Kimi K3とは？2.8兆オープンウェイトの使いどころ

ツール ベンチマークノート（Category Tools）

執筆者:

enwell_lab_admin

カテゴリ:

結論：注目点は「大きさ」より「開き方」

TL;DR：Kimi K3 は総2.8兆パラメータ・100万トークン文脈の大型MoEで、重み（ウェイト）が公開された。だが本当に効いてくるのは規模ではなく、「オープンウェイト × 収益連動ライセンス」という配り方だ。編集部は「モデル選びが性能比較から”どこで動かせて、どの条件で使えるか”の話に移る合図」と読む。

中国の Moonshot AI（月之暗面）が、2026年7月16日に大規模言語モデル Kimi K3 を公開し、7月27日にはモデルの重みと技術レポートを公開した12。数字はどれも派手だ。総2.8兆パラメータ、100万トークンの文脈長、視覚理解の追加。見出しはこの規模を追いかけた。

ただ、業務でどう使うかという視点で見ると、いちばん重要なのは「2.8兆」という大きさではない。率直に言えば、パラメータ規模の競争は各社が数字を積み増している最中で、それ自体は驚きが薄い。編集部が今回いちばん注目したのは、フロンティア級の規模を持つモデルが「自前の環境で動かせる形（オープンウェイト）」で、しかも「収益が一定を超えたら別契約が要る」という条件つきで配られた、その配り方のほうだ。ここに、閉じたAPIしか選べなかった現場の選択肢を広げる芽がある。

本記事の前提：今回は公式ブログ・HuggingFace・APIドキュメントなど一次ページの本文が直接開けず、数値の多くを二次報道から拾った。存在・公開日・総パラメータ・文脈長・API価格など複数ソースで一致する項目は確度が高い。ベンチマークの具体値・アクティブパラメータ数・ライセンス種別・動画対応は裏取りが残る項目で、編集部の解釈を含む箇所は一次情報が確定しだい更新する。

3行でわかる Kimi K3

項目数値出典
公開2026年7月16日ローンチ／7月27日にオープンウェイト公開Kimi公式 / 公式X1
総パラメータ約2.8兆（2.8T）スパースMoEKimi公式 / 公式X4
エキスパート構成896エキスパート中、トークン毎に16個を活性化財聯社11
コンテキスト長100万（1M）トークンKimi公式 / 公式X1
API価格（1Mトークン）入力 $3.00 / 出力 $15.00（概算 約471円 / 約2,355円）eesel.ai / OpenRouter15

円換算は概算で、為替は 1ドル ≈ 157円（2026年7月時点の概算。相場は変動する）を用いた。実際の請求は最新の価格表とレートで確認してほしい。

Kimi K2 から何が変わったか

前世代 K2 との差分で見ると、K3 は規模と文脈長を大きく引き上げた世代だ。総パラメータは約1兆から2.8兆へ、文脈長は128Kから100万トークンへ広がった1。

項目Kimi K2Kimi K3
総パラメータ約1兆（1T）約2.8兆（2.8T）
エキスパート活性384中8個896中16個
コンテキスト長128Kトークン100万トークン
モダリティ主にテキストネイティブ視覚理解を追加

公式X は、単位計算量あたりの知能が K2 比で約2.5倍に改善したとも述べている4。価格は逆に上がった。二次報道によれば入力$3.00・出力$15.00で、K2系（入力$0.60・出力$2.50前後とされる）から引き上げられた15。規模と能力が上がったぶん単価も上がった形だ。K2系の旧価格は二次情報のみのため、値上げ倍率で語るより、K3 の実価格そのもので判断するほうが安全だ。なお「動画まで理解できる」とする記事もあるが、公式Xの表現は「視覚理解」にとどまる。動画対応の明言は二次情報で、公式モデルカードでの確認を勧める。

アーキテクチャをかみ砕く

K3 の骨格は大規模スパースMoE（Mixture of Experts）だ。総2.8兆のうち、推論時に各トークンで実際に動くのは896エキスパート中の16個に絞られる11。巨大な容量を保ちつつ、1トークンあたりの計算コストを抑える設計だ。かみ砕けば、内部に多数の「エキスパート（部分ネットワーク）」を用意し、入力ごとに関係の深い一部だけを呼び出す。全体は巨大でも計算するのは一部なので、同規模の密なモデルより効率を出しやすい。K3 が2.8兆という大きさを実用速度で回せるのは、この疎な設計が前提にある。

1Mトークンのコンテキスト長

注意機構には Kimi Delta Attention（KDA）と呼ぶハイブリッド線形注意が採用されたと技術レポートの要約は伝える13。ただし内部構造の詳細は二次的な要約に基づくもので、正確な定義は一次のレポート本文での確認が要る。「アクティブパラメータ約32B」とする記述も一部にあるが、これは896×16構成からの逆算推定の可能性があり、本記事では確定値ではなく憶測として扱う。

100万トークンの文脈長は実務で効く。数百ページの資料や大規模コードを一度に渡せるため、分割投入の手間が減る。ただし長文脈をフルに使うほど入力トークンが増え、コストと時間も伸びる。長文脈は「使える上限」であって「常に使う量」ではない、と捉えるのが実務的だ。

ベンチマークは割れている — “どのタスクか”を抜きに語れない

ここで一度、期待に水を差しておきたい。公開されているスコアは高性能を示唆するが、いずれも第三者ブログが出典で、公式モデルカード本文での裏取りが取れていない。以下は参考値だ。

ベンチマーク報告値出典
SWE-bench Verified76.8%Trilogy AI ほか二次13
GPQA Diamond93.5%Trilogy AI ほか二次13
LiveCodeBench85%Trilogy AI ほか二次13
Artificial Analysis Intelligence Index57（189モデル中4位と報道）Trilogy AI13

ここに、この記事でいちばん面白い食い違いがある。英国AISIと米CAISIの共同評価（2026年7月）は、K3 のサイバー攻撃系タスクの能力を、最新の米フロンティアモデルより大きく下回ると報告した910。ところが別のセキュリティ企業（Aikido Security）は、既知脆弱性の検出という切り口では K3 をオープンソース勢で最上位と評価したと報じられている5。

一見「2.8兆・1M・オープン」で最強に見えるモデルが、独立評価では正反対の顔を見せる。理由は単純で、着目したタスクが違うからだ。ここから引き出せる編集部の読みはこうだ――ベンチマークの一行だけでモデルの実力は語れない。「どのタスクを、どの条件（ハーネス）で測ったか」を確認しない限り、スコアは装飾でしかない。導入判断で本当に効くのは、順位表ではなく、自社が実際に使う用途に近いタスクで小さく試した結果だ。

本当の焦点は「オープンウェイト × 収益連動ライセンス」

規模やベンチより、K3 が持ち込んだ構造的な新しさは配り方にある。フロンティア級のモデルの重みが公開され、条件つきで誰でも自前環境に置ける。ただし「完全に自由」ではない。ライセンスは報道が割れており、「Modified MIT（改変版MIT）」とする記事と、「収益連動の独自ライセンス」とする記事が混在する78。より詳しい報道（VentureBeat、Unite.ai）では、モデルを使ったサービスの収益が連続12か月で2,000万ドル（約31億4,000万円）を超える場合、別途 Moonshot との契約が要るとされる。

この「開いているが、稼ぎ始めたら条件が付く」設計を、編集部は軽く見ていない（本節は解釈を含み、一次情報が確定したら更新する）。closed API 一択だった現場に、”自分の環境で動かす”という現実的な第3の選択肢が入るからだ。とくに、データを社外に出せない組織にとって、これは価格表の話ではなく「そもそも使えるかどうか」の話になる。逆に言えば、大企業が本番サービスに載せる段では、あの収益トリップワイヤーが必ず調達・法務の確認項目に上がる。open と closed の二分法が、ライセンス階層と運用場所の話に置き換わっていく入口だ。

実務での使い方 — データを外に出せない現場のケース

具体的な場面を1つ描く（実務例としての仮想シナリオ）。

地域の中核病院で、電子カルテ周辺の情報システムを担う担当者を想像してほしい。患者に関わる文書は院外の海外APIに送れない、という規程がある。過去の診療ガイドライン、院内マニュアル、長大な運用手順書は紙とPDFに散らばり、必要な一節を探すだけで時間が溶ける。closed の海外AI APIは、性能が高くても「そもそも送れない」ため候補から外れていた。

ここでオープンウェイトが効く。院内の閉じたネットワークに K3 を置ければ（相応のGPU資源は要る）、100万トークンの文脈長で大量の院内文書をまとめて読み込ませ、「この症例に関係する手順はどれか」「更新されたガイドラインと矛盾する記述はないか」を、外にデータを出さずに問い合わせられる。変わるのは検索時間だけではない。これまで特定の職員の記憶に頼っていた「どこに何が書いてあるか」が、質問に答える形で使えるようになる。

もっとも、2.8兆級を自前で回すハードルは高く、多くの組織ではまず API から試すのが現実的だ。だから実務的な入り方はこうなる――機密性の低い業務は API で素早く検証し、データを外に出せない一部の用途にだけ、オープンウェイトの閉域運用を選択肢として残す。そのとき、前述のライセンス条件を先に読んでおくことが欠かせない。

GPT-5.6・Claude・Gemini とどう使い分けるか

正直に整理する。K3 の強みは「フロンティア級の規模を、オープンウェイトで、比較的安く」という組み合わせにある。弱みもはっきりしている。ベンチマークが未確認で、ライセンスに収益トリップワイヤーがあり、自前運用には大きなGPUが要り、独立評価ではサイバー系能力が米フロンティアを下回るとされた9。公開情報だけで見立てるなら、こう使い分けるのが現実解だ。

  • Kimi K3：自前環境での運用・データ主権・長文脈をまとめて安く、が要件のとき。オープンウェイトを自分の環境で動かせるのが唯一の強みで、closed 勢には真似できない。
  • GPT-5.6 Sol：品質最優先の長文コーディングや長期エージェント。closed だが完成度とサポートで勝る。詳しくは当サイトの Sol 記事参照。
  • Claude Sonnet 5：エージェントを安く大量に回す自動化。検証済みの品質とベンダーSLAを取りたいとき。
  • Gemini：Google Workspace を業務基盤にしていて、連携のしやすさが効くとき。

つまり「どれが最強か」ではなく、データを外に出せない／自前運用したいなら K3、それ以外は完成度とサポートで closed 勢、という棲み分けだ。ベンダー発表値や順位は自社に有利に切り取られがちなので、順位より自分の代表タスクでの使用感で決めるほうが確実だ。中国系AI企業の動向は海外AI事例のまとめ、モデル選定の考え方はAIモデル比較や業種別AI活用マップもあわせてどうぞ。

料金と円概算

API料金は米ドル建てで公開されている。円概算を併記する（1ドル≈157円の概算）。

区分価格（1Mトークン）円概算出典
入力$3.00約471円eesel.ai15
出力$15.00約2,355円eesel.ai15
キャッシュ入力$0.30約47円data-engineering.jp16

キャッシュ入力は通常入力から約9割引で、同じ長文脈を繰り返し使うエージェント用途でコストを抑えられる。目安として、入力5万＋出力5,000トークンの処理を1,000回まわすと、入力は合計5,000万トークンで $150（約23,550円）、出力は500万トークンで $75（約11,775円）、合計およそ $225（約35,325円）。キャッシュ割引が効けば実際はこれより下がる余地がある。利用経路は、Kimi.com／アプリからの直接利用、モデルID「kimi-k3」を指定するAPI、OpenRouter など外部プロバイダー経由の3通り14。OpenRouter では容量制約や速度低下の警告が出る場合があるとの報告もある。

これから起きること（3ヶ月／半年／1年）

ここは編集部の予測で、確度をあわせて示す（一次情報が確定したら更新する）。

  • 3ヶ月：濃厚。中国発のオープンウェイト・フロンティア級モデル（Kimi、DeepSeek、Qwen 系列）が、コストや自前運用を重視する現場の有力な既定値になる。「開いているが収益連動」というライセンス形が他社にも広がる。
  • 半年：五分五分。日本のデータ主権に厳しい領域（医療・自治体・金融）が、closed 海外APIの代替としてオープンウェイトの閉域運用の検証を始める。2,000万ドルのトリップワイヤーが調達・法務の定番チェック項目になる。
  • 1年：賭け。「open か closed か」の二分法が薄れ、「どのライセンス階層で、どこで動かせるか」に論点が移る。モデル選定が性能比較と同じくらい、調達・コンプライアンスの問題になる。

明日からできること

  • まず API で試す。自前運用の前に、入力$3／出力$15 の API で、自社の代表的な長文脈タスクを小さく走らせて使用感を見る。
  • ライセンス本文を先に読む。「オープン＝商用自由」と決めつけず、HuggingFace のモデルカードと公式ライセンスで、収益連動の条件（2,000万ドルのトリップワイヤー）を確認する。
  • ベンチの一行を信じない。SWE-bench や GPQA の数値は参考値。自社の用途に近いタスクで測り直す。
  • データの持ち出し可否を確認する。機密データを扱うなら、API 送信の是非とオープンウェイト閉域運用の現実性を、社内規程と照らして先に決める。

まとめ

Kimi K3 は、総2.8兆パラメータのスパースMoE、100万トークンの文脈長、オープンウェイト公開という組み合わせで注目を集めた、Moonshot AI の最新モデルだ。API価格は入力$3.00・出力$15.00（1Mトークン）で、キャッシュ割引もある。ここまでは確度の高い事実として扱える。

ただ、編集部がこの発表でいちばん重要だと考えるのは、規模でもベンチの順位でもない。フロンティア級のモデルが「自前で動かせる形」で、しかも収益連動の条件つきで配られたこと――その配り方が、closed API 一択だった現場、とりわけデータを外に出せない組織の選択肢を変える。だから読者にとっての問いは「K3 は最強か」ではなく「自分の現場は、どこで、どの条件なら AI を動かせるか」になる。数字は素材にすぎない。数字が更新されしだい、本記事も追記していく。

よくある質問（FAQ）

Kimi K3 はいつ公開されましたか？

2026年7月16日に Kimi.com・アプリ・API・OpenRouter などで公開ローンチされ、2026年7月27日にオープンウェイトと技術レポートが公開されました1。

Kimi K3 の総パラメータ数はどれくらいですか？

総2.8兆パラメータのスパースMoE構成です。896エキスパート中、トークン毎に16個を活性化すると報じられています11。「アクティブ約32B」という数字は二次情報由来で未確認のため、確定値としては扱っていません。

Kimi K3 のAPI料金はいくらですか？

1Mトークンあたり入力$3.00（約471円）、出力$15.00（約2,355円）、キャッシュ入力$0.30（約47円）と報じられています15。為替は1ドル≈157円（2026年7月時点・概算）で計算しました。

Kimi K3 は日本語で使えますか？

多言語対応をうたっており、複数の国内解説記事が日本語の入出力に問題ないと報告しています16。ただし日本リージョン専用の提供条件に関する一次情報は確認できていません。

Kimi K3 は商用利用できますか？

オープンウェイトですが、ライセンス種別は「Modified MIT」とする報道と「収益連動の独自ライセンス」とする報道が混在しています7。商用利用の可否は公式ライセンス本文での確認が必須です。

ベンチマークのスコアは信頼できますか？

現時点で公開されている SWE-bench や GPQA などのスコアは第三者ブログが出典で、公式モデルカードでの確認が取れていません13。参考値として捉えてください。

Kimi K2 から何が変わりましたか？

総パラメータが約1兆から2.8兆へ、文脈長が128Kから100万トークンへ拡大し、ネイティブ視覚理解が追加されました。単位計算量あたりの知能も約2.5倍に改善したと公式は述べています4。

参考文献

取材メモ：本記事の数値は2026年7月時点の報道・公開情報に基づく。今回は公式ブログ・HuggingFace・APIドキュメントなど一次ページ本文が直接開けず、二次報道のスニペット経由で確認した項目を含む。存在・公開日・総パラメータ・文脈長・API価格など複数ソースで一致する項目は確度が高い。ベンチマーク値・アクティブパラメータ数・ライセンス種別・動画対応は一次情報での確認が残る。使い分けや予測には編集部の解釈が含まれ、一次情報が確定しだい更新する。

一次情報（執筆時点で本文の直接確認は未了）

  1. Kimi公式ブログ「Kimi K3」 — https://www.kimi.com/blog/kimi-k3
  2. HuggingFace moonshotai/Kimi-K3 — https://huggingface.co/moonshotai/Kimi-K3
  3. Kimi API ドキュメント — https://platform.kimi.ai/docs/guide/kimi-k3-quickstart
  4. Moonshot AI 公式X投稿 — https://x.com/Kimi_Moonshot/status/2081760186235289764

二次情報（報道・解説）

  1. CNN — https://www.cnn.com/2026/07/23/tech/china-ai-moonshot-kimi-explainer-intl-hnk
  2. Bloomberg — https://www.bloomberg.com/news/articles/2026-07-27/what-is-moonshot-ai-s-kimi-k3-model-and-why-is-it-making-waves
  3. VentureBeat — https://venturebeat.com/technology/kimi-k3s-full-weights-are-here-but-theyre-open-with-a-caveat-what-enterprises-should-know
  4. Unite.ai — https://www.unite.ai/moonshot-opens-kimi-k3-weights-under-a-revenue-tiered-license/
  5. UK AISI — https://www.aisi.gov.uk/blog/preliminary-assessment-of-kimi-k3s-cyber-capabilities
  6. NIST（米CAISI共同評価） — https://www.nist.gov/news-events/news/2026/07/uk-aisi-caisi-preliminary-assessment-kimi-k3s-cyber-capabilities
  7. 財聯社 — https://www.cls.cn/detail/2429127
  8. IT之家 — https://www.ithome.com/0/982/259.htm
  9. Trilogy AI — https://trilogyai.substack.com/p/kimi-k3-is-live-pricing-benchmarks
  10. OpenRouter — https://openrouter.ai/moonshotai/kimi-k3
  11. eesel.ai — https://www.eesel.ai/blog/kimi-k3-pricing
  12. data-engineering.jp — https://data-engineering.jp/kimi/
  13. funnel-ai.jp — https://funnel-ai.jp/media/kimi-k3-toha/
Post Views: 15

コメント

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

関連記事