Kimi K3とは？2.8兆パラメータ・100万トークン・料金・使い方を解説【2026年7月】
Moonshot AIは2026年7月、同社の最上位モデルとしてKimi K3を発表しました。2.8兆パラメータ、最大100万トークンのコンテキスト、画像理解を備え、短い質問への回答よりも、長時間のコーディング、調査、資料作成、複数ツールをまたぐ業務を最後まで進めることに重点を置いたモデルです。
注目すべきなのは「巨大なモデル」という数字だけではありません。Kimi.com、Kimi Work、Kimi Code、APIという複数の利用経路が同時に用意され、OpenAI互換形式のAPIから既存アプリへ組み込みやすい点も重要です。一方、発表時点では完全なモデルウェイトと技術報告書が未公開であり、公式ベンチマークだけで導入を決める段階ではありません。
結論から言うと、Kimi K3は長大な文脈を保持しながら、コード・画像・文書・ツール操作を組み合わせる重いタスクで評価すべきAIモデルです。APIのモデルIDはkimi-k3、公式料金は100万トークンあたりキャッシュ命中入力0.30ドル、キャッシュ未命中入力3.00ドル、出力15.00ドルです。単純な要約や短いコード生成ではなく、数時間単位の開発・調査業務で、完遂率、手戻り、実コストまで測ると価値を判断しやすくなります。
本記事のポイント
- Kimi K3は、2.8兆パラメータのMoE構造、最大100万トークン、画像理解を備え、長時間のコーディングと知識業務に重点を置くモデルです。
- Kimi.com、Kimi Work、Kimi Code、APIから利用でき、APIのモデルIDはkimi-k3、公式料金はキャッシュ未命中入力3ドル・出力15ドル／100万トークンです。
- 発表時点では完全なモデルウェイトと技術報告書が未公開であり、導入判断には日本語品質、速度、実コスト、権限逸脱、レビュー工数の実測が必要です。
Kimi K3とは何か
Kimi K3は、中国・北京のMoonshot AIが開発した大規模なMixture of Experts（MoE）モデルです。総パラメータ数は2.8兆ですが、すべてを毎回同時に使うわけではありません。公式説明では896の専門家のうち16を実効的に選択して動かすStable LatentMoEを採用しており、巨大なモデル容量と推論効率の両立を狙っています。
入力はテキストだけでなく画像と動画にも対応します。最大コンテキストは100万トークンで、長いコードベース、大量の資料、長時間のエージェント履歴を1つの作業文脈として扱える設計です。単に「長いPDFを要約できる」というだけでなく、資料を調べ、コードを書き、結果を検証し、出力を修正する連続作業が主な用途になります。
| 項目 | Kimi K3の公式仕様・提供状況 | 実務上の意味 |
|---|---|---|
| 開発元 | Moonshot AI | Kimi製品群と公式APIで利用できる |
| モデル規模 | 総2.8兆パラメータのMoE | 多様な専門領域を大きなモデル容量で扱う |
| 専門家ルーティング | 896専門家のうち16を実効的に活性化 | 全パラメータを毎回動かさず、疎な計算で推論する |
| コンテキスト | 最大100万トークン | 大規模リポジトリ、長い資料群、長時間の履歴を扱いやすい |
| 入力 | テキスト・画像・動画 | スクリーンショットを見ながらUIやコードを修正できる |
| 主な用途 | 長時間コーディング、知識業務、深い推論 | 単発回答より、調査・実行・検証を含む連続作業に向く |
Moonshot AIはKimi K3を「open 3T-class model」と説明しています。ただし、2026年7月17日時点では完全なモデルウェイトはまだ公開されておらず、7月27日までに公開予定と案内されています。技術報告書も同時期の公開予定です。そのため現時点では「オープンウェイト化が予告されたモデル」と表現するのが正確で、ライセンス、量子化、推論基盤、再現性は公開後に改めて確認する必要があります。
2.8兆パラメータと100万トークンは何が新しいのか
Kimi K3の構造上の中心は、Kimi Delta Attention（KDA）とAttention Residuals（AttnRes）です。KDAは長い文脈を効率よく処理するためのハイブリッドな注意機構で、AttnResは深い層を進む際に情報を一律に積み重ねるのではなく、必要な表現を選択的に取り出す考え方です。Moonshot AIは、MoEの疎性、学習手法、データ設計を合わせ、Kimi K2に対して全体のスケーリング効率を約2.5倍に高めたと説明しています。
企業利用で重要なのは、100万トークンを「投入できる最大量」として見るだけでなく、途中の方針や判断根拠を維持できるかです。大量の資料を一度に渡しても、必要な根拠を拾えなければ価値は出ません。長いセッションでは、文脈の取り違え、古い指示への逆戻り、ツール出力の見落とし、最終成果物の不整合をテストする必要があります。
公式事例では、GPUカーネル最適化、コンパイラ開発、3Dゲーム制作、科学論文からの数値計算実装、数千ページ規模の業界調査などが紹介されています。これらは能力の方向性を理解する材料になりますが、提供元自身の事例です。AIエージェントの評価設計と同じく、自社の代表タスクを同一条件で複数回実行し、成功率と手戻りを測って初めて導入判断に使えます。
Kimi K3の使い方とAPI料金
Kimi K3には、チャット、デスクトップエージェント、コーディングエージェント、APIという4つの入口があります。目的に合わせて入口を選ぶと、モデルの性能と製品側のツール機能を混同せずに評価できます。
| 利用経路 | 向いている作業 | 始め方 |
|---|---|---|
| Kimi.com / アプリ | 対話、調査、文書・スライド・表の作成 | KimiへアクセスしてK3を利用する |
| Kimi Work | デスクトップ上の知識業務、複数資料を使う成果物作成 | 対応するデスクトップアプリから利用する |
| Kimi Code | リポジトリを読む長時間コーディング、ターミナル操作 | 新しいセッションで/modelからK3を選ぶ |
| Kimi API | 既存アプリ、バックエンド、独自エージェントへの組み込み | モデルIDkimi-k3を指定する |
Kimi API公式クイックスタートでは、OpenAI API互換形式が案内されています。OpenAIのPythonまたはNode.js SDKでbase_urlをhttps://api.moonshot.ai/v1へ変更し、モデルにkimi-k3を指定できます。既存のOpenAI互換クライアントを持つチームは、認証とパラメータ差分を確認しながら比較環境を作りやすい構成です。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["MOONSHOT_API_KEY"],
base_url="https://api.moonshot.ai/v1",
)
response = client.chat.completions.create(
model="kimi-k3",
reasoning_effort="max",
messages=[{"role": "user", "content": "この仕様書とコードを照合して問題点を整理してください"}],
)発表時点の公式API料金は次の通りです。入力単価はキャッシュが当たるかどうかで10倍異なるため、同じリポジトリや長い固定プロンプトを繰り返し使うコーディングでは、名目単価だけでなく実際のキャッシュ命中率を確認してください。
| 区分 | 100万トークンあたりの公式料金 | 評価時の注意 |
|---|---|---|
| キャッシュ命中入力 | 0.30ドル | 同じ長い文脈を再利用できるかで効果が変わる |
| キャッシュ未命中入力 | 3.00ドル | 毎回異なる大量資料を渡すと入力費が増える |
| 出力 | 15.00ドル | 長い推論、コード、レポートは出力費と待ち時間が増える |
初期提供では推論強度のmaxが基本です。低コストな短い処理へ一律にK3を使うより、失敗時の手戻りが大きい仕事に絞る方が費用対効果を説明しやすくなります。モデル名だけでなく業務別に振り分ける考え方は、2026年版AIモデル選定ガイドでも整理しています。
Kimi K2.7 Codeや主要モデルとどう違うか
Kimi Code公式ドキュメントでは、K3とK2.7 Codeが別の選択肢として案内されています。K3は最大100万トークンと画像理解を使う長時間の開発・知識業務が中心です。K2.7 Codeは256Kコンテキストの安定したコーディングモデルで、高速版では出力速度を重視できます。
| 比較軸 | Kimi K3 | Kimi K2.7 Code |
|---|---|---|
| 主な用途 | 長時間コーディング、画像を含む開発、知識業務、深い推論 | 安定したコード生成・編集、速度を重視する開発作業 |
| コンテキスト | 最大100万トークン | 256Kトークン |
| 視覚理解 | ネイティブ対応 | テキスト・画像・動画入力に対応 |
| 速度の選択肢 | 通常速度 | 標準版と高速版 |
| 選び方 | 長い作業全体を任せ、完遂率を重視するとき | 範囲の明確なコード作業を素早く回すとき |
ClaudeやGPTとの比較では、Moonshot AI自身が、総合的な使用感では最上位のプロプライエタリモデルに差が残ると説明しています。一方、コーディング、エージェント、表計算、画像理解など一部の公式評価では競争力のある数値を示しています。ただし、ベンチマークごとにKimi Code、Claude Code、Codexなど異なる実行環境が使われ、社内評価も含まれます。単一の順位表を「どの業務でも上」と読み替えるのは避けるべきです。
開発現場では、モデルの順位よりも、同じ課題を最後まで終えられるか、既存規約を守れるか、テストが通るか、差分がレビューしやすいかが重要です。AIを使って業務ツールを作る場合の安全な始め方は、バイブコーディングの企業導入ガイドも参考になります。
企業導入で確認すべき制約と評価項目
Kimi K3の公式発表には、導入前に確認すべき制約も明記されています。1つ目は、過去の思考履歴を保持して渡す必要があることです。別モデルからセッション途中でK3へ切り替えたり、実行環境が思考履歴を正しく返さなかったりすると、出力品質が不安定になる可能性があります。Kimi Codeでも、新しいセッションから切り替える方法が推奨されています。
2つ目は、長時間タスクを重視した学習により、曖昧な指示に対して先回りしすぎる場合があることです。コード変更、ファイル操作、外部サービスへの書き込みを許可するなら、実行可能範囲、禁止操作、承認が必要な操作、停止条件をシステムプロンプトやAGENTS.mdで明示します。これはAIエージェントのガバナンス設計で扱う権限・監査・承認の考え方と同じです。
- 完遂率：複数ステップの代表タスクを最後まで終え、成果物と検証結果を残せるか。
- 日本語品質：専門用語、敬語、社内規程、曖昧さのある指示を正しく扱えるか。
- 正確性：参照資料にない内容を補わず、数値・引用・コードの根拠を追えるか。
- 速度と実コスト：入力、出力、キャッシュ、再試行、ツール実行を含む1タスク総額はいくらか。
- 権限制御：許可されたファイル、コマンド、外部サービスだけを操作するか。
- レビュー工数：人が直す時間を含めても、既存モデルや人手より短縮できるか。
- 再現性：同じ条件で3回以上実行して、成功率と失敗パターンを説明できるか。
まずは、既存モデルで途中停止や手戻りが起きる3〜5件のタスクを選びます。たとえば、大規模リポジトリの不具合修正、複数資料を根拠にした市場調査、スクリーンショットを見ながら行うUI修正、表計算と文書をまたぐ週次レポート作成です。人間レビューを残した状態で比較し、効果が確認できた範囲だけ権限と対象業務を広げると安全です。
よくある質問
Kimi K3とは何ですか？
Kimi K3は、Moonshot AIが2026年7月に発表した2.8兆パラメータの大規模MoEモデルです。最大100万トークンのコンテキスト、画像理解、長時間のコーディングと知識業務を主な特徴とします。
Kimi K3はどこで使えますか？
Kimi.com、モバイルアプリ、Kimi Work、Kimi Code、Kimi APIで利用できます。Kimi Codeでは新しいセッションで/modelからK3を選び、APIではモデルIDkimi-k3を指定します。契約プランによって利用可否と最大コンテキストが異なるため、最新のプラン情報も確認してください。
Kimi K3のAPI料金はいくらですか？
公式Kimi APIの料金は、100万トークンあたりキャッシュ命中入力0.30ドル、キャッシュ未命中入力3.00ドル、出力15.00ドルです。実際の1タスク単価は、キャッシュ率、長時間推論、再試行、ツール実行量で変わります。
Kimi K3はオープンソースですか？
Moonshot AIはオープンな3T級モデルとして発表していますが、2026年7月17日時点では完全なモデルウェイトと技術報告書は未公開です。ウェイトは7月27日までに公開予定と案内されています。公開後にライセンス、実行コード、量子化版、再現可能性を確認してから「オープンソース」の範囲を判断するのが正確です。
日本企業はKimi K3をすぐ本番導入すべきですか？
いきなり本番の全業務へ広げるのは避けるべきです。日本語の指示遵守、タスク完遂率、速度、実コスト、ツール誤操作、権限逸脱、レビュー工数を、自社の代表タスクで既存モデルと比較してください。特に機密データを扱う場合は、契約、データ保持、保存地域、管理機能も個別に確認する必要があります。
