Kimi K3.1 Proの公開ウェイト：ダウンロード、ライセンス、API
Kimi K3.1 Proの公式ウェイトはHugging Faceで公開されています。総パラメーター2.8T、アクティブ104B、約1.56 TBのダウンロード、独自ライセンスの売上条件と適用除外を確認します。リビジョンを固定してファイルを検証し、小さなAPIリクエストを送る手順を紹介します。機器別の構成例と運用費を比較し、アクティブパラメーター数をモデル全体のメモリ要件と混同せずに導入方法を選びます。
目次
Kimi K3.1 Proのウェイトは、Hugging FaceのMoonshot AI公式リポジトリから入手できます。コーディングの試用は、ホスト型APIから始めてください。モデルや実行環境を自分で管理する必要があり、ハードウェアの確保とライセンス確認の負担を受け入れられる場合は、自前運用を選びます。稼働時に使う104Bというパラメーター数は、保存が必要なモデル全体のサイズではありません。
2026-11-11時点で、リポジトリにはチェックポイント、設定ファイル、独自ライセンスが含まれます。チェックポイントは、保存されたモデルのウェイトです。実際に選ぶのは、そのウェイトを自分で運用する方法と、API経由で推論サービスを利用する方法です。推論とは、モデルに入力を渡して回答を生成する処理です。
公開ウェイトには何が含まれますか？
今回の公開で入手できるのは、APIのモデル名だけでなく、Kimi K3.1 Proのチェックポイントそのものです。Moonshotの技術発表では、Kimi K3を基に、複数の領域を対象とする合同の強化学習で事後学習したマルチモーダルモデルと説明されています。
以下の仕様は公式モデルカードに記載されています。コンテキストの正確な上限は、Kimi APIの料金ドキュメントにもあります。
| 項目 | 公開値 |
|---|---|
| Hugging Faceリポジトリ | moonshotai/Kimi-K3.1-Pro |
| アーキテクチャ | Mixture-of-Experts（MoE、複数の専門ネットワークを使う構成） |
| 総パラメーター数 | 2.8T |
| アクティブパラメーター数 | 104B |
| コンテキストウィンドウ | 1,048,576 tokens |
| ライセンス | 独自のKimi K3.1-Pro License |
MoEモデルは、各トークンの処理で一部のパラメーターだけを使います。ただし、使わない専門ネットワークがチェックポイントから消えるわけではありません。ストレージ容量は104Bという数だけで判断せず、実際のファイルサイズから見積もってください。
リポジトリのファイル一覧では、容量は約1.56 TBと表示されています。ウェイトのファイル名はof-000096.safetensorsで終わります。設定ファイルの形式はmxfp4-pack-quantizedです。vLLMの構成手順によると、処理時に選択される専門ネットワークのウェイトはMXFP4で、それ以外はBF16です。
開発チームにとって増えるのは、モデルを配置する場所の選択肢です。完成済みのコーディングエージェントが付属するわけではありません。リクエストを処理する推論エンジンと、エージェントのクライアントは別々に選んでください。既存の作業を移す前に、リポジトリの読み取り、ツールの実行、実際の受け入れテストを確認します。
MoonshotのAPI入門ガイドには、ホスト型サービスの選択肢としてkimi-k3.1-pro-highspeedも記載されています。公表された速度は、そのサービスについての説明です。ウェイトをダウンロードすれば同じ性能が得られるという保証ではありません。
Kimi K3.1 Proのライセンスにはどのような条件がありますか？
商用利用は、Kimi K3.1-Pro Licenseの条件を満たす場合に認められます。導入前に、MaaSの条件とモデル名の表示条件を分けて確認してください。以下は実務上の読み方であり、個別の事業に対する法的見解ではありません。
MaaSは連続する12か月の売上高で判定します
第2節は、ライセンス利用者またはその関連会社がModel as a Service（MaaS）事業を営む場合に適用されます。任意の連続する12か月で合計売上高が$20 millionを超える場合、別途契約が必要です。
条文の対象は、ライセンス利用者と関連会社の合計売上高です。このモデルから得た売上高だけに限りません。ソフトウェアやその派生物を商用利用する前に、契約を結ぶ必要があります。
MaaSは、第三者に推論やファインチューニングへのアクセスを提供し、入力、パラメーター、学習データを実質的に制御できるようにすることを指します。モデルの機能が特定の機能や実行用の仕組みであるハーネスにのみ組み込まれた、エンドユーザー向け製品は除外されます。他者がホストするモデルへリクエストを単に中継する場合も除外されます。実際のサービスが除外対象に当たるかは、法律の専門家に確認してください。
モデル名の表示条件は製品の月次指標で判定します
第3節は、ソフトウェアまたはその派生物を使う商用製品やサービスが対象です。いずれかの基準を超えると、その製品やサービスのユーザーインターフェースに**Kimi K3.1-Pro**を目立つ形で表示する必要があります。基準は、月間アクティブユーザー数が100 million、または月間売上高が$20 millionです。
ユーザー数は日次ではなく、月間アクティブユーザー数です。売上高の対象期間も1か月です。MaaSの条件にある連続12か月の合計と混同しないでください。
適用除外にはそれぞれ対象範囲があります
第4節では、内部利用と、Moonshotの公式製品または認定推論パートナーを通じた利用を、第2節と第3節の要件から除外しています。ここでいう内部利用には、ソフトウェア、その出力、基盤となる機能を第三者に提供する利用は含まれません。
この除外は第2節と第3節の要件についてのもので、ライセンス全体からの免除ではありません。API互換性があるだけで、認定パートナーだと判断しないでください。ゲートウェイへの接続と、ライセンス要件の適用除外は別の問題です。必要な著作権表示と利用許諾の通知を残し、利用するプロバイダーの規約も別途確認してください。
ウェイトをダウンロードして検証するには？
チェックポイントの転送前に、ライセンスとダウンロード容量を確認します。Hugging Face CLIの手順に従って現行のhf CLIを用意し、十分な空き容量のあるファイルシステムを使ってください。
以下はBash用のコマンドです。2026-11-11に確認されたリポジトリのリビジョンを固定しています。最初はREADME.md、LICENSE、config.jsonだけを取得します。続く--dry-runで、チェックポイント全体を取得する前に必要な転送量を確認します。
KIMI_REPO="moonshotai/Kimi-K3.1-Pro"
KIMI_REV="d9e99b0792a5e93b78ea9bea62a68167e36ddd9e"
KIMI_DIR="$PWD/kimi-k3.1-pro"
hf download "$KIMI_REPO" README.md LICENSE config.json \
--revision "$KIMI_REV" --local-dir "$KIMI_DIR"
hf download "$KIMI_REPO" --revision "$KIMI_REV" \
--local-dir "$KIMI_DIR" --dry-run取得したLICENSEとREADME.mdを読んでください。ダウンロードの試行モードは、ウェイトを転送せずに未取得のファイルとバイト数を示します。ダウンロードキャッシュや推論エンジンの作業ファイルに使う容量も確保してください。リポジトリの表示サイズだけで、必要な容量のすべてを賄えるわけではありません。
ライセンスと容量を確認できたら、先ほど設定したリポジトリ名、リビジョン、保存先を引き継ぐため、同じBashセッションで次を実行します。
hf download "$KIMI_REPO" --revision "$KIMI_REV" \
--local-dir "$KIMI_DIR" &&
hf cache verify "$KIMI_REPO" --revision "$KIMI_REV" \
--local-dir "$KIMI_DIR" --fail-on-missing-filesダウンロードと検証は、どちらも同じリポジトリとリビジョン、同じローカル保存先を使う手順です。Hugging Faceの検証コマンドは、ローカルファイルのチェックサムをHubの値と照合します。チェックサムは、取得したファイルがHub上の内容と一致するかを確認するための値です。--fail-on-missing-filesを付けると、固定したリビジョンのファイルが不足している場合も検出できます。
ファイルの欠落やチェックサムの不一致がなく、検証に成功してから次へ進んでください。ダウンロードの成功はファイルがそろったことの確認であり、推論エンジンがモデルを読み込めることの確認ではありません。不一致があれば、指摘されたファイルを同じリビジョンのまま、hf downloadに--force-downloadを付けて再取得します。モデルを提供する前に、再度検証してください。
どのようなハードウェアを用意すべきですか？
このモデルを、ワークステーション向けの104Bモデルとして扱わず、機器ごとの導入手順を使ってください。2026-11-11時点のvLLMの手順は、NVIDIA GPUを8基使う基本構成を示しています。構成はGB300トレイ2台、またはB300ノード1台です。
これは文書化された構成例です。あらゆる環境に共通する最低要件でも、処理性能の保証でもありません。手順には、基本構成のスループットは最適化していないと記載されています。汎用の起動コマンドではなく、このモデル専用の手順を使ってください。
SGLangの手順集にも導入方法があります。対象ブランチはkimi-k3.1-day-0です。検証済みの構成と、まだ検証中の構成を区別しています。
購入判断のために試す場合は、文書化されたハードウェア構成を1つ選びます。推論エンジンのバージョン、イメージのダイジェスト、チェックポイントのリビジョンを記録してください。最初は短いリクエストで試します。その後、コンテキスト長と同時リクエスト数を別々に増やし、メモリ使用量、最初のトークンまでの時間、完了したタスクの費用を測ります。
公表されたコンテキスト上限は、どの同時実行設定でも実行時メモリが足りることを意味しません。自前の推論とAPIを比べる際は、エージェントのクライアント、ツール、推論の設定、受け入れテストをそろえてください。
ウェイトの管理、カスタマイズ、推論環境の制御が必要なら、自前運用の価値が高まります。一方、クラスターを運用する体制がない場合や、機器を十分に稼働させられない場合は不利になります。APIの請求額を機器購入の予算に置き換える前に、モデル自前運用の費用チェックリストを確認してください。
まずAPIで試すには？
インフラに投資する前に、kimi-k3.1-proへ小さなコーディング依頼を送ってください。APIのモデルIDとHugging FaceのリポジトリIDは区別します。
以下は2026-11-11に確認されたAPI接続先です。
| 接続先 | モデルID | OpenAI互換のBase URL | 認証情報 |
|---|---|---|---|
| Moonshot API | kimi-k3.1-pro | https://api.moonshot.ai/v1 | 自分のMoonshot APIキー |
| BetterToken API | kimi-k3.1-pro | https://www.bettertoken.ai/v1 | 自分のBetterToken APIキー |
確認日時点で、BetterTokenにもこのモデルIDが掲載されています。ゲートウェイの現在の料金は別途確認してください。後述するMoonshotの料金は、BetterTokenの料金ではありません。
Moonshotへ直接接続する試験では、入門ガイドから案内されるプラットフォームでAPIキーを作成します。Bashを使い、入力文字が画面に表示されない状態でキーを入力してください。
read -rs MOONSHOT_API_KEY && export MOONSHOT_API_KEY
curl --fail-with-body --silent --show-error \
"https://api.moonshot.ai/v1/chat/completions" \
-H "Authorization: Bearer ${MOONSHOT_API_KEY}" \
-H "Content-Type: application/json" \
--data '{
"model": "kimi-k3.1-pro",
"reasoning_effort": "low",
"max_completion_tokens": 4096,
"messages": [
{
"role": "user",
"content": "Return a Python function add(a, b) and one assert checking add(2, 3) == 5."
}
]
}'choices[0].message.contentに関数とassertがあるか確認します。試験を広げる前に、応答に含まれる使用量も確認してください。このリクエストで確認するのは認証とテキスト生成です。コーディングエージェントによるファイルの読み書きまで確認できるわけではありません。
Kimiの推論設定ドキュメントでは、low、high、maxを利用でき、既定値はmaxです。思考処理は有効なままです。この例では、簡単な接続確認のためにlowを指定しています。
APIエラーが返ったら、まずエンドポイント、キーの発行元、正確なモデルIDを確認してください。応答が途中で切れた場合は、モデルの品質問題と判断する前に出力上限を確認します。
複数ターンのAPI会話やツール呼び出しでは、アシスタントのメッセージ全体を変更せずにmessagesへ戻します。reasoning_contentとtool_callsもそのまま保持してください。続いてClaude CodeとCodexの設定ガイドを参照し、実際にファイルを読むタスクを試します。
APIのトークン課金は、Kimiの会員プランやKimi Codeの利用枠とは別です。停止原因がサブスクリプションの上限であれば、利用枠とAPI課金のガイドを確認してください。
自前運用とAPIの費用はどう比較しますか？
同じ品質目標を満たして完了したタスクの費用を比較してください。ウェイトを入手できることと、APIのトークン単価を直接比べても判断できません。ウェイトをダウンロードできても、機器、ストレージ、ネットワーク、運用、必要になる可能性のあるライセンス契約の費用は残ります。
2026-11-11の確認時点で、MoonshotのAPIプラットフォームには以下の料金が掲載されています。単位は1,000,000 tokensあたりのUSDです。Kimiの料金条件では、適用される税金は含まれていません。
| APIモデル | 通常入力 | 出力 | キャッシュヒット | 既定の5分間キャッシュ書き込み |
|---|---|---|---|---|
kimi-k3.1-pro | $2.00 | $10.00 | $0.20 | $2.00 |
kimi-k3.1-pro-highspeed | $4.00 | $20.00 | $0.20 | $4.00 |
キャッシュのドキュメントでは、キャッシュヒット、キャッシュ書き込み、キャッシュされない入力を区別しています。Chat CompletionsとResponsesでprompt_cache_optionsを省略すると、書き込んだキャッシュの保持期間は5mになります。先ほどのリクエストではこのフィールドを省略しているため、この既定値が適用されます。
キャッシュへ書き込んだトークンを、通常入力としてもう一度計上しないでください。保持期間を変える場合は、その期間に対応する書き込み単価を使います。
概算として、標準モデルの1タスクで入力100,000 tokensと、課金対象の出力10,000 tokensを使うと仮定します。キャッシュヒットはないものとします。すべての入力は、キャッシュされない入力か、既定の5分間の保持期間で書き込む入力のどちらかです。
この条件では、どちらの入力区分も1,000,000 tokensあたり$2.00です。
Estimated token charge
= (100,000 × $2.00 + 10,000 × $10.00) / 1,000,000
= $0.30 before taxesこれは計算による概算であり、実際のタスクを測定した結果ではありません。課金される出力トークン数は、画面に見える回答の長さだけから見積もらず、応答に含まれる使用量の報告を使ってください。追加ツールやほかのサービスの費用を除外できるのは、対象の処理でそれらを使わない場合だけです。
自前運用では、運用費の総額を、正常に完了した同等のタスク数で割ります。未使用の計算資源、ホストのメモリ、ストレージ、電力またはレンタル料、ネットワーク、保守、必要な商用契約の費用を含めてください。どちらの方法でも、再試行と受け入れテストに失敗したタスクの費用を記録します。
アプリの試用や需要が読めない段階では、APIから始めてください。自前運用は、管理上の要件がその負担に見合い、実際の処理量を測って費用を正当化できる段階で再検討します。MaaS事業では、導入を約束したり購入を確定したりする前に、ライセンス上の区分を確認してください。
