2026 年 7 月 16 日深夜、Moonshot AI（月之暗面）が API ドキュメント上部に「Kimi K3 リリース済み」のバナーを掲出しました——大規模発表会も、事前予熱の SNS 攻勢もなく、技術ブログ 1 本、料金ページ 1 つ、すぐ呼び出せるモデル ID kimi-k3 だけです。控えめな姿勢と 2.8 兆パラメータの規模が対照的です。

一言で言えば：Kimi K3 は現時点で世界最大パラメータ数のオープンソース AI モデルです——2.8T パラメータで DeepSeek V4 Pro（1.6T）を約 75% 上回り、小米の OSS モデル（1.02T）の 2.7 倍、アリ（397B）の 7 倍以上です。スパース MoE アーキテクチャで推論時に 896 個のエキスパートから 16 個を活性化します。100 万 token の超長コンテキスト（『紅楼夢』全 5 冊分を一度に読み切る規模）とネイティブ視覚理解を備え、複雑なコーディング、長文推論、知識作業向けに設計されています。完全な重みは 7 月 27 日に OSS 公開され、Claude Opus 4.8 より約 40% 安い価格設定です。

なぜ今回のリリースが重要なのか？Moonshot AI は過去 18 か月、DeepSeek の台頭に揺さぶられてきました。K3 は見事な反撃と言えます。

Kimi K3 は単なるパラメータ積み上げではありません——アーキテクチャ層で 3 つのエンジニアリング革新を導入し、長コンテキストと超スパース MoE 学習の実ボトルネックを解決しています。

2.1 Kimi Delta Attention（KDA）—— ハイブリッド線形アテンション

従来の Full Attention では長コンテキストで KV キャッシュメモリが二乗級に増大し、100 万 token 時に壊滅的です。KDA は 3:1 比率で線形アテンション層と全アテンション層を交互に配置します。3 層の線形層が局所構造を処理（計算コスト低）、1 層の全アテンション層がグローバル情報流を保持します。結果として KV キャッシュメモリは最大 75% 削減、100 万 token コンテキストのデコード速度は最大 6.3 倍向上。短コンテキスト、長コンテキスト、RL 拡張の 3 シナリオすべてで純粋な全アテンションベースラインを上回ります。

2.2 Attention Residuals（AttnRes）—— 深度を跨ぐ選択的取得

標準残差接続は深度に沿って均等に蓄積し、浅い層の重要な表現が深層で薄まります。AttnRes は選択的取得を導入し、モデルがより浅い層の高価値表現を深度を跨いで直接引き出せます。Moonshot AI は約 25% の学習効率向上を報告し、追加計算オーバーヘッドは 2% 未満です。

2.3 Stable LatentMoE —— 896 エキスパートから 16 個のみ活性化

以上の革新を総合すると、Kimi K3 は Kimi K2 比で全体のスケール効率が約 2.5 倍向上——同等の計算資源からより強い知能を引き出します。

以下は Moonshot AI 自己報告のコアベンチマークです（各モデルは独自推論 harness を使用：K3 は Kimi Code、GPT は Codex、Claude は Claude Code）。独立した第三者の再現は進行中です。

解読の要点：

K3 の標準価格は Claude Sonnet 5 と同水準（$3/$15）ですが、コンテキストウィンドウはその 5 倍です。キャッシュヒットは $0.30/M（標準価格の 1/10）まで下がり、Moonshot AI はコーディングシナリオでキャッシュヒット率が 90% 超と報告しています。実効入力コストは極めて低くなります。国内 API：入力 ¥20/M、出力 ¥100/M、キャッシュヒット ¥2/M。消費者版 kimi.com は無料アカウントで利用可能、プリペイドプランは ¥199 から（割引は 8 月 11 日まで）。

6 つの即時接続ステップ：

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "このコードを分析してください..."}]
)

7 月 27 日 OSS 約束：Moonshot AI は公式 WeChat 公告で 7 月 27 日に完全モデル重みを公開すると明言しました。公開後 K3 は：これまで最大パラメータのダウンロード可能 OSS モデル、初の 2 兆パラメータ超 OSS 重み、OSS コミュニティの学習/微調整ベースの新標準となります。学習は MXFP4 重みと MXFP8 活性化を採用し、量子化認識設計です。Hugging Face には MXFP4/NVFP4 量子化版が登場する見込みです。

まとめ：Kimi K3 はアーキテクチャ層で真のエンジニアリング革新を行い、コーディング長タスクと文書理解など重要分野で一部クローズドソース旗艦に匹敵乃至超越し、合理的な価格設定と完全 OSS 約束を備えています——中国 AI OSS エコシステムが「低価格で市場獲得」から「知能フロンティアに挑戦」へ転換した象徴です。注目すべきタイムライン：7 月 17–20 日 WAIC でさらなる発表 → 7 月 27 日 K3 完全重み OSS。

代替案を整理すると：個人 Mac だけで Kimi Code / API Agent を負荷テスト する場合、スリープとネットワーク変動の影響で長コンテキストタスクが中断しやすいです。7/27 自デプロイを待つ 場合、64+ カードのスーパーノードが必要で中小チームには短期間で実現困難です。単一クローズドソース API に完全依存 すると、コンテキスト長とコスト面で K3 の 1M flat 料金優位をカバーしにくくなります。iOS CI/CD、Kimi Code 常駐、AI Agent 7×24 自動化本番環境が必要な場合、KVMNODE 専用 Mac Mini M4 クラウドレンタルが通常より優れた選択 です。Apple Silicon 統合メモリ、sudo 開放、日/週/月の柔軟契約で運用できます。詳細は 料金ページ、ヘルプセンター、または 直接注文をご覧ください。

データ截至：2026 年 7 月 16 日 · ベンチマークは Moonshot AI 自己報告 · 出典：kimi.com/blog/kimi-k3、API Platform docs、Artificial Analysis、OpenRouter