Kimi K3.1 ProがUltralytics Platformで自動アノテーションに利用可能になりました

Moonshot AIは2026年10月23日にKimi K3.1 Proをリリースし、本日からUltralytics Platformで自動アノテーションに利用できます。他のすべてのモデルと同じテストで評価しました。VLM Leaderboardで、実世界の物体検出データセット36種から選んだ360枚の画像を使用しました。

Kimi K3.1 Proは0.444 mAP50を記録し、Kimi K3（0.334）を3分の1上回り、29モデル中7位にランクインしました。前モデルより10順位上です。これより上位のモデルはすべて、Google、Anthropic、またはOpenAIのクローズドモデルです。

Kimi K3.1 Proの新機能#

Kimi K3.1 ProはMoonshotのK3.1シリーズ初のモデルであり、Moonshotはこれを現時点で最も高性能な3Tクラスのオープンウェイトモデルと位置付けています。大幅に多くのポストトレーニング計算を用いて構築されたKimi K3のポストトレーニング版で、100万トークンのコンテキストウィンドウと画像・動画入力に対応します。回答前に必ず推論を行い、Moonshotは2026年11月4日までに全ウェイトを公開する予定です。Moonshotの発表では、コーディング、金融、ハルシネーションに関する結果が紹介されています。

Moonshotは価格も引き下げました。Kimi K3.1 Proの料金は入力100万トークンあたり2ドル、出力100万トークンあたり10ドルで、Kimi K3の3ドルと15ドルから値下げされています。

Ultralytics Platformで自動アノテーションに使うKimi K3.1 Pro#

Kimi K3.1 Proは、Ultralytics Platformのアノテーションエディターにある、クラスプロンプト対応の視覚言語モデルに加わりました。1～200クラスの物体検出データセットでは、各画像を確認し、検出したデータセットのクラスに対応するバウンディングボックスを返します。他の予測と同様に、内容を確認して保存できます。

次の2つの方法で使用できます。

• 画像を1枚ずつ処理する場合：アノテーションエディターでSmartモードに切り替え、モデル選択画面のKimiからKimi K3.1 Proを選び、Predictをクリックするか、Pを押します。
• データセット全体を処理する場合：データセットページでMore actions > Batch AnnotationからBatch Annotationを実行すると、未ラベルの画像すべてに一度の実行でラベルを付けられます。

APIキーを追加する前に動作を確認するには、Ultralytics PlatformのKimi K3.1 Proモデルページを開いてください。Kimi K3.1 ProがCOCO画像10枚に対して記録した予測を、期待されるボックスと並べて再生し、すべてのベンチマークデータセットでのスコアを表示します。

Kimi K3.1 Proのベンチマーク方法#

日常の写真でほぼすべての物体を検出できるモデルでも、医療スキャンや回路基板では大半を見逃すことがあります。そのため、VLM Leaderboardのすべてのモデルに、同じ固定テストUL37 v2を実施します。これは、Ultralyticsが評価に使用する実世界のベンチマークデータセット群UL37に含まれる36種の物体検出データセットから、ラベル付き画像をそれぞれランダムに10枚ずつ選んだものです。医用画像、航空・衛星画像、PCB検査、セキュリティX線検査、小売店の棚、交通、スポーツ、水中シーン、サーマル映像など、幅広い分野を網羅しています。

各画像は、Ultralytics Platformの本番アノテーションパイプラインで、データセットのクラス名を使って処理します。これはSmartモードとBatch Annotationで呼び出される処理と同一で、各モデルのボックスを調整するSAM 3.1のステップも含みます。ボックスのスコアはUltralyticsパッケージ独自の物体検出メトリクスで算出し、36個のデータセットを均等に平均します。詳細はVLM Leaderboardの評価方法をご覧ください。

Kimiでは設定が1つ異なります。Kimi K3.1 ProはMoonshotの最大推論強度がデフォルトです。最大設定では、テスト画像の約40%でKimi K3の処理がUltralytics Platformの115秒制限を超えたため、Ultralytics PlatformではすべてのKimiモデルを高推論強度で実行しています。Kimi K3とKimi K3.1 Proはどちらもこの設定でベンチマークしました。

Kimi K3.1 ProとGemini 4 Argon、Claude Opus 5.5、GPT-6 Astraの比較#

Kimi K3.1 Proは0.444 mAP50を記録しました。Gemini 4 Argon（0.537）、Claude Opus 5.5（0.527）、GPT-6 Astra（0.525）、Gemini 3.8 Flash（0.516）、GPT-6.1 Sol（0.514）、Claude Sonnet 5.5（0.472）はこれを上回りました。一方、Claude Haiku 5.5（0.429）、Claude Fable 5.1（0.427）、そして自社GPUで実行しているすべてのオープンウェイトモデルを上回りました。オープンウェイトモデルの中ではGemma 4 31B（0.390）が最上位ですが、Ultralytics Platformではまだ提供されていません。

スコアの両面が向上しました。適合率はKimi K3の0.439から0.560に、再現率は0.376から0.483に上昇しました。これにより、ボックスの正解率が高まり、ラベル付けされた物体をより多く検出できました。

Kimi K3.1 ProとKimi K3の比較：アップグレードの効果#

Kimi K3.1 Proは36データセット中25個、12ドメイン中8個でKimi K3を上回りました。最も大きく向上したのは、スポーツ（0.68対0.28）、道路・交通（0.49対0.26）、文書・UI・CAD（0.41対0.26）です。テニスボールではmAP50が0.08から0.74に上がり、同データセットの最高スコアでGemini 3.8 Flashと並びました。CeyMoの道路標示では0.17から0.80に上昇しました。

スポーツ分野では、Kimi K3.1 ProはGemini 4 Argonも上回り（0.68対0.60）、テニスボール、サッカー、小麦の穂、甲状腺超音波など、合計6つのデータセットでArgonを上回りました。

すべてのドメインでスコアが向上したわけではありません。水中とセキュリティX線検査（それぞれ1データセット）は低下し、小売はわずかに下がり（0.47対0.48）、産業用PCBの欠陥では両方のKimiモデルがほぼゼロにとどまりました。すべてのモデルにとって特殊な画像は依然として難しいため、Kimi K3.1 Proのボックスは人間参加型のレビュー用の初稿として扱い、データセット全体にアノテーションを付ける前に、独自の画像でいくつかの予測を確認してください。

精度、コスト、速度#

有料モデルはご自身のプロバイダーAPIキーで実行されるため、予測ごとにプロバイダーから直接請求されます。ベンチマークでは、Kimi K3.1 Proの料金は画像1,000枚あたり約22.50ドルで、Kimi K3の21.50ドルとほぼ同額でした。トークン単価は3分の1安くなっていますが、画像あたりのトークン数が増えたため、ほぼ同じ料金で精度が約3分の1向上します。

この精度を最も安く実現できるモデルではありません。上位6モデルのうち5モデルはKimi K3.1 Proより低コストで、Gemini 4 Argonは画像1,000枚あたり約7.60ドル、Claude Opus 5.5は約13.90ドルです。また、Claude Haiku 5.5は画像1,000枚あたり約0.37ドルで、Kimi K3.1 Proとの差は約0.015 mAP50でした。

Kimi K3.1 Proは処理に時間がかかります。リクエストの中央値は画像あたり約22秒で、Gemini 4 Argonの4.6秒、Claude Opus 5.5の2.7秒を上回りました。また、リクエストの6.4%がUltralytics Platformの115秒制限内に完了しませんでした。Kimi K3では1.7%でした。タイムアウトした画像にはボックスが返されませんが、再度予測できます。Moonshotは同じ機能で2～3倍高速とするKimi K3.1 Pro Highspeedも提供していますが、Ultralytics Platformでは標準版のKimi K3.1 Proを提供しています。

Ultralytics PlatformでKimi K3.1 Proを使い始める#

1. Kimi API PlatformでAPIキーを作成し、データセットを所有するワークスペースのSettings > API Keysに追加するか、ワークスペースのオーナーに追加を依頼してください（手順はこちら）。
2. Ultralytics Platformで物体検出データセットを開き、アノテーションエディターをSmartモードに切り替えて、KimiからKimi K3.1 Proを選択します。
3. Predictをクリックして現在の画像にラベルを付け、ボックスを確認、調整して保存します。
4. 結果に問題がなければ、Batch Annotationを実行してデータセットの残りの画像にラベルを付けます。

Batch Annotationには、画像1,000枚あたり1.00ドルの標準Ultralytics Platform処理料金が加算されます。この料金は、MoonshotからAPIキーに請求される料金とは別です。実行ごとにデータセットのバージョンが保存されるため、いつでもロールバックできます。

データセットにラベルを付けたら、同じワークスペースでUltralytics YOLO26モデルをトレーニングできます（トレーニングドキュメントを参照）。Kimi K3.1 Proとトップモデルを比較するには、Gemini 4 Argonの自動アノテーションに関する記事をご覧ください。また、VLM LeaderboardやUltralytics Platformのモデルページですべてのモデルを確認できます。その後、Ultralytics Platformにサインインして、独自のデータでKimi K3.1 Proをお試しください。