Kimi K3 発表 — 中国発オープンモデルの新しい上限

2026 年 7 月 16 日、中国 Moonshot AI が Kimi K3 を公開しました。総パラメータ数 2.8 兆の Mixture-of-Experts (MoE) モデルで、モデル重みを Modified MIT ライセンスで 2026-07-27 までに公開する予定と発表されており、実現すれば過去最大級のオープンウェイトモデルになります。

私たちの実感としては、これまでのオープンモデル (Llama 系や以前の Kimi K2) と比べて、「クラウド上位モデルの水準にオープン側から迫る初めての事例」 と受け止めています。ベンチマークによっては Claude Fable 5 を上回る領域も出てきており、AI 駆動開発の選択肢としても素通りできない存在になりました。

本記事では、Kimi K3 の基本仕様・ベンチマーク・使い方・料金・Claude 系との比較・オープンウェイトの意味、そして業務利用時の情報管理観点までを、AI 駆動開発のクリエイティブスタジオである FIXIT が実務目線で整理します。実際に触ってみて感じたことも合わせて書きます。

ひと目でわかる Kimi K3 の基本仕様

まずは全体像を並べます。細かい背景はこの後で補います。

観点Kimi K3
公開日2026 年 7 月 16 日 (API・アプリ)
モデル重みの公開予定日2026 年 7 月 27 日まで (Modified MIT ライセンス)
総パラメータ数2.8 兆 (MoE 構成)
エキスパート数896 個 / トークンあたり 16 個発火 (約 1.8%)
コンテキストウィンドウ100 万トークン
主な特徴Kimi Delta Attention、ネイティブ視覚対応
API 料金 (100 万トークン)入力 $3.00 / キャッシュヒット $0.30 / 出力 $15.00
モデル ID (API)kimi-k3 (エンドポイント: https://api.moonshot.ai/v1)

MoE 構成なので、総 2.8 兆パラメータのすべてが同時に動くわけではありません。1 トークンあたり 16 エキスパートだけが発火する省エネ設計で、実効的な計算量は総数からは想像しにくいほど抑えられています。

ベンチマーク — 領域によっては Fable 5 を上回る

公式および第三者評価から公表されている主要ベンチマークをまとめます。

評価Kimi K3Claude Fable 5 MaxGPT-5.6 Sol MaxClaude Opus 4.8
GDPval-AA v2 (実務職業横断)1,6871,815 (1 位)1,747.8 (2 位)1,600
Arena Frontend Code (フロント生成)1,679 (1 位)Fable 5 を下回る——
AA-Briefcase (長期エージェント)1,527 (2 位)1,587 (1 位)1,495—

読みどころは 2 つあります。

1 つ目は フロントエンドコード生成での首位 です。Arena Frontend Code で Fable 5 を上回り 1 位に立ちました。実際に触ってみると、React や Tailwind CSS の書き味は素直で、Claude 系と比べても遜色ない出力が返ってきます。

2 つ目は 総合力ではまだ Fable 5 に及ばない 点です。GDPval-AA v2 や AA-Briefcase では Fable 5 Max のほうが上に来ます。フロントに強く、総合ではやや及ばず、というのが今の Kimi K3 の位置づけと理解しておくのが健全です。

FIXITFIXIT

えっ、フロントで Fable 5 を上回ったの？じゃあ全部これでよくない？

TsumikiTsumiki

実際に試すと、フロントは確かに強いです。でも総合はまだ Fable 5 が上ですよ。

FIXITFIXIT
じゃあ、いつ Kimi K3 を使うの？
TsumikiTsumiki

まず触ってみるのが早いですが、フロントの初稿と、ローカルで動かしたい用途からです。

使い方 — アプリ / Web / API の 3 経路

Kimi K3 を試す入り口は 3 つあります。触りやすい順に整理します。

Kimi アプリ / Web 版
最短で試せます。Kimi のアプリまたは Web 版にログインし、モデル選択メニューから「Kimi K3」を選び、テキストや添付ファイルを送るだけです。無料プランからでも触れます。エンジニア以外のメンバーが体感を得るのに向いた入り口です。

API 経由 (OpenAI 互換)
自社アプリや CI から呼ぶ場合、https://api.moonshot.ai/v1 に対して OpenAI 互換のリクエストを投げます。モデル ID は kimi-k3。以下は Python でのミニマル例です。

from openai import OpenAI
 
client = OpenAI(
    api_key="YOUR_MOONSHOT_API_KEY",
    base_url="https://api.moonshot.ai/v1",
)
 
resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "system", "content": "あなたは有能なフロントエンドエンジニアです。"},
        {"role": "user", "content": "Next.js 16 で問い合わせフォームを 1 枚だけ作ってください。"},
    ],
)
print(resp.choices[0].message.content)

OpenAI 互換のインターフェースなので、既存の LangChain・LlamaIndex・Cursor などのツールから、エンドポイントとモデル ID を差し替えるだけで乗り換えられます。

オープンウェイトを自社ホスト (2026-07-27 以降)
モデル重みが公開されれば、自社サーバーや閉じたクラウド環境で推論を回せます。ただし 2.8 兆パラメータ級を実運用するには相応の GPU リソースが必要で、個人ノート PC で動かす前提のモデルではありません。当面は大手クラウドの GPU クラスターか、共同利用ホスティングでの運用が現実的です。

料金 — Claude Sonnet 相当、中国製として最上位

Kimi K3 の API 料金は 100 万トークンあたり 入力 $3.00 / 出力 $15.00 で、キャッシュヒット時の入力は $0.30 に下がります。この価格帯は Anthropic の Claude Sonnet 系と同水準で、中国系 AI ラボが公開したモデルとしては、これまでで上位に位置する料金帯です。

Claude 主力モデルと並べてみます。

モデル入力 ($/1M)出力 ($/1M)
Kimi K3$3.00$15.00
Claude Sonnet 5概ね同水準概ね同水準
Claude Opus 4.8$5.00$25.00
Claude Fable 5$10.00$50.00

「安い中国モデル」という位置づけではもうなくなっており、Claude Sonnet と本気で比較する土俵に立った、と捉えるのが妥当です。ここは Claude Opus 4.8 や Fable 5 の料金体系を Claude Opus 4.6・4.7・4.8 の違いと使い分け と Claude Fable 5 の料金プラン別ガイド にまとめているので、比較の際に参照してください。

Modified MIT でのオープンウェイト公開が持つ意味

料金と並んで大きな話題が、モデル重みの公開予定です。Moonshot AI は Modified MIT ライセンスで、2026 年 7 月 27 日までにフルウェイトを公開すると明言しています。実現すれば、次のような選択肢が現実的になります。

  • 自社ホストで機密データを外部に出さずに推論 — API 経由で送りたくないデータを扱う業務での選択肢
  • モデル出力の自由度 — 独自チューニング・LoRA・派生モデルの構築
  • 長期のベンダー依存回避 — クラウド上位モデルの料金や仕様変更に振り回されない足回り

一方で、2.8 兆パラメータを動かすインフラは、個人・中小企業では現実的でない規模です。「誰でも動かせる」ではなく「動かしたい組織には道が開かれる」というのが実態に近い理解です。

Claude Code / エージェントとの併用は?

Claude Code や他のエージェント型ツールから、モデルとして Kimi K3 を呼ぶ運用も試せます。API が OpenAI 互換で、kimi-k3 を指定すれば呼び出せます。実装によりますが、モデル切り替えの UI がある Cursor などでも同様です。

私たちが実際に試した限りでは、フロントエンドの雛形生成やスタイル調整では Kimi K3 の出力が素直に使える一方、長時間の自律的なリファクタリングや、複雑な依存関係の解決では、Claude 系のほうが安定して最後まで走り切る印象です。ここは日々の開発サイクルで 「初稿・雛形は Kimi K3、詰めと自律作業は Claude」 のように使い分けるのが、コストと品質の両立に効きます。

日常の開発を Claude Code に寄せている場合の使い分けの考え方は Claude Code を実務に導入する完全ガイド と組み合わせて読むと、選択の軸が整理しやすくなります。

中国製 LLM を業務で使うときの情報管理

技術評価が優れていても、業務利用では情報管理・法務観点の整理を先に済ませておく必要があります。特に確認すべきは次の 4 点です。

  • API 利用時のデータ取り扱い — 入力データが学習に使われるか、ログの保管場所と保管期間
  • NDA との整合 — 顧客との NDA に「第三者クラウドへの入力可否」や「生成 AI への入力の扱い」の条項があるか
  • 準拠法とデータローカリティ — 契約の準拠法、データの物理保管場所
  • オープンウェイト自社ホスト時の閉じた環境設計 — 外部通信を絞る運用にできるか

「Kimi K3 は安全か / 危険か」の二者択一で判断せず、運用の中で安全に使う設計 を先に組んでから業務投入するのが実務的な順序です。生成 AI ツール全般のセキュリティ設計の考え方は AI 駆動開発のセキュリティガイド にまとめています。

FIXIT の受け止め — 「オープンで最上位に迫る」時代の使い分け

私たちの視点では、Kimi K3 の登場は「オープンウェイトが最上位に迫る初めての現実的な選択肢」を業界にもたらした点で、単なる新モデル 1 本以上の意味があります。すべての開発を Kimi K3 に移す動機はまだ多くありませんが、用途と情報管理で使い分ける前提 で選択肢に加えるのは十分に検討に値します。

私たちの現時点の運用方針は次のとおりです。

  • 常用の判断・自律的なリファクタリングは Claude Opus 4.8 / Fable 5
  • フロントエンドの雛形・スタイル調整は Kimi K3 も選択肢に
  • 機密データを扱う推論で、将来的にオープンウェイト自社ホストが要る案件は Kimi K3 を評価対象に

モデル選定・チーム定着・稟議までを一緒に組み立てたい場合は、AI 開発ツール定着支援 のページや お問い合わせ からご相談ください。

よくある質問

Q. Kimi K3 は日本語をどの程度扱えますか？

A. 実際に触った印象では、日本語の理解・生成ともに実用水準です。日本語での指示追従、日本語のコードコメント生成、日本語ドキュメントの要約でも自然な応答が返ってきます。ただし、日本のビジネス慣行 (敬語のニュアンス、業界固有の言い回し) では、Claude 系のほうがまだ自然な出力が多い印象です。

Q. 無料で試せますか？

A. Kimi アプリ / Web 版には無料プランがあり、モデル選択メニューから Kimi K3 を選んで試せます。API は従量課金です。まずアプリで触って感触を確かめ、業務投入前提であれば API 契約に進む、という順序が手戻りが少ないです。

Q. 2.8 兆パラメータを自社で動かすのに必要な計算資源はどれくらいですか？

A. 具体的な GPU 数・メモリ量は推論最適化 (量子化・分散配置) 次第で大きく変わりますが、フルスケールでの推論には数十枚以上の高性能 GPU クラスターが前提になります。個人・中小規模の組織で動かす想定のモデルではなく、大手クラウドか、共同利用のホスティングを介して動かすのが現実的です。

Q. Kimi K2 との違いは何ですか？

A. パラメータ数の桁が違う (K2 は数千億〜1 兆規模) ため、そもそもの上限性能が変わります。加えて、K3 では Kimi Delta Attention と呼ばれる注意機構と、1M トークンのコンテキスト、ネイティブ視覚対応が加わっています。K2 で「もう少し賢ければ」という場面が、K3 で解ける可能性がある、というのが世代交代のポイントです。

Q. 中国製 LLM を使うと、顧客に説明する必要はありますか？

A. 顧客との契約や社内規程で「使用する AI ツールの開示」が求められている場合は、事前開示が必要です。求められていない場合も、顧客データを Kimi K3 の API に送る運用にするなら、顧客担当者に事前確認を取っておくのが安全です。「無断で使うが漏洩しないから大丈夫」は契約上のリスクとして残ります。

おすすめ参考リソース