Kimi K3 の技術仕様
| 仕様 | Kimi K3 |
|---|---|
| 開発元 | Moonshot AI |
| モデルID | kimi-k3 |
| モデルタイプ | フロンティアの Mixture-of-Experts LLM |
| 総パラメータ数 | 2.8兆 |
| エキスパート | 896エキスパート、トークンあたり16がアクティブ |
| コンテキストウィンドウ | 最大1,000,000トークン |
| ネイティブなマルチモーダリティ | 視覚理解；Kimi API ドキュメントには画像および動画入力の例を含む |
| コアアーキテクチャ | Kimi Delta Attention、Attention Residuals、Stable LatentMoE |
| 主なユースケース | コーディング、ソフトウェアエンジニアリング、長文脈推論、エージェントタスク、ナレッジワーク、ビジュアル推論 |
| ホスト型APIアクセス | Kimi API Platform、CometAPI |
| オープンウェイト | 2026年7月27日までに公開予定 |
Kimi K3 とは？
Kimi K3 は Moonshot AI のフラッグシップ大規模言語モデルで、現時点で同社の最も高性能な基盤モデルです。プロフェッショナルなソフトウェアエンジニアリング、長文脈推論、自律エージェント、複雑なナレッジ集約型タスク向けに設計されています。従来の Kimi モデルとは異なり、K3 はコンテキストウィンドウを100万トークンに拡張し、リポジトリ規模のコーディング、長大な文書分析、マルチステップのエージェントワークフローを実現します。
本モデルは大規模な Mixture-of-Experts アーキテクチャに基づいており、OpenAI や Anthropic の先進的なプロプライエタリシステムと競合する Moonshot の最新フロンティアモデルです。
Kimi K3 の主な特長
- 1Mトークンのコンテキストウィンドウにより、過度なチャンク分割なしで巨大なコードベース、書籍、論文、エンタープライズ文書にまたがる推論が可能。
- ソフトウェアエンジニアリング向けに最適化され、リポジトリレベルのコーディング、デバッグ、UI実装、およびエージェント駆動の開発ワークフローで高い性能を発揮。
- 孤立したプロンプト完了ではなく、長期的な計画とマルチステップのタスク実行が可能な AI エージェント向けに設計。
- Reasoning-aware 推論により、複雑な問題解決に向けて推論の労力を設定可能。
- K3 は2つの主要なアーキテクチャ上の革新を導入：効率的な長系列処理のための Kimi Delta Attention (KDA)；モデルの深さにまたがる情報の取得を改善する Attention Residuals (AttnRes)。
- Kimi K3 は Kimi K2 と比べて、スケーリング効率が約 2.5× 向上。
- オープンウェイトのリリース戦略により、クローズドなプロプライエタリのフロンティアモデルと比べて、より広範な研究と展開が可能。
Kimi K3 のベンチマーク性能
Moonshot は最近のフロンティアモデルの中でも最も網羅的なベンチマークレポートの一つを公開。公開結果は、ソフトウェアエンジニアリング、推論、エージェントタスクにわたり、Kimi K3 が主要なプロプライエタリシステムと競合し得ることを示しています。
| ベンチマーク | Kimi K3 | GPT-5.6 Sol | Claude Fable 5 | Claude Opus 4.8 |
|---|---|---|---|---|
| TerminalBench 2.1 | 88.3 | 88.8 | 84.6 | 84.6 |
| FrontierSWE | 81.2 | 71.3 | 86.6 | 66.7 |
| ProgramBench | 77.8 | 77.6 | 76.8 | 71.9 |
| SWE Marathon | 42.0 | 39.0 | 35.0 | 40.0 |
| BrowseComp | 91.2 | 90.4 | 88.0 | 84.3 |
| DeepSearchQA | 95.0 | — | 94.2 | 93.1 |
主な所見
- FrontierSWE と BrowseComp では Kimi K3 が GPT-5.6 Sol を上回る。
- 公開結果のあるコーディングモデルの中で最有力クラスに位置づけられる。
- 長文脈のソフトウェアエンジニアリングが最大の強みの一つ。
- エージェント系ベンチマークでは、先行するプロプライエタリのフロンティアシステムに肉薄する一方、Moonshot は、最も強力なクローズドモデルが依然として全体的な体験で優位を保っていると明記している。
制限事項
- Low- と High- の推論モードは計画されているが、ローンチ時点では未提供。
- 既存の会話の途中で K3 に切り替えると、完全な推論履歴に依存するため、回答品質が低下する可能性がある。
- ユーザーの意図が曖昧な場合、過度に前のめりな挙動を示すことがある。
- 強力なベンチマーク結果にもかかわらず、K3 がすべてのタスクであらゆるプロプライエタリのフロンティアモデルを上回るわけではないと、Moonshot は明確に述べている。
なぜ CometAPI で Kimi K3 を使うのか？
複数の基盤モデルで開発する開発者にとって、CometAPI 経由で Kimi K3 にアクセスすることには運用上の利点がある:
- Moonshot、OpenAI、Anthropic、Google、DeepSeek など各プロバイダに対する統一 API エンドポイント。
- アプリケーションロジックを書き換えることなく、より迅速にモデルを切り替え可能。
- プロバイダ間で一貫した認証とリクエスト形式。
- 課金の簡素化と利用状況の一元管理。
- 同一インフラ内で他のフロンティアモデルと比較評価しやすい。
Kimi K3 は、長文脈推論、エンタープライズ文書インテリジェンス、高度なコーディングエージェントを必要とし、かつオープンウェイトモデルの柔軟性を維持したい組織にとって、特に価値が高い。
CometAPI における Kimi K3 API の高付加価値ユースケース
コーディングエージェントとリポジトリ規模のデバッグ
Kimi K3 の最も強い公開ポジショニングは長期的なコーディングです。CometAPI を用いたコーディングエージェントは、モデルにリポジトリマップ、失敗したテストの出力、エラーログ、関連ファイル、スクリーンショット、ツール結果を送信できます。K3 は計画を提案し、ツールを呼び出し、フィードバックを点検して反復します。進捗のインタラクティブな共有にはストリーミングを用い、ツール呼び出しのターン間ではアシスタントのメッセージを完全に保持する。
エンタープライズ文書インテリジェンス
1M のコンテキストウィンドウは、契約書、ポリシー、申請書類、サポートログ、技術マニュアルに魅力的。実践的なパターンとして、日常的な質問にはリトリーバルを使い、ユーザーが文書横断の統合・要約、矛盾検出、監査準備、出典付きで取締役会向けのメモを求めた際に K3 にエスカレーションする。
マルチモーダルなプロダクトQA
K3 の視覚理解により、ダッシュボード、ランディングページ、チャートのエクスポート、デザインカンプ、バグのスクリーンショット、レンダリング済み PDF のレビューに有用。求める出力を具体的に指示する：アクセシビリティの問題、欠落している状態、起こり得るデータ品質の問題、文言の不一致、優先度付きのバグ報告など。
ツール活用型の社内アシスタント
社内オペレーションでは、K3 は CRM 参照、課金システム、ドキュメント検索、チケット取得、デプロイ状況、アナリティクスクエリといったツールと推論を組み合わせられる。事実がシステム・オブ・レコードから得られる必要がある場合は、tool_choice を使用してリトリーバルを強制し、モデルが適切なツール文脈を得たら auto に戻す。