Kimi K3 全面オープンウェイト公開：今回のリリースが注目される理由
Kimi K3 は総パラメータ 2.8 兆の混合エキスパート（MoE）モデルで、活性化パラメータは約 1,040 億、100 万トークンのコンテキストウィンドウをサポートし、ネイティブな視覚理解能力を備えています。Hugging Face 上のウェイトファイルは約 1.56TB で、公開後 30 分以内にトレンドランキングの首位を獲得しました。今回のオープンウェイト公開は、K3 が kimi.com と API で初公開されてからわずか 11 日後の出来事です。
7 月 16 日夜（WAIC 2026 前夜）：Kimi K3 が kimi.com、Kimi Work、Kimi Code、Kimi API で初公開されましたが、オンライン呼び出しのみでモデルウェイトは未公開でした。公式技術ブログのタイトルは「Kimi K3: Open Frontier Intelligence」です。
7 月 17 日：業界でアーキテクチャ分析が集中し、新華社は「現時点で世界最大規模のオープンウェイトモデル」と報じました。
7 月 22 日–23 日：米中の「モデル蒸留」論争が激化しました。米ホワイトハウス科学技術顧問 Michael Kratsios が Moonshot AI の Anthropic Fable モデルへの「大規模かつ隠蔽的な工業化蒸留」を非難し、財務長官 Scott Bessent は関連中国企業への制裁と「エンティティリスト」制限を検討すると表明しました。
7 月 27 日 23 時：Moonshot AI が K3 の完全モデルウェイトと技術レポートを正式公開し、MoonEP と AgentEnv をオープンしました（FlashKDA は以前から公開済みです）。
7 月 28 日：中国商務部が米中 AI 論争に公式回答し、米国の「AI 覇権主義」を非難して反制措置を警告しました。国内メディアも今回のオープンウェイト公開の詳細を相次いで報道しました。
3 日後、阿里巴巴（Moonshot AI の投資者の一つ）が 24 兆パラメータの Qwen3.8-Max-Preview を公開し、K3 への直接の応答と広く解釈されました。国産大規模モデルの競争は「3T クラブ」段階へと本格化しています。
Kimi K3 コアパラメータとベンチマーク：GPT-5.6・Claude との比較
機関や評価フレームワークによって数値は大きく異なります。以下では独立した第三者の再検証データを優先し、ベンダー自己申告値は別途明記します。
| 項目 | Kimi K3 | 備考 |
|---|---|---|
| 総パラメータ数 | 2.8 兆（2.8T） | 世界初の完全公開 3T 級モデル |
| 活性化パラメータ数 | 約 1,040 億 | MoE sparse 活性化 |
| エキスパート構成 | 896 ルーティングエキスパート、トークンあたり 16 活性化 | sparse 率約 1.8% |
| コンテキストウィンドウ | 100 万トークン | KDA + Gated MLA ハイブリッド注意 |
| ウェイト容量 | 約 1.56TB | MXFP4 ウェイト + MXFP8 活性化 |
| ライセンス | カスタムライセンス | 公式は「open source」ではなく「open weight」と表記 |
SWE-bench Verified（独立再検証、Vals AI、2026 年 7 月時点）
| モデル | スコア | 公開日 |
|---|---|---|
| Claude Opus 5 | 97% | 2026-07-24 |
| GPT-5.6 Sol | 96.2% | 2026-07-09 |
| Claude Fable 5 | 95% | 2026-06-09 |
| Kimi K3 | 93.4% | 2026-07-16 |
| Qwen3.7-Max | 79.4% | 2026-05-19 |
| DeepSeek-V4 | 76.2% | 2026-04-23 |
Kimi K3 はオープンウェイト陣営で能力上限が最も高い選択肢であり、コスパ最優先の選択肢ではありません。Artificial Analysis インテリジェンス指数で世界第 3・オープンウェイト第 1 ですが、タスクあたりコストは約 $0.95 で、GLM-5.2 の約 $0.47/タスクより高くなっています。
KDA・AttnRes・Per-Head Muon と三大オープン Infra 技術
Kimi K3 はアーキテクチャ面で深層学習で長年使われてきた三大伝統コンポーネント、すなわち注意機構・残差接続・最適化器を再構築しています。これが「単純なパラメータ積み上げ」と区別される要点です。
Kimi Delta Attention（KDA）は、従来の Gated DeltaNet のスカル級忘却ゲートをチャネルごとのレベルへ変更しています。各特徴次元が独立した減衰率を持ち、chunkwise の DPLR 公式で線形時間再帰を実現します。K3 は KDA と少数のグローバル注意層（Gated MLA）を交互に混在させ、100 万トークンコンテキストを支えながら KV Cache コストを極小化しています。
Attention Residuals（AttnRes）は、残差接続を「一律適用」から、入力に応じて動的に前層すべての出力を選択的に集約する方式へ変更しました。各層に RMSNorm と疑似クエリベクトルを 1 つ追加するだけで、約 25% の学習効率向上をもたらし、コストは 2% 未満です。
Per-Head Muonは各注意ヘッドを独立に学習させ、より適応的な収束経路を持たせます。Stable LatentMoE（896 から 16 の sparse ルーティング + Quantile Balancing 均衡戦略）と組み合わせ、各計算ノードの冗長エキスパート数の理論的上界を数学的に証明しています。
| 技術 | 位置づけ | 主要能力 |
|---|---|---|
| MoonEP | 超大規模細粒度 MoE 通信ライブラリ | 過負荷エキスパートを一時複製し、各計算ノードが均等なトークン数を獲得。冗長エキスパート数の理論的上界を証明 |
| FlashKDA | CUTLASS ベースの KDA 高性能オペレータ | H20 上で prefill 速度 1.72–2.22 倍向上。chunk_kda のバックエンドとして直接置換可能 |
| AgentEnv | Firecracker microVM エージェントサンドボックス | checkpoint 遅延 133ms、復旧 49ms、メモリオーバーサブスクリプション最大 6.5 倍（公式データ、第三者再検証は未完了） |
from openai import OpenAI
client = OpenAI(
api_key="YOUR_MOONSHOT_API_KEY",
base_url="https://api.moonshot.ai/v1"
)
completion = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "Explain Kimi Delta Attention"}]
)
ポイント：Moonshot AI は今回、ウェイトファイルだけでなく、K3 の学習効率と安定性を支える三大コアインフラ技術も同時にオープンしました。これが開発者コミュニティで高い評価を得ている主な理由です。
Kimi K3 接続とデプロイ：六ステップ Runbook
接続経路の確認：チームが API 呼び出し、OpenRouter 第三者ホスティング、64 枚以上 GPU の超ノード自前デプロイのいずれを必要とするか評価します。個人開発者と多くの中小チームにとって現実的な経路は API または OpenRouter です。
Moonshot API の登録：https://api.moonshot.ai/v1 で API Key を取得します。モデル ID は kimi-k3 で、OpenAI SDK と互換です。既存プロジェクトの多くは base URL とキーの変更だけで接続できます。
キャッシュ戦略の設定：Mooncake 分離型推論アーキテクチャは、典型的なプログラミングワークロードでキャッシュ命中率 90% 超を達成し、実コストは入力 $3.00/M（キャッシュ未命中）より入力 $0.30/M（キャッシュ命中）に近づきます。
自前デプロイの評価（任意）：ローカルウェイトが必要な場合、Hugging Face の moonshotai/Kimi-K3 から約 1.56TB のウェイトをダウンロードし、64 枚以上 GPU の超ノードを用意してエキスパート並列とテンソル並列を構成します。
ライセンスの審査：事業が Model-as-a-Service 年間収入 2,000 万ドル閾値、または月間アクティブユーザー 1 億人・月間収入 2,000 万ドルの表示閾値に該当するか確認します。
Infra ツールチェーンの統合：KDA オペレータを使う場合、flash-linear-attention ライブラリの chunk_kda バックエンドを FlashKDA へ切り替えます。大規模 Agent RL 学習では AgentEnv サンドボックス統合を評価できます。
ライセンスの商用閾値と API 料金の実数値
オープンウェイト vs オープンソース：Moonshot AI の公式資料は「open source」を一度も使わず、一貫して「open weight」と表記しています。OSI 基準では、K3 はウェイトファイル・技術レポート・推論関連 Infra ツールのみ公開され、学習データと完全な学習コードは非公開です。
Model-as-a-Service 収入閾値：MaaS 事業を運営し、連続 12 か月の累計収入が 2,000 万ドルを超える場合、Moonshot AI と別途商用契約への締結が必要です。
API 料金（100 万トークンあたり）：入力キャッシュ命中 $0.30、キャッシュ未命中 $3.00、出力（推論過程含む）$15.00 です。Artificial Analysis の実測ではタスクあたり約 $0.95 で、Claude Fable 5（約 $2.4/タスク）より約 60% 安くなっています。
注意：2.8 兆パラメータ・896 エキスパートの規模により、K3 をコンシューマー級ハードウェアで動かすことはほぼ不可能です。OpenRouter などの第三者プラットフォームでは 7 社が K3 を提供し、料金は多くが公式と同等です。
チームがローカル Mac で Agent オーケストレーション、CI/CD パイプライン、常駐 Gateway プロセスを動かす必要がある場合、コンシューマー GPU での K3 自前デプロイは現実的ではありません。ローカル Mac のスリープ、更新ダイアログ、メモリ制約も長時間 Agent タスクを中断します。iOS CI/CD と AI Agent 自動化を 7×24 で安定稼働させる本番環境では、MESHLAUNCH の Mac Mini クラウドレンタルがより適した選択肢です。専有 Apple Silicon、日/週/月の弾力課金で、推論は API に任せ、オーケストレーションとビルドを安定したクラウド Mac ノードに残せます。料金はレンタル料金、構築手順はヘルプセンターをご覧ください。
厳密には該当しません。「オープンウェイト（open weight）」モデルに分類されます。学習済みウェイト、技術レポート、一部 Infra ツールは公開されていますが、学習データと完全な学習コードは非公開で、OSI 基準の「オープンソース」定義には合致しません。
はい。大多数の商用シーンでは制限がありません。ただし「モデル即サービス」事業で年間収入が 2,000 万ドルを超える場合、または製品の月間アクティブユーザーが 1 億人超・月間収入 2,000 万ドル超の場合は、ライセンスの追加条項への適合が必要です。クラウド開発環境の選択肢はレンタル料金をご覧ください。
公式は 64 枚以上の GPU を備えた超ノードクラスターでのデプロイを推奨しています。個人開発者と多くの企業にとって現実的な方法は、公式 API または OpenRouter などの第三者プラットフォーム経由の呼び出しです。クラウド Mac 開発環境の構成はヘルプセンターをご参照ください。
オープンウェイトモデル陣営では総合能力が最も高い位置づけです。Artificial Analysis インテリジェンス指数で世界第 3、Claude Fable 5 と GPT-5.6 Sol に次ぐ水準です。一方、同じくオープンウェイトの GLM-5.2 よりコストは高くなっています。K3 は現時点で Arena.ai の Frontend Code Arena ランキングで首位を記録しています。
K3 のパラメータ規模は K2.5 の約 3 倍です。アーキテクチャ面では Attention Residuals と Per-Head Muon が新設され、コンテキストウィンドウとマルチモーダル能力も大幅に向上しています。ライセンス面では K3 は Model-as-a-Service 収入閾値が追加され、K2 シリーズより商用制限が細分化されています。