Kimi K3 徹底解説：2.8 兆パラメータ、
オープンソース LLM の新記録

AI 開発者、技術選定担当、オープンソース LLM を追うエンジニア向けに、2026 年 7 月 16 日深夜、Moonshot AI（月之暗面）が API ドキュメント上部に「Kimi K3 提供開始」のバナーを静かに掲げました。大規模キーノートはなく、2.8 兆（2.8T）パラメータという現時点で世界最大のオープンソース AI モデルがそのまま呼び出し可能になったのです。本記事ではMoE 896 エキスパート/16 アクティブ、100 万 token コンテキストとネイティブビジョン、KDA/AttnRes/Stable LatentMoE の 3 大アーキテクチャ革新、Claude Fable 5/GPT-5.6 Sol とのベンチマーク全表、$3/$15 および国内 ¥20/¥100 料金、4 つの即時接続方法、7 月 27 日 Hugging Face 重み公開、6 項目の FAQをまとめます。ノード料金は料金ページをご覧ください。

[ SECTION_01 ] // OVERVIEW Kimi K3 とは？2.8T の静かな公開とコア仕様

Kimi K3 は世界最大規模のオープンソース AI モデルです。2.8T パラメータは、従来記録保持者 DeepSeek V4 Pro（1.6T）を約 75% 上回り、Xiaomi のオープンモデル（1.02T）の 2.7 倍、Alibaba（397B）の 7 倍以上です。スパース MoE アーキテクチャで、推論時に 896 エキスパートから 16 個をアクティブ化します。100 万 token の超長コンテキスト（『紅楼夢』全 5 冊相当を一度に読み込める規模）とネイティブな画像・動画理解を備え、複雑なコーディング、長文推論、ナレッジワーク向けに設計されています。

要約すると、Kimi K3 は画像・動画をネイティブ理解し、超長記憶を持つオープンソースの「重量級コーディング AI」です。Claude Opus 4.8 より約 40% 安く、7 月 27 日に完全な重みが公開される予定です。

導入前に押さえるべき 3 つの痛点は次のとおりです。

• ローカルデプロイの壁：2.8T は本番セルフホストに 64 枚以上のアクセラレータを要するスーパーノード規模です。重み公開は「ノート PC で動く」ことを意味しません。
• ベンチマークの独立検証待ち：Moonshot 自報値は Kimi Code、Codex、Claude Code などハーネスが異なります。第三者再現は進行中で、単一表だけで調達判断すべきではありません。
• 全シナリオ最強ではない：FrontierSWE や Terminal Bench 2.1 では Claude Fable 5 や GPT-5.6 Sol が先行しています。「最大パラメータ」一択ではなくタスク行列で選ぶ必要があります。

静かな公開と 2.8T のスケールは対照的です。パラメータ競争の見せかけではなく、商用化フェーズにおける技術的主権の表明と読めます。

[ SECTION_02 ] // ARCHITECTURE DeepSeek 衝撃後の反撃：ビジネス背景と 3 大革新

月之暗面は過去 18 か月、DeepSeek の台頭でシェアを大きく失いました。K3 の公開は見事な反撃であり、2026 世界人工知能大会（WAIC）前夜というタイミングも戦略的です。

• 過去 12 か月のうち 9 か月、Kimi 系列がオープンソース最大規模を保持；
• 2026 年 6 月時点で ARR（年間経常収益）は 3 億米ドルを突破；
• 年内に 第 6 ラウンド資金調達、投前評価額 315 億米ドル；
• API 収入が全体の 7 割超、海外有料ユーザー 400% 成長。

Kimi Delta Attention（KDA）—— 注意機構の再設計

従来の Transformer 全注意は長コンテキストで計算量が二乗に増え、100 万 token では KV キャッシュのメモリ消費が致命的です。KDA は混合線形注意機構です。

• 3:1で線形注意層と全注意層を交互配置——3 層が局所、1 層がグローバル情報を保持；
• KV キャッシュメモリを最大 75% 削減；
• 100 万 token コンテキストでデコード速度が最大 6.3 倍；
• 短・長コンテキストおよび RL 拡張の各シナリオで純全注意ベースラインを上回ります。

Attention Residuals（AttnRes）—— 深度方向の情報損失対策

• 標準残差接続は深度に沿って情報を均一に蓄積し、浅層の重要表現が希薄化；
• AttnRes は選択的取得により、より浅い層の高価値表現を直接引き出せます；
• Moonshot 報告では約 25% の学習効率向上、追加計算コストは 2% 未満。

Stable LatentMoE —— 超高スパースの安定学習

Kimi K3 は 896 エキスパートから 16 個を推論時にアクティブ化し、スパース度 1.8% です。Quantile Balancing、Per-Head Muon、Sigmoid Tanh Unit（SiTU）、Gated MLA を組み合わせ、Kimi K2 比で全体のスケーリング効率が約 2.5 倍向上したと報告されています。

[ SECTION_03 ] // BENCHMARKS ベンチマーク全表：K3 の強みと料金比較

Moonshot 自報のコアベンチマーク（GLM-5.2 対照含む）は以下のとおりです。

要点：長時間コーディング（SWE Marathon）で K3 は 42.0 と大差リード。Program Bench も 77.8 で首位。FrontierSWE は Fable 5 が 86.6 で先行。OmniDocBench 91.1 はビジョン + 長コンテキストの相乗効果を示します。Artificial Analysis Intelligence Index v4.1 では K3 は 57.1 点で世界 4 位、Claude Fable 5（59.9）と GPT-5.6 Sol（58.9）に続き、1 位との差は 2.8 点のみです。

注意：上記は Moonshot 自報値です。モデルごとに推論ハーネスが異なり（K3 は Kimi Code、GPT は Codex、Claude は Claude Code）、独立再現は進行中です。方向性の参考として扱い、最終判断にはしないでください。

K3 の標準料金は Claude Sonnet 5 と同じ $3/$15 ですが、5 倍のコンテキストを提供します。キャッシュヒットは $0.30/M（標準の 1/10）で、Moonshot はコーディング用途でキャッシュヒット率 90% 超を報告しています。国内 API：¥20/M（入力）、¥100/M（出力）、キャッシュヒット ¥2/M。kimi.com の無料アカウントで利用可能、プリペイド ¥199 から（8 月 11 日までの優待）。

[ SECTION_04 ] // ACCESS 4 つの接続方法、6 ステップ導入、シナリオ選定

Kimi K3 は次の 4 方法ですぐに呼び出せます。

• 方法 1 — Kimi Web/App：kimi.com でアカウント登録（Google 連携可）。K3 は最大推論モードで動作、クレジットカード不要。
• 方法 2 — 公式 API：platform.kimi.ai で API Key を取得。モデル ID は kimi-k3、OpenAI 互換。
• 方法 3 — OpenRouter：モデル ID moonshotai/kimi-k3。Moonshot 公式料金、マークアップなし、1M コンテキスト完全対応。
• 方法 4 — 7 月 27 日のオープン重み待ち：Hugging Face で完全重み公開。本番デプロイには 64 枚以上のアクセラレータが必要。

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "このコードを分析してください..."}]
)

1. タスク境界の明確化：上記ベンチマーク表で、SWE Marathon 型長コード、Repo 級バグ修正、ターミナル Agent、文書マルチモーダルのどれに該当するか確認します。
2. kimi.com で登録・検証：Google アカウントで登録し、Web で典型 Prompt を試し、ビジョンと長コンテキストを確認します。
3. Moonshot API Key 申請：platform.kimi.ai で Key を作成し用量アラートを設定。国内ユーザーは ¥20/¥100/¥2 と ¥199 プリペイドを確認します。
4. OpenAI 互換 SDK 接続：base_url を https://api.moonshot.ai/v1、モデル ID を kimi-k3 に固定。OpenRouter 利用時は moonshotai/kimi-k3 に切替えます。
5. キャッシュ戦略の有効化：コーディングワークフローは繰返しコンテキストが多く、ヒット率 90% 超——Mooncake 分推論アーキテクチャに沿った Prompt 設計で実効入力コストを約 $0.55/M まで下げます。
6. 検証環境の固定：Xcode ビルド、Fastlane、マルチモデル Agent ルーティングを7×24 安定 Apple Silicon ホストへ移し、API 試行と iOS CI/CD を同一マシンで検証します。K3 セルフホストは 7 月 27 日以降で 64+ GPU が必要——iOS リリースのペースをローカル推論クラスタに賭けるべきではありません。NOVAKVM 案は下文参照。

[ SECTION_05 ] // OPEN_SOURCE 7 月 27 日オープンソース：重み公開の意味

Moonshot は WeChat 公式告知で 2026 年 7 月 27 日に完全モデル重みを公開すると明言しました。公開後、Kimi K3 はダウンロード可能な最大オープンソースモデル、2 兆パラメータ超の初のオープン重み、コミュニティの学習/微調整ベースの新標準になります。Hugging Face には MXFP4/NVFP4 量子化版が登場し、vLLM、SGLang など主要推論フレームワークが初日対応する見込みです。

再確認：2.8T 重みはコンシューマ向けローカルデプロイではありません。本番推論には NVIDIA H100 等 64 枚以上のスーパーノードが必要——推論事業者と十分なリソースを持つ研究機関向けです。

Kimi K3 は中国 AI オープンエコシステムの新シグナルです。「低価格でシェア獲得」から、知能フロンティアへの挑戦へ。注目：7 月 17–20 日 WAIC → 7 月 27 日重み公開。

[ SECTION_06 ] // DATA 引用可能データ、FAQ、まとめ

• パラメータ規模：2.8T 総パラメータ、896 エキスパート MoE、毎回 16 アクティブ、スパース度 1.8%。
• KDA 効率：3:1 線形/全注意交互、KV キャッシュ 75% 削減、1M コンテキストでデコード 6.3 倍。
• AttnRes：学習効率約 25% 向上、追加計算 <2%。
• スケーリング効率：Kimi K2 比で約 2.5 倍。
• 総合知能指数：Artificial Analysis Intelligence Index v4.1 で 57.1 点、世界 4 位。
• API 料金：$3/$15 per 1M tokens、キャッシュヒット $0.30；国内 ¥20/¥100/¥2。

FAQ：

• Kimi K3 は無料で使えますか？ はい——kimi.com の無料アカウントで最大推論モード。API は有料 Key、$3/$15 per 1M tokens。
• ローカルで Kimi K3 を動かせますか？ 7 月 27 日までは不可。重み公開後も本番には 64+ アクセラレータが必要。Mac Mini やノート PC では 2.8T 推論は非現実的です。
• K3 と DeepSeek V4 Pro の比較は？ K3 はパラメータ約 2 倍（2.8T vs 1.6T）、コンテキスト 1M vs 128K、複数ベンチで優位。ただし DeepSeek V4 Pro 出力は $3.48/M と大幅に安い。
• 1M token コンテキストは実用的ですか？ リポジトリ全体分析、長編論文/法務文書の端到端処理、長記憶 Agent に有効。K3 はフラット料金で長さ追加料金なし。
• ベンチマークは信頼できますか？ Moonshot 自報でハーネス非統一。実タスクで A/B テストを推奨。
• low/high 推論モードはいつ？ Moonshot は low と high を今後提供予定。現状は max のみ。

Kimi K3 はパラメータ競争の見せかけではありません。KDA、AttnRes、Stable LatentMoE は実際の工学革新であり、長時間コーディングと文書理解で一部クローズド旗艦に匹敵または上回ります。すべてのベンチで勝つわけではなく——Claude Fable 5 と GPT-5.6 Sol が特定タスクで先行——1M コンテキストと Sonnet 級料金の組み合わせが独自の価値です。

主要参考リンク。発版後は再度開いて確認してください。

Moonshot AI 公式ブログ：Kimi K3 発表と技術解説

Kimi API Platform ドキュメントと料金

OpenRouter：moonshotai/kimi-k3

Artificial Analysis Intelligence Index

South China Morning Post: Moonshot AI releases Kimi K3

VentureBeat: Kimi K3 open-source LLM coverage

iOS アプリテスト、マルチモデル Agent ルーティング、API 統合検証を2.8T ローカル推論クラスタや未公開の Hugging Face 重みだけに依存すると、64+ GPU のコストと 7 月 27 日までの空白期間が工程を乱します。API 試行だけでは7×24 安定の Xcode 同機 CI と Apple Silicon ネイティブビルドチェーンを代替できません。

Kimi K3 接続期間中にApple Silicon 実行面を固定し、iOS CI/CD と AI Agent 本番検証を安定化するなら——Xcode ビルド、Fastlane、マルチモデル Agent 自動化を専有ベアメタル Mac Mini に移し、K3 API 呼び出しの工程検証に使う（2.8T 重みのローカル実行ではない）——GPU スーパーノード自建や不確実なローカル推論より制御しやすい場合が多いです。NOVAKVM は多リージョン Mac Mini M4 / M4 Pro の柔軟レンタル、固定帯域、デフォルト SSH を提供し、iOS 工程と AI Agent 自動化の同機検証に適しています。詳細は料金、注文、ヘルプセンターをご覧ください。