2026.07.17 AI

Kimi K3とは？Moonshot AIの2.8兆パラメータMoEの性能・料金・K2系からの進化を実装者向けに解説【2026年7月版】

Kimi K3は、中国のMoonshot AIが2026年7月16日に公開した新世代のフロンティアLLMです。総パラメータ2.8兆規模のMoE（混合エキスパート）に100万トークンの文脈長を備え、コーディングと長時間エージェント処理を主戦場に据えたモデルとして登場しました。この記事では、K3が前世代のK2系から何を引き継ぎ何を変えたのかを、アーキテクチャ・ベンチマーク・料金の三面から実装者の目線で腑分けし、そのうえで受託開発や自社サービスにK3を採用する条件と見送る場面を、2026年7月時点の一次情報にもとづいて条件付きで整理します。数値は速報段階のため、いずれもベンダー公表・当該時点の値として扱ってください。

目次

まとめ：Kimi K3はK2系を2倍超へ拡張した2.8兆パラメータの新世代MoE

Kimi K3を一言でまとめると、K2.6でおよそ1兆パラメータだったMoEを2.8兆規模へ倍以上に広げ、100万トークンの文脈長と新設計の注意機構を組み合わせた、Moonshot AIの現行フラッグシップです。公開時点ではチャットとエージェント向けのK3 Maxと、大規模並列処理向けのK3 Swarm Maxの2系統が用意され、まずKimi CodeとKimiアプリから順次提供が始まりました。

実装の判断としては、K3は「安さで選ぶ中国系モデル」という従来の位置づけから外れます。料金は100万トークンあたり入力3ドル・出力15ドルへ引き上げられ、性能を対価に見合う価格帯へ引き上げたモデルと見るのが妥当でしょう。エージェント系のベンチマークで公表値が高く、長い文脈を要するコード修正や自律的なツール操作に向く一方、単純な分類や短文生成のように前世代でも足りるタスクにまでK3を充てると費用が過剰になります。用途の重さで世代を選び分けるのが、K3を扱う実務の勘所です。

Kimi K3の定義と位置づけ＝Moonshot AIの新世代フロンティアLLM

Kimi K3は、Moonshot AIが展開するKimiシリーズの最新世代にあたります。同社はK2.6、K2.7 Codeと版を重ねてきましたが、K3はその延長線上の小刻みな改良ではなく、規模と設計の両面で段を上げた世代交代として位置づけられます。公開は2026年7月16日で、事前に自社のKimi Open Platform上へ告知ページが先行して表示され、発表の前日に情報が出る形となりました。

K2系からK3への世代交代＝規模とアーキテクチャ両面の刷新点

前世代のK2.6は、100万トークン級の文脈を持つ約1兆パラメータのMoEとして自律実行を担うモデルでした。その系譜と使い勝手を扱ったKimi K2.6の解説を起点に見ると、K3の変化がつかみやすくなります。K3は総パラメータを2.8兆規模へ倍以上に拡張し、Moonshotの説明では単なる規模拡大ではなく新しいアーキテクチャ上の工夫を伴う世代だとされています。派生系のK2.7 Codeがコーディング用途に振った版だったのに対し、K3はチャット・エージェント・並列処理まで見据えた基盤の刷新という色合いが濃いモデルです。

オープンウェイトの扱いと提供チャネル・ローカル運用の始め方まで

K3は学習済みの重みを配布するオープンウェイト系のモデルとして案内されています。ただし公開初日はまずAPIとアプリからの提供が先行し、ダウンロード可能な重みの公開は2026年7月27日ごろを目標に告知されました（時点情報）。まず試すならKimi CodeやKimiアプリ、API経由から入り、ローカル運用や自前ホスティングは重み公開の段取りを待つ、という順序が現実的な導入経路になります。

Kimi K3のアーキテクチャと仕様＝2.8兆MoEと100万トークンの文脈長

K3の中身を実装の目線で分解すると、「巨大なパラメータをどう効率的に動かすか」と「長い文脈と画像をどう扱うか」の二本柱に整理できます。規模の割に推論費を抑える設計が、料金と応答速度の前提を支えています。

MoEによるパラメータ活性＝一部の専門家だけを選んで使う仕組み

K3はMoE（Mixture-of-Experts）を採ります。総パラメータは2.8兆規模ですが、1回の推論で全パラメータが動くわけではなく、入力トークンごとに一部の専門家（エキスパート）だけを選んで活性化させる構造です。公表情報では、896の専門家のうち1トークンあたり16を活性化させる設計だと伝えられています（2026年7月時点の報道値）。この「巨大な総量・小さな活性量」の組み合わせにより、規模を上げつつ1トークンあたりの計算量を抑えられる点が、MoEを採る狙いです。総パラメータの大きさをそのまま推論コストの大きさと読み替えないことが、この方式を見るうえでの注意点になります。

Kimi Delta Attentionと100万トークンの文脈長

K3は、Moonshotが自社で設計したKimi Delta Attentionと呼ぶ注意機構の上に構築されたと説明されています。長い文脈を扱う際の計算負荷を抑える工夫が、100万トークンという文脈長を成り立たせる土台です。100万トークンの文脈は、大きなリポジトリ全体やまとまった仕様書・ログ群を一度に読み込ませたうえで、横断的に修正や調査を指示できる規模にあたります。長時間のコーディングやエージェント処理を主戦場に据えるという設計方針は、この文脈長の広さと結び付いています。

ネイティブな画像入力とK3 Max／K3 Swarm Maxの2系統

K3はテキストに加えて画像入力をネイティブに扱うマルチモーダルモデルです。スクリーンショットや図、実行結果の画像を手掛かりに、コードの修正やデバッグを反復させる使い方が想定されています。公開時点の系統は二つで、チャットとエージェントの汎用作業に充てるK3 Maxと、大規模な並列処理に振ったK3 Swarm Maxが用意されました。単発の対話や小規模なエージェント処理はMax、多数のタスクを一斉に走らせる基盤側の用途はSwarm Max、という充て分けが系統選択の目安になります。

Kimi K3の性能＝公開時ベンチマークと他社フロンティアモデルの立ち位置

K3の実力は、公開時にMoonshotや第三者トラッカーが示したベンチマークの数値からある程度読み取れます。ここではベンダー公表・時点の値として、代表的なスコアと立ち位置を押さえます。数値は速報段階のため、後続の独立検証で上下しうる前提で見てください。

公開時点で示された主なベンチマーク数値とその読み解き方の目安

公開時に示された主なスコアは、知識推論のGPQA Diamondで93.5%、ターミナル操作のTerminal-Bench 2.1で88.3%でした。見出しとなったのはエージェント系で、ブラウザ操作のBrowseCompでリリーストラッカーのなかでもトップとされる91.2%、ツール併用のHumanity’s Last Exam（HLE）で56.0%、MCP Atlasで84.2%が示されています。長時間の自律作業を測る評価で、公開されたオープンウェイト系として当時の上位に並ぶ数値を提示した点が、K3の技術的な主張の中心にあたります。

他社フロンティアモデルとの立ち位置と価格対性能の主張の読み方

Moonshot自身の整理では、K3は総合でClaude Fable 5やGPT-5.6 Solの一歩後ろに位置づけつつ、Claude Opus 4.8やGPT-5.5クラスは上回るという自己申告のポジションを示しています。第三者トラッカーの長時間評価でも、前世代K2.6からEloで大きく伸びた（総合Elo 1547・K2.6から+732との報告値）とされ、フロントエンドのコード生成を競う場では首位に挙げられる場面もありました。要点は、最上位の海外モデルに肉薄しつつ料金で下回る、という価格対性能の主張にあります。順位そのものより、自社の用途で必要な水準を満たすかで採否を測るのが実務的な読み方です。

Kimi K3の料金とK2系からの変化＝受託開発での採用条件と見送る場面

ここからは費用と実務判断の章です。K3の料金がK2系からどう変わったかを押さえ、そのうえで受託開発や自社サービスにK3を採用する条件と、あえて見送る場面を条件付きで言い切ります。

料金＝入力3ドル・出力15ドルへの引き上げとK2.6との比較

K3の料金は、100万トークンあたり入力3ドル・出力15ドルです（2026年7月時点）。前世代K2.6の入力0.95ドル・出力4ドルと比べると、入力で約3倍・出力で約3.75倍の引き上げにあたり、中国系AIラボが公開したモデルとしては当時もっとも高い価格帯に入ります。一方でK3は同じ作業でK2.6より出力トークンを約21%減らすとされ、単価の上昇がそのまま総費用の3倍増を意味するわけではありません。実費を比べるなら、単価だけでなく1タスクあたりのトークン消費まで含めて試算するのが妥当です。海外の最上位モデルと比べれば、K3は同等クラスの性能主張に対して料金で下回る、という位置取りになります。

K3を採用する条件＝長文脈エージェントとコード反復に効く場面

K3を採る判断が立つのは、100万トークンの文脈と高いエージェント性能が費用に見合う用途に限られます。大規模リポジトリを丸ごと読ませた横断的な改修、ログや実行結果の画像を手掛かりに反復するデバッグ、複数ステップのツール操作を自律で回す業務—こうした「長く・重い」作業では、前世代や小型モデルに対する差が費用を正当化します。自社サービスや受託開発でK3を業務へ組み込むなら、まずAPIで対象タスクの精度とトークン消費を実測し、既存モデルとの費用差が成果差で説明できるかを見てから本採用に進む順序が堅実です。私たちも、フロンティアLLMを業務要件に落とし込む生成AI導入支援を受託で提供しており、モデル選定から精度検証、費用設計までを段階的に組み立てます。

K3を見送る場面＝軽いタスクや前世代で足りる用途の切り分け方

逆に、単純な分類・要約・短文生成や、定型的なチャット応答のように前世代でも精度が足りるタスクに、そのままK3を充てるのは費用面で過剰です。こうした軽い用途は、料金を抑えた前世代や小型モデルに寄せ、K3は判断や長文脈が要る難所だけに回すのが合理的な配分になります。コーディング用途に振った派生系の使い分けは、Kimi K2.7 Codeの解説で料金と速度の兼ね合いを扱っており、同じ系統のなかでも「どの版をどの重さの作業へ充てるか」という設計視点が採否の分かれ目です。単一モデルに全処理を寄せず、タスクの重さで世代とモデルを振り分ける構成を先に設計しておくと、性能と費用の両立が図れます。

よくある質問

Kimi K3の仕様や前世代との違いについて、実装や導入の検討で挙がりやすい質問に答えます。いずれも2026年7月時点の公表情報にもとづきます。

Kimi K3とKimi K2.6は何が違うのですか？

いちばんの違いは規模と料金です。K2.6が約1兆パラメータだったのに対し、K3は2.8兆規模へ倍以上に拡張されました。料金も入力0.95ドル・出力4ドルから、入力3ドル・出力15ドルへと上がりました。そのぶんエージェント系のベンチマークで公表値が伸びており、同じ作業での出力トークンは約21%減るとされます。安さで選ぶ前世代から、性能を対価に高価格帯へ移った世代だと捉えると違いを整理しやすくなります。

Kimi K3の文脈長はどのくらいですか？

公開時点で100万トークンの文脈長が確認されています。大きなリポジトリ全体や、まとまった仕様書・ログを一度に読み込ませて横断的に指示できる規模です。長時間のコーディングやエージェント処理を主戦場に据える設計は、この文脈長の広さと結び付いています。

K3 MaxとK3 Swarm Maxはどう使い分けますか？

作業の並列度で分けるのが目安です。単発の対話やエージェントの汎用作業にはK3 Max、多数のタスクを一斉に走らせる大規模並列処理にはK3 Swarm Maxが用意されています。個別の応答品質を求める場面はMax、基盤側で大量の処理をさばく用途はSwarm Max、という充て分けになります。

Kimi K3はローカルで動かせますか？

オープンウェイト系として案内されていますが、公開初日はAPIとアプリの提供が先行しました。ダウンロードできる重みの公開は2026年7月27日ごろを目標に告知されており（時点情報）、ローカル運用や自前ホスティングはその段取りを待つ形になります。まず試すならAPIやKimiアプリから入る経路が現実的です。

受託開発でKimi K3を採用すべきですか？

用途次第です。100万トークンの文脈や高いエージェント性能が費用に見合う「長く・重い」作業では採用が立ちますが、軽い分類や短文生成に充てると費用が過剰になります。単一モデルに全処理を寄せず、タスクの重さで世代とモデルを振り分ける設計を先に組むのが堅実です。対象タスクでAPIの精度とトークン消費を実測し、既存モデルとの費用差が成果で説明できるかを確かめてから本採用に進むことをおすすめします。

関連記事

資料請求

RELATED POSTS 関連記事

一覧へ戻る