがあると示すには不十分だということです。3 つ目は、Kimi K3.1 Pro は総合順位こそかなり上位ですが、コーディング指数は相対的に低めなので、コード生成を主とするチームは専用の評価を重点的に行うべきだということです。
よくある質問（FAQ）
Q1：Kimi K3.1 Pro のオープンウェイトは無料で商用利用できますか？
ほとんどの場合、可能です。使用・変更・ファインチューニング・再配布はいずれも無料で、追加の対応が必要になるのは次の2つのケースだけです。モデルへのアクセスを外部に販売し、任意の12か月間の売上が2,000万ドルを超える企業は別途契約が必要になります。また、月間アクティブユーザーが1億人を超える、あるいは月間売上が2,000万ドルを超える製品には、目立つ形でのクレジット表記が求められます。
Q2：Kimi K3.1 Pro のライセンスは Kimi K3 とどう違うのですか？
ArtificialWatch が2つの文書を逐語的に比較したところ、ライセンスの内容はまったく同じで、名称だけが変わっているとのことです。すでに K3 のコンプライアンス評価を完了しているチームは、その結論をそのまま流用できますが、法務による簡単な再確認を一度行っておくことをおすすめします。
Q3：企業の内部に Kimi K3.1 Pro を導入すると、ライセンス制限に触れますか？
触れません。資料には、2つの商用条件はいずれも内部利用には適用されないと明記されています。社内ナレッジベース、研究開発アシスタント、データ分析といった用途では、そのまま使用・ファインチューニングできます。
Q4：Kimi K3.1 Pro のセルフデプロイにはどんなハードウェアが必要ですか？
公式は具体的な構成やコストを公表していません。重みだけで 1.56 TB あり、KV キャッシュを加えるとさらに要求が高くなるため、マルチGPUやマルチノードのクラスタが必要になり、推論フレームワークも MXFP4/MXFP8 形式に対応している必要があります。まずは APIYI apiyi.com などの API 経由で業務上の効果を検証してから、ハードウェアへの投資を判断することをおすすめします。
Q5：API から Kimi K3.1 Pro を手早く呼び出すには？
Moonshot の公式 API を使う方法と、アグリゲーションプラットフォームを使う方法があります。APIYI は OpenAI および Anthropic のインターフェース形式と互換性があるため、既存コードの変更はごくわずかで済みます。接続方法は docs.apiyi.com をご覧ください。モデルがすでに公開されているかどうか、および課金体系は https://docs.apiyi.com/models を基準にしてください。
Q6：Kimi K3.1 Pro Highspeed 版はセルフデプロイできますか？
現時点では不明です。Moonshot は Highspeed が独立した checkpoint なのかを明らかにしておらず、Hugging Face にも対応するリポジトリがありません。現在ダウンロードできるのは標準版 `moonshotai/Kimi-K3.1-Pro` のみです。
Q7：Kimi K3.1 Pro にはどのような既知の制限がありますか？
主に4点あります。セルフデプロイのハードルが高く、公式の構成推奨もないこと。「別途契約」条項の内容が公開されていないこと。コーディング指数が他の4つのオープンモデルより下位にあること。Highspeed 版の入手可否が不明であること。これらの領域が業務に関わる場合は、評価に必要な時間をあらかじめ確保しておきましょう。
Kimi K3.1 Pro の核心ポイント Key Takeaways
- 約束どおりの日程で公開：11月4日に重みを公開。API 提供開始から12日後のことで、リポジトリには申請のハードルがありません。
- ライセンスは寛容：使用・変更・ファインチューニング・再配布はすべて無料で、内容は K3 のライセンスと一字一句同じです。
- 2つの条件は対象が異なる：1つは高収益のモデルサービス事業者向け、もう1つは超大規模プロダクト向けです。
- 内部利用は制限なし：2つの商業条件はいずれも、企業内部のユースケースには適用されません。
- ネイティブ MXFP4 精度：量子化認識トレーニングを採用しており、セルフデプロイ時の精度は公式サービスと一致します。
- ハードルはハードウェア：1.56 TB の重みにはマルチノード・マルチ GPU が必要で、公式は構成の推奨を示していません。
- まず検証してからデプロイ：APIYI apiyi.com 経由で業務サンプルを使い効果を検証すれば、初期投資のリスクを抑えられます。
まとめ
Kimi K3.1 Pro のオープンウェイト化における核心ポイントは次のとおりです。
- ライセンスの判断：自社内利用なのか、外部向け API なのか、大規模な C 向けプロダクトなのかをまず確認し、そのうえで2つの商業条件と照らし合わせます。多くの企業にとって、内部利用は影響を受けません。
- デプロイのハードル：1.56 TB の MXFP4 重みは公式サービスにおけるネイティブ精度です。難しさはマルチノード・マルチ GPU のリソースとフレームワークへの適応にあります。
- ランキングの見方：Bench Index の 69.9 は複数のベンチマークにおける中位パーセンタイルをまとめた値で、あくまで参考シグナルにすぎません。コーディングのシーンでは別途評価が必要です。
多くのチームにとって、より堅実な方法は、まず API で業務サンプルを動かし、効果と呼び出し量を確認してから、セルフデプロイにリソースを投じる価値があるかを評価することです。APIYI apiyi.com の統一インターフェースを使えば、複数モデルの比較検証をスムーズに進められます。料金は https://docs.apiyi.com/models を参照してください。
📚 参考資料
- ArtificialWatch – Kimi K3.1 Pro オープンウェイト公開の報道：重みファイル、ライセンス、ランキング分析
- リンク：
artificialwatch.com/wire/kimi-k3-1-pro-open-weights-out -
説明：シャード数、精度形式、ライセンス条件、Bench Index のデータを収録
-
ArtificialWatch – オープンウェイト公約の履行統計：7月以来の各ラボによるオープンウェイト公開のタイムライン
- リンク：
artificialwatch.com/wire/open-weights-promises-five-for-five -
説明：ベンダーがオープンウェイトを公開するペースを判断する材料になる
-
Hugging Face – Kimi K3.1 Pro モデルリポジトリ：モデルカード、LICENSE 原文、重みファイル
- リンク：
huggingface.co/moonshotai/Kimi-K3.1-Pro - 説明：ライセンス条項はここの LICENSE 原文を基準とする
作者：APIYI テクニカルチーム
技術交流：APIYI 公式サイト apiyi.com からお気軽にお問い合わせください。接続ドキュメントは docs.apiyi.com、モデルと価格は docs.apiyi.com/models をご覧ください。
