← すべてのモデル

Kimi-VL-A3B-Thinking

公開日 提供元 Moonshot AI

モデルの位置付け

Kimi-VL-A3B-Thinking は Kimi-VL シリーズの視覚言語推論モデルで、複雑なテキストおよびマルチモーダル推論に重点を置いています。混合エキスパート(MoE)アーキテクチャを採用しており、公式に示された総パラメータ数は約160億、活性化パラメータ数は約30億、コンテキストウィンドウは128K tokenです。(huggingface.co)

能力と用途

  • 画像とテキストを受け取り、テキストを生成します。複数画像の理解、視覚的な質疑応答、数学的推論に利用できます。
  • Kimi-VL シリーズは文書や動画コンテンツの理解、エージェント関連タスクにも対応しています。具体的な処理手順はデプロイ方法によって異なります。
  • 公式報告によると、この Thinking 版の MathVision、MathVista mini、MMMU 検証セットでのスコアはそれぞれ36.8、71.3、61.7です。これらは特定のベンチマーク結果であり、実際のタスクでの性能を保証するものではありません。(huggingface.co)

デプロイと制限

  • 公式モデルリポジトリでは重みが提供されており、モデルカードには MIT ライセンスと記載されているため、自身でデプロイできます。ただし、自身でデプロイする場合も計算リソースと運用保守のコストがかかります。(huggingface.co)
  • 公式は元の Kimi-VL-A3B-Thinking を deprecated としており、2025年6月21日に別バージョンの Kimi-VL-A3B-Thinking-2506 を公開しました。両者を同一モデルとして混同すべきではありません。一般的な OCR、長い動画や長文書などのタスクについては、元のモデルカードで推論効率を高めるために Instruct 版が推奨されています。モデルの出力には誤りが生じる可能性があるため、重要な結果は再確認する必要があります。(github.com)

公開日

2025年4月9日。公式モデルリポジトリのコミット履歴には、この日に初回コミットとモデルのアップロードが記録されています。コミット日が別途行われた公開発表の日時と一致するとは限りません。(huggingface.co)

価格

2026年11月18日時点で、Moonshot 公式の国内および国際 API 料金ページを確認したものの、この具体的なモデルの公式 API 料金は確認できていません。入力と出力の課金額、適用通貨、課金単位はいずれも未確認です。他の Kimi モデルの価格をこのモデルに適用することはしません。自身でデプロイする場合のコストは、使用するインフラによって異なります。(platform.kimi.com)

公式情報源