Kimi K3 徹底評価：2.8 兆パラメータ OSS が Claude と GPT に並べる理由
読者像：Mac 上で Claude / GPT / DeepSeek を使い、長文ドキュメント解析やコーディング Agent を運用しているエンジニアです。本記事の目的：2026年7月16日に Moonshot AI が静かに公開した Kimi K3 について、KDA・AttnRes・MoE の技術分解、ベンチマーク全表、API 料金、5 段階導入手順、選定マトリクス、7 月 27 日のウェイト公開までを一気通貫で整理します。
📋 目次
横断比較は GPT-5.6 Sol ベンチマーク解説、Claude Fable 5 代替案、DeepSeek 自社 AI チップ をご覧ください。
2026 年 7 月 16 日深夜、Moonshot AI（月之暗面）は API ドキュメント上部に「🎉 Kimi K3 已上线！」のバナーを掲載しました。記者会はなく、事前キャンペーンもありません。しかし裏側の数字は派手です——2.8 兆パラメータは現時点で世界最大のオープンソース AI モデルであり、DeepSeek V4 Pro（1.6T）より約 75% 大きく、WAIC 2026 開幕前夜というタイミングも意図的に感じられます。
01 · 導入前に押さえる3つの論点
- ハーネス差によるスコア解釈：公式ベンチマークでは K3 に Kimi Code、GPT に Codex、Claude に Claude Code が使われています。Agent ループやコンテキスト圧縮の違いを無視すると、「SWE Marathon 1 位＝全コーディング最強」と誤読しやすいです。
- 表示価格と実請求のギャップ：$3/$15 は Claude Sonnet 5 と同水準ですが、長時間 Agent では出力トークンが急増します。キャッシュ（$0.30/M）を有効にしても、プログラミング用途で命中率 90% 未満なら月額は想定を大きく超えます。
- 「OSS＝Mac で動く」という誤解：7 月 27 日以降、ウェイトは公開されますが、2.8T MoE の本番推論には 64 枚以上の GPU超ノードが必要です。個人・小規模チームは API / OpenRouter が現実的な選択肢です。
02 · Kimi K3 とは
Kimi K3 は Moonshot AI のフラッグシップで、スパース MoE 構成を採用しています。主な最適化領域は次のとおりです。
- 長時間コーディング Agent：SWE Marathon 系の持続的実装、大規模リポジトリ分析
- 超長文推論：100 万トークンでコードベースや調査レポートを一括投入
- マルチモーダル業務：ネイティブ視覚理解、OmniDocBench で文書解析が強い
ビジネス面では 2026 年 6 月時点で ARR 3 億ドル、評価額 315 億ドル、API 収益比率 70% 超、海外有料ユーザー 400% 増と報じられています。技術デモではなく、すでに収益化フェーズに入った製品と捉えるべきです。
2.1 主要スペック
| 項目 | 値 |
|---|---|
| 総パラメータ | 2.8 兆（2.8T）——世界最大 OSS |
| アーキテクチャ | KDA + AttnRes + Stable LatentMoE |
| MoE エキスパート | 896 個、推論時 16 個活性（スパース度 1.8%） |
| コンテキスト | 1,048,576 トークン（100 万） |
| 入力モダリティ | テキスト・画像・動画（ネイティブ視覚） |
| 推論モード | 公開時点は max のみ |
| API モデル ID | kimi-k3 / OpenRouter moonshotai/kimi-k3 |
| ウェイト公開 | 2026 年 7 月 27 日 Hugging Face |
03 · コアアーキテクチャ：KDA、AttnRes、Stable LatentMoE
Kimi K3 の差別化はパラメータ数だけではありません。長コンテキスト MoE のボトルネックに対する 3 つの工学革新が中核です。
3.1 Kimi Delta Attention（KDA）
フルアテンションでは KV キャッシュのメモリが二次的に爆発します。KDA は3:1で線形アテンション層とフルアテンション層を交互に配置し、KV キャッシュを最大 75% 削減、100 万トークン下でのデコードを 6.3 倍高速化します。
3.2 Attention Residuals（AttnRes）
浅い層の表現が深層で薄まる問題に対し、AttnRes は選択的な深さ横断リトリーバルを導入します。訓練効率が約 25% 向上し、追加計算は 2% 未満です。
3.3 Stable LatentMoE
896 エキスパートから 16 個だけを活性化する極端なスパース性では、ルーティング最適化が鍵です。Quantile Balancing、Per-Head Muon、SiTU、Gated MLA を組み合わせ、Kimi K2 比で拡張効率 2.5 倍を達成しています。
04 · 料金：Sonnet 並み、コンテキストは 5 倍
4.1 API 単価比較
| モデル | 入力（1M） | 出力（1M） | キャッシュ入力 | コンテキスト |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00 | $15.00 | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.6 Sol | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
Claude Opus 4.8 比で入力・出力とも 40% 安く、Kimi Code ではキャッシュ命中率 90% 超、実効入力単価は約 $0.55/M まで下がると報告されています。
05 · ベンチマーク全表
以下は Moonshot AI 自報値（2026 年 7 月 16 日時点）です。第三者再現は進行中です。
5.1 コーディング・Agent
| ベンチマーク | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 🥇 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 🥇 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 🥇 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 🥇 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench | 91.1 🥇 | 89.8 | 85.8 | 87.9 | — |
Artificial Analysis Intelligence Index v4.1 では K3 が 57.1（4 位）、1 位の Fable 5（59.9）との差は 2.8 点のみです。
06 · 4 経路と 5 段階導入
- kimi.com / Kimi App：無料アカウント、K3 は max 推論
- 公式 API：OpenAI 互換、
kimi-k3 - OpenRouter：
moonshotai/kimi-k3 - Hugging Face：2026 年 7 月 27 日公開予定
6.1 5 段階導入手順
- platform.kimi.ai で API Key を発行し、課金リージョンとレート制限を確認します
- OpenAI SDK で初回リクエストを送り、
kimi-k3とhttps://api.moonshot.ai/v1を検証します - 長時間 Agent ではコンテキストキャッシュを有効化し、入力を $0.30/M まで下げます
- マルチモーダルタスクでは
image_urlを messages に含め、視覚パイプラインを確認します - 同一リポジトリで長文分析・バグ修正・リファクタの 3 タスクを Claude/GPT と比較し、品質と請求を記録します
07 · 選定マトリクス
| ユースケース | 推奨 | 理由 |
|---|---|---|
| 長時間コーディング | Kimi K3 | SWE Marathon 42.0、1M コンテキスト |
| 複雑 Repo のバグ修正 | Claude Fable 5 | FrontierSWE 86.6 |
| ターミナル密集 Agent | GPT-5.6 Sol | Terminal Bench 2.1 優位 |
| 超長文・文書理解 | Kimi K3 | OmniDocBench 91.1 |
| コスト最重視 | DeepSeek V4 Pro | 出力 $3.48/M |
| OSS 自ホスト（7/27 以降） | Kimi K3 | 2.8T の新標準 |
08 · 7 月 27 日のオープンウェイト
Moonshot AI は 2026 年 7 月 27 日に Hugging Face で完全ウェイトを公開すると約束しています。K3 は史上最大のダウンロード可能 OSS モデルとなり、2 兆パラメータ超の初の OSS ウェイトになります。MXFP4/NVFP4 量子化版と vLLM・SGLang 対応が見込まれます。
09 · まとめ
Kimi K3 は KDA・AttnRes・Stable LatentMoE で長コンテキスト MoE の実務課題を解き、SWE Marathon や OmniDocBench で閉源旗艦と渡り合っています。Sonnet 並みの料金で 5 倍のコンテキストと積極的キャッシュ価格を提供し、7 月 27 日の完全 OSS 化も約束されています。FrontierSWE 級の Repo 修正が最優先なら Fable 5、コスト最優先なら DeepSeek が依然として有力ですが、Mac 開発者にとって K3 は DeepSeek 以来最も検討価値の高い中国発 OSS オプションです。
10 · よくある質問
Q: 無料で使えますか？
A: kimi.com の無料アカウントで体験できます。API は $3/$15 per 1M、キャッシュ入力 $0.30/M です。
Q: Mac でローカル実行できますか？
A: 7 月 27 日までは API のみです。本番推論には 64+ GPU が必要です。
Q: Fable 5 より強いですか？
A: 用途次第です。v4.1 では K3 57.1、Fable 5 59.9 です。
Q: 100 万トークンは実用的ですか？
A: はい。KDA によりデコードが 6.3 倍高速化されます。
Q: OpenRouter の ID は？
A: moonshotai/kimi-k3 です。
Q: 7 月 27 日の意味は？
A: 最大 OSS ウェイトの公開と vLLM/SGLang 対応が期待されます。
11 · Mac レンタル：Kimi K3 API を隔離検証する
主力モデルを切り替える前に、隔離された Apple Silicon ノードで PoC を完了するのが安全です。本番リポジトリのサブセットをクローンし、Moonshot API Key を設定、Kimi Code または Cursor で kimi-k3 を接続し、長文分析・バグ修正・リファクタの 3 タスクで Claude/GPT と比較してください。主力 Mac に API Key を書き込むと、百万トークン実験がシェル設定や Keychain を汚染するリスクがあります。
日払いの M 系列 Mac mini なら使い捨て検証が可能です。SSH 接続と料金は M シリーズ Mac 料金案内をご覧ください。
12 · 参考資料
- Moonshot 公式：kimi.com/blog/kimi-k3
- API ドキュメント：platform.kimi.ai
- Artificial Analysis：artificialanalysis.ai
- OpenRouter：openrouter.ai/moonshotai/kimi-k3
データ基準日：2026 年 7 月 16 日。ベンチマークは Moonshot AI 自報値です。