Kimi K3 徹底レビュー：2.8兆パラメータ、 オープンソース大規模モデル新記録
2026年7月16日深夜、Moonshot AI（月之暗面）は API ドキュメント上部に「Kimi K3 登場」のバナーを静かに掲載しました。大規模キーノートはありませんでしたが、世界最大規模のパラメータ数を持つオープンソース AI モデルである Kimi K3（2.8兆（2.8T）パラメータ）がリリースされました。100万 token コンテキストとネイティブ視覚理解を備えています。
AI 開発者、技術愛好家、モデル選定担当者向けに、本記事では次の三つを回答します。① Kimi K3 の仕様、アーキテクチャ革新、リリースの戦略的意義；② Claude Fable 5、GPT-5.6 Sol、DeepSeek V4 Pro との全量 benchmark 比較；③ 料金、四つの連携方式、シーン別選定マトリクス、7月27日の完全ウェイト開源スケジュール。データは 2026-07-16 時点（Moonshot 公式自報 benchmark）までです。
01 Kimi K3 とは？今回のリリースが重要な理由
一言で言えば：Kimi K3 は現時点で世界最大規模のパラメータ数を持つオープンソース AI モデルです——2.8T パラメータ。DeepSeek V4 Pro（1.6T）を約 75% 上回り、小米のオープンソースモデル（1.02T）の 2.7 倍、アリ（397B）の 7 倍以上です。スパース MoE アーキテクチャを採用し、推論時は 896 エキスパート中 16 個のみを活性化します。100万 token の超長コンテキストとネイティブ視覚により、複雑なプログラミング、長文書推論、ナレッジワーク向けに設計されています。完全ウェイトは 2026年7月27日に Hugging Face で公開予定です。
開発者が直面する主な課題は次のとおりです。
- コンテキストのボトルネック：クローズドソースのフラッグシップは多くが 200K–400K token で、リポジトリ全体分析には繰り返しの切り詰めと結合が必要です。
- 長時間コードタスクの性能低下：SWE Marathon 型の持続的プログラミングでは、多くのモデルが途中でコンテキストを失います。
- オープンソース規模の上限：DeepSeek V4 Pro が 1.6T で先行していましたが、2T 超のオープンウェイトは空白でした。
- 輸出規制と料金変動：Claude Fable 5 のグローバル停止後、高性能 coding agent の選択肢が狭まりました。
Moonshot AI は過去 18 か月 DeepSeek の台頭に直面してきました。K3 は見事な反撃と言えます。主要な背景データは以下のとおりです。
- 過去 12 か月のうち 9 か月、Kimi シリーズがオープンソースモデルの規模上限を占めていました；
- リリースタイミングは 2026 世界人工知能大会（WAIC）開幕前夜；
- 2026年6月時点で ARR は 3億ドル超、今年第6ラウンド調達完了、投前評価額 315億ドル；
- API 収入が 7 割以上、海外有料ユーザーは 400% 成長。
これはパラメータ数の「見せかけ」ではなく、商用化が加速する企業による技術主権の宣言です。
02 Kimi Delta Attention ほか三大アーキテクチャ革新
Kimi Delta Attention（KDA）—— 注意機構の再設計
従来の Full Attention は長コンテキストで KV キャッシュメモリが二乗的に増大します。KDA はハイブリッド線形注意機構で、線形層と全注意層を 3:1 で交互配置します。3 つの線形層が局所構造を処理し、1 つの全注意層がグローバル情報フローを保持します。効果：KV キャッシュメモリを最大 75% 削減；100万 token 下でデコード速度を最大 6.3 倍 向上；短/長コンテキストおよび RL 拡張シーンの両方で純粋な全注意ベースラインを上回ります。
Attention Residuals（AttnRes）—— 深度による情報損失の解消
AttnRes は残差接続を改造し、選択的取得を導入します——モデルは深度を跨いでより早い層の高価値表現を直接取得できます。Moonshot は約 25% の学習効率向上を報告し、追加計算コストは 2% 未満です。
Stable LatentMoE —— 超高スパース度の安定学習
K3 は合計 896 エキスパート、推論ごとに 16 個を活性化（スパース度 1.8%）。付随技術は以下のとおりです。
| 技術 | 役割 |
|---|---|
| Quantile Balancing | ルーター得点の分位数からエキスパート割当を導出し、ヒューリスティック超パラメータを排除 |
| Per-Head Muon | 各注意ヘッドを独立最適化し、大規模学習をより適応的に |
| Sigmoid Tanh Unit（SiTU） | 活性化関数制御の改善 |
| Gated MLA | 注意の選択性向上 |
以上の革新により、Kimi K3 は Kimi K2 比で全体拡張効率が約 2.5 倍向上しています。
03 Kimi K3 Benchmark：強みはどこか
| Benchmark | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro（視覚） | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench | 91.1 | 89.8 | 85.8 | 87.9 | — |
解読の要点：
- SWE Marathon（42.0）：持続的長コードタスクで首位。実際の「数時間コーディング」に最も近い；
- Program Bench（77.8）：わずかな差で首位；
- FrontierSWE：Fable 5 が 86.6 で首位、K3（81.2）は GPT-5.6 Sol（71.3）を大きく上回る；
- OmniDocBench（91.1）：文書理解で首位。視覚 + 長コンテキストの相乗効果；
- Artificial Analysis Intelligence Index v4.1：K3 は 57.1 点で第4位。Fable 5（59.9）と GPT-5.6 Sol（58.9）に続く。
上記は Moonshot 自報データです。各モデルは異なる推論 harness を使用しています（K3 は Kimi Code、GPT は Codex、Claude は Claude Code）。独立した第三者再現は進行中です。
04 Kimi K3 料金比較と六ステップ連携手順
| モデル | 入力（$/M） | 出力（$/M） | キャッシュヒット入力 | コンテキスト |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00 | $15.00 | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.5 | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
K3 は Claude Sonnet 5 と標準価格が同じ（$3/$15）ですが、コンテキストは 5 倍。プログラミングシーンではキャッシュヒット率が 90% 超で、実効入力コストは極めて低くなります。中国国内料金：入力 ¥20/M、出力 ¥100/M、キャッシュヒット ¥2/M。Kimi.com 無料アカウントで利用可能、前払い ¥199 から（8月11日までの優待）。
Kimi K3 を六ステップで連携する手順：
- Web/App でゼロ障壁試用：kimi.com にアクセスし Google アカウントで登録。K3 はデフォルトで最大推論強度で動作します。
- API Key 申請：platform.kimi.ai でキーを作成しチャージします。
- OpenAI 互換クライアント設定：
base_url="https://api.moonshot.ai/v1"、モデル ID はkimi-k3。 - 初回テストリクエスト送信：短い prompt で接続性とレイテンシを確認します。
- OpenRouter 代替：OpenRouter アカウントがあれば
moonshotai/kimi-k3を直接呼び出せます。公式価格に上乗せなし。 - 7月27日をカレンダー登録：完全ウェイトが Hugging Face で公開。ローカルデプロイには 64 枚以上の加速カード超ノードが必要です。
from openai import OpenAI
client = OpenAI(
api_key="your_moonshot_api_key",
base_url="https://api.moonshot.ai/v1"
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "このコードを分析してください..."}]
)05 シーン別選定マトリクスと引用可能データ
| シーン | 推奨モデル | 理由 |
|---|---|---|
| 持続的長コードタスク | Kimi K3 | SWE Marathon 首位、最長コンテキスト |
| 複雑 Repo 級バグ修正 | Claude Fable 5 | FrontierSWE で大幅リード |
| ターミナル/ツールチェーン Agent | GPT-5.6 Sol | Terminal Bench 首位 |
| 超長文書/マルチモーダル理解 | Kimi K3 | OmniDocBench 首位、ネイティブ視覚 + 1M |
| コスト重視シーン | DeepSeek V4 Pro | 出力 $3.48/M のみ |
| オープンソース自前デプロイ（7/27 以降） | Kimi K3 | 最強オープンウェイト |
引用可能なハードデータ（Moonshot 公式、2026-07-16）：
- 総パラメータ数：2.8兆、世界最大オープンソースモデル。DeepSeek V4 Pro（1.6T）を約 75% 上回る
- MoE スパース度：896 エキスパート / 16 活性化 = 1.8% 活性化率
- KDA 効率：KV キャッシュ 75% 削減、100万 token デコード 6.3× 高速化
- 拡張効率：K2 比 2.5× 向上；AttnRes 学習効率 +25%
- 商用指標：ARR $300M+、評価額 $31.5B、API 収入 70%+
- オープンソーススケジュール：2026-07-27 Hugging Face 完全ウェイト；MXFP4/NVFP4 量子化版と vLLM/SGLang サポート同期予定
06 7月27日オープンソース約束、FAQ、本番環境への提言
Moonshot AI は公式 WeChat 公告で明言しました：7月27日に完全モデルウェイトを公開。その時点で K3 は史上最大のダウンロード可能オープンソースモデル、初の 2 兆超パラメータ級オープンウェイト、オープンソースコミュニティの学習/微調整新基準となります。
Q：Kimi K3 は無料で使えますか？
A：kimi.com の無料アカウントで利用可能です。API は token 従量課金（$3/$15 per 1M）。
Q：ローカル実行は可能ですか？
A：7月27日以前は不可。ウェイト公開後は 64+ 加速カード超ノードが必要で、コンシューマー向けノート PC には不向きです。
Q：K3 と DeepSeek V4 Pro の比較は？
A：K3 はパラメータ約 2 倍、コンテキスト 1M vs 128K、benchmark 全面で優位。ただし DeepSeek 出力は $3.48/M のみでコスト優位があります。
Q：1M コンテキストは実用的ですか？
A：リポジトリ全体分析、長編法律/科研文書、多轮 Agent メモリシーンで価値が大きい。K3 は統一料金で長さ追加料金なし。
Q：低/高推論強度モードはいつ登場しますか？
A：Moonshot は後続アップデートで提供予定。現時点は max のみ利用可能。
Kimi K3 はパラメータ数の見せかけではありません——KDA、AttnRes、Stable LatentMoE は実際のエンジニアリング革新であり、プログラミング長タスクと文書理解で一部クローズドソースフラッグシップに匹敵乃至凌駕し、完全オープンソースを約束しています。中国 AI オープンソースエコシステムが「低価格で市場獲得」から「知能フロンティアへの挑戦」へ転換した象徴です。
注目タイムライン：7月17–20日 WAIC → 7月27日 K3 完全ウェイト開源。
純粋な API 呼び出しでも K3 に素早く接続できますが、長コンテキスト Agent を共有 VPS で動かすとメモリ不足、多轮 coding パイプラインに 7×24 安定ホストがない、7月27日以前はローカルウェイト推論不可という三つの隠れコストがあります。Kimi Code 型 Agent、リポジトリ全体分析、MCP Server を継続稼働させる本番環境では、JEXCLOUD 多リージョン裸金属 Macがより適した選択です。Apple Silicon 統一メモリを独占、超売りジッターなし、launchd 常駐 Agent ゲートウェイ、120 秒デプロイ。ノードと価格は JEXCLOUD 料金ページをご覧ください。