TLDR: Moonshot AIは2026年7月16日にKimi K3をリリース。2.8兆パラメータの画期的なオープンウェイトモデル（3Tクラス初）で、ネイティブなマルチモーダル、100万トークンのコンテキスト、フロンティア級の性能を備え、コーディング、エージェントタスク、フロントエンド開発、ナレッジワークでClaude Fable 5やGPT-5.6 Solと肩を並べる、あるいは上回る。
Key Takeaways
- Scale & Innovation: 2.8Tパラメータ、MoE（16/896エキスパートがアクティブ）、Kimi Delta Attention (KDA)、Attention Residualsにより、K2比で約2.5倍のスケーリング効率、Kimi K3 - Kimi API Platform
- Performance: Artificial Analysis Intelligence Index 約57（トップ4、Claude Opus 4.8を上回る）、FrontendのCode Arenaで首位、Terminal-Bench (88.3%)、BrowseComp (91.2%)、GPQA-Diamond (93.5%)で強い。総合ではFable 5/Solにやや及ばないが他多数を凌駕。Arena.ai Frontend Code Arenaで1位（1,679 Elo、Fable 5超え）、ArenaのX投稿およびTom's Hardwareの報道。
- Capabilities: ネイティブな画像/動画理解、巨大リポジトリ・コードベース向けの100万トークン、エージェント的コーディング、3D推論、動画編集、リサーチダッシュボード。
- Access: kimi.comとAPI（モデル名: kimi-k3、アクセスガイド）で即時利用可能；ウェイトは近日公開。需要急増によりKimi K3の新規サブスクリプションは一時停止。CometAPI経由で容易に統合。
- Value: タスク当たりのコスト低（ある評価で約$0.94）、拒否が少ない、コーディング/ビジョンのワークフローに最適。
Kimi K3 Tech Blogでは、Kimi K3を「Open Frontier Intelligence、AIの民主化における画期的瞬間」と位置づけ。計算資源の制約がある中でもMoonshotのような中国のAIラボが限界を押し広げ、オープンモデルが米国のクローズド系フロンティアの優位性に挑み、世界中の開発者を力づけるとする。
What Is Kimi K3? An Open 3T-Class Model from Moonshot AI
北京拠点のスタートアップMoonshot AIは、フラッグシップモデルとして2026年7月16日にKimi K3を発表。明確に「約3兆パラメータ・クラスで初のオープンモデル」と位置づけ、スパースなMixture-of-Experts（MoE）構成で合計2.8兆パラメータ。トークンごとに896エキスパート中16がアクティブとなり、巨大スケールと効率を両立。
これは既にコーディングやマルチモーダルで評価を得ていたKimi K2シリーズ（K2.5、K2.6など）を踏まえたもの。K3はアーキテクチャ面での革新（Kimi Delta Attention (KDA) と Attention Residuals (AttnRes)、加えてStable LatentMoEや量子化認識学習〔SFT段階からMXFP4ウェイト、MXFP8アクティベーション〕）を導入。これにより約2.5倍のスケーリング効率と、前世代比で最大6.3倍のデコード高速化を実現。
Key Specs（ Kimi K3 Technical Specifications）:
- Parameters: 合計2.8T（スパースMoE）
- Context Window: 1,048,576トークン（約100万）
- Modalities: テキスト＋画像＋動画のネイティブ理解（出力はテキスト）
- Max Output: デフォルト131kトークン、上限はコンテキスト次第
- Reasoning: ローンチ時点ではデフォルトで最大努力。今後、低/高モードを提供予定
- Open Weights: 2026年7月27日までに公開予定（K2の前例に倣ったMIT風の改変ライセンス）
K3は「長期的なタスク」を主眼に設計—単なる即答ではなく、視覚的フィードバックを伴うエンジニアリング、研究、エージェントワークフローの完遂（“Vision in the Loop”）。デモには、自律的なGPUコンパイラの構築（Tritonに匹敵）、45nmプロセスでのチップ設計、迅速な天体物理学研究などが含まれる。
需要により既にキャパシティが逼迫
初期反響は非常に大きく、キャパシティに圧力がかかった。MoonshotはXで投稿し、直近48時間の需要がGPU上限に迫り、増強の間は新規サブスクリプションを一時停止すると発表。Business Insiderも同様の一時停止を報じ、既存契約者は影響を受けないとした。
これは本番運用計画に関わる。どれほど優れたモデルでも、需要が計算資源を上回れば可用性は制約され得る。Kimi K3を評価するチームは単一プロバイダ依存を避け、レイテンシやエラー率を監視し、可能であればCometAPIのような統合プロバイダでフォールバックルーティングを用いるべき。
Coding Benchmarks: Where Kimi K3 Looks Strongest
Kimi K3のコーディング性能こそ、開発者が注目する主因。Terminal-Bench 2.1ではGPT-5.6 Solとほぼ互角、Program BenchではGPT-5.6 SolとClaude Fable 5を僅差で上回り、FrontierSWEではGPT-5.6 Solに有意差でリード。OpenLMの表でもSWE Marathonで比較対象を上回る。
Arenaのフロントエンド結果も実務的な示唆を与える。ArenaはFrontend Code ArenaでKimi K3を1679点と報告し、Claude Fable 5を上回った。このベンチマークは、フロントエンド作業がユニットテストだけでなく人間の嗜好で評価されやすいことから重要。プロンプトから綺麗で視覚的に一貫したUIを生成できるコーディングアシスタントは、プロダクトチーム、エージェンシー、SaaSビルダー、社内ツールにとって価値が高い。
Overall Leaderboards
- Artificial Analysis AI Leaderboard: #3でデビュー。Intelligence Indexは競争力のあるスコア（例：一部評価で約57.1）。
- Private Long-Horizon Knowledge Work Eval: Elo 1547（K2.6から+732）、Fable 5に次ぐ位置。
Coding & Agentic Benchmarks (Self-Reported & Independent)
K3はここで輝く。スケールとアーキテクチャを活かし、持続的なエージェント的性能を発揮。
- Frontend Code Arena (Arena.ai): 1,679点で#1、Fable 5およびGPT-5.6 Solを上回る。Web開発におけるブラインドな開発者選好で優秀。
- DeepSWE: 67.3–67.5（KimiCodeハーネスで強力）
- Program Bench: 77.8で#1
- SWE Marathon: 一部ハーネスで42.0で#1
- Terminal-Bench 2.1: 競合力が高く、GPT-5.6 Solに肉薄
Vision & Multimodal
後付けではないネイティブ学習により堅調な結果：
- MMMU-Pro: 81.6%
- MathVision: 一部報告で90%台後半
- OmniDocBench: 91.1%（首位）
スクリーンショット、図、動画を用いたUI改善やゲーム開発などのクローズドループタスクを支援。
Comparison Table: Kimi K3 vs. Leading Models（概算／各報告の集約；特記なき場合はMax Effort）
| Benchmark | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Notes/Source |
|---|---|---|---|---|
| Frontend Code Arena | 1,679 (#1) | Lower | Lower | Arena.ai |
| DeepSWE | 67.3–67.5 | Competitive | - | Moonshot/KimiCode |
| Program Bench | 77.8 (#1) | - | Close | Vals.ai |
| Intelligence Index (AA) | ~57.1 | ~59.9 | ~58.9 | Artificial Analysis |
| Long-Horizon Elo | 1547 | Higher | - | Internal Moonshot |
| Cost per Task (Evals) | ~$0.94 | Higher | Higher | Independent |
Data sourced from Moonshot's technical blog、独立系リーダーボードや分析。結果はハーネス/努力度で変動するため、最新を要確認。
K3はセンシティブな話題での拒否が少なく、エージェントフローの一貫性が高い。独立テスト（例：YouTube評価、Vals AI）でも、実運用のコーディングで最強クラスのオープンモデルであることが確認されている。
What Can Kimi K3 Do? Capabilities in Coding, Vision, and Beyond
Coding & Agentic Engineering
K3は最小限の監督で長時間セッションを維持：巨大リポジトリを横断し、ツールを活用し、スクリーンショットでデバッグ（“vision in the loop”）。
Examples:
- カーネル最適化＆コンパイラ開発: ゼロからMiniTriton（Triton風コンパイラ）を構築し、最適化スタックに匹敵。GPUカーネルをFable 5と競う水準で最適化。
- ゲーム開発: コンセプト／画像／動画から、反復改善を通じて3D・マルチプレイの実行可能作品へ。
- チップ設計: 自律的な48時間ランでナノモデルのチップ設計。
- フロントエンド: Webアプリやフルスタック課題でリーダーボード上位。
Vision & Multimodal
ネイティブな画像/動画理解により：
- 動画編集: 56本のクリップから自らのティーザーを編集（選定、カット、同期、改稿）—数時間の作業を数分に短縮。
- 3D推論、モーショングラフィックス、インタラクティブダッシュボード。
- スクリーンショットによるコード反復の“vision in the loop”。
Kimi APIドキュメントでは、画像入力はbase64データURL、動画入力はms://で参照されるアップロード済みファイルで行うと示している。また、ビジョン入力で公開画像URLはサポートされないため、開発者はbase64またはアップロード済みファイル参照を送信し、メッセージcontentはオブジェクトの配列にする必要があると警告している。これは重要な実装ディテールであり、画像とテキストを混在させたメッセージを1つのプレーン文字列にシリアライズしないこと。
Knowledge Work & Research
ビジネス用途では、Kimi K3は通常のチャットボット以上の価値を持つ。計画を維持し、ツールを呼び出し、中間結果を処理して最終成果物を生成する「エージェント的」な作業に設計されている。市場調査レポート、データクレンジング支援、コンプライアンス要約、カスタマーサポートのナレッジベース保守、社内エンジニアリングのコパイロットなど。
- コンサル品質のレポート、インタラクティブな可視化、ダッシュボードを生成（例：数千の情報源から42年のASIC産業を分析）。
- 科学パイプライン：天体物理の関係式を再現し、サブエージェントで重力波を分析。
- Kimi Workのウィジェット/ダッシュボードにより、持続的でデータ駆動のビューを提供。
K3は文献から実行可能コードへの橋渡しを行い、出版品質のアウトプットを効率的に生む。
Kimi K3 vs Other Frontier Models: Practical Comparison
| Model | Best fit | Strengths | Watch-outs | CometAPI recommendation |
|---|---|---|---|---|
| Kimi K3 | 長文脈コーディング、ナレッジワーク、エージェント、視覚推論 | 2.8T MoEスケール、100万コンテキスト、強力なコーディング/エージェント系ベンチ、オープンウェイト計画 | リリース週のキャパシティ逼迫、思考履歴に敏感で挙動が変わる可能性、ルートによりビジョンサポート差異 | フラッグシップのコーディング＆長文脈モデルとしてテスト |
| GPT-5.6 Sol | 難易度の高い推論、コーディング、研究、広範な本番タスク | 総合ベンチが非常に強く、成熟したツーリング | 多くのルートで高価格 | 比較・エスカレーション用に使用 |
| Claude Fable 5 | ライティング、コーディング、エージェント、嗜好重視のタスク | 強力なUXと広範なフロンティア性能 | タスクによってはコスト高、ポリシーフォールバックの可能性 | ユーザー向けエージェントやライティング重視で比較 |
| Claude Opus 4.8 | 深い推論と信頼性の高いプロフェッショナル作業 | 安定したハイエンドアシスタント挙動 | 最新フラッグシップよりやや旧世代 | フォールバックやベンチマークのベースラインに |
| GLM-5.2 | コスト重視のオープンモデル評価 | 競争力のあるオープン代替 | K3比較で弱い点あり | コスパ/性能のルーティングテストに含める |
How to Access Kimi K3: Step-by-Step Guide
- Web/App: kimi.comにアクセス、またはKimiアプリ（iOS/Android）をダウンロード。K3（K3 MaxまたはSwarm Max）を選択。
- Kimi Code: 開発者向けのターミナル/IDE特化。コーディングエージェントに最適。
- API Access:
- Base URL: https://api.moonshot.ai/v1
- Model: kimi-k3
- APIキーは platform.moonshot.ai/console で取得。
- OpenAI互換SDK例（Python）:
Python
from openai import OpenAI
client = OpenAI(api_key="YOUR_KEY", base_url="https://api.moonshot.ai/v1")
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "あなたのプロンプト"}]
)
ツール、JSONモード、コンテキストキャッシュをサポート。料金：入力$3、出力$15（Mトークンあたり、キャッシュ$0.30）。
- Aggregators: CometAPI（cometapi.com）を使えば、Kimi K3を含む500+モデルへ1つの鍵で統合アクセス。低コスト（20–40%削減）、容易な切り替え。本番に最適—OpenAI互換のドロップイン、低レイテンシ。
- Self-Hosting: 7月27日以降にHugging Faceでウェイト公開予定。重いハードウェア要件（スーパーノード、64基以上のアクセラレータ推奨）。vLLMなどのコミュニティツールが追随見込み。
CometAPI Recommendation: CometAPI経由でKimi K3を統合し、複数鍵/請求を回避。Claude/GPTと並行テストでA/B、コスト最適化、信頼性あるスケールを実現。同社ダッシュボードはモデル横断の使用状況を可視化—K3実験の監視に最適。cometapi.comで登録し、無料クレジットと統合アクセスを入手。
Final Verdict
Kimi K3は2026年で最重要のモデルリリースの一つ。巨大スケール、真剣なオープンウェイト戦略、100万トークンのコンテキスト、ネイティブな視覚理解、そしてコーディング/エージェント系でトップに迫るベンチ結果を兼備。GPT、Claude、Gemini、DeepSeek、Qwenその他の必要性を無にするわけではないが、最難関の長文脈ワークフローに対する新たな有力選択肢を開発者に提供する。
まずはkimi.com、もしくはCometAPI経由で手軽に統合を開始。コーディングとビジョンの強みを試してほしい—結果が物語るはずだ。