KIMI K3
2.8T_
OPEN_
WEIGHT.
7月27日23時頃、Moonshot AI（月之暗面）は Kimi K3 の完全モデルウェイトと技術レポートを正式公開し、MoonEP・FlashKDA・AgentEnv の3大インフラ技術も同時にオープンソース化しました。課題：K3 は 2.8 兆パラメータの MoE モデルですが、「オープンソース」と「オープンウェイト」は意味が異なり、ライセンスには2つの商用ゲートが存在します。結論：オープンウェイト陣営の能力上限（AA Index 世界3位）ですが、コスパ最適解ではありません。構成：タイムライン → 仕様表 → KDA/AttnRes アーキテクチャ → 3大Infra → ベンチマーク比較 → ライセンス → API/自ホスト → 地政学背景 → 5ステップ導入 → FAQ。
1. 課題整理：7/27 公開が再評価に値する理由
1）「オープンソース」の罠：公式は open source ではなく open weight と表現しており、学習データと完全な学習コードは非公開です。2）ライセンス2つの商用ゲート：MaaS 年収2,000万ドル超、または MAU 1億超/月収2,000万ドル超で追加条項が発動します。3）自ホストは現実的でない：1.56TB のウェイト、公式推奨64 GPU超ノード——個人開発者には API か OpenRouter が現実的です。4）コストは最安ではない：タスクあたり約 $0.95 で、GLM-5.2（$0.47）の約2倍です。5）地政学リスク：米側の「工業規模蒸留」指控、中国側7/28の「AI覇権主義」反論——選定時はコンプライアンスと世論リスクを考慮する必要があります。
2. タイムライン：API初公開から完全公開までわずか11日
| 日付 | イベント |
|---|---|
| 7/16 夜 | K3 が kimi.com、Kimi Work、Kimi Code、API で初公開、ウェイト未公開 |
| 7/17 | 業界がアーキテクチャ分析；新華社が「世界最大パラメータのオープンソースモデル」と報道 |
| 7/22–23 | 米側が Moonshot AI の Anthropic Fable 蒸留を指控、制裁を示唆 |
| 7/27 23:00 | 完全ウェイト・技術レポート公開；MoonEP・AgentEnv オープンソース（FlashKDA は先行公開済み） |
| 7/28 | 中国商務部が公式回答；国内メディアがオープンソース詳細を報道 |
ウェイトファイルは約 1.56TB、Hugging Face 公開30分でトレンド1位。API 初公開からわずか 11日 です。
3. Kimi K3 コア仕様一覧
| 項目 | 仕様 |
|---|---|
| 総パラメータ数 | 2.8 兆（2.8T） |
| 活性化パラメータ | 約 1,040 億 |
| アーキテクチャ | Mixture of Experts（MoE） |
| エキスパート構成 | 896 ルーティングエキスパート、トークンあたり16個 + 共有エキスパート |
| アテンション | Kimi Delta Attention（KDA）+ ゲーティング MLA |
| コンテキスト | 100 万トークン |
| マルチモーダル | ネイティブ視覚理解（ViT-V2、27層） |
| ウェイト形式 | MXFP4 ウェイト + MXFP8 活性化（SFT から量子化認識学習） |
| ウェイト容量 | 約 1.56TB（Hugging Face） |
| ライセンス | カスタムライセンス（open weight、open source ではない） |
4. 3大アーキテクチャ革新：KDA、AttnRes、Per-Head Muon
Kimi Delta Attention（KDA）
従来の Gated DeltaNet はスカラー忘却ゲートを使用しますが、KDA はチャネルごとに独立した減衰率を持ち、一部の特徴は長期保持、他は高速忘却します。chunkwise DPLR 公式で線形時間再帰を実現し、少数の Gated MLA グローバルアテンション層と交互に混合——100万トークンコンテキストを支えつつ KV Cache メモリ消費を抑える核心技術です。
Attention Residuals（AttnRes）
従来の残差接続は層ごとに均等累積し、深層で早期情報が希薄化します。AttnRes は選択的・入力依存の動的集約に変更——層あたり RMSNorm 1つと疑似クエリベクトル1つのみ追加で、約 25% の学習効率向上、パラメータ増加は 2% 未満です。
Per-Head Muon と Stable LatentMoE
Muon オプティマイザをアテンションヘッドごとに独立最適化；MoE 層は896から16選択（スパース度約 1.8%）、Quantile Balancing と MoonEP でエキスパート負荷不均衡を解決します。
5. 3大オープンソース Infra 技術
| 技術 | 位置づけ | 主要能力 |
|---|---|---|
| MoonEP | 超大規模細粒度 MoE 通信ライブラリ | 過負荷エキスパートの一時複製、冗長エキスパート数の理論的上界を数学的証明、負荷均衡下で高通信効率を維持 |
| FlashKDA | CUTLASS ベースの KDA 高性能演算子 | H20 で prefill が flash-linear-attention 基線比 1.72–2.22× 高速；chunk_kda の直接代替バックエンドとして利用可能 |
| AgentEnv | KVCache.ai 共同開発の Agent サンドボックス（Firecracker microVM） | checkpoint 遅延 133ms、復旧 49ms、メモリオーバーサブスクリプション最大 6.5×（公式データ、第三者検証待ち） |
6. ベンチマーク比較：GPT-5.6、Claude、GLM-4.5 との対決
SWE-bench Verified（Vals AI 独立再検証、2026年7月）
| モデル | スコア | 公開日 |
|---|---|---|
| Claude Opus 5 | 97% | 2026-07-24 |
| GPT-5.6 Sol | 96.2% | 2026-07-09 |
| Claude Fable 5 | 95% | 2026-06-09 |
| Kimi K3 | 93.4% | 2026-07-16 |
| Qwen3.7-Max | 79.4% | 2026-05-19 |
| DeepSeek-V4 | 76.2% | 2026-04-23 |
Artificial Analysis インテリジェンス指数（max 推論モード）：Claude Fable 5（60）> GPT-5.6 Sol（59）> Kimi K3（約57、世界3位、オープンウェイト1位） > GLM-5.2（51）> DeepSeek V4 Pro（44）。
タスクあたりコスト約 $0.95——Claude Fable 5（$2.4）より60%安いが、GLM-5.2（$0.47）より高い。オープンウェイト陣営の能力上限だが、コスパ最適解ではない。 K3 は現在 Arena.ai Frontend Code Arena で1位です。
7. ライセンス：2つの商用ゲート
- Model-as-a-Service 収入ゲート：MaaS 事業の連続12ヶ月累計収入が 2,000 万ドル を超える場合、Moonshot AI との別途商用契約が必要です。
- 規模表示ゲート：MAU 1 億超または月収 2,000 万ドル超の場合、UI に「Kimi K3」の表記が必須です。
大多数の中小チームには2つのゲートはほぼ該当しません。「K3 で競合 MaaS を立ち上げる」計画の場合、第1ゲートは法務上の赤線です。
8. API 料金と自ホスト要件
| トークン種別 | 価格（100万トークンあたり） |
|---|---|
| 入力（キャッシュヒット） | $0.30 |
| 入力（キャッシュミス） | $3.00 |
| 出力（推論過程含む） | $15.00 |
API エンドポイント：https://api.moonshot.ai/v1、モデル ID kimi-k3、OpenAI SDK 互換。Mooncake 分離型推論アーキテクチャではプログラミング系ワークロードでキャッシュヒット率 90%+、実コストは $0.30 帯に近づきます。自ホストは 64 GPU 以上の超ノードを推奨；個人ユーザーには OpenRouter（7社プロバイダー）が現実的です。
9. 5ステップ導入：評価から K3 接続まで
- 利用パスの明確化：API 呼び出し vs 第三者ホスティング vs 自ホスト——99% のチームは前者2つを選ぶべきです。
- ライセンス審査：MaaS 収入と MAU ゲートを照合し、追加商用契約の要否を確認します。
- OpenAI 互換クライアント設定：Cursor / OpenClaw / 自作 Agent は base URL と API Key を変更するだけで接続可能です。
- キャッシュ戦略の有効化：繰り返しコードコンテキストは Mooncake キャッシュヒット経路を優先し、実トークンコストを抑制します。
- フォールバックチェーン構築：K3 で高難度タスク、日常トラフィックは GLM-5.2 や DeepSeek V4 Flash にダウングレードし、請求を管理します。
10. 深掘り：WAIC 2026 ウィンドウと「3T クラブ」競争
K3 オープンソースのタイミングは WAIC 2026 期間と重なり、米中「モデル蒸留」論争と重複——米側は Moonshot AI が Anthropic Fable を「工業規模蒸留」して K3 を学習したと指控し制裁を示唆；中国商務部は7/28に米側の「AI覇権主義」を非難し反制を警告しました。Moonshot AI がウェイト・技術レポート・3 Infra を公開したのは、完全なエンジニアリング詳細で技術経路の独立性を自証する意図もあります。
3日後、阿里巴巴（Moonshot AI の投資家の一つ）が 24 兆パラメータ Qwen3.8-Max-Preview を公開し、K3 への直接応答と解釈されました。中国製大規模言語モデル競争は「3T クラブ」段階に入り——パラメータ規模、アーキテクチャ革新、Infra オープンソースの三位一体が、単純なベンチマーク競争より長期的意義を持ちます。
Mac 開発者にとって、K3 自ホストは非現実的ですが API 経由で接続可能；ローカルフォールバックが必要なら GLM-5.2 など小規模オープンソースモデルを Apple Silicon 上で MLX 量子化版として実行できます。K3 の価値は：オープンウェイトモデルがクローズドソース最前線に接近できることを証明し、エコシステム全体の価格・能力基準を引き上げる点にあります。
11. よくある質問 FAQ
Kimi K3 は本当にオープンソースモデルですか？ 厳密には違います。open weight に分類：ウェイト、技術レポート、一部 Infra は公開ですが、学習データと完全な学習コードは非公開で、OSI 基準を満たしません。
無料商用利用できますか？ 大多数のシナリオでは制限なし；MaaS 年収2,000万ドル超または MAU 1億超/月収2,000万ドル超はライセンス特定条項の遵守が必要です。
自ホストに必要な GPU 数は？ 公式推奨は64 GPU以上の超ノード；個人・企業とも公式 API か OpenRouter が現実的です。
Kimi K2 との違いは？ K3 は K2.5 の約3倍パラメータ、AttnRes と Per-Head Muon を新規追加、コンテキストとマルチモーダルが大幅向上；ライセンスに MaaS 収入ゲートを追加。
12. まとめ：API 接続 + Mac ローカルフォールバックのハイブリッド構成
Windows/Linux クラウドサーバーでも Kimi K3 API は呼び出せますが、Cursor ツールチェーン連携、OpenClaw Agent 常駐、ローカル MLX 量子化フォールバック、グラフィックワークフローでは Apple Silicon Mac の方がスムーズです。K3 自ホストは64 GPU超ノードが必要ですが、API 接続は base URL 変更のみ；ローカル GLM-5.2 オフラインバックアップ、長コンテキスト Agent 分流、7×24 安定運用も必要なら、3層構成を推奨します：ローカル MLX で量子化 OSS モデルが日常処理；Kimi K3 API が高難度コーディング・推論を担当；MACGPU リモート Mac ノード が OpenClaw/Hermes 常駐と統合メモリ逼迫の長コンテキストタスクを処理——3T クラブ競争が激化する中、制御可能な計算リソースこそが最良のヘッジです。