Skip to main content
Felo

他の言語

English日本語中文简体中文繁體한국어हिन्दी (Hindi)españolFrançaisالعربية (Arabic)BengaliРусский языкPortuguêsاردوBahasa IndonesiaDeutschTiếngTürkçeitalianoไทย (Thai)
Feloを試す

Felo APIでのKimi K3.1 Pro：機能、ベンチマーク、価格、セットアップ方法

· 約17分
Felo Search Tips Buddy
Felo Search Tips Buddy
Committed to answers at your fingertips

Felo APIでのKimi K3.1 Proの詳細ガイド：100万トークンのコンテキスト、画像入力、コーディングと金融分野の結果、価格、APIセットアップについて解説。

Kimi K3.1 ProがFelo API経由で利用可能になった。コーディングエージェントや画像ワークフロー、大量ドキュメントの研究用途を検討している場合、このガイドではK3からの変更点、公開評価の内容、Feloが対応する入力形式、2つのプロバイダールートの選択方法について説明する。

公開されているFeloのモデルIDは kimi-k3.1-pro。 Feloモデルカタログで詳細を確認でき、Playgroundでテストできる。

Kimi K3.1 Proの概要​

詳細現在利用可能な内容
モデルMoonshot AIによるK3.1シリーズ初のフラッグシップ、Kimi K3のポストトレーニング版
FeloモデルIDkimi-k3.1-pro
コンテキストウィンドウ1,048,576トークン（約100万）
入力テキスト、画像、動画
出力テキスト。3Dワークフロー用のコード生成が可能だが、モデル呼び出しで直接3Dアセットや生成動画は返さない
推論デフォルトで有効。Feloはmax、high、low、noneの推論レベルをリストし、maxがデフォルト
推奨FeloプロトコルMessages、POST https://openapi.felo.ai/api/v1/messages
FeloでのプロバイダールートMoonshot AI MXFP4とMoonshot AI Highspeed

Feloの現行モデルリストの項目。大きなコンテキストウィンドウは容量制限であり、100万トークンのプロンプト内の全ての事実を完璧に記憶する保証ではない。実運用では、実際に使う長さ、入力形式、推論設定をテストする。

Kimi K3からの変更点​

MoonshotはK3.1 ProをK3のポストトレーニング版と説明し、多くの下流タスクで大幅なポストトレーニング計算と強化学習を行ったと述べている。この違いは重要だ。公開されている主張はコーディング、エージェント、画像、知識作業タスクでの改善であり、K3.1が新しいベースアーキテクチャを公開したという主張ではない。FeloのK3.1 Proモデルページでモデルと対応APIルートをまとめている。

K3は2.8兆パラメータの3Tクラス混合エキスパートモデル。Kimi Delta AttentionとAttention Residualsを設計に使い、画像理解と100万トークンのコンテキストウィンドウを持つ。K3.1 ProはK3を基盤にしているため、アーキテクチャの背景として参考になる。MoonshotはK3.1の全ウェイトや独立したアーキテクチャ仕様をまだ公開していない。FeloでK3のアーキテクチャと仕様を確認。

実際の変化はモデルが完了まで持ち込めるタスク範囲にある。Moonshotは長期コーディング、3Dモデリング、金融リサーチ、ストレステストでの事実精度の向上を報告している。K3.1 ProにはHighspeedサービングオプションもあり、Moonshotによると通常版と同じ能力で約2～3倍の速度を出す。高速ルートはトークン単価が高く、後述する。

公開エントリー価格も変わった。FeloはK3を入力100万トークンで$3、出力100万トークンで$15と記載。K3.1 ProのMXFP4ルートはそれぞれ$2と$10。新モデルの低価格ルートは、現行レートで未キャッシュの入力・出力トークンあたり1/3安い。実際のチャンネルやレイテンシを比較してから、全体のコスト削減と判断する。

モデルの強み​

長期コーディングとエージェント​

K3.1 Proは単一コードスニペットを超えた作業を想定している。Moonshotの例には複数ファイル開発、デバッグ、フロントエンド構築、ゲームエンジン作業、ツール支援タスクが含まれる。Kimi Code Bench 3.0 Long-horizonの結果は**K3の55.95%からK3.1 Proの61.2%へ上昇。Terminal-Bench 4.0ではK3.1 Proが65.7%**を記録した。 エンジニアチームにとって重要なのは、リポジトリを変更しても流れを失わないかどうか。正しいファイルを読み、パッチを提案し、関連チェックを実行し、テスト失敗時に回復できるか。代表的な課題を与え、最終的な差分とテスト結果を評価する。計画だけでは完了の証拠にならない。

画像、動画、3D作業​

Feloルートはテキスト、画像、動画入力を受け取り、テキストを返す。K3.1 Proはスクリーンショットの説明、フレーム比較、画像参照による推論、3Dモデリングパイプライン用のコードやスクリプト生成などに適している。モデルエンドポイントが画像・動画・3Dファイル生成器になるわけではない。アセット生成には、モデル出力を自分のツールや適切な生成ワークフローに接続する。

Moonshotは**BenchCAD with toolsで92.7%**を報告。複数レンダリングビューから生成CADコードで3Dオブジェクトを再構築するテストだ。公開例にはBlenderやCADスクリプト、Three.jsのインタラクティブシーン、Unity、Unreal Engine、Godotでの作業も含まれる。これらは評価対象の作業例であり、全ツールがAPIリクエストだけで含まれるわけではない。

金融リサーチとモデリング​

MoonshotはOfficeQA Pro v2で64.4を報告。金融ドキュメントの分析、検索、クロスドキュメントチェック、数値推論をテストする。内部評価ではK3.1 Proが金融リサーチで70.4（K3は58.8）、金融モデリングで**57.6（K3は50.4）**を記録。これらはタスク固有のスコアであり、投資リターンや全金融質問の精度ではない。

管理されたコーパスでテストすると良い。年次報告書、提出書類、決算資料と、モデルが正確な箇所を引用し計算を示す必要がある質問を用意する。元ドキュメントと計算式を確認できるようにしておく。金融判断を行うワークフローでは、独立した検証が必要。

長文と多段階リサーチ​

100万トークンウィンドウにより、通常の短いチャットリクエストより多くの資料を送信できる。コード、議事録、報告書、画像、会話履歴が同じコンテキストに含まれる。モデルはツール呼び出しによる多段階エージェントワークフローにも参加できる。ただし、コンテキスト容量とエージェント動作は別物。長いプロンプトには明確なタスク、ドキュメントマップ、答えの検証方法が必要。エージェントにはツール提供と結果処理が必要。

リサーチでは、まず関連ソースを特定させ、ページやセクション参照と不明点リストを別途回答させる。こうした構造により、長い流暢な要約よりも誤りを見つけやすくなる。

MoonshotとFeloは数百の並列サブエージェントまでスケール可能なマルチエージェントオーケストレーションも説明している。これはモデルを中心としたエージェントシステム能力であり、単一APIレスポンスだけで実現するものではない。開発者がワーカー、ツール、予算、最終レビューを調整する必要がある。Feloモデル説明を参照。

ベンチマーク数値の読み方​

Moonshotの発表には多くの評価が含まれる。以下は異なる作業タイプをカバーし、異種テストを一つのランキングとして扱わない。

評価K3.1 ProMoonshotによる比較テスト内容
Terminal-Bench 4.065.7%Claude Opus 5.5: 66.4%; GPT-6 Astra: 58.2%ターミナルタスクでのコーディングエージェント
Kimi Code Bench 3.0 Long-horizon61.2%K3: 55.95%Moonshot内部の多段階コーディングベンチマーク
BenchCAD, with tools92.7%Claude Opus 5.5: 96.2%; GPT-6 Astra: 95.9%複数ビューからのCADコード生成
金融リサーチ（内部）70.4K3: 58.8証拠に基づく金融リサーチ
金融モデリング（内部）57.6K3: 50.4ワークブック式、金融ロジック、最終モデル品質
Kimi Hallu Bench Hard8.3% クレームレベルのハルシネーション率K3: 23.4%; 低いほど良い意図的に難しい事実精度ストレステスト

全値はMoonshot AIのK3.1 Pro技術発表から引用。特に記載がない限り、K3.1 Proの結果はmax推論努力、温度1.0、top-p 0.95で報告。ベンチマークごとにハーネスが異なり、他プロバイダーの公開結果を比較に使う場合もある。特にKimi Code Benchと金融2スコアは内部評価。自分のワークロード用テスト選定に使い、実運用で同じ合格率を前提にしない。Feloもこれらの結果の一部をモデルページで再現している。

ハルシネーション値には注意が必要。8.3%はKimi Hallu Bench Hardでのクレームレベル率で、ミスを露呈するストレステスト。Moonshotはこれは日常的なエラー率ではないと明言している。K3より改善した証拠だが、ソース確認を省略する理由にはならない。

Felo APIでの価格とプロバイダー選択​

Feloはkimi-k3.1-pro用に2つのMoonshot AIチャンネルをリストしている。これが100万トークンあたりの公開レート（米ドル）：

Feloチャンネル入力出力キャッシュリード
moonshotai-mxfp4$2$10$0.20
moonshotai-highspeed$4$20$0.20

ライブモデルページがFeloのレートソース。HighspeedはFeloカタログでデフォルトチャンネル。予算やレイテンシ目標が特定ルートに依存する場合、X-Felo-Channelを明示的に送信し、リクエストがどのプロバイダーを使うかを前提にしない。Feloのプロバイダー・ルーティングガイドでヘッダーとフォールバック動作を説明している。

例として、20万未キャッシュ入力トークンと8千出力トークンのリクエストはMXFP4で約$0.48（0.2 × $2 + 0.008 × $10）、Highspeedで約$0.96（0.2 × $4 + 0.008 × $20）。10万入力トークンがキャッシュリードレート対象なら、その部分はどちらのチャンネルでも**$0.02**。キャッシュヒットは保証されず、上流サービスとリクエスト内容による。Feloの価格ガイドでトークンとキャッシュ課金の計算方法を説明。

これらはモデルトークンの見積もり。現行レート、使用記録、他の課金ツールも確認してから、実運用予算に数値を使う。Felo APIはプリペイドサービスクレジット制。API利用にサブスクリプションは不要。課金ガイドを参照。

FeloでKimi K3.1 Proを使い始める​

  1. Felo APIキーを作成し、必要ならサービスクレジットを追加。
  2. Playgroundでプロンプトを試す。アプリケーションが送信する素材に近いものを使う。
  3. プロンプトを公開モデルIDでクライアントに移す。Feloモデルページで推奨されているMessagesエンドポイントを使う。

下記リクエストは低価格MXFP4チャンネルを指定し、価格選択を明示する：

export FELO_API_KEY="YOUR_API_KEY"

curl https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -H "X-Felo-Channel: moonshotai-mxfp4" \
  -d '{
    "model": "kimi-k3.1-pro",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Review this TypeScript refactor plan. Identify missing tests, risky changes, and the first file you would inspect."
      }
    ]
  }'

高速ルートを選ぶ場合、ヘッダーをX-Felo-Channel: moonshotai-highspeedに変更。Feloに任せる場合はヘッダーを省略。FeloはChat Completions、Responses、Messagesモデルエンドポイントで同じルーティングヘッダーを受け付ける。明示的に選択したチャンネルは他プロバイダーへ自動的にフェイルオーバーしない。アプリケーション側で別チャンネルへのリトライが必要。Feloのルーティングドキュメントを参照。

SDK、ストリーミング、ツール、推論​

Feloは3つの互換モデル呼び出し方式を提供。アプリケーションが対応するものを使う：

クライアントスタイルエンドポイントSDKベースURL
OpenAI Chat Completions/api/v1/chat/completionshttps://openapi.felo.ai/api/v1
OpenAI Responses/api/v1/responseshttps://openapi.felo.ai/api/v1
Anthropic Messages/api/v1/messageshttps://openapi.felo.ai/api

Anthropic互換SDKではベースURLが/apiまで。SDKが/v1/messagesを追加。Messagesプロトコルはmax_tokens必須。"stream": trueを追加するとサーバー送信イベントを受信できる。プロトコルの完了イベントまで待機し、切断を回答完了とみなさない。Feloのプロトコルガイドでリクエスト形状とストリーミング動作を説明。

これらはプラットフォームレベルのプロトコルオプション。K3.1 Proルートで必要なパラメータとモダリティの組み合わせが動作するか、既存統合の移行前に確認する。

Feloはこのモデル用にtools、tool_choice、構造化出力パラメータ、推論コントロールをリスト。対応推論努力値はmax、high、low、noneで、maxがデフォルト。モデルとプロトコルの対応は異なる場合があるため、クライアントが必要とするパラメータ組み合わせを事前にテストする。公開ベンチマーク結果は主にmaxを使用。努力値を下げると品質とコストの実験になるが、スコア再現にはならない。現行モデル機能を確認。

ワークフローで最新ウェブデータ、計算機、リポジトリシェル、CADプログラムが必要な場合、アプリケーション側でツールを提供・運用する。kimi-k3.1-pro単体呼び出しでは外部ツール実行や引用主張の検証は行わない。

実用的な評価プラン​

K3.1 Proは幅広いため、「どのモデルがベストか？」という一般的なテストでは有用な情報が得られない。3つの小規模トライアルでより有効な証拠が得られる：

  1. コーディング: 実際の課題と関連リポジトリコンテキストを与える。パッチ、テスト、残リスクの短い説明を要求。テスト合格とツールターン数を記録。
  2. 画像・3D: 参照画像や複数ビューを提供し、モデリング計画やスクリプトを求める。寸法や形状は人やレンダラーで確認し、文章だけで判断しない。
  3. リサーチ: 固定ドキュメントセットと既知の答えを持つ質問を与える。ソース位置、計算、証拠がない場合の明示的な「not found」を要求。

レイテンシが重要なら両Feloチャンネルで実施。入力・出力・キャッシュトークン、総コスト、経過時間を記録。K3や他モデルと比較する際は同じプロンプトとツールを使う。これにより、1ドル・1分あたりの完了作業量で判断できる。

注意すべき制限とリリース状況​

  • オープンウェイト時期: MoonshotはK3.1 Proをオープンウェイトモデルと呼ぶが、全ウェイト公開は2026年11月4日予定。APIアクセスは現時点で可能。ウェイトが既にダウンロード可能と説明しない。Feloモデルページで公開予定日を記載。
  • 出力形式: Feloは現時点でテキスト出力のみリスト。入力に画像や動画が含まれてもアセット生成にはツールや別生成エンドポイントが必要。Feloモデルリスト。
  • ベンチマーク移行: 内部スコア、ツール付きテスト、長期デモは単純な一発API呼び出しに直接対応しない。評価セットアップをアプリケーションに合わせる。
  • 精度: 改善したハルシネーション結果もストレステストでのエラー率。高リスクワークフローでは引用、計算、事実主張を検証する。
  • コンテキストとコスト: 100万トークンウィンドウは非常に大きなリクエストを可能にし、コストも高くなる。実際のプロンプト、生成回答、リトライ、繰り返しコンテキストに予算を割り当てる。キャッシュリード価格は使用状況でヒット報告がある場合のみ使う。

MoonshotはK3.1 Proリリースでサイバー攻撃能力向けのターゲットトレーニングコントロールも説明している。防御セキュリティ作業を評価するチームは、一般コーディング結果から性能を推測せず、必要な認可タスクを個別にテストする。

よくある質問​

Kimi K3.1 ProはKimi K3と同じか？​

違う。MoonshotはK3.1 ProをK3のポストトレーニングアップグレードと説明し、コーディング、3D作成、金融リサーチ、事実精度ストレステストでの改善を報告している。100万トークンコンテキストクラスと画像理解は維持している。

Felo APIに送信するモデルIDは？​

kimi-k3.1-proを使う。FeloではMXFP4とHighspeedがその公開モデルIDのプロバイダーチャンネル。特定ルートが必要ならX-Felo-Channelで選択。

モデルエンドポイントで直接3Dモデルや動画を作れるか？​

画像入力を理解し、3Dや動画ワークフロー用の計画、コード、スクリプトを生成できる。Feloは現時点でテキストをこのモデルエンドポイントの出力モダリティとしてリスト。アセット生成にはレンダラー、設計ツール、生成サービスが必要。

MXFP4とHighspeedどちらを使うべきか？​

トークンコストが主な制約ならMXFP4から始める。待機時間が製品やエージェントループに影響する場合はHighspeedをテスト。MoonshotによるとHighspeedは同じモデル能力で約2～3倍の速度。Feloの公開入力・出力レートはMXFP4の2倍。

フルモデルは既にセルフホスト可能か？​

MoonshotはK3.1 Proの全ウェイト公開を2026年11月4日までに予定。公式リリースページで最新状況を確認。Felo APIアクセスは既に利用可能。

自分のワークロードで試す​

Kimi K3.1 Proは長いコンテキスト、ツール利用、画像やドキュメント証拠が組み合わさるタスクで興味深い候補となる。報告された改善は大きいが、最も早く判断する方法は代表的なジョブを実行し、結果を確認し、MXFP4とHighspeedルートの総コストを比較すること。

Felo APIでKimi K3.1 Proを探索する →

この記事は次の言語でもお読みいただけます：English、简体中文、한국어、繁體中文、हिन्दी、Français、العربية、Русский、اردو、Bahasa Indonesia、Deutsch、Tiếng Việt、Türkçe、Italiano、ไทย、Español、বাংলা、Português。