Kimi K3.1 Proの重み公開 1,561GBとライセンスの実際

Moonshot AIは2026年11月4日、Kimi K3.1 Proの全モデル重みをHugging Faceで公開した。10月23日の発表時に「11月4日までに」と約束したもので、期限当日の公開だ。2.8兆パラメータ・100万トークン文脈のモデルが自前ハードウェアで動く状態になった一方、実際に手を出せるのはデータセンターを持つチームに限られる。モデルカード、ライセンス、独立系評価の数字を突き合わせて「何が変わったのか」を整理する。

何が公開されたのか

Hugging Faceのリポジトリはmoonshotai/Kimi-K3.1-Pro。公開後にAPIでファイル一覧を取得して合計したところ、safetensorsのシャードは96ファイル、合計1,561.3GB（1,561,293,160,568バイト）だった。前世代のKimi K3も同程度で、パラメータ数がほぼ同じことと整合する。

量子化形式は「compressed-tensors」の「mxfp4-pack-quantized」で、4bit相当の重みとMXFP8の活性を前提に学習時点から量子化されている（quantization-aware training）。後から圧縮したのではなく最初から4bitで配る設計で、FP16版は存在しない。1パラメータあたり4.25bit前後を使い切っているため、さらに小さくしてワークステーションに載せる道もほぼ閉じている。

主な構成値は以下だ。

• 総パラメータ 2.8兆、1トークンあたりの活性パラメータ 104B
• レイヤー93、うち高密度レイヤー1
• アテンションは69層のKDA（Kimi Delta Attention）と24層のGated DSAの混成。K3のGated MLAをGated DeepSeek Sparse Attentionに置き換えている
• エキスパート896、1トークンあたり16個を選択、共有エキスパート2
• 語彙16万、文脈長1,048,576トークン
• 視覚エンコーダMoonViT-V2（4.01億パラメータ）を内蔵し、テキストと画像の入力に対応

「3Tクラス」と呼ばれる所以は総パラメータ数で、動かすときに効くのは104Bのほうだ。ここを混同すると必要なGPU枚数もAPIの原価も読み違える。

ライセンスは「Kimi K3.1-Pro License」でOSI承認ではない

公開されたライセンスファイルを読むと、骨格はMITに近い。使用・複製・改変・配布・サブライセンス・販売、および重みからの派生物の作成が無償で認められる。ただし2条件が上に乗る。

1つ目は「Model as a Service」条項だ。第三者にAPIなどで推論やファインチューニングへのアクセスを提供し、その第三者が入力・パラメータ・学習データに実質的な制御を持てる形の事業を営み、かつ licensee と関連会社の12か月連続の合計売上が2,000万ドルを超える場合、商用利用の前にMoonshotとの別契約が必要になる。組み込み製品や他社ホストモデルへの中継は除外される。

2つ目は表示義務だ。派生物を組み込んだ商用製品が月間アクティブユーザー1億人超、または月商2,000万ドル超になった場合、UI上に「Kimi K3.1-Pro」を目立つ形で表示しなければならない。第4条で、社内利用とMoonshotの公式製品・認定パートナー経由の利用にはこの2条件を適用しないと明記されている。

要するに、個人や中小のプロダクトが自社機能に組み込む分には実質MITに近く動かせる。効いてくるのは推論リセラーとして大規模に再販する事業者だ。Hugging Faceのライセンス表記もotherで、OSI承認のオープンソースではない。「オープンウェイト」と「オープンソース」は分けて読むべき箇所になる。

動かすのに何が要るか

1,561GBを1台に載せる話ではない。GPUメモリの総量でこれを上回る構成が必要だ。目安は次の通り。

• 288GB級（B300／GB300／MI350X系）を8枚: 合計2,304GB。重みに対して約740GBの余裕
• 141GB級（H200）を16枚: 合計2,256GB
• 80GB級（H100）を32枚: 合計2,560GB

H100を8枚集めても640GBで、重みだけで921GB足りない。前世代のK3で「8枚では足りない」と言われた計算がそのまま当てはまる。Moonshotの推奨もSGLangかvLLMでのマルチノード運用だ。ディスクも展開中の一時ファイルを含め2TB以上を見ておきたい。オンプレミスや専有クラスタで「APIにデータを出したくない」要件を持つ組織向けのリリースであり、個人がローカルで動かす話ではない。

性能は独立系の数字でどう見えるか

ベンダー自身の表では、Terminal-Bench 4.0が65.7（Claude Opus 5.5は66.4、GPT-6 Astraは58.2）。BrowseCompが92.1、Automation Bench-AAが73.3、OSWorld V2.1が79.6だ。

第三者評価も方向は同じだ。Vals AIはTerminal-Bench 4.0で63.64%（Opus 5.5の65.15%と2ポイント差）、Vals Indexで62.52%。Artificial AnalysisのIntelligence Indexでは55.1で4位、Terminal-Bench 4.0は67.2%で1位だ。

ただし弱点も数字に出ている。Vals AIの測定ではKimi K3より法務・税務系が弱い。Legal Research Benchが37.50%（K3は46.15%）、Tax Agent Benchが24.87%（同33.37%）だ。ターミナル作業とコード生成では大きく伸びた一方、専門知識を要する調査業務では後退している。総合スコアだけで全社導入を決めるとこの谷に落ちる。

料金はAPIで入力100万トークンあたり2.00ドル、出力10.00ドル、キャッシュ入力0.20ドル。K3の3.00ドル／15.00ドルから約3分の1の値下げで、100万トークンの文脈でも単価は変わらない。Highspeed版は倍の4.00ドル／20.00ドルで、速度は2〜3倍だ。

実務でどう判断するか

第一に、自前ホスティングの可否で判断しないこと。重みが公開されたことと自社で運用できることは別問題だ。GPU調達と運用要員がなければ公開後もAPI利用のままでよい。重み公開の実利は監査可能性と、ベンダーが価格や条件を変えても別事業者が同一モデルを出せることだ。

第二に、用途で切ること。ターミナル操作・コード修正・長期エージェントは強く、法務・税務の調査は前世代より弱い。導入前に対象業務のサンプルで自前評価を回し、指標は総合スコアではなくタスク完了率に置く。

第三に、ライセンスを読むこと。推論サービスを再販する計画があるなら2,000万ドルの線が効き、社内利用や製品への組み込みなら実質的な制約はない。「商用不可」と「完全に自由」の両方の解説が出回っているが、ファイルを開けば書いてある。

K3が7月27日に重みを公開したときは発表から11日、今回は12日だった。次の判断材料はコミュニティの量子化と第三者による重みでの再評価だ。