Kimi K3は、中国のAI企業Moonshot AIが2026年7月16日に発表した最新フラッグシップモデルです。
総パラメータ数2.8兆、コンテキスト長約100万トークンという、世界最大級の規模を誇ります。
この記事では、性能・料金・使い方・オープンソース状況まで、最新データをもとに徹底解説します。
Kimi K3の結論：エージェント型AIに最適なモデル
結論から言うと、Kimi K3は単発の質問に素早く答えるチャットAIというより、長時間かけて複雑な仕事をやり切る「エージェント型AI」に適したモデルです。
Moonshot AIは、長時間のコーディング、大量の知識労働、深い推論を要する「フロンティア知能シナリオ」向けに、このモデルを設計したと説明しています。
具体的には、次のような用途と相性がよいでしょう。
- 大規模なコードベースの調査や修正
- Webサービスやゲームのプロトタイプ開発
- 大量のPDFや資料を使った市場調査
- スライド、レポート、ダッシュボードの作成
- 画像や動画を見ながら行うフロントエンド開発
- 複数ツールを組み合わせた業務自動化
性能面では世界最上位グループに入っていますが、すべての用途で他社モデルより優れているわけではありません。
Artificial AnalysisのIntelligence Indexでは57.1点を獲得し、189モデル中4位にランクしています。
Kimi K3の基本スペック一覧
Kimi K3を理解するうえで、まず押さえるべきは基本スペックです。
以下の表に、開発企業から料金体系まで主要な情報をまとめました。
| 項目 | 内容 |
|---|---|
| 開発企業 | Moonshot AI |
| モデル名 | Kimi K3 |
| 総パラメータ数 | 約2.8兆 |
| モデル構造 | Mixture of Experts（MoE） |
| 使用エキスパート | 896個中16個を選択的に稼働 |
| コンテキスト長 | 最大1,048,576トークン（約100万） |
| 入力形式 | テキスト、画像、動画 |
| APIの出力 | テキスト |
| 推論モード | 常時有効（thinking mode） |
| APIモデル名 | kimi-k3 |
| API互換性 | OpenAI SDKから呼び出し可能 |
| モデル重み | 2026年7月27日までに公開予定 |
Kimi K3は、Kimi Delta Attention（KDA）と呼ばれるハイブリッド線形注意機構、そしてAttention Residualsという新技術を組み合わせています。
これらの仕組みにより、前モデルのKimi K2と比べて約2.5倍のスケーリング効率向上を実現したと報告されています。
Kimi K3の5つの特徴
1．2.8兆パラメータの巨大MoEモデル
Kimi K3最大の特徴は、総パラメータ数2.8兆という圧倒的な規模です。
ただし、リクエストのたびにすべてのパラメータを使うわけではありません。
Moe（Mixture of Experts）と呼ばれる構造により、896個のエキスパートから16個だけを選択して動かします。
これにより、巨大なモデル容量を確保しながら、実際の推論コストは抑えられる設計になっています。
2．最大100万トークンの長文処理
Kimi K3は、最大約100万トークンのコンテキストに対応しています。
これは、Kimi K2.6の約25.6万トークンから4倍に拡大された数値です。
大量のドキュメント、長期間の会話履歴、大規模なソースコードを、ひとつの処理でまとめて参照できます。
なお、APIではコンテキストキャッシュが自動で有効になり、同じ資料を繰り返し使う場合は入力料金を最大90%削減できる可能性があります。
3．画像と動画を理解できるネイティブマルチモーダル
Kimi K3は、テキストだけでなく画像と動画も直接理解できます。
対応形式は画像がPNG・JPEG・WebP・GIF、動画がMP4・MOV・AVI・WebMなどです。
こうした画像・動画理解AIは、漫画やイラスト制作の現場でも活用が進んでいます。
例えば、漫画制作に特化したAIサービス「MangaNow（マンガナウ）」では、初心者にもわかりやすくAI漫画の作り方を解説してくれる設計になっています。
Kimi K3のような汎用モデルと、MangaNowのような専門特化型ツールを目的に応じて使い分けることが、実務では重要なポイントです。
なお、Kimi K3のAPIが出力するのはあくまでテキストであり、画像や動画そのものを生成する機能は持ちません。
4．長時間のコーディングと自律的な開発に強い
Kimi K3が特に力を入れているのが、長時間にわたるソフトウェア開発です。
大規模リポジトリの構造理解、ターミナルコマンドの実行、エラー修正、テスト実行、UIのスクリーンショット確認など、一連の作業を継続的にこなせます。
Moonshot AIは、Kimi K3がGPU用コンパイラをゼロから構築した事例や、EDAツールを使って推論チップを設計した実験を公開しています。
ただし、これらは同社が用意した特定環境での事例です。
一般的な開発現場では、テスト・コードレビュー・権限管理を必ず組み込む必要があります。
5．AIエージェント向けのAPI機能が充実
Kimi K3のAPIには、Tool Calling、JSON Mode、Partial Mode、自動コンテキストキャッシュなど、エージェント開発に必要な機能が揃っています。
特に注目したいのが、必要なツールだけを会話の途中で読み込める「Dynamic Tool Loading」です。
ツール数が多いAIエージェントでも、毎回すべての定義を送らずに運用できる可能性があります。
Kimi K3の性能はどれくらい高い？
Kimi K3の性能を一言で言えば、「単発の知識問題より、複数工程の業務遂行で強みを発揮するモデル」です。
Artificial AnalysisのGDPval-AA v2ベンチマークでは、スコア1,687を記録しました。
これは、AnthropicのClaude Fable 5 Max、OpenAIのGPT-5.6 Sol Maxに次ぐ3位の結果であり、Claude Opus 4.8を上回っています。
さらに、フロントエンド開発の性能を測るFrontend Code Arenaでは1位を獲得しました。
Kimi K2.6との比較表
| 項目 | Kimi K3 | Kimi K2.6 |
|---|---|---|
| Intelligence Index | 57.1 | 44 |
| コンテキスト | 約100万 | 25.6万 |
| 総パラメータ数 | 2.8兆 | 約1兆 |
| 出力速度 | 約62トークン/秒 | 約48トークン/秒 |
| モデル重み | 公開予定 | 公開済み |
| 出力料金（100万トークン） | 15.00ドル | 2.50ドル |
表からわかるとおり、Kimi K3は性能・速度・コンテキスト長のすべてでKimi K2.6を上回っています。
一方で、出力料金は約5倍以上に跳ね上がっている点には注意が必要です。
Kimi K2.6からKimi K3への進化を示すレーダーチャート。「知能スコア」「コンテキスト長」「出力速度」「パラメータ数」「コスト効率」の5軸で両モデルを比較し、K3がコスト効率以外の全項目で優位に立っている様子を可視化する。Kimi K3のAPI料金を徹底解説
Kimi K3のAPI料金は、入力・キャッシュ入力・出力の3段階に分かれています。
| 種類 | 100万トークン当たりの料金 |
|---|---|
| キャッシュヒット入力 | 0.30ドル |
| 通常入力 | 3.00ドル |
| 出力 | 15.00ドル |
料金は、コンテキストの長さに応じて段階的に上がる仕組みではありません。
100万トークンまで同一単価が適用される、フラットな料金体系です。
料金の計算例
例えば、通常入力100万トークンと出力10万トークンを使用した場合、合計は4.50ドルになります。
同じ入力がキャッシュにヒットすれば、合計は1.80ドルまで下がります。
固定の社内資料やコードベースを繰り返し使うサービスほど、自動コンテキストキャッシュの恩恵を受けやすいと言えるでしょう。
Kimi K3は本当に安いのか
Artificial Analysisによると、評価タスク1件当たりの平均コストは0.94ドルでした。
これは、GPT-5.6 Solの1.04ドルに近く、Claude Opus 4.8の1.80ドルより安い水準です。
一方で、GLMやDeepSeekなどのオープンウェイト系モデルと比べると、決して安価とは言えません。
コストを最優先する場合は、Kimi K2.6やKimi K2.7 Codeとの比較検討をおすすめします。
Kimi K3の使い方【4つの利用方法】
Kimi K3には、主に4つの利用方法があります。
1．Kimi公式サイトから使う
最も手軽な方法は、Kimiの公式サイトを利用することです。
ブラウザ上でチャット、資料作成、スライド生成、データ分析などをすぐに実行できます。
日本語UIも用意されているため、モデル選択画面でKimi K3を選ぶだけで利用を始められます。
2．Kimi Workを使う
Kimi Workは、資料作成や調査、分析を行うナレッジワーカー向けデスクトップアプリです。
Kimi K3を利用するには、バージョン3.1.0以降が必要で、WindowsとAppleシリコン搭載Macに対応しています。
3．Kimi Code CLIを使う
Kimi Code CLIは、ターミナル上で動作するAIコーディングエージェントです。
macOSでは以下のコマンドでインストールできます。
brew install kimi-codeWindowsでは、PowerShellから以下を実行します。
irm https://code.kimi.com/kimi-code/install.ps1 | iexインストール後、プロジェクトディレクトリでkimiコマンドを実行し、/modelからKimi K3を選択します。
4．Kimi APIを使う
Kimi K3のAPIは、OpenAI SDKを使ってそのまま呼び出せます。
pip install --upgrade openai
export MOONSHOT_API_KEY="取得したAPIキー"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": "system", "content": "あなたは正確で簡潔な日本語を使用するアシスタントです。"},
{"role": "user", "content": "生成AI市場の調査計画を作成してください。"},
],
)
print(response.choices[0].message.content)APIモデル名はkimi-k3で、K2系で使われていたthinkingパラメータの代わりにreasoning_effortを使用します。
現時点で指定できる値はmaxのみです。
Kimi K3を使い始める4つの導線を示すフローチャート。「公式サイト（チャット）」「Kimi Work（資料作成）」「Kimi Code CLI（開発）」「API（システム連携）」の4つの入り口から、それぞれの用途アイコンへ矢印がつながる構成。Kimi K3をAPIに組み込む際の注意点
Kimi K3をシステムに組み込む際は、いくつかの制約事項を理解しておく必要があります。
推論モードをオフにできない
Kimi K3は常に推論モードで動作します。
簡単な分類や短文生成でも推論処理が走るため、用途によってはKimi K2.7 CodeやKimi K2.6のほうが速く、安くなる可能性があります。
一部の生成パラメータが固定
temperature、top_p、nなどのパラメータは固定値が推奨されています。
出力の創造性を細かく調整している既存システムでは、プロンプト設計の見直しが必要です。
自律的に行動しすぎることがある
Kimi K3は、長時間の難しい仕事を自律的に進めるよう最適化されています。
そのため、指示が曖昧だと、想定外の変更や判断を行う可能性があります。
ファイル削除やデータベース変更を伴うシステムでは、次の対策を講じましょう。
- 書き込み権限を最小限にする
- 重要操作の前に人間の承認を求める
- 操作可能なディレクトリを限定する
- システムプロンプトで禁止事項を明記する
- 本番環境ではなく隔離環境で検証する
Kimi K3はオープンソースなのか
Moonshot AIは、Kimi K3を「世界初のオープンな3兆パラメータ級モデル」と説明しています。
ただし、2026年7月19日時点では、全モデル重みはまだ公開されていません。
同社は2026年7月27日までに、モデル重みと技術報告書をModified MIT licenseのもとで公開する予定です。
この動きは、業界内で「オープンソースAIムーブメントの分水嶺」とも評されています。
したがって現時点では、「公開済み」と断定せず、「オープンウェイト化が予定されているモデル」と表現するのが正確です。
Kimi K3をローカル環境で動かせる？
結論として、一般的なパソコンでKimi K3を動かすのは現実的ではありません。
2.8兆パラメータを単純計算すると、モデル重みだけで次の容量になります。
| 精度 | 重みの理論上の容量 |
|---|---|
| 16bit | 約5.6TB |
| 8bit | 約2.8TB |
| 4bit | 約1.4TB |
Moonshot AIは、推論環境として64基以上のアクセラレーターを備えたスーパーノード構成を推奨しています。
ローカル運用を重視する場合は、Kimi K2.5、Kimi K2.6、Kimi Linearの小型モデルなどが現実的な候補です。
Kimi K3の弱点と注意点
出力が長くなりやすい
Artificial Analysisの評価では、Kimi K3は評価タスク全体で約1億3,000万出力トークンを使用しました。
同クラス平均の約6,300万トークンと比べ、約2倍の長さです。
システムプロンプトで文字数やステップ数の上限を指定すると、コストと応答時間を抑えられます。
ハルシネーション率の上昇
知識信頼性評価では、Kimi K3の正答率はKimi K2.6より改善した一方、ハルシネーション率は39%から51%へ上昇したと報告されています。
医療、法律、金融などの分野では、検索ツールで取得した根拠を必ず添付し、人間による確認工程を設けましょう。
Kimi K3のデータはAI学習に利用される？
利用経路によって、データの取り扱いは大きく異なります。
| 利用経路 | 学習データとしての利用 |
|---|---|
| 一般向けKimiサービス | 利用される場合がある |
| Kimi API | 学習には使用されない |
| Kimi Business | 独立ワークスペースで学習に使用されない |
一般向けチャットには、未公開のソースコードや顧客情報を安易に入力しないほうが安全です。
Kimi Businessは1ユーザー当たり年間599ドル、最低5席からの契約となっています。
Kimi K3がおすすめな人・そうでない人
Kimi K3は、次のような人や企業に特におすすめです。
- AIコーディングエージェントを開発したい
- 大規模リポジトリをAIに扱わせたい
- 100万トークンの長文コンテキストを活用したい
- 画像・動画を理解するAIサービスを作りたい
一方、次の用途では別モデルとの比較をおすすめします。
- とにかくAPI費用を安くしたい
- 短い質問へ高速に回答させたい
- 一般的なPCでローカル実行したい
よくある質問（FAQ）
Q. Kimi K3は無料で使えますか？
公式サイトでは利用できますが、回数やクレジットはプランによって異なります。APIは従量課金制です。
Q. Kimi K3のコンテキスト長はいくつですか？
最大約100万トークンです。長い資料やコードベースをまとめて扱えます。
Q. Kimi K3は画像を生成できますか？
いいえ。Kimi K3は画像・動画を理解するモデルであり、画像ファイルを直接生成する機能は持ちません。
Q. Kimi K3はオープンソースですか？
2026年7月19日時点では未公開です。7月27日までに全重みが公開される予定です。
まとめ：Kimi K3は「やり切るAI」
Kimi K3は、2.8兆パラメータ、100万トークン、画像・動画理解を備えたMoonshot AIの最新フラッグシップモデルです。
最大の強みは、コーディング、調査、資料作成を長時間にわたって実行し続けるエージェント性能にあります。
第三者評価でも世界最上位グループに入る性能を示しており、GPTやClaudeに対する有力な選択肢になりつつあります。
ただし、出力単価の高さ、回答の長さ、ハルシネーションには注意が必要です。
まずは実務に近いタスクで品質・コストを計測し、複雑な仕事だけをKimi K3に任せる構成が、最も費用対効果の高い使い方になるでしょう。
合わせて読みたい
Kimi K3以外のAIツールや活用方法について詳しく知りたい方は、こちらの記事もおすすめです。
