中国Moonshot AIは2026年7月16日、総パラメータ2.8兆の新モデル「Kimi K3」をAPI経由で公開した。7月27日にはオープンウェイト版も公開している。第三者評価ではオープンウェイトモデルとして最高水準のスコアを記録した一方、公式自身はClaude・GPTの最上位モデルにはまだ及ばないと説明している。生成AIのコストを抑えたい中小企業や事業会社にとっては、性能とコストのバランスを見極める新しい選択肢になり得る存在だ。本記事では性能・料金・実運用での注意点を整理し、自社で採用を検討する際に何をどこまで確認すればよいかの判断材料を示す。公式ブログ・GitHub・Hugging Faceの情報に加え、公式Xの発表と複数のレビュー動画にもとづいてまとめた。
Kimi K3とは｜Moonshot AIが放つ2.8兆パラメータのオープンモデル
Kimi K3は、北京のMoonshot AI（月之暗面）が開発した大規模言語モデルである。総パラメータ数2.8兆・アクティブパラメータ数104BのMoE（Mixture of Experts、複数の専門ネットワークを使い分ける構成）を採用している。896個の専門家のうち16個を、トークンごとに選択して稼働させる仕組みだ。
コンテキストウィンドウは約104万トークンに達し、長大な資料やコードベースを一度に読み込める。ビジョンエンコーダ「MoonViT-V2」を内蔵し、テキストだけでなく画像・動画もネイティブに扱うマルチモーダルモデルとして設計されている。
アーキテクチャ面では、線形注意とグローバル注意を組み合わせた「Kimi Delta Attention（KDA）」と呼ばれる独自機構を採用した。従来の推論より少ない計算量で長文脈を処理できる点が特徴だ。
開発元のMoonshot AIは2023年3月に北京で設立された企業で、創業から3年ほどで評価額200億ドル規模まで成長した。アリババやテンセントが出資したことでも知られ、中国発の大規模言語モデル開発企業の中でも資金調達力の高さが際立つ。
Kimi K2からの変更点
前世代のKimi K2と比べ、計算量あたりの性能が約2.5倍に向上したと公式ブログは説明している。パラメータ規模を拡大しながら、MoEの専門家あたりの活性化率はむしろ引き下げられた。
| 項目 | Kimi K2 | Kimi K3 |
|---|---|---|
| 総パラメータ数 | 約1兆 | 2.8兆 |
| MoE活性化率 | 約2% | 約1.8%（専門家896・選択16） |
| 注意機構 | 標準的なMLA | Kimi Delta Attention（KDA層3:グローバル層1） |
| コンテキスト長 | 約13万トークン | 約104万トークン |
| マルチモーダル | テキスト中心 | テキスト・画像・動画（MoonViT-V2） |
ベンチマークで見るKimi K3の実力｜Claude・GPTとの比較
Kimi K3はオープンウェイトモデルとして最高水準のスコアを記録した。第三者評価機関Artificial Analysisの総合指数「Intelligence Index」で57点を獲得している。ただし最上位の独自モデルには一歩届いていない。
公式ブログは「Kimi K3はClaude Fable 5、GPT 5.6 Solにはまだ及ばない」と自ら明記している。誇張せず弱点を公表している点は、性能評価の信頼性を高める材料になるだろう。
| 指標 | Kimi K3 | 位置づけ |
|---|---|---|
| Artificial Analysis Intelligence Index | 57点 | オープンウェイト最高、Claude Fable 5・GPT 5.6 Solにはわずかに劣る |
| GPQA Diamond（大学院レベルの専門知識を問うベンチマーク、100点満点） | 93.5 | 専門知識問題で高スコア |
| タスクあたりコスト（動画レビューで紹介されたArtificial Analysis調べの数値） | 約0.94ドル | GPT 5.6 Solの約14ドルに対し大幅に安い |
コーディング能力を測る独自ベンチマーク「DeepSWE」でも67.5点を記録している。公式は他の指標と合わせて、計算量あたりの知能ではKimi K2から2.5倍向上したと説明している。AIコーディングツールの比較で扱ったツール群と組み合わせた際の実力は、後述するレビュー動画の検証が参考になる。
料金・提供形態｜API単価とサブスクプラン
Kimi K3のAPI価格は、入力1Mトークンあたり3ドル、出力1Mトークンあたり15ドルで、キャッシュヒット時の入力は0.30ドルまで下がる。旧世代K2.6の入力0.95ドル・出力4ドルからは大幅な値上げとなった。
| 区分 | 価格 | 備考 |
|---|---|---|
| API入力（キャッシュミス） | 3.00ドル/1Mトークン | コンテキスト長にかかわらず均一 |
| API入力（キャッシュヒット） | 0.30ドル/1Mトークン | 長い会話・繰り返しタスクで有利 |
| API出力 | 15.00ドル/1Mトークン | 税抜き表記 |
| サブスクプラン（動画レビューでの紹介値） | 月額19〜200ドル程度 | 上位プランで複数エージェントの並列動作（agent swarm）機能を利用可（動画レビューでの言及） |
提供形態はオープンウェイトとホスティングAPIの二本立てである。重みはHugging Faceで独自の「Kimi K3ライセンス」の下に公開されている。GitHubの技術レポートでは、推論エンジン（モデルを高速に動かす実行基盤ソフト）としてvLLMやSGLangが推奨されている。
なお2026年7月23日時点で、個人向け新規登録が一時停止しているとの報告もある（容量拡張が理由とされるが、公式の正式なアナウンスでは確認できていない）。料金・提供条件は変更される可能性があるため、契約前に必ず公式サイトで最新情報を確認してほしい。
動画レビューが伝えるKimi K3の実力
Web開発系のコード生成では、他社最上位モデルを上回る評価が実演で確認できる。一方で動作の安定性には課題を指摘する声もある。筆者自身はKimi K3を実機検証していないため、以下は公式デモ動画・第三者のレビュー動画から得た情報として参考程度に扱ってほしい。
海外レビューチャンネルBoxminingAIの検証では、独自ベンチマーク9項目すべてでKimi K3がGPT 5.6 Solを上回った。ゲームやシミュレーションのコード生成で、物理挙動や状況説明テキストの再現度が高い点が確認できる。
思考履歴を引き継げないツールでは出力品質が不安定になるという制約も存在する。公式ブログに明記された内容で、BoxminingAIの動画でも紹介されている。レビュアー自身は、些細な修正依頼に対してもエージェント群（agent swarm）が自律的に起動し、作業が30分ほど止まった事例を報告している。
3D FPSゲームをワンショットで生成できるなど、生成力の高さは日本語レビュー動画（まさおAIじっくり解説ch）でも確認できる。一方で同動画は、約40ドル分を課金してもタイムアウトが多く十分な比較検証ができなかったことも報告している。出力速度についてはArtificial Analysisの計測で秒間62トークン程度とされ、検証環境によって体感速度に差が出やすい点には注意したい。
導入前に知っておきたい注意点と向いている使い方
Kimi K3を業務に組み込む際は、思考履歴の扱いに対応したツールを選ぶ必要がある。Kimi K3は思考の履歴を保持したまま学習させた仕組みを採用しているためだ。
公式ブログによれば、これを引き継げない開発ハーネス（AIモデルを呼び出して動かす実行環境）では出力品質が不安定になるという。BoxminingAIのレビュー動画が該当箇所を紹介している。
また前述のとおり、曖昧な指示に対して想定以上に大がかりな処理を自律的に始める傾向がある。タスクを具体的に切り分けて依頼するか、進捗を細かく確認できる運用にすることが望ましい。
筆者が生成AI導入支援の現場で見ていても、新しいオープンウェイトモデルは性能面の魅力だけで即採用されることは少ない。既存のエージェント基盤やコーディングツールとの相性、社内のエラー対応フローに耐えられるかどうかを、小さな検証タスクで確かめてから本番導入を判断する企業が多い。Kimi K3のような値上げ後もなお割安な選択肢は、その検証コストを抑えられる点が実務上のメリットになる。
料金体系も従来のKimi K2.6から値上げされているため、コスト試算は最新の単価で行う必要がある。トークン単価だけでなく、キャッシュヒット時の割引をどれだけ活かせる使い方かどうかも、導入判断の材料になるだろう。
中小企業や事業会社が生成AIのコストを抑えたい場面では、Kimi K3はGPTやClaudeの上位モデルより安価な選択肢になり得る。ただし現時点では応答速度や安定性にばらつきがあるため、まずは検証用途やコーディング支援など、多少のリトライが許容される業務から試すのが現実的だろう。複数モデルを組み合わせて使い分ける工夫も、リスクを抑えながら試す方法の一つになる。
まとめ
Kimi K3は、2.8兆パラメータのMoE構成と104万トークンの長文脈対応を武器に、オープンウェイトモデルとして最高水準の性能を示した。公式自身がClaude Fable 5やGPT 5.6 Solにはまだ及ばないと認めているが、コスト効率の高さと性能のバランスは魅力的だ。
実運用ではタスクの切り分けと対応ツールの選定が鍵になる。まずはコーディング支援など小さな業務から試し、応答の安定性を見極めた上で活用範囲を広げていくのが現実的な一歩になる。
参考リンク
- Kimi K3 公式ブログ（Moonshot AI）
- Kimi K3 モデルカード（Hugging Face）
- Kimi K3 技術レポート（GitHub）
- Kimi K3 API料金ページ
- Moonshot AI 公式Xでのリリース発表
- Kimi K3 実機レビュー動画（BoxminingAI）
- Kimi K3 実際に使って見た解説（まさおAIじっくり解説ch）
監修者
池田 智彦 ｜ 株式会社Spovisor 代表取締役
NTTドコモ・KDDIで通信業界に21年従事し、グローバル／国内市場で10以上の新規事業の立ち上げと、1,000万ユーザー規模サービスの開発・運用を主導。事業戦略から海外展開、エンジニアリングまで横断する経験を活かし、2023年6月に株式会社Spovisorを設立。現在はAI・アプリ開発、生成AIコンサル、AI駆動開発支援、AI顧問など、企業のDXを実装まで伴走する支援に取り組む。
生成AI／AIエージェントを「成果」に変える、Spovisorの伴走支援
株式会社Spovisorは、生成AI・AIエージェントを「使ってみた」で終わらせず、業務やプロダクトに組み込んで成果を出すところまで伴走する実装パートナーです。
| 支援領域 | 内容 |
|---|---|
| 生成AI組み込みアプリ開発 | Claude／ChatGPT／AIエージェントを組み込んだ業務アプリや自社プロダクトの設計から実装まで支援 |
| 生成AI導入コンサル／AI顧問 | 経営課題や業務プロセスから導入ポイントを設計し、本番運用まで伴走 |
| AI駆動開発支援 | Claude Code／Codexを使った開発生産性向上を現場へ定着 |