中国Moonshot AIの新フラグシップモデル「Kimi K3」が、事前告知なしに突如利用可能となった後、2026年7月17日（日本時間）に公式ブログで正式発表されたと、PC Watch（竹元かつみ氏）が報じた。総パラメータ数2.8兆、最大100万トークンのコンテキストと画像・動画入力に対応する、同社いわく「世界初のオープンな3兆パラメータ級モデル」だという。

なぜKimi K3が注目なのか

最大の特徴は規模だ。オープンモデルとして総パラメータ数2.8兆は、これまで最大級とされてきたDeepSeek（1.6兆）を大きく引き離す。単純に大きいだけでなく、効率化も進めている点が技術的なポイントだ。新採用の「Kimi Delta Attention（KDA）」と「Attention Residuals」という2つの機構により、MoE（Mixture-of-Experts）のスパース性を高め、896あるエキスパートのうち実効的に16のみをアクティブ化する設計になっている。PC Watchによれば、前世代のKimi K2と比べてスケーリング効率は約2.5倍に達するという。

モデルの重みは7月27日までに完全公開される予定で、オープンウェイトモデルとしての選択肢がまた一つ増えることになる。ただしライセンス条件は公式ブログでまだ明らかにされておらず、これまでKimi K2.6やKimi K2.7 CodeがModified MITライセンスで公開されてきた経緯から、今回どのような扱いになるかが注目点として残っている。

海外レビューのポイント

Moonshot AI自身が公開したベンチマーク結果によると、総合性能ではClaude Fable 5やGPT-5.6 Solには及ばないと率直に認めつつも、それ以外の比較対象モデルを一貫して上回るフロンティア級の性能だと総括している。

具体的には、コーディング系のProgram Benchで77.8%（Fable 5は76.8%、GPT-5.6 Solは77.6%）、長期タスクを測るSWE Marathonで42.0%（同35.0%、39.0%）、Webブラウジング能力を見るBrowseCompで91.2%（同88.0%、90.4%）と、いずれも首位を記録。Terminal Bench 2.1でも首位のGPT-5.6 Solにわずか0.5ポイント差まで迫っている。

一方で気になる点もある。難問ベンチマークのHLE-Fullでは43.5%と、Fable 5の53.3%に約10ポイントの差が開いており、ユーザー体験面での開きも同社自身が制約事項として挙げている。それでも、比較対象のオープンモデルであるGLM-5.2に対してはスコアが掲載された全項目で上回っており、オープンモデルの中では規模・性能ともに頭一つ抜けた存在という評価は妥当だろう。

長時間の自律作業への強さも興味深い評価ポイントだ。GPUカーネル最適化を題材にした社内検証では、最大24時間の自律作業においてKimi K3はClaude Fable 5（一部処理を別モデルで代替した条件）と互角の成績を収め、Claude Opus 4.8やGPT-5.6 Sol、GPT-5.5を大幅に上回ったという。

日本市場での注目点

Kimi K3はkimi.com、デスクトップアプリ「Kimi Work」、コーディングエージェント「Kimi Code」、そしてAPI経由で利用できる。API料金は入力100万トークンあたり0.30〜3ドル、出力100万トークンあたり15ドルで、上位プランでは最大100万トークンのコンテキストを扱える。この価格帯は、日本のエンジニアが複数のAIサービスをコストで比較検討する際の材料になりそうだ。

注意しておきたいのは、日本語での実用性や日本国内でのサポート体制について、現時点で公式な言及がないことだ。また中国企業が提供するクラウドサービスである以上、業務データの取り扱いやセキュリティポリシーは利用前に確認しておく必要がある。一方で重みが公開されるオープンウェイトモデルという性格上、条件が整えば国内クラウドやオンプレミス環境でホストする選択肢も出てくる。DeepSeekやGLM-5.2といった他の中国発オープンモデルと合わせて、今後の日本国内での採用事例にも注目したい。

筆者の見解

オープンモデルの規模と性能がここまで急速に伸びているのは、素直にすごいことだと思う。2.8兆パラメータという規模を、しかも重み公開前提で出してくるスピード感は、AI業界全体の裾野を広げるという意味で歓迎したい動きだ。

ただ、正直に言うと、新しいモデルが出るたびに一つひとつ試して評価するような追いかけ方は、今の自分の優先順位としては採らない。次々と現れる新モデルを情報として追い続けるより、手元で使い倒しているツールで実際に成果を出す経験を積むほうが今は価値が大きいと考えているからだ。長時間の自律タスクで最前線モデルと互角の成績を出したという評価は、いま自分が一番注目している「ハーネスループ」（エージェントが自分で判断・実行・検証を繰り返す仕組み）の文脈でも興味深い材料ではある。ただし、それを実際の業務にどう組み込むかは、ベンチマークの数字だけでは判断できない。

企業として中国発のAIサービスを使うかどうかを考えるときも、「使うか禁止か」の二択で考えるのは筋が悪い。データの取り扱いなど確認すべき点を確認した上で、使える場面では公式に安全な形で使える仕組みを作っておく、という考え方の方が現実的だ。Kimi K3のような選択肢が増えること自体は良いことなので、まずは仕組み側の整備を進めておきたい。

出典: この記事は 2.8兆パラメータAI「Kimi K3」登場、100万トークン対応の新フラグシップ の内容をもとに、筆者の見解を加えて独自に執筆したものです。