「Kimi-K3.1-Pro」VLMモデル:必要メモリ約1128GB・GGUF版あり

基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | moonshotai/Kimi-K3.1-Pro |
| まとめページ | Kimi-K3.1 のまとめ(記事1本) |
| 公開元のまとめ | Moonshot AI のモデルとライセンスのまとめ |
| 公開日 | 2026-11-02 |
| ライセンス | kimi-k3.1-pro |
| 配布形式 | safetensors |
| 出典の種類 | 公開元の一次情報(公式HFリポジトリの公開情報) |
情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。
概要
Moonshot AIは、オープンウェイトのネイティブマルチモーダル・エージェントモデルである「Kimi K3.1 Pro」を公開しました。これは同社がこれまでに発表した中で最も強力な3Tクラスのモデルとなります。Kimi K3をベースとしており、数百のダウンストリームドメインにわたる大規模な共同強化学習を通じてポストトレーニングが行われています。また、従来のKimi K3と比較して、フルアテンションのGated MLAレイヤーをGated DeepSeek Sparse Attention (Gated DSA) レイヤーに置き換えることで、より効率的な長文コンテキストのモデリングを実現しています。100万トークンのコンテキストウィンドウを備え、コーディング、3D制作、金融リサーチ、事実の正確性、およびその他のエージェント機能において大幅な改善が図られています。
スペック
- アーキテクチャ: Mixture-of-Experts (MoE) (総パラメータ: 2.8T, 活性パラメータ: 104B)
- コンテキスト長: 1048576
性能
公開元の測定によれば、主要なベンチマークにおける性能は以下の通りです(比較対象を絞っています)。
→ 横にスクロールできます
| Benchmark | Kimi K3.1 Pro (max) | GPT-6 Astra (max, w/ fallback) | Claude Opus 5.5 (max, w/ fallback) | DeepSeek-V4.1-Flash-1017 (max) |
|---|---|---|---|---|
| Coding | ||||
| Terminal-Bench 4.0 | 65.7 | 58.2 | 66.4 | 42.3 |
| SWE Marathon v1.1 | 51.7 | 42.5 | 46.3 | 40.0 |
| Program Bench | 31.5 | 50.0 | 65.0 | 29.1 |
| Kimi Code Bench 2.0 (Internal) | 77.1 | — | — | 76.1 |
| Agentic | ||||
| HLE-Full w/ tools | 70.0 | 57.2 | 67.7 | 58.8 |
| BrowseComp | 92.1 | 91.5 | 90.8 | — |
| Agents’ Last Exam (ALL) | 43.2 | 41.8 | 42.6 | 37.7 |
| Automation Bench-AA | 73.3 | 68.5 | 69.5 | 66.6 |
| OSWorld V2.1 | 79.6 | 75.8 | 81.8 | 69.3 |
| Reasoning, Knowledge & Multimodal | ||||
| GDP.pdf | 34.6 | 34.2 | 30.6 | 17.2 |
| HLE-Full | 51.1 | 53.6 | 59.8 | 42.6 |
| HLE-Diamond | 39.4 | 65.8 | 60.9 | 21.6 |
| GPQA-Diamond | 94.2 | 96.1 | 93.9 | 92.2 |
| MMMU-Pro | 84.1 | 86.9 | 87.7 | 80.6 |
| Cyber Security | ||||
| ExploitBench | 74.7 | 100 | 91.0 | — |
公開元の測定によれば、このモデルは科学の難問を解くGPQA-Diamondにおいて94.2という非常に高いスコアを記録しており、専門知識の面で極めて強力です。また、エージェント系のタスクであるBrowseCompでも92.1と高い性能を示しています。一方で、コーディング分野のProgram Benchでは31.5となっており、比較対象のClaude Opus 5.5(65.0)などのモデルと比較すると、この指標においては劣る結果となっています。エージェント(端末操作)を測るTerminal-Bench 4.0では65.7を記録しており、Claude Opus 5.5(66.4)に迫る高い水準にあります。
得意なこと・想定用途
Kimi K3.1 Proは、テキストと画像の両方を扱うネイティブマルチモーダルなエージェントモデルです。100万トークンという非常に長いコンテキストウィンドウを活用し、以下のような高度なタスクへの適性が示されています。
- エージェント機能: コーディング、3D制作、金融リサーチ、および各種エージェントタスクにおいて大幅な改善が図られています。具体的には、ブラウザ操作を伴うBrowseCompや、OSのGUI操作を伴うOSWorld V2.1、さらには自動化タスクを測るAutomation Bench-AAなどで高い性能を発揮します。
- マルチモーダル理解: 画像とテキストを組み合わせた理解に長けており、PDF資料の解析(GDP.pdf)や、グラフ・チャートの解析(CharXiv, ChartoGraphy)、さらには画像理解を問うMMMU-Proなどのベンチマークでも高いスコアを記録しています。
- 高度な推論と専門知識: 科学の難問を扱うGPQA-Diamondにおいて極めて高い精度を示しており、専門的な知識を必要とする推論タスクに向いています。
- サイバーセキュリティ: ExploitBenchなどのベンチマーク結果から、脆弱性の発見やエクスプロイトに関するタスクへの活用も想定されています。
動作環境
動作環境の目安(Local Model Watch 算出)
| 手持ちのVRAM | 選べる量子化 | ファイルサイズ | 必要メモリの目安 |
|---|---|---|---|
| 1128GB超のVRAMが必要(複数GPUまたはCPUオフロードが前提) | Q2_K | 940.0GB | 1128.0GB |
推論エンジンの対応状況(各プロジェクトのソースにあるモデル登録表とアーキテクチャ名を当サイトが機械的に照合。2026-11-17 時点): llama.cpp: 登録あり、vLLM: 登録あり、MLX (mlx-lm): 未登録。「未登録」はその時点の登録表に名前が無いという意味で、動かないことの断定ではありません。
必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 ファイルサイズは変換版 DevQuasar/moonshotai.Kimi-K3.1-Pro-GGUF の配布ファイルの実測値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。
手元で動かせるか
Ollama・LM Studio・llama.cpp で動かせます(変換版を利用)。
公開元の配布は safetensors ですが、DevQuasar/moonshotai.Kimi-K3.1-Pro-GGUF が GGUF版を公開しているため、そちらを使えば手元で動きます。
ライセンス kimi-k3.1-pro: 公開元の独自ライセンスです。商用利用の可否を含め、条件は公開元の原文を直接確認してください。
配布形式・当サイトが見つけた変換版・各推論エンジンの登録表を突き合わせた判定です。「確認できていない」は当サイトが見つけていないという意味で、存在しないことの断定ではありません。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。
当サイトでの実測
ライセンスの都合で行っていない実測
このモデルのライセンス(kimi-k3.1-pro)の商用利用の条件を、当サイトが満たしていることを確認できていません。広告を掲載している当サイトでは、ライセンスの都合上、モデルを動かす実測(CPU での実行・回答・量子化の比較・変換・生成)は行っていません。
入手方法
- 配布形式: safetensors
- 推奨される推論エンジン:
- vLLM – SGLang – TokenSpeed
Kimi K3.1 ProのAPIは、https://platform.kimi.ai から kimi-k3.1-pro を選択することで利用可能です。また、OpenAIやAnthropicと互換性のあるAPIも提供されています。
派生版・量子化版
→ 横にスクロールできます
| 追記日 | 配布元 | 形式 | リポジトリ | 最小のVRAM階層(量子化・必要メモリの目安) |
|---|---|---|---|---|
| 2026-11-11 | nvidia | NVFP4 | nvidia/Kimi-K3.1-Pro-NVFP4 | – |
| 2026-11-17 | DevQuasar | GGUF | DevQuasar/moonshotai.Kimi-K3.1-Pro-GGUF | Q2_K 1128.0GB(単体のGPUには収まらない) |
各リポジトリの量子化とファイルサイズ:
- DevQuasar/moonshotai.Kimi-K3.1-Pro-GGUF の量子化: Q2_K 940.0GB / MXFP4 1405.3GB
このほか、上記以外の投稿者による変換版が 21 件あります(当サイトは公開元自身と、実績のある量子化担当の配布だけを表に載せています)。
この節は、記事公開後に見つかった変換版を当サイトが機械的に追記したものです。必要メモリは配布ファイルのサイズから算出した概算です。 量子化の名前の読み方は用語集にあります。
関連記事
- 「Ling-3.0-flash-Sante-fp8」医療分野に特化した大規模言語モデル:必要メモリ約144GB
- 「Ling-3.1-flash-1019」テキスト生成モデル:必要メモリ約641GB・GGUF版あり
- 「Nanbeige4.3-33B」コーディング・エージェント向け33Bモデル:必要VRAM 12GB〜・GGUF版あり
- Xing4.0-29B-A4BのW8A8量子化版「Xing4.0-29B-A4B-w8a8」公開
次に読むなら
- GPUのVRAMから探す(このモデルは80GBの階層にも収まりません。最小構成でも約1128GB) → 80GB超のモデルも並べたVRAM別の早見表
- 同じモデル系統を調べる → Kimi-K3.1 系統のまとめ(記事1本・変換版2件)
- このモデルを動かすエンジンを調べる → llama.cpp / Ollama / vLLM
- 入手できる形式と、表に出てくる Q2_K の意味を知る → GGUF形式の解説と対応モデル / NVFP4・MXFP4形式の解説と対応モデル / 量子化・モデル形式の用語集
- 公開元について調べる → Moonshot AI のモデル・ライセンス・記事のまとめ
出典
更新履歴
- 2026-11-17: 変換版を「派生版・量子化版」に追記しました: DevQuasar/moonshotai.Kimi-K3.1-Pro-GGUF
- 2026-11-17: 動作環境の表を DevQuasar/moonshotai.Kimi-K3.1-Pro-GGUF の実ファイルサイズで更新しました。
- 2026-11-17: タイトルを、記事で分かる内容(必要VRAM・配布ファイル等)を示す形に変更しました。

