Kimi K3とは？Moonshot AIが公開した2.8兆パラメータのオープンウェイトモデル
Kimi K3 とは、Moonshot AI が2026年7月に公開した、モデルウェイトを誰でもダウンロードできる大規模言語モデルです。
同社は対話サービス「Kimi」を提供しており、Kimi K3 はその基盤となる最新世代のモデルにあたります。特徴は3つに整理できます。ひとつは総パラメータ2.8兆という規模、ふたつめは約100万トークンという長い入力を扱えること、みっつめは重み自体が配布されているため自社環境でも動かせる余地があることです。
Kimi K3の主要スペック
公式が公開している仕様は次のとおりです（出典: kimi.com）。
| 項目 | 内容 |
|---|---|
| 総パラメータ | 2.8兆 |
| 1トークンあたりの実行パラメータ | 1,040億 |
| エキスパート構成 | 896個のうち16個を選択 |
| 層構成 | 93層（KDA 69層 + Gated MLA 24層） |
| コンテキスト長 | 1,048,576トークン |
| 語彙サイズ | 16万 |
| 視覚エンコーダ | MoonViT-V2（4.01億パラメータ） |
| 量子化 | MXFP4重み / MXFP8活性（量子化を前提とした学習） |
| ライセンス | Kimi K3 License |
注目したいのは、総パラメータ2.8兆に対して1トークンあたりの実行パラメータが1,040億にとどまる点です。これは MoE（Mixture of Experts、入力ごとに一部の専門ネットワークだけを動かす仕組み）による設計で、モデル全体は巨大でも、1回の推論で使う計算量を抑えられます。規模の大きさと動作コストが比例しない構造になっている、と理解しておくとこの後の料金の話がつながります。
「オープンウェイト」はオープンソースと同じではない
オープンウェイトとは、学習済みモデルの重み（パラメータの値そのもの）が配布されており、誰でもダウンロードして自分の環境で動かせる状態を指します。
ソフトウェアのオープンソースと混同しやすいのですが、同じではありません。学習に使ったデータや学習コードまで公開されているわけではなく、利用条件はベンダーが定めたライセンスに従います。Kimi K3 の場合は「Kimi K3 License」という独自ライセンスが適用され、一定規模を超える使い方には条件が付きます（詳細は後述します）。
つまり「無料で公開されているから自由に使える」と読み替えるのは早計です。重みが手に入ることと、自社のサービスに組み込んでよいことは別の問題として確認する必要があります。
前世代のKimi K2から変わった点
公式は Kimi K3 について、前世代の Kimi K2 と比べて全体のスケーリング効率がおよそ2.5倍改善したと説明しています（出典: kimi.com）。
技術的な変更点として挙げられているのは、Kimi Delta Attention（KDA）と Attention Residuals（AttnRes）という注意機構の改良、そして Stable LatentMoE と呼ばれるエキスパート選択の仕組みです。加えて MoonViT-V2 による画像理解が最初から組み込まれ、テキスト専用ではなくなりました。
非エンジニアの視点で押さえるべきは、これらが「同じ計算資源でより賢く動かすための改良」だという点です。パラメータ数が増えただけのモデル更新ではありません。
Kimi K3でできること｜100万トークンの長文処理とネイティブ視覚理解
Kimi K3 でできることは、大きく「長い文脈をまとめて扱う」「画像を含めて読む」「長時間の作業を任せる」の3つに分かれます。
100万トークンの入力で扱える分量
コンテキスト長1,048,576トークンは、日本語の文章なら数十万字規模を一度に渡せる分量にあたります。
実務でいえば、数百ページの仕様書、1年分の議事録、複数のマニュアルをまとめて渡し、その全体を踏まえた回答を求められる水準です。従来は資料を分割して何度も質問し、回答をつなぎ合わせる手間が発生していました。文脈を分割せずに渡せると、前半の記述と後半の記述の矛盾を指摘させるような使い方ができます。
ただし長い入力を渡すほどトークン数は増え、料金にも直結します。長文を扱えること自体と、それを毎回使うことが見合うかどうかは分けて考えると判断しやすくなります。
画像もそのまま読める
Kimi K3 は MoonViT-V2 という視覚エンコーダを内蔵しており、画像を含む入力をそのまま処理できます（出典: kimi.com）。
別のモデルに画像を読ませてテキスト化し、それを渡すという中継が不要になります。画面のスクリーンショット、図表を含む PDF、手書きのメモといった入力を、テキストと同じ流れで扱えます。
公式が公開したベンチマークでも、画像と文章を組み合わせて解く MMMU-Pro で81.6から83.4という数値が示されています（出典: kimi.com）。
長時間の作業を任せる前提で設計されている
公式は、Kimi K3 の学習が長時間にわたる難易度の高い作業を重視して行われたと説明しています（出典: kimi.com）。
公開時点では思考の深さが最大設定で固定されており、軽い設定と深い設定を選べるモードは後続の更新で提供される予定とされています。つまり公開直後の Kimi K3 は「じっくり考える側に振り切った状態」で動きます。短い応答を速く返してほしい用途では、この設定が過剰になる場合があります。
利用できる窓口は次の4つです。
- kimi.com とモバイルアプリ：ブラウザと iOS / Android / HarmonyOS のアプリから対話形式で利用する
- Kimi Work：Windows と Apple silicon 搭載 Mac 向けのデスクトップアプリ（v3.1.0以降）
- Kimi Code：ターミナルで動かすコマンドライン向けのツール
- Kimi API Platform：自社システムから API で呼び出す窓口
Kimi K3の使い方・始め方｜4つの入口と自己ホスティングの現実
Kimi K3 を試す手順は、どの窓口を選ぶかで大きく変わります。まず試すだけなら対話サービス、自社システムに組み込むなら API、外部に出せないデータを扱うなら自社環境での実行という順に検討すると整理しやすくなります。
まず試すならkimi.comとモバイルアプリ
最短で試せるのは kimi.com です。ブラウザで開いてアカウントを作成すれば、対話形式で Kimi K3 を使えます。
モバイルアプリは iOS、Android、HarmonyOS に対応しており、すでにアプリを入れている場合は最新版へ更新すると Kimi K3 が使えるようになります。無料プランでも対話自体は試せるため、応答の質や日本語の自然さを確認する用途にはこの入口が向いています。
手元の作業に組み込むKimi WorkとKimi Code
デスクトップで資料作成などに使う場合は Kimi Work、コードや定型処理をターミナルから扱う場合は Kimi Code が用意されています。
Kimi Work は Windows と Apple silicon 搭載 Mac に対応し、v3.1.0以降のバージョンで Kimi K3 が利用できます。Kimi Code はターミナルで実行するツールで、ファイルを読み書きしながら一連の作業を任せる使い方を想定しています。公式のベンチマーク公開時にも、この Kimi Code を評価環境として使ったと記載されています（出典: kimi.com）。
自社システムに組み込むならAPI
API は platform.kimi.ai から利用します。OpenAI および Anthropic の API と互換のある形式が提供されているため、既存のコードで接続先とモデル名を差し替えるだけで試せる場合があります。
移行コストが読みやすいのはこの互換性のおかげです。既存の実装を大きく書き換えずに応答を比較できるため、まず1つの処理だけ Kimi K3 に振り向けて品質と単価を測る、という進め方が取れます。
最初に振り向ける処理の選び方
最初に試す対象としては、社内の定型的な文書処理のように、出力の良し悪しを人がその場で判断できる処理が向いています。同じ入力を既存のモデルと Kimi K3 の両方に投げ、出力を並べて比較すれば、品質の差と単価の差を同時に測れます。
逆に向かないのは、正解が一意に決まらない企画立案や、社外に出す文章をそのまま生成させる処理です。品質の判断に人の合意形成が必要になり、モデルの差なのか指示文の差なのかを切り分けられなくなります。
比較検証で固定しておく条件
互換のある形式とはいえ、思考の深さに関する設定やキャッシュの挙動はモデルごとに異なります。接続先とモデル名を差し替えただけで同じ結果になるとは限らないため、次の条件を揃えてから比較します。
- 入力を完全に同一にする：同じ文書、同じ指示文、同じ順序で渡す
- 1回きりの結果で判断しない：同じ入力を数回投げ、出力の振れ幅も含めて見る
- トークン数を記録する：入力と出力のトークン数を残しておくと、後から単価差を試算できる
条件を固定しないまま比較すると、単価が安く見えても品質差の原因が特定できず、乗り換えの判断材料になりません。
全国8,000人調査で、AI活用方法によって生産性向上に約3.8倍の差が生まれることが判明。
自社環境で動かす選択肢は現実的か
モデルウェイトが公開されているため、理論上は自社のサーバーで動かせます。公式は推論エンジンとして vLLM、SGLang、TokenSpeed を挙げています（出典: kimi.com）。
ただし規模の壁があります。総パラメータ2.8兆に対して4ビット相当の量子化を適用しても、単純計算では重みだけで1テラバイトを超えます。これを載せるには高性能な GPU を多数並べた構成が必要で、一般的な社内サーバーで動かせる規模ではありません。
現実的な選択肢は3つに分かれます。ひとつは公式の API を使う、ふたつめはクラウド上で推論環境を提供している事業者を使う、みっつめは自社でハードウェアを用意する、です。外部にデータを出せない事情がある場合を除けば、まずは API から始めて、必要性が確認できた段階で自社環境を検討する順序が無理のない範囲で進められます。
Kimi K3の料金｜APIの3段単価とメンバーシップ5段階
Kimi K3 の料金は、API の従量課金と個人向けメンバーシップの2系統に分かれています。
関連記事：AI導入にかかる費用の相場は？3つのパターンと主要ツール料金を整理
API料金は入力のキャッシュ有無で10倍変わる
API の単価は次のとおりです（2026年7月時点、出典: kimi.com）。
| 区分 | 100万トークンあたりの単価 |
|---|---|
| 入力（キャッシュヒット時） | 0.30ドル |
| 入力（キャッシュミス時） | 3.00ドル |
| 出力 | 15.00ドル |
同じ入力トークンでも、キャッシュが効くかどうかで単価が10倍変わります。キャッシュとは、直前と同じ内容の入力を再利用する仕組みで、同じ資料や同じ指示文を繰り返し送る使い方では効きやすくなります。公式は、コードを扱う作業ではキャッシュヒット率が90%を超えると説明しています（出典: kimi.com）。
逆にいえば、毎回異なる長文を渡す使い方ではキャッシュが効きません。試算するときは、0.30ドルではなく3.00ドル（2026年7月時点、出典: kimi.com）を前提に置き、実際の運用でどこまで下がるかを測る順序にすると、見積もりと請求額の乖離を防げます。なお表示価格は税抜で、税額は決済時に地域に応じて計算されます。
メンバーシップは5段階
個人向けのメンバーシップは次の5段階です（2026年7月時点、出典: kimi.com）。金額は年払いを選んだ場合の月あたり換算です。
| プラン | 月あたり（年払い） | 月払い |
|---|---|---|
| Adagio | 0ドル | - |
| Moderato | 15ドル | 19ドル |
| Allegretto | 31ドル | 39ドル |
| Allegro | 79ドル | 99ドル |
| Vivace | 159ドル | 199ドル |
無料の Adagio でも対話は試せますが（2026年7月時点、出典: kimi.com）、同時に動かせる自動処理は1件、予約実行は2件までといった制限があります。約100万トークンの長い対話が使えるのは Allegro 以上で、長文利用に追加料金はかかりません。
つまり Kimi K3 の売りである長い文脈を本格的に使うなら、無料プランでは足りません。まず無料で応答の質を確かめ、長文処理を試す段階で上位プランか API に移る、という二段構えが無駄が出にくくなります。
Kimi K3とClaude・GPTの違い｜ベンチマークの読み方と選び分け
Kimi K3 は公式の発表資料の中で、Claude Fable 5 と GPT 5.6 Sol を比較対象として扱っています。ここは数値の大小より、数値の作られ方を押さえるほうが判断に役立ちます。
関連記事：Claude Fable 5とは？使い方・できること・料金とOpusとの違いを整理
公式が公開したベンチマーク
公式が示している代表的なスコアは次のとおりです（出典: kimi.com）。
| ベンチマーク | 測る内容 | Kimi K3のスコア |
|---|---|---|
| GPQA Diamond | 大学院水準の科学的な推論 | 93.5 |
| Terminal-Bench 2.1 | ターミナル操作を伴う作業 | 88.3 |
| BrowseComp | 情報を調べて答える作業 | 91.2 |
| DeepSWE | ソフトウェア開発の課題解決 | 67.5 |
| MMMU-Pro | 画像と文章を組み合わせた理解 | 81.6〜83.4 |
推論と情報収集の項目では高い水準を示しています。一方でソフトウェア開発の課題解決を測る DeepSWE は67.5で、項目によって差があることが読み取れます。
スコアを横に並べて比較できない理由
ここが見落とされやすい部分です。公式の脚注には、モデルごとに異なる評価環境（harness）を使ったことが明記されています（出典: kimi.com）。
Kimi K3 は自社の Kimi Code を評価環境として測定し、比較対象のモデルは各社のツールや各社が公開したリリース記事の数値を引用しています。評価環境が違えば、同じベンチマーク名でもスコアの出方は変わります。つまり公開されている表は「同じ条件で並べた順位表」ではありません。
この構造を知らずに数値だけを比較すると、実際の使用感と印象が食い違います。判断材料にするなら、自社で扱う作業に近いタスクを用意して、同じ入力を各モデルに与えて比べるほうが確実です。
公式が体験面の差を認めている
公式は、Kimi K3 が総合的に競争力のあるモデルである一方、Claude Fable 5 と GPT 5.6 Sol と比べて利用体験の面で明確な差が残ると記載しています（出典: kimi.com）。
ベンダー自身がこう書いている点は、判断材料として扱いやすい情報です。スコアが近い水準でも、応答の安定性や扱いやすさは別軸だと公式が認めていることになります。
選び分けの目安
2026年7月時点で判断できる範囲を整理すると次のようになります（単価は 2026年7月時点、出典: kimi.com）。
| 観点 | Kimi K3 | 上位の非公開モデル（Claude Fable 5 / GPT 5.6 Sol） |
|---|---|---|
| モデルウェイト | Kimi K3 License のもとで公開 | 非公開でAPI経由の利用が前提 |
| 自社環境での実行 | 技術的には可能（vLLM / SGLang / TokenSpeed） | 不可 |
| コンテキスト長 | 1,048,576トークン | 各社の公開仕様を確認する必要がある |
| 入力単価の構造 | キャッシュヒット0.30ドル / ミス3.00ドル | 各社の公開単価を確認する必要がある |
| 利用体験の完成度 | 公式が差が残ると明記 | 公式が比較の基準として挙げた側 |
重みが公開されていることと、キャッシュが効く前提での単価の低さが Kimi K3 側の特徴です。応答の安定性や周辺ツールの成熟度を優先するなら、2026年7月時点では上位の非公開モデルに寄せる判断も成り立ちます。
Kimi K3を業務で使う前に確認したい注意点｜公式が明記した既知の制約
Kimi K3 の発表資料には、既知の制約が3点明記されています（出典: kimi.com）。ベンダー自身が公開している内容なので、導入検討時にそのまま確認項目として使えます。
- 思考履歴の扱いに敏感：Kimi K3 は思考の履歴を保持したまま動く前提で学習されています。呼び出す側の仕組みが過去の思考内容をすべて返さない場合、生成の品質が大きく不安定になると記載されています
- 先回りしすぎる場合がある：長時間の難しい作業を重視して学習された結果、細かい問題に遭遇した際に利用者の判断を待たず自分で決めてしまう場合があると説明されています
- 利用体験に差が残る：総合的には競争力があるものの、Claude Fable 5 と GPT 5.6 Sol と比べて体験面で明確な差があると記載されています
1点目と2点目は、自社のシステムに組み込むときに影響します。既存の仕組みに接続する際は、思考履歴を正しく引き渡せているかを最初に確認しておくと、品質のばらつきを仕様上の問題と切り分けられます。先回りの挙動は、途中で確認を挟む設計にしておくと制御しやすくなります。
全国8,000人調査で、AI活用方法によって生産性向上に約3.8倍の差が生まれることが判明。
Kimi K3のライセンスとデータの扱い｜稟議で必ず聞かれる3点
海外発のモデルを社内で使うと決めるとき、技術的な性能とは別に必ず確認される項目があります。Kimi K3 について押さえておきたいのは次の3点です。
関連記事：生成AIで気をつけるセキュリティとは？主要リスクと企業がとるべき対策を解説
商用利用の条件と規模の閾値
Kimi K3 のコードとモデルウェイトは、いずれも Kimi K3 License のもとで公開されています。商用利用は許可されていますが、規模に応じた条件が2つ設けられています。
ひとつは、モデルをサービスとして提供する事業者が、連続する12か月で総額2,000万ドルを超える場合に別途の取り決めが必要になる条項です（2026年7月時点のライセンス本文にもとづく記載です）。もうひとつは、月間の利用者数が1億人を超えるか月間の収益が2,000万ドルを超えるプロダクトでは、画面上に「Kimi K3」を明示する必要があるという条項です。社内での利用と、公式のプロダクト経由での利用は、これらの条件の対象外とされています。
多くの企業ではこの閾値に触れませんが、条文そのものを確認せずに「商用利用可」だけを稟議に書くと、後から前提が崩れます。ライセンス本文は公開されているので、検討時点の条文を保存しておくと説明の根拠になります。
データがどこへ渡るか
公式のアプリや API を使う場合、入力した内容は Moonshot AI 側のサーバーへ送信されます。企業向けの Kimi Enterprise ではデータの扱いに関する選択肢が用意されていると説明されています（出典: kimi.com）。
外部に出せないデータを扱う場合、選択肢は自社環境でウェイトを動かす方法に絞られます。ただし前述のとおり規模の壁があるため、実際には「外部に出せるデータの範囲で使う」か「そもそも使わない」かの判断になる場合が多くなります。まず社内の情報区分を確認し、どの区分までなら外部の API に渡してよいかを先に決めておくと、検討が止まりにくくなります。
前提が変わることを織り込む
公開直後のモデルは、料金体系も提供形態もライセンスも更新されます。思考の深さを選べるモードが後続の更新で提供される予定であることも、公式が明記しています（出典: kimi.com）。
このため、稟議資料に数値を書くときは取得日を添え、半年後に読み返す前提で作ると齟齬が起きにくくなります。長期の契約や大規模な組み込みを前提にする前に、まず小さく試して前提の変化に追随できる状態を作るほうが安全です。
新しいAIモデルを業務に取り入れるときに陥りがちな3つの落とし穴
性能の高いモデルが公開されると、社内で「これに乗り換えよう」という話が出ます。ただし、モデルを差し替えただけで成果が変わることはあまりありません。GiftX が現場で見てきた失敗は、次の3つに集約されます。
落とし穴1｜いきなり全ての業務で置き換えようとする
新しいモデルを既存の業務全体に一斉に適用しようとすると、検証すべき条件が増えすぎて判断できなくなります。GiftX の調査でも、AI活用の個人課題として「進化が速くキャッチアップできない」が25.7%で上位に挙がっています（複数回答）。全部を追いかけるより、対象を絞るほうが前に進みます。
落とし穴2｜壮大なAI戦略から考えて手が止まる
全社の方針を固めてから着手しようとすると、要件整理の段階で止まります。モデルの前提が半年で変わる領域では、方針を固め切るより先に小さな実績を作るほうが判断材料が集まります。
落とし穴3｜既製のチャット型AIでは業務フローに組み込めない
対話画面で試して良い応答が返ってきても、それは業務が自動化された状態ではありません。既製品のチャット型AIツールは自社業務へのカスタマイズが難しく、業務フローに組み込めるレベルの質に届かないことが多くあります。既存の手順のどこに差し込むかを設計しない限り、日々の作業時間は変わりません。
スモールスタートで1業務をAIエージェントに任せる
現実的な進め方は、対象を1業務に絞り、その業務をAIエージェントに任せる形まで作り切ることです。GiftX の調査では、AI活用のレベルによって成果実感に大きな差が出ています。
| AI活用レベル | 該当割合 | 生産性が明確に向上したと回答した割合 |
|---|---|---|
| チャット止まり（L1+L2） | 70.3% | 14.3% |
| AIエージェント化（L4） | 10.5% | 54.3% |
チャット相談で止まっている層が全体の約7割を占める一方、業務をAIエージェントに任せる段階まで進んだ層は約1割です。生産性が明確に向上したと回答した割合は、チャット止まり14.3%に対してAIエージェント化54.3%で、約3.8倍の差があります（全職種・生産性の明確な向上実感の比較）。モデルを新しいものに替えるより、1業務を任せ切る段階まで進めるほうが差が出やすいことになります。
詳細な調査データは「ビジネス職生成AI活用実態調査（2026年版）」にてご覧ください。
GiftX では、こうしたスモールスタート前提のAIエージェント構築を1業務単位から伴走支援しています。詳細は AIエージェント構築支援サービス をご覧ください。
Kimi K3に関するよくある質問
Kimi K3は無料で使えますか？
無料の Adagio プランがあり、kimi.com やモバイルアプリから対話形式で試せます。ただし同時に動かせる自動処理は1件までなどの制限があり、約100万トークンの長い対話が使えるのは Allegro 以上のプランです（2026年7月時点、出典: kimi.com）。応答の質を確かめる用途には無料プランで足ります。
日本語で使えますか？
Kimi K3 は多言語に対応しており、日本語での対話も可能です。ただし公式が日本語に特化した性能を数値で公開しているわけではありません。日本語の実務で使えるかどうかは、自社で扱う文書や指示文をそのまま入力して確認するのが確実です。
商用利用はできますか？
Kimi K3 License のもとで商用利用が許可されています。ただしモデルをサービスとして提供する事業者が連続12か月で総額2,000万ドルを超える場合は別途の取り決めが必要とされ、月間利用者数1億人超などの大規模なプロダクトでは画面上への「Kimi K3」表示が求められます（2026年7月時点のライセンス本文にもとづく記載です）。検討時点のライセンス本文を確認してください。
自社サーバーで動かせますか？
モデルウェイトが公開されており、推論エンジンとして vLLM、SGLang、TokenSpeed が挙げられています。ただし総パラメータ2.8兆という規模のため、4ビット相当の量子化でも単純計算で重みだけで1テラバイトを超えます。一般的な社内サーバーで動かせる規模ではないため、まずは API から検討する順序が無理のない範囲で進められます。
前世代のKimi K2から乗り換えるべきですか？
公式は前世代比でスケーリング効率が約2.5倍改善したと説明しています（出典: kimi.com）。一方で公開直後は思考の深さが最大設定で固定されており、短い応答を速く返す用途では過剰になる場合があります。自社の用途で同じ入力を両方に与え、応答の質と単価の両面で比べてから判断するのが確実です。
まとめ
Kimi K3 は、総パラメータ2.8兆と約100万トークンのコンテキスト長を備え、モデルウェイトが公開されている点に特徴があります。API の入力単価はキャッシュが効けば100万トークンあたり0.30ドルですが、効かない場合は3.00ドルになるため、試算はキャッシュミスを前提に置くほうが安全です。公開されているベンチマークは評価環境がモデルごとに異なるため、順位表として読まず、自社の作業に近いタスクで比べる必要があります。またライセンスには規模に応じた条件があり、データの送信先も含めて検討時点の条文を確認しておくことが求められます。そのうえで進め方としては、モデルを新しいものに替えることを目的にせず、1業務をAIエージェントに任せ切る段階まで作ることが成果につながります。
AI活用の伴走支援をご検討の方へ
本記事で整理した Kimi K3 のような新しいモデルを、自社の業務でどう使うかを具体的に進めたい・相談したいとお考えの方は、ぜひ GiftX AIエージェント構築支援までお問い合わせください。
GiftX AIエージェント構築支援では、貴社の業務に合わせて1業務単位のスモールスタートから本番運用まで、AIエージェント構築をワンストップで支援します。ユースケースの洗い出しから、PoC、本番運用、社内ナレッジ化まで伴走します。
AI活用にご関心のある方は、ぜひ一度ご相談ください。
▶ GiftX AIエージェント構築支援の詳細・お問い合わせはこちら
