月の暗黒面（Moonshot AI）は、全新のマルチモーダル推論モデル「Kimi K3」を発表しました。本モデルは、総パラメータ数2.8兆、100万トークンのコンテキストウィンドウを備えています。
月の暗黒面（Moonshot AI）は、全新のマルチモーダル推論モデル「Kimi K3」を発表しました。本モデルは、総パラメータ数2.8兆、100万トークンのコンテキストウィンドウを備えています。
北京を拠点とする同社は、Kimi K3を3兆パラメータ規模に達する初のオープンソースモデルと位置づけています。本モデルは、長期間にわたるソフトウェアエンジニアリング、ナレッジワーク、視覚推論、研究、そして多段階エージェントタスク向けに設計されています。
その規模はすぐに注目を集めました。Kimi K3の総パラメータ数は、前世代の中国を代表するフロンティアモデルを定義した、兆パラメータレベルのオープンソースウェイトシステムをはるかに上回っています。
しかし、規模だけが全てではありません。Kimi K3は高度に疎な混合専門家アーキテクチャを採用し、各トークンに対して専門家のごく一部のみを活性化します。月の暗黒面はまた、長いシーケンスや深いネットワーク内での情報の流れ方を改善することを目的とした構造的変更を導入しました。
同社によれば、Kimi K3は同社の複数のテストにおいてフロンティアレベルに達しており、全体的には最も強力なプロプライエタリモデルに及ばないものの、公開前後に発表された独立した評価でも、現在利用可能な主要モデルの一つとして位置づけられています。
Kimi K3は、テキストと視覚入力を処理できるネイティブマルチモーダルモデルです。月の暗黒面はこれを、短く孤立した応答ではなく、持続的な推論を必要とするタスク向けに位置づけています。
主な仕様は以下の通りです：
| 仕様 | Kimi K3 |
|---|---|
| 総パラメータ数 | 2.8兆 |
| アーキテクチャ | 疎な混合専門家 |
| ルーティング専門家数 | 896 |
| トークンあたりの活性化専門家数 | 16 |
| コンテキストウィンドウ | 100万トークン |
| モダリティ | テキストおよび視覚入力 |
| 主なユースケース | プログラミング、ナレッジワーク、研究、推論、マルチモーダル創作 |
| リリース時のデフォルト推論モード | 最大思考努力 |
| 完全なウェイト公開目標 | 2026年7月27日まで |
| 推奨大規模展開 | 最低64アクセラレータのスーパーノード構成 |
総パラメータ数は完全なモデルを表し、トークンあたりの使用パラメータ数ではありません。Kimi K3は推論時に896の専門家のうち16を活性化し、生成される各トークンに対してネットワーク全体を実行することなく、巨大な容量の恩恵を受けることができます。
この違いは重要です。疎なモデルは数兆のパラメータを含みながら、実際の計算量を同等規模の密なモデルに必要なものよりはるかに低く抑えることができます。
疎な活性化を採用していても、Kimi K3は依然として極めて要求の厳しいホスティングシステムです。月の暗黒面は、64以上のアクセラレータを搭載したスーパーノード構成での展開を推奨しており、実際のセルフホスティングはほとんどの個人開発者や小規模チームの能力を超えています。
月の暗黒面は、Kimi Deltaアテンション機構とアテンション残差という2つの中核的アーキテクチャ技術を強調しています。
Kimi Deltaアテンション機構（KDA）は、コンテキスト長が増加するにつれてアテンション計算をより効率的にすることを目的としています。
モデルが非常に長いシーケンスを処理する場合、従来のアテンション機構はコストが高くなります。KDAの目標は、大規模コンテキストの処理に、よりスケーラブルな基盤を提供しつつ、推論やツール使用に必要な情報を保持することです。
百万トークンウィンドウにより、Kimi K3は大規模なコードベース、膨大なドキュメントコレクション、長いエージェント履歴、またはこれまでの多くのモデルの制限を超える複数のソースマテリアルの組み合わせを処理するのに十分な容量を持ちます。
大規模コンテキストウィンドウは、すべてのトークンが同等に十分に活用されることを保証するものではありません。検索品質、推論の安定性、プロンプト構造、エージェントオーケストレーションは依然として重要です。ただし、拡張されたウィンドウは、開発者に、積極的な早期圧縮なしに関連資料を保持するためのより多くの余地を提供します。
アテンション残差（AttnRes）は、モデルの深さ全体にわたる表現の伝達方法を変更します。
このメカニズムは、従来の残差接続を介して情報を均等に蓄積させるのではなく、より初期の層から有用な表現を選択的に取得します。
月の暗黒面によれば、これによりモデルの深さ全体での情報フローが改善され、より効率的なスケーリングが実現されます。
Kimi K3は、疎な専門家ルーティングと安定潜在混合専門家フレームワークを組み合わせています。各トークンは、896のルーティング専門家のうち16のみを活性化します。
このような疎度では、ルーティングの品質は重要な工学的問題となります。バランスの悪いシステムは、専門家のサブセットに過負荷がかかり、ハードウェアを無駄にしたり、スループットを低下させたりする可能性があります。
月の暗黒面は、分位数ベースのバランシング戦略とバランスのとれた専門家並列トレーニングアプローチを採用し、クリティカルパス上でホスト同期を必要とせずに、効率的にワークロードを分散していると述べています。
本モデルは、教師ありファインチューニング段階から量子化認識トレーニングを採用しています。
月の暗黒面の報告によれば、Kimi K3はMXFP4ウェイトとMXFP8活性化値を使用しています。低精度フォーマットはメモリと通信の要件を削減できますが、実際のパフォーマンスはハードウェアと推論エンジンのサポートに依存します。
これらのアーキテクチャ改善により、全体のスケーリング効率がKimi K2と比較して約2.5倍向上したとされています。
プログラミングは、月の暗黒面がKimi K3で強調する主要な応用分野の一つです。
本モデルは、長時間のエンジニアリングセッションにわたって効果を発揮するように設計されており、大規模なコードベースの閲覧、ターミナルツールの操作、実行時フィードバックの確認、そして限られた人間の監視下での継続的な反復が可能です。
これは、プロンプトだけで単一の関数を生成するモデルとは異なります。長期プログラミングでは、システムに以下が求められる可能性があります：
月の暗黒面はまた、プログラミングと視覚推論を組み合わせる課題を強調しています。Kimi K3は、フロントエンドインターフェース、ゲーム、CADワークフロー、その他のインタラクティブソフトウェアを処理する際に、スクリーンショットと視覚フィードバックを活用できます。
Moonshotは、複数のソフトウェアエンジニアリングベンチマークとエージェントフレームワーク上でKimi K3を評価しました。
同社は、以下の分野での強力なパフォーマンスを報告しています：
これらの評価はすべて同じ設定で行われているわけではありません。一部のモデルはKimi Codeでテストされ、その他はClaude CodeやCodexでテストされています。Moonshotはベンチマークの脚注でこれらの違いを記録しています。
これは、エージェントフレームワークが結果に影響を与えるため重要です。ツールインターフェース、コンテキスト管理、リトライ動作、権限システム、プロンプト設計はすべて、長時間実行タスクにおけるモデルのパフォーマンスに影響を与える可能性があります。
Moonshotは、Kimi K3が以下のテストで以下のスコアを達成したと報告しています：
これらは同社の報告結果であり、独立して実行されたベンチマークと併せて読む必要があります。
Moonshotはまた、このモデルがGPUの最適化
カーネルレベルの能力であり、単なる通常のアプリケーションコードの記述ではない。
評価された各モデルは同一のサンドボックス環境に置かれ、最大24時間かけて複数のタスクの設定、書き直し、ベンチマークテストが行われた。ワークロードにはKimi K3自身のアーキテクチャに関連するコンポーネントが含まれ、NVIDIA H200ハードウェアおよび別の汎用GPUプラットフォーム上でテストされた。
Moonshotは、フォールバック動作が許可された場合、Kimi K3はClaude Fable 5と互角のパフォーマンスを示し、この設定ではテストされた他のいくつかのモデルを大幅に上回ったと述べている。
同社はまた、Kimi K3の初期チェックポイントが、モデル自身の開発プロセスで使用されたカーネル最適化作業の大部分を処理したと述べている。
この能力は重要である。なぜなら、効率的なAIシステムはモデルアーキテクチャだけに依存するわけではないからだ。カーネルエンジニアリングは、モデルがアクセラレータ、メモリ帯域幅、通信リンク、特殊な数値フォーマットをどれだけ効果的に利用するかを決定する。
別の内部テストでは、Kimi K3はMiniTritonというコンパクトなTritonライクなGPUプログラミングシステムを作成した。
Moonshotによると、最終的なプロジェクトには以下が含まれる：
Moonshotは、選択されたサポートベンチマークにおいて、MiniTritonはTritonおよびtorch.compileに匹敵するか、それを上回り、nanoGPTテストでは安定したトレーニング動作を維持したと報告している。
この結果は、生成されたコンパイラが成熟したツールの代替として準備ができていることを証明するものではなく、企業のケーススタディとして見なされるべきである。
本番インフラ。とはいえ、これはMoonshotがKimi K3を設計する際に狙っていたような、多段階のエンジニアリングタスクのタイプを示している。
Kimi K3のネイティブなマルチモーダル設計により、ソースコードと視覚的出力の間を自由に行き来できる。
ゲームやフロントエンド開発の作業では、このモデルは実装コードの生成、スクリーンショットの確認、視覚的な問題の特定、コードの修正を行うことができる。Moonshotはこれを「開発ループ内に視覚を保持する」と呼んでいる。
同社はまた、初期段階のチップ設計デモを公開した。48時間の自律運用で、Kimi K3は自身のアーキテクチャに基づき、小型モデルにサービスを提供するためのチップを設計、最適化、検証したと報告されている。
この概念実証では、オープンソースの電子設計自動化ツールとNangate 45nmプロセスライブラリが使用された。Moonshotはシミュレーション設計の結果を報告している：
これはシミュレーションと初期研究のデモであり、実際に製造されたチップではない。
MoonshotはKimi K3を、研究や専門知識を要するワークフローに適したモデルとしても位置づけている。
計算天体物理学のケースでは、このモデルは中性子星の特性に関する普遍関係を再現するよう依頼された。
Moonshotによると、Kimi K3は：
同社の試算によると、このモデルがプロジェクトを完了するのにかかった時間は約2時間で、経験豊富な研究者では1〜2週間かかる作業だったという。
他のケーススタディと同様に、この結果は普遍的な時間節約の保証として見なされるべきではない。パフォーマンスはタスクの内容、利用可能なツール、データソースの品質、検証方法、および人間によるレビューの程度に依存する。
Kimi K3のコンテキストウィンドウは、その最も商業的に価値のある仕様の一つである。
100万トークンの容量は、以下のような様々な組み合わせに対応できる：
Moonshotは、推論の完全な履歴が保持される場合、Kimi K3は最高のパフォーマンスを発揮すると述べている。
これは重要な実装要件を生み出す。あるエージェントフレームワークがモデルの初期の思考履歴の一部を破棄したり、誤って要約したり、セッションの途中で別のモデルに切り替えたりすると、出力品質が不安定になる可能性がある。
Moonshotは、検証済みの互換性のあるフレームワーク（Kimi Codeなど）を使用し、アクティブなK3セッション中はモデルの切り替えを避けることを推奨している。
独立したテスト結果は、Kimi K3がフロンティアモデルであるという結論を広く支持しているが、すべてのカテゴリーでリーダーというわけではない。
Artificial Analysisは、インテリジェンスインデックスでKimi K3に57点を与え、評価時点で3位にランク付けした。その全体的な結果は、Claude Opus 4.8やGPT-5.5と同等であると説明されているが、Claude Fable 5やGPT-5.6 Solには劣る。
Artificial Analysisはまた、Kimi K3は評価プロセス中に異常に多弁で、約1億3000万トークンを生成したのに対し、同種のモデルの平均は約6300万トークンだったと報告している。
アイデアを一文で入力するだけで、We0 AI が紹介サイト、ページ、CMS を生成し、公開後の顧客獲得と流入拡大を支援します。
無料登録で完全なプロジェクトを 1 つ生成
1 つの完全な生成フローを試し、最初のプロジェクトのドラフトをすぐに確認するのに最適です。
これはコストとレイテンシに関係する。モデルのトークンあたりの価格は競争力があっても、同じタスクを完了するためにより多くのトークンを使用する場合、依然として高コストになり得る。
ロイター通信は、発表時の他のサードパーティテスト結果を報じている：
ベンチマークのランキングは、評価者がサンプルを追加し、テストベッドを更新し、モデルを再テストするにつれて変化する。したがって、購入や導入の決定を下す前に、最新のリーダーボードを確認すべきである。
Kimi K3はオープンウェイトモデルとして発表されたが、本稿執筆時点では、完全なダウンロード可能なウェイトはまだリリースされていない。
Moonshotの公式リリースページによると、ウェイトは2026年7月27日までにリリースされる予定である。
この区別は重要である：
ウェイトとそのライセンス、技術文書がリリースされるまでは、特定のセルフホスティングプロセス、サポートされる推論エンジン、ハードウェア構成に関する主張は暫定的なものと見なすべきである。
オープンウェイトは自動的に無制限のオープンソースを意味するわけではない。最終的なライセンスが、ユーザーが何を変更、再配布、または商業利用できるかを決定する。
2.8兆パラメータのモデルは、ローカルAIの従来の定義をはるかに超えている。
スパースアクティベーションや低精度ウェイトを採用したとしても、完全なチェックポイント、エキスパートルーティング、高帯域通信、コンテキストキャッシュ、ランタイムオーバーヘッドには、大規模な分散システムが必要となる。
Moonshotは、スーパーノード的な構成で最低64個のアクセラレータを使用した導入を推奨している。
実際的な影響は以下の通り：
ロイター通信が引用した推定によると、モデルをセルフホスティングするための関連…
システムには、数十万ドル相当の計算装置が必要になる可能性がある。
具体的なコストは、最終的なウェイトフォーマット、アクセラレータの種類、ネットワーク構成、コンテキスト長、スループット目標、冗長化方式、サービスソフトウェアに依存する。
Kimi K3は、Moonshotの以下の複数の製品を通じて提供されている：
以下は、ご依頼内容を日本語に自然かつ正確に翻訳したものです。
Kimi Codeのユーザーは、ターミナルインターフェースのモデルコマンドからKimi K3モデルを選択できます。
月の暗黒面（Moonshot AI）の現在のAPI料金は以下の通りです：
| トークン区分 | 100万トークンあたりの価格 |
|---|---|
| キャッシュヒット（入力） | 0.30 USD |
| キャッシュミス（入力） | 3.00 USD |
| 出力 | 15.00 USD |
APIモデル名：
kimi-k3
月の暗黒面は、公式APIがMooncake分離型推論アーキテクチャにより、コーディングワークロードにおいて90%超のキャッシュヒット率を達成したと発表しています。
実際のアプリケーションコストは、プロンプトの長さ、推論の深さ、キャッシュ再利用状況、ツール呼び出し回数、再試行メカニズム、出力の詳細度によって変動します。
Kimi K3のリリースに際し、中国のAI企業は異常な頻度で新モデルを発表し続けています。
月の暗黒面、Z.ai、MiniMax、深度求索（DeepSeek）、美団（Meituan）などの開発者は、より大規模で高性能なシステムを継続的に提供すると同時に、価格、オープンウェイト、コーディング能力、エージェント性能で激しい競争を繰り広げています。
ロイター通信は、このイテレーション速度が、中国の有力モデルは常に米国の最先端技術に数カ月遅れているという従来の見方を覆したと指摘しています。
単なるモデル規模だけでは優位性を証明できません。パラメータ数は、密なアーキテクチャと疎なアーキテクチャの間で単純に比較できず、また一部の米国の主要開発者は自社の現在のモデルの具体的な規模を公開していません。
それでも、Kimi K3は中国の研究所がモデル規模、アーキテクチャ設計、長文脈推論、エージェントエンジニアリングなどの分野で最先端に立っていることを示しています。
ロイター通信によると、Kimi K3リリース後、複数の中国のAI競合企業の上場株が下落しました。
取引終了間際に、智譜華章（Zhipu AI）は27.7％下落、MiniMaxは16.5％下落しました。
一日の取引動向だけで新モデルが市場の競争構造に与える長期的な影響を判断することはできませんが、この反応は公開市場が中国のAI企業による技術的ブレークスルーに注目していることを示しています。
月の暗黒面は、阿里巴巴集団（Alibaba）、騰訊控股（Tencent）などの主要投資家から支援を受けています。
ロイター通信はまた、ブルームバーグの報道を引用し、月の暗黒面が香港上場前に、約300億ドルの評価額で約20億ドルの新たな資金調達を求めていると報じています。ただし、この資金調達および上場計画は依然として報道段階であり、最終確定はしていません。
月の暗黒面は公式発表で、珍しく率直にいくつかの制限事項を認めています。
Kimi K3は学習時に推論履歴を保持します。エージェントフレームワークが完全な履歴思考内容を返さない場合、性能が不安定になる可能性があります。また、他のモデルで確立されたセッションの途中でKimi K3に切り替えることは推奨されません。
本モデルは高負荷で長時間のタスク向けに最適化されています。そのため、指示があいまいに表現された場合、予期しない決定を下す可能性があります。
あるいは、小さな障害に遭遇した場合も同様です。正確な動作が必要なアプリケーションは、システムプロンプトまたはAGENTS.mdファイルで明示的な制約を提供する必要があります。
月の暗黒面は、Kimi K3が多くの技術評価で競争力のある優れた結果を出しているものの、全体的なユーザーエクスペリエンスはClaude Fable 5やGPT-5.6 Solに依然として劣っていると述べています。
オープンウェイトは、システムを完全にデプロイするのが容易であることを意味しません。その規模、ネットワーク要件、長文脈記憶の必要性により、運用のハードルは高くなっています。
独立したテストによると、複雑な評価においてKimi K3のトークン消費量は、最先端モデルの平均を大幅に上回る可能性があります。これは総コスト、応答速度、レート制限の消費に影響を与えます。
ほとんどの開発者にとって、Kimi K3は当初はホスティング型モデルとして提供され、自己ホスティングではありません。
その最も重要な特徴は以下の通りです：
本モデルを評価するチームは、ベンチマークの見出しデータだけでなく、実際のワークフローをテストする必要があります。
価値のある評価には以下が含まれます：
Kimi K3は、月の暗黒面（Moonshot AI）が開発した2.8兆パラメータのマルチモーダル推論モデルであり、長時間のコーディング、ナレッジワーク、科学研究、ビジョンタスク、エージェントワークフロー向けに設計されています。
月の暗黒面はKimi K3を「オープンモデル」と説明し、完全なウェイトを公開する計画です。オープンウェイトは必ずしもオープンソースソフトウェアと同義ではなく、最終的なライセンス契約が許容される使用、変更、再配布の条件を決定します。
本稿執筆時点では未公開です。月の暗黒面の公式発表によると、完全なウェイトは2026年7月27日に公開される予定です。
完全なモデルは2.8兆パラメータを含みますが、スパース・ミックス・オブ・エキスパーツ（MoE）アーキテクチャを採用しています。月の暗黒面によると、トークンごとに896個のエキスパートのうち16個が活性化されるため、ネットワーク全体が同時に動作するわけではありません。
完全なモデルは一般的なパソコンには適していません。月の暗黒面は、少なくとも64個のアクセラレータを搭載したスーパーノード構成を推奨しており、ほとんどのユーザーはホスティング型プロダクトまたはAPIを通じてKimi K3にアクセスすることになります。
Kimi K3は100万トークンのコンテキストウィンドウをサポートしています。本モデルは推論履歴の記録方法に敏感であるため、エージェントフレームワークの互換性とコンテキスト管理が重要です。
月の暗黒面が発表した料金は以下の通りです：キャッシュヒット入力は100万トークンあたり0.30 USD、キャッシュミス入力は100万トークンあたり3.00 USD、出力は100万トークンあたり15.00 USD。総費用は、出力長、キャッシュ再利用、ツール呼び出し、再試行回数にも依存します。
答えは特定のタスクとベンチマークに依存します。月の暗黒面は、Kimi K3は全体的にこれらの2つのモデルに劣るものの、一部のコーディングやナレッジワークの評価では同等かそれ以上の結果を出していると述べています。独立したテストでも、Kimi K3は最先端モデルの一角を占めるものの、常にトップであるとは限らないことが示されています。
Kimi K3 公式技術ブログ：月の暗黒面（Moonshot AI）によるアーキテクチャ、ベンチマーク、可用性、制限事項に関する発表。
月の暗黒面（Moonshot AI）公式ウェブサイト：同社の公式製品および研究ホームページ。
Kimi API プラットフォーム：公式のKimi K3 APIアクセス入口と現在のトークン価格。
月の暗面 AI GitHub 組織：Kimiモデル、Kimi Code、インフラ研究の公式コードリポジトリ。
月の暗面 AI Hugging Face 組織：公式モデルウェイトとモデルカードのリリースバージョン。
Artificial Analysis：Kimi K3：独立した知能レベル、価格、速度、コンテキストウィンドウの評価。
Artificial Analysis Kimi K3 ベンチマークレポート：Kimi K3の知能指数パフォーマンスに関する独立した要約。
Kimi K3は、月の暗面 AIを3兆パラメータ規模へと押し上げた、コーディング、研究、知識作業、長期実行エージェントタスク向けに構築された疎なマルチモーダルモデルです。その百万トークンのコンテキストウィンドウ、Kimi Deltaアテンション機構、アテンション残差構造、高度に疎なエキスパートルーティング戦略は、この規模での実行効率向上を目的としています。
社内ベンチマークと独立評価の両方で、Kimi K3は現在の最先端モデルの仲間入りを果たしていますが、月の暗面も依然としてClaude Fable 5やGPT-5.6 Solには全体的に劣ると認めています。このモデルの高いトークン消費特性、推論履歴への感受性、能動的な動作傾向、
大規模なインフラ要件は、重要な実際上の制約です。
Kimi K3は、月の暗面のアプリケーションとAPIを通じて利用可能です。完全なウェイトは2026年7月27日までに公開される予定であるため、ほとんどの開発者は当初、フルモデルを自己展開するのではなく、ホスト版を使用することになります。
重要な進展はパラメータ規模だけではありません。Kimi K3は、極端な規模、疎な活性化、百万レベルのトークンコンテキスト、マルチモーダル入力、長期サイクルのエージェント行動を一体化しており、月の暗面はこれをダウンロード可能なウェイトとして公開する計画です。
