TLDR: Moonshot AI は 2026年7月16日に、画期的な2.8兆パラメータのオープンウェイトモデル（3Tクラス初）である Kimi K3 をリリースしました。ネイティブなマルチモーダル対応、100万トークンのコンテキスト、最前線の性能により、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 と肩を並べるか凌駕します。
重要ポイント
- スケールとイノベーション: 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。K2 比で約2.5倍のスケーリング効率、Kimi K3 - Kimi API Platform
- パフォーマンス: Artificial Analysis Intelligence Index 約57（トップ4、Claude Opus 4.8 を上回る）、Frontend Code Arena で首位、Terminal-Bench（88.3%）、BrowseComp（91.2%）、GPQA-Diamond（93.5%）で強力。総合では Fable 5/Sol に一歩譲るが他多くを凌駕；Arena.ai の Frontend Code Arena で1位（Elo 1,679、Fable 5 を上回る）、Arena の X 投稿 および Tom's Hardware の報道。
- 機能: ネイティブなビジョン/動画、巨大リポジトリ・コードベース向けの100万トークン文脈、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。
- アクセス: kimi.com、API（モデル: kimi-k3、アクセスガイド）で即利用可能；オープンウェイトは近日公開。需要急増で Kimi K3 の新規サブスクリプションは一時停止。CometAPI で容易に統合。
- 価値: タスク当たりのコスト低（評価で約$0.94）、拒否率が低く、コーディング/ビジョン ワークフローに最適。
Kimi K3 Tech Blog は Kimi K3 を「Open Frontier Intelligence」と位置づけ、「Kimi K3 は AI の民主化における画期的瞬間であり、計算資源制約がある中でも Moonshot のような中国の AI 研究所が限界を押し広げ、オープンモデルが閉鎖的な米国フロンティアの優勢に挑み、世界中の開発者をエンパワーする」と述べています。
Kimi K3 とは？ Moonshot AI のオープンな 3T クラスモデル
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 を発表しました。これは「約3兆パラメータ・クラス初のオープンモデル」と明確に位置づけられ、スパース MoE アーキテクチャで総計 2.8 兆パラメータを持ちます。トークンごとに 896 のエキスパートのうち 16 が起動し、巨大スケールと効率を両立します。
これは、すで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）を土台にしています。K3 はアーキテクチャ面での新機軸、すなわち「Kimi Delta Attention（KDA）」と「Attention Residuals（AttnRes）」、加えて Stable LatentMoE と量子化考慮学習（SFT 段階から MXFP4 ウェイト、MXFP8 活性化）を導入。これにより、スケーリング効率は約2.5倍、デコーディングは最大6.3倍高速化されています。
主な仕様（Kimi K3 Technical Specifications）:
- パラメータ: 総計 2.8 兆（スパース MoE）
- コンテキストウィンドウ: 1,048,576 トークン（約100万）
- モダリティ: ネイティブなテキスト＋画像＋動画の理解；出力はテキスト
- 最大出力: デフォルト 131k トークン、上限はコンテキストまで
- 推論: ローンチ時点ではデフォルトで最大努力モード；低/高モードも提供予定
- オープンウェイト: 2026年7月27日までに公開予定（K2 前例に基づく MIT 変種ライセンス）
K3 は「長期的なタスク」を主眼とし、単なる即答ではなく、可視フィードバックを伴うエンジニアリング、リサーチ、エージェントワークフローの完遂（“Vision in the Loop”）を狙います。デモには、自律的な GPU コンパイラ構築（Triton に匹敵）、45nm プロセスでのチップ設計、迅速な天体物理リサーチが含まれます。
需要がすでに容量を逼迫
初期の反響は非常に強く、容量面での圧力が生じています。Moonshot は X で投稿し、直近48時間の需要が現行の GPU 限界に近づき、新規サブスクリプションを一時停止して増強に努めると述べました。Business Insider も同様の一時停止を報じ、既存加入者は影響を受けないとしています。
これは本番計画において重要です。モデルが優れていても、需要が計算資源を上回れば可用性制約が生じ得ます。Kimi K3 を評価するチームは単一プロバイダ依存を避け、レイテンシとエラーレートを監視し、可能であれば CometAPI のような統一プロバイダによるフォールバックルーティングを使うべきです。
コーディングベンチマーク: Kimi K3 が最も強い領域
Kimi K3 のコーディング適性こそ、開発者が注目する最大の理由です。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 をわずかに上回り、FrontierSWE で GPT-5.6 Sol を有意にリード。OpenLM テーブルの SWE Marathon でも比較対象を上回ります。
Arena のフロントエンド結果は、より実務的なシグナルを与えます。Arena は Frontend Code Arena で Kimi K3 の 1679 点を報告し、Claude Fable 5 を凌駕。フロントエンドの仕事はユニットテストだけでなく人の嗜好で評価されがちです。プロンプトからクリーンで視覚的一貫性のある UI を出力できるコーディングアシスタントは、プロダクトチーム、制作会社、SaaS ビルダー、社内ツールにとって価値があります。
総合リーダーボード
- Artificial Analysis AI Leaderboard: 初登場で3位。Intelligence Index は競争力のある水準（例: 約57.1）。
- 非公開の長期ナレッジワーク評価: Elo 1547（K2.6 から +732）、Fable 5 のみが上位。
コーディング & エージェント系ベンチ（自己/独立混在）
K3 はここで光り、スケールとアーキテクチャにより持続的なエージェント性能を発揮します。
- Frontend Code Arena（Arena.ai）: 1位 1,679 点。Fable 5 と GPT-5.6 Sol を上回る。Web 開発でのブラインドな開発者嗜好で優秀。
- DeepSWE: 67.3–67.5（KimiCode ハーネスで強力）
- Program Bench: 1位 77.8
- SWE Marathon: 1位 42.0（一部ハーネス）
- Terminal-Bench 2.1: 競合力が高く、GPT-5.6 Sol に近い
ビジョン & マルチモーダル
ネイティブ学習（後付けではない）により堅実な結果:
- MMMU-Pro: 81.6%
- MathVision: 一部レポートで 90% 台後半
- OmniDocBench: 91.1%（首位）
スクリーンショット、図表、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サポート。
比較表: Kimi K3 と主要モデル（概算/複数ソースの集約；Max Effort 設定がある場合あり）
| ベンチマーク | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | 注/ソース |
|---|---|---|---|---|
| Frontend Code Arena | 1,679（1位） | 低い | 低い | Arena.ai |
| DeepSWE | 67.3–67.5 | 競合力あり | - | Moonshot/KimiCode |
| Program Bench | 77.8（1位） | - | 接戦 | Vals.ai |
| Intelligence Index（AA） | 約57.1 | 約59.9 | 約58.9 | Artificial Analysis |
| Long-Horizon Elo | 1547 | より高い | - | Internal Moonshot |
| Cost per Task（Evals） | 約$0.94 | より高い | より高い | Independent |
出典: Moonshot の技術ブログ、独立系リーダーボードと分析。結果はハーネス/努力量で変動し得るため、最新を必ず検証してください。
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強固です。独立テスト（例: YouTube 評価、Vals AI）でも、実務的コーディングにおける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ます。
Kimi K3 で何ができるか？ コーディング、ビジョン、その先へ
コーディング & エージェント的エンジニアリング
K3 は最小限の監督で長時間セッションを維持し、巨大リポジトリを横断し、ツールを呼び出し、スクリーンショットでデバッグ（“vision in the loop”）します。
例:
- 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 カーネル最適化で Fable 5 と肩を並べる。
- ゲーム開発: コンセプト/画像/動画から、反復でプレイ可能な 3D/マルチプレイヤー体験へ。
- チップ設計: 自律的な 48 時間ランでナノモデルのチップを設計。
- フロントエンド: Web アプリやフルスタックタスクのリーダーボードで上位。
ビジョン & マルチモーダル
ネイティブな画像/動画理解により以下を実現:
- 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、改訂）— 数時間分の作業を数分で。
- 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、動画入力はアップロードしたファイルを ms:// 参照で指定することを示しています。また、ビジョン入力で公開画像 URL は非対応のため、base64 かアップロード参照を使用し、メッセージ content はオブジェクト配列にするよう注意喚起しています。これは重要な実装要件で、画像とテキストを混在させたメッセージをプレーン文字列に直列化しないでください。
ナレッジワーク & リサーチ
企業にとって、ここが Kimi K3 が通常のチャットボット以上に価値を発揮する領域です。モデルはプラン維持、ツール呼び出し、中間結果処理、最終成果物の生成といった「エージェント的」作業のために設計されています。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が例です。
- コンサル品質のレポート、インタラクティブ可視化、ダッシュボードを生成（例: 数千ソースからの 42 年間の ASIC 業界分析）。
- 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/ダッシュボードで永続的かつデータ駆動のビュー。
K3 は文献から実行可能コードへの橋渡しを行い、出版品質の成果を効率的に出力します。
Kimi K3 と他フロンティアモデルの実践的比較
| モデル | 最適用途 | 強み | 注意点 | CometAPI の推奨 |
|---|---|---|---|---|
| Kimi K3 | 長文脈コーディング、ナレッジワーク、エージェント、視覚的推論 | 2.8T MoE スケール、100万コンテキスト、強いコーディング/エージェント系ベンチ、オープンウェイト計画 | ローンチ週の容量圧力、思考履歴への敏感さ、ルートによりビジョン対応が異なる可能性 | フラッグシップのコーディング/長文脈モデルとして試験 |
| GPT-5.6 Sol | 困難な推論、コーディング、研究、幅広い本番タスク | 全体ベンチが非常に強力で、ツール群が成熟 | 多くのルートで価格が高め | 比較およびエスカレーション用に併用 |
| Claude Fable 5 | ライティング、コーディング、エージェントワークフロー、人の嗜好タスク | 強力な UX と広範なフロンティア性能 | 一部タスクでコスト高やポリシーフォールバックの可能性 | 対人向けエージェントや文書中心アプリで比較 |
| Claude Opus 4.8 | 深い推論と信頼性あるプロフェッショナル作業 | 安定したハイエンドのアシスタント挙動 | 最新フラッグシップより世代がやや古い | フォールバックやベンチマークの基準に保持 |
| GLM-5.2 | コスト重視のオープンモデル評価 | 競合力あるオープンモデル代替 | 記載の K3 比較ではいくつかで弱い | コスト/性能のルーティングテストに含める |
Kimi K3 へのアクセス: ステップバイステップガイド
Kimi K3 へのアクセス方法
1. Kimi 製品経由で Kimi K3 にアクセス
最も簡単な非開発者向けの手段は、Kimi のコンシューマ/生産性プロダクト（Kimi Web、アプリ、Kimi Work、Kimi Code）を使うことです。統合を組む前に、モデルのライティング、コーディング、リサーチ、UI 指向のふるまいを最速で試せます。7月20日に報告された一時的なサブスク停止により、アクセス状況は変わり得るため、チーム導入を計画する前に最新の Kimi 製品ページを確認してください。
2. Kimi API プラットフォーム経由で Kimi K3 にアクセス
開発者は、OpenAI 風クライアントを用いて Kimi API プラットフォームから Kimi K3 を呼び出せます。Moonshot のドキュメントには以下が記載されています。
- ベース URL: https://api.moonshot.ai/v1
- モデル ID: kimi-k3
- 例の環境変数: MOONSHOT_API_KEY
- Python SDK 要件: OpenAI SDK 1.0 以上
基本的な Python 例:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["MOONSHOT_API_KEY"],
base_url="https://api.moonshot.ai/v1",
)
completion = client.chat.completions.create(
model="kimi-k3",
messages=[
{"role": "user", "content": "Kimi K3 を一文で紹介してください。"}
],
)
print(completion.choices[0].message.content)
Kimi K3 は常に思考モードが有効で、reasoning_effort は low、high、max をサポートし、デフォルトは max です。API はストリーミング、厳密な JSON スキーマによる構造化出力、Partial Mode、ツール呼び出し、動的ツールロード、自動コンテキストキャッシュ、Formula を通じた公式ツール統合をサポートします。重要な制限として、max_completion_tokens はデフォルト 131,072 で、最大 1,048,576 まで設定可能；temperature と top-p は固定；マルチターンやツールコールのワークフローではアシスタントメッセージを完全に返すこと；ウェブ検索は更新中のため当面の本番利用は非推奨、などが挙げられます。
3. CometAPI 経由で Kimi K3 にアクセス
多くのチームにとって CometAPI は、複数のモデルプロバイダを横断する統一 API レイヤーを提供するため、最も実用的なルートです。CometAPI の Kimi K3 ページでは、以下の内容でライブ掲載されています。
- モデル ID: kimi-k3
- プロバイダ: Moonshot AI
- コンテキストウィンドウ: 最大 1,000,000 トークン
- CometAPI 価格: 入力 $2.4／出力 $12（各 1M トークンあたり）
- 公式掲載価格: 入力 $3／出力 $15（各 1M トークンあたり）
- エンドポイント: /v1/chat/completions
- ベース URL:
https://api.cometapi.com/v1
CometAPI の Python 例:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1",
max_retries=0,
)
completion = client.chat.completions.create(
model="kimi-k3",
messages=[
{
"role": "system",
"content": "あなたは注意深いソフトウェアエンジニアリングアシスタントです。",
},
{
"role": "user",
"content": "この移行計画をレビューし、最もリスクの高いステップを特定してください。",
},
],
max_completion_tokens=1024,
)
print(completion.choices[0].message.content)
既に OpenAI SDK を使っているアプリケーションでは、CometAPI のクイックスタートは 2 点のみ変更を推奨します。base_url を https://api.cometapi.com/v1 に設定し、以前のプロバイダキーの代わりに COMETAPI_KEY を使用します。その上で、model フィールドに CometAPI のモデル ID を渡します。
4. オープンウェイト公開後に Kimi K3 のウェイトへアクセス
Moonshot は Kimi K3 の完全なウェイトを 2026年7月27日までに公開すると述べています。公開後は、研究者、インフラチーム、先進的な企業ユーザが自前ホスティング、最適化、プライベートデプロイを評価できます。多くの企業にとって鍵となるのは経済性で、モデルはオープンでも、2.8 兆パラメータの MoE システムを提供するには、相応の GPU インフラ、推論エンジニアリング、運用監視が必要です。
最終評価
Kimi K3 は 2026 年の重要なモデルリリースの一つです。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ウィンドウ、ネイティブな視覚理解、そして現在のコーディング/エージェント AI の最上位に迫るベンチマーク結果を兼ね備えています。GPT、Claude、Gemini、DeepSeek、Qwen などの必要性を消し去るものではありませんが、最難関の長文脈ワークフローに対して、開発者にとって信頼できる新たな選択肢を提供します。
kimi.com もしくは CometAPI から今すぐ開始し、コーディングとビジョンの強みを試してみてください — 結果が雄弁に物語ります。