Fireworksは、Moonshot AIのKimi K3.1 Proが正式に利用可能になったと発表した。同社はこのモデルを「1ドルあたりにより多くの知能を、より速く提供する」と位置づけ、実際の生産環境を想定した複数のベンチマークで高いコストパフォーマンスを発揮すると強調している。
Kimi K3.1 ProはKimi K3からポストトレーニングされたモデルで、最も大きなアーキテクチャ上の変更は、K3の全アテンション層をスパースアテンションに置き換えた点にある。これにより長いコンテキストの推論提供がより効率的になる。主な仕様は次の通り。テキストとビジョンの両モダリティに対応し、総パラメータ数は2.78兆、トークンあたりのアクティブパラメータは1040億。入力コンテキスト長は1040kトークンに達し、エキスパート数は896でトークンあたり16がアクティブになる。アテンションにはKimi Delta AttentionとGated DeepSeek Sparse Attentionを採用している。
Fireworksは独自の「Specialized Intelligence Index（SII）」でこのモデルを評価した。これらのベンチマークはSierra、Harvey、Rogoなどが自社の生産環境で使用するモデルを選ぶために構築したものだ。Sierraのτ³-Bankingは、データベースツールを使いながら銀行のポリシーに従って顧客対応を行うタスクで、K3.1 Proは64.7%を記録し19モデル中1位、Claude Opus 5.5を8.7ポイント上回った。
他の領域でもK3.1 Proは安定した性能を示す。FactoryのLegacy BenchはCOBOL、Fortran、Java 7のコードベースを保守するタスクで、61.0%を記録して14モデル中3位、かつ最高スコアのオープンモデルとなった。HarveyのLAB法律ベンチマークでは15.4%で13モデル中2位となり、Grok 4.6に次ぐ成績だった。RogoのBig Finance Benchmarkでは48.2%でClaude Opus 5.5と並んだ。
TraversalのORCAは、トレースやログ、メトリクスから本番インシデントの根本原因を特定するタスクで、K3.1 Proは32.9%を記録し13モデル中3位、最高スコアのオープンモデルとなった。しかもタスクあたりのコストは、上位2モデルのいずれかの5分の1未満だ。EpiqのCorporateBench企業法務ベンチマークでは76.9点で12モデル中4位となり、こちらも最高のオープンモデルである。全体として、これら5つのベンチマークでK3.1 Proは品質とコストのフロンティア上に位置しており、より高いコストをかけずにより高いスコアを出すモデルは存在しない。
前世代のKimi K3と比較すると、新バージョンは複数のベンチマークで明確に向上している。τ³-Bankingは51.5%から64.7%へ13.2ポイント上昇、Legacy Benchは52.7%から61.0%へ8.3ポイント上昇、Big Finance Benchmarkは41.3%から48.2%へ6.9ポイント上昇した。CorporateBenchは72.4点から76.9点へ4.5点、ORCAは31.2%から32.9%へ1.7ポイント改善している。
Moonshot自身の評価でも、最大推論強度における性能が示されている。長期的なコーディングでは、K3.1 ProはSWE Marathon v1.1で51.7を記録し、Claude Opus 5.5（46.3）、Claude Fable 5.1（45.6）、GPT-6 Astra（42.5）を上回った。エージェント型リサーチでは、ツールを使うHumanity’s Last Examで70.0、BrowseCompで92.1を記録し、いずれもMoonshotの比較で最高スコアとなった。オフィス作業ではOfficeQA Pro v2で64.4、Artificial AnalysisのAutomation Benchで73.3を記録し、Claude Opus 5.5の62.2と69.5を上回っている。Moonshotは、コーディングにClaude Codeを含む各種ハーネスを用いて評価し、競合モデルのスコアの多くは公開レポートやリーダーボードから取得したと説明している。
価格は標準サーバーレスで100万トークンあたり、未キャッシュ入力が2.00ドル、キャッシュ入力が0.20ドル、出力が10.00ドル。開発者はFireworksのプレイグラウンドで試すか、モデルID accounts/fireworks/models/kimi-k3p1-proで呼び出せる。