Kimi K3とは実際何なのか
KimiはMoonshot AIのチャットアシスタント兼モデルファミリーで、この中国の研究所はこの1年、オープンモデルのサイズの上限を押し上げ続けてきました。前作の主力モデルKimi K2は1兆パラメータのオープンウェイトモデルで、性能が高く非常に安価だったことから多くの開発者に愛されました。K3はその後継であり、Moonshotは本気で勝負をかけています。ローンチブログではこれを「世界初のオープンな3Tクラスモデル」と呼んでいます。
Moonshot自身による率直な言葉を紹介します。「全体的な性能は依然として最も強力なプロプライエタリモデルであるClaude Fable 5とGPT 5.6 Solには及ばないものの、Kimi K3は評価スイート全体でフロンティア級の性能を示し、テストした他の全モデルを一貫して上回った」。これは驚くほど誇張のないローンチの言葉であり、実際おおむね正しいことが分かります。
重要なスペック:
- 合計2.8兆パラメータ、これまでに発表されたオープンモデルの中で最大規模(Moonshot)。
- 100万トークンのコンテキストウィンドウ(正確には1,048,576トークン)により、非常に大規模なコードベースやドキュメント群を一度に保持できる(プラットフォームのドキュメント)。
- ネイティブなビジョン対応により、テキストと画像を受け取ってテキストを返す。
- 常時オンの推論。 K3は回答前に常に「考え」、そのレベルは
reasoning_effortフィールドで設定するが、現時点ではmaxのみサポートされている(クイックスタート)。
内部構造:Kimi K3の仕組み
ここからがK3の本当に興味深いところで、パラメータ数の多さがもはや見出しではなくなる部分です。2.8Tのdenseモデルを動かすのは現実的なコストでは不可能なので、K3はMixture-of-Expertsモデルです。任意のトークンに対して、これらのパラメータの大部分は休止しており、ごく一部だけが発火します。
Moonshotはスパース性をスケーリングし、彼らがStable LatentMoEと呼ぶフレームワークを使って、モデルが実質的に896人中16人のエキスパートを活性化するようにしています。もう2つの要素が重要な役割を果たしています。ハイブリッド線形アテンション機構であるKimi Delta Attentionと、標準的な残差接続の代替として別途オープンソース化されたAttention Residualsです。洗練された学習レシピと組み合わせることで、Moonshotはこれらの変更により「Kimi K2と比較して全体的なスケーリング効率が約2.5倍向上した」と主張しています。
アクティブパラメータ数はまだ公開されておらず、完全な技術レポートも同様です。両方ともオープンウェイトの公開と合わせて提供されると約束されています。したがって、現時点では内部構造についてはMoonshot側の説明として捉え、独立に検証されたアーキテクチャとしては扱わないほうがよいでしょう。
実際の性能はどうか
Moonshotは大量のベンチマークを公開しており、そのパターンは一貫しています。難易度の高いエージェント系・コーディング系の評価ではK3はFable 5とGPT-5.6 Solに次ぐ3位で、そのほとんどにおいて前世代のフロンティア(Opus 4.8、GPT-5.5)を大きく上回っています。
Moonshotのグラフから読み取れる具体的な数値をいくつか挙げると、K3はAutomation Bench(30.8)、SpreadsheetBench 2(34.8)、BrowseComp(91.2)で首位に立ち、AA-BriefcaseとJobBenchではFable 5に次ぐ2位です。より難易度の高いコーディング評価では一段順位が下がり、FrontierSWE(86.6対K3の81.2)とKimi Code Bench 2.0(76.9対72.9)ではFable 5がリードしています。Artificial Analysisによる独立テストでは、K3のIntelligence Indexは57で、これまで評価した189モデル中4位にランクされています。
しかし、最も説得力のある証拠は数字ではありません。実際の自分の仕事でこのモデルを試した開発者たちの声です。
「ここ数時間、いろいろ試しているんだけど、素晴らしいモデルだと思う。ブラインドテストでこれとFableの違いが分かるかどうか自信がない。100ドルのKimi Codingプランのクォータは、主にFableを使っているときの200ドルのAnthropicプランで得られるものと、だいたい同じくらいに感じる。」
同じスレッドの中にある、より落ち着いた見方も心に留めておく価値があります。これは絶対的なトップから「わずかに下」であり、「何もかも凌駕する」というムードの一部は、独立系のテストが追いつく前のベンダー側のグラフから生まれたものだということです。
「うーん、Fableが本当に出たのはまだ2週間前で、GPT-5.6 Solは1週間前だよ。確かにKimi K3は両者よりわずかに下に見えるけど、他の全モデルよりは上だ。だから今はもう数ヶ月ではなく、数週間の差だと言えると思う……」
スクロールする手を止めさせたデモ
Moonshotのローンチは長時間の自律性を前面に押し出しており、その披露内容が雄弁に物語っていました。たった一つのプロンプトから、K3はプレイ可能なゲームをゼロから作り上げました。武侠オープンワールドRPG、一人称視点の風船シューティングアリーナ、ボクセルコロシアム、格闘ゲームなどです。
より本気で驚かされたのは、さらに本格的なデモです。48時間の自律実行の中で、K3は独自アーキテクチャ上で小型モデルを動かすためのチップ(Nangate 45nm、4mm²、デコード時に毎秒8,700トークン超でシミュレーション)を設計した、とMoonshotは述べています。別の例では、「MiniTriton」というGPUコンパイラをゼロから書き上げ、一部のカーネルではTritonと同等かそれを上回りました。あるカーネル最適化タスクでは、フォワードとバックワードを合わせたパスを283.6msから114.4msに短縮しました。開発者の反応は驚嘆と「トークン代を見せてくれ」の両方でした。
「ブログ記事で、GPUコンパイラ全体をゼロからコーディングできたって書いてあったの、みんな見た?一部のGPUカーネルではTritonを上回ったようにも見える。それはさすがに常軌を逸してると思う。オープンソース化して、何トークン使ったのか見せてくれるといいんだけど。」
この最後の一言こそが率直な落とし穴であり、そのまま価格の話につながります。
Kimi K3の料金
ここで意外な展開があります。Kimiのこれまでのストーリーは「フロンティア級の品質を破格の価格で」でした。K3はそれを静かに終わらせました。フラッグシップ並みの価格設定です。
| モデル | 入力(キャッシュミス) | 入力(キャッシュヒット) | 出力 | コンテキストウィンドウ |
|---|---|---|---|---|
kimi-k3 | $3.00 / 100万 | $0.30 / 100万 | $15.00 / 100万 | 1,048,576トークン |
出典:Kimi K3の公式料金。いくつか目を引く点があります。推論が常時オンなので、より安価な「非推論」バリアントは存在せず、モデルは1種類、価格も1種類です。長いプロンプト向けの割増料金はなく、100万トークンのウィンドウ全体で価格はフラットです。そしてキャッシュヒット時は入力が0.30ドルまで下がり、90%の割引となるため、これが長コンテキストのエージェント作業における実質的なコスト削減の鍵になります。
入力3ドル・出力15ドルという価格は、Claude Sonnetの価格帯とちょうど並び、GPT-5.xやGemini 3 Proより上、Claude Opusより下に位置します。Anthropicの最上位ティアよりは安いので、Opusに対してはまだ割安な選択肢と言えます。しかし、入力0.14ドル・出力0.28ドルのV4 Flashを提供するDeepSeekと比べると、K3の出力価格はおよそ50倍です。DeepSeekは依然として格安のフロンティア選択肢であり、K3はもうその土俵で戦っていません。この驚きはコミュニティの反応の中で最も大きく響いた点です。
「新しいモデルで特筆すべきは価格だ。入力100万トークンあたり3ドル、出力100万トークンあたり15ドルで、Anthropicのクロード・ソネットシリーズと同水準になっている。」
K3が本当に輝くのは、得意なタスクにおけるコストパフォーマンスです。BrowseCompでは、Claudeモデル群のタスクあたりコストのごく一部で、トップクラスのスコアを記録しています。
APIではなくアプリ経由でKimiを使いたい場合、コンシューマー向けプランには音楽のテンポにちなんだ名前が付けられています。
| プラン | 月額 | 年額(月換算) | 内容 |
|---|---|---|---|
| Free | $0 | -- | 基本的なチャットアクセス |
| Moderato | $19 | $15 | Docs/Sheets/Slides、Deep Research、Kimi Codeへのアクセス |
| Allegretto | $39 | $31 | エージェントクレジット2倍、Kimi Codeクレジット5倍 |
| Allegro | $99 | $79 | エージェントクレジット5倍、Swarm並列エージェント |
| Vivace | $199 | $159 | エージェントクレジット10倍、Swarmの最大並列度 |
出典:Kimiメンバーシップ料金。付け加えておくと、ページには新プランが登場予定であり、KimiとKimi Codeの特典が別々の製品に分割される予定であるというバナーが表示されているため、このプラン体系は近いうちに変わる見込みです。
グラフには表れない、もう一つのコスト要因があります。K3は同じタスクを終えるのにFableより多くのトークンを消費する傾向があり、トークン単価が良好に見えても実質的な価格を押し上げます。ファンでさえこの点は否定せず認めています。長いエージェントループでK3を動かす場合は、この分を予算に織り込んでおきましょう。
K2からK3で何が変わったか
K2を使っていた人にとって、この飛躍は単なるバージョンアップ以上のものです。実際に変わった点を手短にまとめます。
サイズはほぼ3倍になり、スケーリング効率は約2.5倍向上し、常時オンの推論がK2にあった個別の「思考モード」切り替えに取って代わりました。実際に乗り換えの判断を左右するのは、乗り換える側にとって「悪い」方向に動いた2つの変化です。価格はフラッグシップの領域まで上がり、K2最大の魅力だったオープンウェイトはローンチ当日ではなく、その数週間後にようやく届くというものです。盛り上がりは本物ですが、注意点も本物であり、コミュニティは数時間のうちにそれに気付きました。
「モデルの完全な重みは2026年7月27日までに公開される予定だ。」
大きな視点で見ると:フロンティアに立つオープンモデル
細かい話を取り除くと、K3が1週間もトレンド入りするほど重要だった理由が見えてきます。中国の研究所発のオープンなモデルが、クローズドなフロンティアモデルと互角に渡り合っている。多くの人にとって、これはK3そのものというより、ある一線が越えられたということの方が重要なのです。
「うん、ここには否定したがる人もいるけど、多くの人が『いずれ起こる』と言っていたことが実際に起きた。彼らは『半年遅れ』なんかじゃない。このモデルは完全にSOTAだ。より安く、より速く、Sonnet 5やOpus 4.8を単に上回るだけじゃない。公開された14のベンチマークのうち6つで、Kimi K3はFableの前を行っている。」
繰り返し出てくるもう一つの視点は、コントロールに関するものです。オープンモデルへの魅力の一部は、単一の研究所が「モデルが何を手伝い、何を手伝わないか」を決めてしまうことを望まない、という点にあります。特に重みが公開された後にファインチューニングやセルフホストを検討しているなら、これは検討に値する妥当な視点です。
「知的な取り組みや知識労働のうち何が許され、何が許されないかを、中央の権威が決められるように作られたツールを支持するのは倫理的ではないと思う。」
フロンティアモデルが終わる場所、サポート業務が始まる場所
ここからは私が最も大切にしている部分です。なぜなら私は日々AIエージェントを作る仕事をしているからです。こうしたローンチを見ると、「よし、一番良いモデルを繋げば、サポートキューの問題は勝手に解決する」と考えたくなります。しかし実際はそうはいきません。そして、そのギャップこそがほとんどのAIサポートプロジェクトが静かに失敗する場所です。
K3のようなモデルは、生の推論力を与えてくれます。しかし、あなたの返金ポリシー、製品特有のエッジケース、あるいはチケット#4021がすでに2回メールを送ってきているVIP顧客からのものであるといった事実については、何も分かりません。過去のチケットの記憶もなければ、自信満々に誤った答えをでっち上げるのを止めるガードレールもなく、実際の作業が行われるヘルプデスクへの接続もありません。ベンチマークのスコアが高くなったところで、これらは何一つ解決しません。
私たちは何年もの間、実際のサポートキューにAIを導入する仕事をしてきました。そこから得た教訓は、自信たっぷりに聞こえるモデルが間違った答えを出すのは、答えを出さないことよりも悪いということです。だからこそ、eesel AIは何かを本番に出す前に過去のチケット履歴に対してシミュレーションを実行し、顧客が実際に嫌な思いをした後ではなく、その前に、解決率と実際の過去の会話に対する正確な返信内容を確認できるようにしています。同じ理由から、回答は確信度に応じてルーティングされます。エージェントが確信を持てない場合は、当て推量をする代わりに人間向けにドラフトを作成するか、エスカレーションします。500以上のチームの中で、Gridwiseはこのやり方で導入初月から73%のティア1チケット解決率を達成しました。
その裏側にあるモデル自体は、この「包み込む仕組み」に比べればずっと重要度が低いものです。これはK3であれFable 5であれ、来月何が勝とうと変わらない、静かながら良いニュースです。フロンティアモデルは良くなり続け、安くなり続けます。そして、うまく作られたカスタマーサービス向けAIは、配線をやり直すことなく、その恩恵をそのまま受け継ぎます。
eesel AIを試してみる
もしあなたがここまで読んだ理由が、AIモデルにただチャットさせるのではなく、実際にチケットを解決させたいからなら、それはまさにeesel AIが目指しているものです。Zendesk、Freshdesk、Slackをはじめとする100以上のツールと連携し、あなたのヘルプセンターと過去のチケットから学習して、数週間ではなく数分でドラフト作成や解決を始めます。
その差別化ポイントは「信頼のランプ」です。実際のチケット履歴でシミュレーションを行い、数字を確認し、ドラフトモードで開始し、満足できたときだけ完全自律モードに移行します。サポート向けに作られたガードレールとともに、フロンティアモデルの知性を手にできます。eeselは無料で試せます。クレジットカードは不要です。
よくある質問
Kimi K3の料金はいくらですか?
Kimi K3はオープンソースですか?
Kimi K3はClaudeやGPTより優れていますか?
Kimi K3をカスタマーサポートに使えますか?
Article by
Alicia Kirana Utomo
Kira is a writer at eesel AI with a Computer Science background and over a year of hands-on experience evaluating AI-powered customer service tools. She focuses on breaking down how helpdesk platforms and AI agents actually work so that support teams can make better buying decisions.
