Kimi K3 徹底解説：2.8兆パラメータのオープンソース大規模言語モデル（2026）

Kimi K3 は Moonshot AI の現時点最大規模フラッグシップで、スパース MoE（Mixture of Experts）アーキテクチャを採用しています。総パラメータ数は 2.8兆、推論時に活性化されるのは 896 エキスパート中 16 個（スパース度 1.8%）です。DeepSeek V4 Pro（1.6T）と比べ約 75% 大きく、公開記録上最大のオープンウェイト候補となります。

タイミングにも戦略的意味があります。7月16日は 2026 世界人工知能大会（WAIC） 開幕前夜。過去12か月のうち 9か月 Kimi 系列がオープンソースモデルの規模上限を保持。2026年6月時点で Moonshot の ARR は3億ドルを突破、今年6回目の資金調達で 投前評価額315億ドル。API 収入は全体の7割超、海外有料ユーザーは400%増。パラメータ数だけの話ではなく、商業化が加速する企業の技術宣言です。

2026年の多くのチームが直面するのは「良いモデルがない」ことではなく、次の構造的摩擦です。

• コンテキスト切り詰め：200K ウィンドウのクローズド旗艦では、リポジトリ全体分析や長文契約書で頻繁に上限に達し、中間状態の喪失がリトライコストを押し上げます。
• KV キャッシュのメモリ壁：従来のフルアテンションでは100万トークンで KV キャッシュが爆発的に増大し、セルフホストは「理論上は可能、実運用は困難」になりがちです。
• ベンチマーク harness の非互換：各社が自社ツールチェーン（Kimi Code、Codex、Claude Code）で計測しており、単一数値だけで調達判断すると誤ります。
• ウェイト待ちの機会損失：公開前は API のみで、社内コンプライアンスやオフライン評価・ファインチューニングパイプラインと整合しません。
• 極端スパース MoE の不安定ルーティング：896 中 16 活性化では、従来のヒューリスティックルーターがエキスパート飢餓や負荷偏りを起こしやすいです。

Kimi Delta Attention（KDA）

KDA はハイブリッド線形アテンションです。3:1 の比率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——3層の線形層が局所構造を安価に処理し、1層のフルアテンションがグローバル情報流を保持します。Moonshot の報告では、KV キャッシュメモリ最大 75% 削減、100万トークンでのデコード速度最大 6.3倍 向上。短・長コンテキストおよび RL 拡張のいずれでもフルアテンション基線を下回りません。

Attention Residuals（AttnRes）

標準残差接続は深度方向に均一に蓄積し、浅い層の重要表現が深層で希薄化します。AttnRes は深度横断の選択的取得を導入し、より浅い層から高価値表現を直接引き出せます。訓練効率は約 25% 向上、追加計算コストは2%未満と報告されています。

Stable LatentMoE

Quantile Balancing、Per-Head Muon、SiTU（Sigmoid Tanh Unit）、Gated MLA を組み合わせ、896 エキスパートの安定訓練を実現。Kimi K2 比で拡張効率は約 2.5倍 改善とされています。

以下は Moonshot 自社報告（各モデルは対応 harness 使用）。第三者再現は進行中であり、方向性の参考として扱ってください。

SWE Marathon は持続的な長時間コーディングを測定し、K3 は 42.0 で首位。OmniDocBench ではネイティブビジョンと長コンテキストの相乗効果が表れます。Artificial Analysis Intelligence Index v4.1 では K3 は 57.1 点で4位（Fable 5: 59.9、GPT-5.6 Sol: 58.9）。

K3 の標準価格は Claude Sonnet 5 と同じ $3/$15 ですが、コンテキストは 5倍。Mooncake 分割推論によりコーディングワークフローではキャッシュヒット率 90%超 が報告され、実効入力コストは約 $0.55/M に近づきます。Opus 4.8 と比べ入力60%、出力40%の水準で、複数ベンチマークでは同等以上の結果が出ています。

現時点では Web/App、公式 API、OpenRouter で利用可能です。完全ウェイトは 7月27日 公開予定（本番セルフホストには64枚以上のアクセラレータ超ノードが必要）。

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": "このコードベースのボトルネックを分析して..."}]
)

1. 01
   Web/App で試用：kimi.com にアクセスし Google アカウントで登録。K3 は最大推論モードで動作し、クレジットカード不要です。
2. 02
   API Key 取得：platform.kimi.ai でキーを発行し、課金リージョンとコンプライアンス要件を確認します。
3. 03
   Base URL 設定：既存 OpenAI SDK の base_url を https://api.moonshot.ai/v1 に、モデル ID を kimi-k3 に設定します。
4. 04
   OpenRouter 経由：モデル ID moonshotai/kimi-k3。公式 $3/$15、マークアップなし、1M コンテキスト対応。
5. 05
   キャッシュ戦略：長時間 Agent ループではシステムプロンプトとツール定義を安定させ、Mooncake キャッシュヒット率を高めます。
6. 06
   7月27日をカレンダー登録：Hugging Face でウェイト取得。vLLM・SGLang・transformers の初日サポートが見込まれます。DeepSeek V4 ローカル推論 ルートと並行評価してください。

Kimi K3 は KDA・AttnRes・Stable LatentMoE という検証可能な架構革新を持ち、長時間コーディングや文書理解でクローズド旗艦に匹敵または上回る結果を示しています。7月27日の完全 OSS は2026年後半のオープンソース界隈で最も注目すべきマイルストーンの一つです。

注目日程：7月17–20日 WAIC 上海（追加発表の可能性）→ 7月27日 完全ウェイト公開。

K3 を Kimi Code や OpenRouter で長コンテキスト Agent に使いながら、CI Runner を共有 VPS や自宅 Mac に置くチームは、帯域ジッター・オーバーサブスク・長時間接続断で Token 節約分を相殺しがちです。7×24 の安定 Agent ホストと監査可能なビルド基盤が必要なら、NUKCLOUD の多リージョン裸金属 Mac / クラウド Mac ノードは独占算力・テナント境界・リージョン主経路の観点で有利です。料金ページで仕様を確認し、注文ページから試験環境をプロビジョニングできます。

• Kimi K3 は無料で使えますか？
  kimi.com の無料アカウントで K3 を利用できます。API はトークン従量（$3/$15 per 1M）です。
• ローカルで Kimi K3 を動かせますか？
  ウェイトは2026年7月27日に公開予定です。本番推論には64枚以上のアクセラレータ超ノードが必要で、コンシューマー PC では現実的ではありません。
• K3 と DeepSeek V4 Pro の使い分けは？
  K3 はパラメータ約2倍（2.8T vs 1.6T）、コンテキスト 1M vs 128K、多くのベンチで優位。DeepSeek は出力価格が K3 の約1/4で、コスト最優先向けです。
• 100万トークンコンテキストは実用的ですか？
  リポジトリ全体分析、長大な研究論文・契約書の一括処理、長期記憶 Agent に有効です。長さによる追加課金がないため、フルウィンドウ利用が経済的です。
• low/high 推論モードはいつですか？
  Moonshot は後続アップデートで提供予定としています。現時点は max のみです。
• ベンチマークは信頼できますか？
  Moonshot 自社報告で harness が異なります。自社タスクで A/B テストし、7月27日以降の第三者再現を待つことを推奨します。

データ截止：2026-07-17。参考：Moonshot 公式技術ブログ、Kimi API Platform、Artificial Analysis、VentureBeat。