2026 KIMI K3
2.8T_OPEN_
SOURCE_LLM.
リード：AI開発者やプロダクトチームがクローズドAPIを選定する際、よく次の3点で躊躇します——コンテキストは十分か、プログラミングタスクで本当に使えるか、完全ウェイトはいつ自ホストできるか。2026年7月16日深夜、Moonshot AI（月之暗面）はAPIドキュメントのトップに「🎉 Kimi K3 已上线！」のバナーを静かに掲載しました。本記事では調査素材の全要点に沿って解説します——2.8Tパラメータ仕様、KDA/AttnRes/Stable LatentMoEの3大アーキテクチャ革新、完全ベンチマーク比較表、料金マトリクス、5つの接続方法、7月27日のオープンソース約束、シーン別選定とFAQです。
30秒で把握 · TL;DR
| 公開 | 2026-07-16 深夜に静かにローンチ · 大型発表会なし |
| 規模 | 2.8兆パラメータ · 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 |
| コア能力 | 100万トークンコンテキスト · ネイティブビジョン · MoE 896エキスパート中16を活性化 |
| 料金 | 入力 $3/M · 出力 $15/M · キャッシュヒット $0.30/M |
| オープンソース | 完全ウェイト 2026-07-27 Hugging Faceで公開 |
1. 課題の整理：なぜK3に注目すべきか
- DeepSeekに規模で押された後、Moonshotは技術的主権の宣言が必要でした。過去18か月、DeepSeekの台頭が市場シェアを大きく圧迫しました。K3は2.8Tパラメータで「最大オープンソースモデル」の座を奪還し、2026世界人工知能大会（WAIC）開幕前夜の公開という戦略的タイミングを選びました。
- 長コンテキストはもはや紙の仕様ではありません。従来のフルアテンションでは100万トークンでKVキャッシュのメモリが爆発的に増大します。KDAハイブリッドアテンションによりKVキャッシュを最大75%削減し、百万トークンでのデコード速度を最大6.3倍向上——固定$3/Mの料金で1Mコンテキストが実用化します。
- 「コードが書ける」と「長時間コードを書ける」は別物です。SWE Marathonは持続的な長時間コーディングを測定するベンチマークで、K3は42.0とClaude Fable 5（35.0）やGPT-5.6 Sol（39.0）を大きく引き離します。数時間規模のプログラミングセッションなら、単発のSWE-benchよりこの数値が実態に近いです。
2. それは何か：一言で言うと
2026年7月16日深夜、Moonshot AIはKimi K3を静かにローンチしました。大型発表会も事前のSNSキャンペーンもなく、技術ブログ、料金ページ、すぐに呼び出せるモデルID kimi-k3だけがありました。
Kimi K3は現時点で世界最大規模のオープンソースAIモデルです——2.8兆（2.8T）パラメータ。従来の記録保持者DeepSeek V4 Pro（1.6T）を約75%上回り、Xiaomiのオープンソースモデル（1.02T）の2.7倍、Alibaba（397B）の7倍以上です。
スパース混合エキスパート（MoE）アーキテクチャを採用し、推論時には896エキスパートのうち16個のみを活性化します。100万トークンの超長コンテキストウィンドウ（『紅楼夢』全5巻を一度に読み切る相当）とネイティブビジョン理解能力を備え、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。
一言まとめ： Kimi K3は、画像・動画をネイティブに理解し、超長期記憶を持つオープンソースの「重量級プログラミングAI」です。Claude Opus 4.8より40%安く、完全ウェイトは7月27日にオープンソース化されます。
3. 背景：今回の公開が重要な理由
- 過去12か月のうち、Kimiシリーズは9か月オープンソースモデル規模の上限を占めていました
- Kimi K3の公開は2026世界人工知能大会（WAIC）開幕前夜に重なります
- 2026年6月時点でMoonshot AIのARR（年間経常収益）は3億ドルを突破し、年内に第6ラウンドの資金調達を完了、プレマネー評価額は315億ドルに達しています
- API収入は全体の7割以上を占め、海外有料ユーザーは400%成長しています
これは規模だけを誇る「情熱ビジネス」ではなく、商業化が急拡大する企業による技術主権の宣言です。閉源フラッグシップの動向は、当サイトの Claude Sonnet 5 / GPT-5.6 リーク情報まとめ と GPT-5.6 Sol Ultra 数学証明解析 もあわせてご参照ください。
4. コアアーキテクチャ：3大革新の詳細
4.1 Kimi Delta Attention（KDA）——「アテンション」機構の再設計
従来のTransformerフルアテンションは長コンテキストで計算量が二乗に増大します。KDAはハイブリッド線形アテンション機構です：
- 3:1の比率で線形アテンション層とフルアテンション層を交互に配置
- KVキャッシュメモリを最大75%削減
- 百万トークンコンテキストでデコード速度を最大6.3倍向上
- 短コンテキスト・長コンテキスト・強化学習拡張の3シーンすべてで純フルアテンションベースラインを上回ります
簡単な比喩：フルアテンションは全対話の細部を同時に覚える人、KDAは効率的な秘書——普段は高速インデックスを使い、要所で精密に思い出します。
4.2 Attention Residuals（AttnRes）——深度方向の情報損失を解決
AttnResは選択的検索を導入します——モデルは深度をまたいで、より浅い層の高価値表現を直接取得できます。Moonshotはこの設計により約25%の学習効率向上、追加計算コストは2%未満と報告しています。
4.3 Stable LatentMoE —— 超高スパース度の安定学習
Kimi K3は896エキスパートを持ち、推論ごとに16個のみ活性化——スパース度1.8%。関連技術：
| 技術 | 役割 |
|---|---|
| Quantile Balancing | ルータースコアの分位数からエキスパート割当を直接導出し、ヒューリスティックなハイパーパラメータを排除 |
| Per-Head Muon | 各アテンション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） | 活性化関数の制御を改善 |
| Gated MLA | アテンションの選択性を向上 |
以上の革新により、Kimi K3はKimi K2と比較して全体のスケーリング効率が約2.5倍向上しています。
5. ベンチマーク：どこが強いのか
| ベンチマーク | 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（ビジョン） | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench（文書理解） | 91.1 | 89.8 | 85.8 | 87.9 | — |
読み取りのポイント：
- SWE Marathon：K3は42.0で1位。「実際に数時間コードを書く」シーンに最も近いベンチマークです
- Program Bench：K3は77.8でわずかに1位
- FrontierSWE：Fable 5がリード（86.6）、K3（81.2）はGPT-5.6 Sol（71.3）を大きく上回ります
- OmniDocBench：K3が1位（91.1）、ビジョン＋長コンテキストの相乗効果を示します
- 総合知能：Artificial Analysis Intelligence Index v4.1でK3は57.1点、4位。Claude Fable 5（59.9）とGPT-5.6 Sol（58.9）に続きます
注意：上記ベンチマークはMoonshot AIの自報データです。各モデルは異なる推論ハーネス（K3はKimi Code、GPTはCodex、ClaudeはClaude Code）を使用しており、独立した第三者による再現は進行中です。
6. 料金：Claudeより安く、Sonnetと同水準
| 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（プロモ $2） | $15.00（プロモ $10） | — | 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の標準価格（$3/$15）と同水準ですが、コンテキストは5倍
- キャッシュヒットは$0.30/Mまで下がり、プログラミングシーンではキャッシュヒット率が90%超と報告されています
- 中国国内API：¥20/M（入力）、¥100/M（出力）、キャッシュヒット ¥2/M
- Kimi.comの無料アカウントで利用可能。プリペイドプランは¥199から（8月11日までの割引）
7. 導入ステップ：5つの方法ですぐ接続
- Kimi Web/App（最も簡単）：kimi.comにアクセスし、アカウント登録（Google対応）。K3はデフォルトで最大推論強度で動作します。
- 公式API（開発者向け）：platform.kimi.aiでAPIキーを取得し、OpenAI互換インターフェースを使用します：
- OpenRouter：モデルID
moonshotai/kimi-k3、公式価格にマークアップなし、完全な1Mコンテキスト。 - Cursor / IDEマルチルート：Kimi K3を長コンテキストプログラミングの主力にし、複雑なRepoのバグ修正時は Claude Fable 5 にフォールバック。
- 7月27日のオープンウェイトを待つ：完全モデルウェイトがHugging Faceで公開（64枚以上のアクセラレータを備えたスーパーノードが必要で、本番デプロイのハードルは高い）。
8. 横断比較：どう選ぶか
| シーン | 推奨モデル | 理由 |
|---|---|---|
| 持続的な長コードタスク | Kimi K3 | SWE Marathon 1位、最長コンテキスト |
| 複雑なRepoレベルのバグ修正 | Claude Fable 5 | FrontierSWEで大幅リード |
| ターミナル/ツールチェーン集約型Agent | GPT-5.6 Sol | Terminal Benchでリード |
| 超長文書/マルチモーダル文書理解 | Kimi K3 | OmniDocBench 1位、ネイティブビジョン＋1M |
| コスト重視シーン | DeepSeek V4 Pro | 出力は$3.48/Mのみ |
| オープンソース自デプロイ（近い将来） | Kimi K3（7/27以降） | 最強のオープンウェイト |
9. オープンソース約束：7月27日が待ち遠しい
Moonshot AIは公式WeChat公告で7月27日に完全モデルウェイトを公開すると明言しています。公開後、Kimi K3は次の地位を占めます：
- これまでで最大パラメータのダウンロード可能オープンソースモデル
- 初の2兆パラメータ超オープンウェイト
- オープンソースコミュニティの学習/微調整ベースの新標準
モデルはMXFP4ウェイトとMXFP8活性化の量子化認識学習で訓練され、Hugging FaceにはMXFP4/NVFP4量子化版が登場し、vLLM、SGLangなど主要推論フレームワークが初日対応が見込まれます。
注目タイムライン： 7月17–20日（WAIC、追加発表予定）→ 7月27日（K3完全ウェイトオープンソース化）。
10. よくある質問（FAQ）
Q：Kimi K3は無料で使えますか？
A：はい——kimi.comの無料アカウントで利用できます。APIは$3/$15（100万トークンあたり）で課金されます。
Q：ローカルにデプロイできますか？
A：ウェイトは7月27日に公開されます。本番デプロイには64枚以上のアクセラレータが必要で、ノートPCには適しません。
Q：DeepSeek V4 Proとどう比較されますか？
A：K3はパラメータがほぼ2倍、コンテキスト1M対128K、複数ベンチマークで優位です。ただしDeepSeekの出力は$3.48/MとK3を大幅に下回ります。
Q：1Mコンテキストは本当に役立ちますか？
A：コードベース全体の分析、長大な法律/研究文書、マルチターンAgentの長期記憶などで非常に有用です。固定料金で長さによる追加課金はありません。
Q：低/高推論強度モードはいつリリースされますか？
A：Moonshotは今後のアップデートで提供予定です。現時点ではmaxのみ利用可能です。
11. 深い洞察：オープンソースエコシステムの転換点
Kimi K3は「パラメータの積み上げ」だけの見せかけではありません。アーキテクチャ面（KDA、AttnRes、Stable LatentMoE）で真のエンジニアリング革新を行い、プログラミング長タスクや文書理解の重要領域で一部の閉源フラッグシップに匹敵、あるいは上回り、合理的な料金と完全オープンソースの約束を伴います。
さらに重要なのは、中国AIオープンソースエコシステムのシグナルです——「低価格で市場を取る」段階から、真に知能のフロンティアに挑む段階へ。7月27日にウェイトが着地すれば、オープンソースコミュニティは初の2T+ダウンロード可能ベースを迎えます。企業内ネットワークへのデプロイ、垂直領域モデルの微調整、閉源APIに依存しないAgentシステム構築を目指すチームにとって、2026年最重要のオープンソースリリースの一つになる可能性があります。
Mac開発者にとっては、K3 APIをCursorに接続して長コンテキストプログラミングを行い、Kimi CodeでSWE Marathonクラスのタスクを走らせるのが現時点で最も実用的な道です。完全ウェイト公開後は、MLX / llama.cppコミュニティの量子化適応の進捗も追跡する価値があります——DeepSeek自研チップと算力レイアウト もあわせてご参照ください。
12. まとめ：API試用は任意デバイス、Agent実測は依然Mac
kimi.comへの登録、APIキーのコピー、OpenRouterでのルート切替——WindowsやLinuxでも十分です。しかし同一環境でCursor＋Kimi K3長コンテキストプログラミング、XcodeでのiOS側Agent連携、Mac上のMLXでK3量子化版の照合検証を行うなら、Apple Siliconユニファイドメモリ＋Metalグラフィックススタックが依然として最も抵抗の少ない道です。
より実用的なアプローチ：メイン機はAPI呼び出しを継続し、Kimi Codeの負荷テスト、マルチリポジトリSWE Marathon回帰、1Mコンテキスト文書バッチ処理をMACGPUリモートMac mini M4ノードに任せましょう——オンデマンド起動、SSH安全アクセス。K3ウェイトが7月27日に着地する前に、算力を実機検証に、本機を日常の安定開発に使い分けられます。