Kimi K3とは？特徴・料金・使い方と商用利用の注意点を解説

Kimi K3とは、Moonshot AIが2026年7月16日に発表した、2.8兆パラメータの大規模AIモデルです。1Mトークンのコンテキストウィンドウとネイティブな視覚理解を備え、長期のコーディング、ナレッジワーク、推論向けに設計されています。Kimi.com、Kimi Work、Kimi Code、Kimi APIで使えるほか、モデルウェイト一式と技術報告書が公開されています。

Kimi K3の注目点は「2.8T」という数字だけではありません。総パラメータのすべてを毎回動かすのではなく、Mixture of Experts（MoE）構造で896のエキスパートから16を有効化します。大規模化と推論効率を両立する設計です。

一言でいうと：Kimi K3は、最上位の独自モデルに近い能力を目指しながら、モデルウェイトを取得して研究・配備・改変できる選択肢を提供する大規模なオープンウェイトモデルです。

よくある誤解

• 「2.8兆パラメータすべてを毎回計算する」わけではありません。MoEにより一部のエキスパートを有効化します。
• 「ウェイト公開＝制約のないオープンソース」ではありません。Kimi K3独自ライセンスの条件確認が必要です。
• 「GPT-5.6やClaudeを全面的に上回った」と公式が説明しているわけではありません。Moonshot AI自身が、全体性能はClaude Fable 5とGPT-5.6 Solにまだ届かないと注記しています。

執筆: PolarisX 編集部（AI活用の実務者チーム）。AI社員「Polaris AI」の開発と、自社AI社員組織の運用に携わるメンバーが執筆しています。

Kimi K3とは｜2.8T・1Mコンテキストのオープンウェイトモデル

Kimi K3は、Moonshot AIが長期コーディング、エンドツーエンドのナレッジワーク、推論を主な用途として公開したフラッグシップモデルです。公式技術ブログは「世界初のオープンな3T級モデル」と説明していますが、これは提供元の表現です。確認できる事実としては、総パラメータ数が2.8兆、コンテキストウィンドウが1Mトークン、視覚理解をモデルに統合し、モデルウェイト一式が公式GitHubで公開されている点が重要です。

主要仕様を整理すると次のようになります。

Moonshot AIの評価では、Kimi K3は同社がテストしたオープンモデル群に対して高い結果を示したとされています。一方、同じ公式記事は、総合性能ではClaude Fable 5とGPT-5.6 Solという最上位の独自モデルにまだ及ばないと明記しています。個別ベンチマークで勝ったという見出しと、モデル全体の優劣は分けて読む必要があります。

Kimi K2.6との違い

Kimi K3はK2.6の単純な置き換えではありません。公式モデル選択ガイドでは、K3を長期コーディング、エンドツーエンドのナレッジワーク、推論に向くフラッグシップ、K2.6をチャット、コーディング、視覚理解、エージェント用途に対応するモデルとして案内しています。

長い資料やコードを横断し、複数工程を最後まで進める品質を優先するならK3が候補です。短い会話、思考なしの低遅延処理、動画入力が必要な処理では、K2.6も比較対象に残します。新しい世代だから一律にK3へ移すのではなく、入力形式、待ち時間、費用を含めて選びます。

なぜKimi K3は2.8Tを効率的に動かせるのか

Kimi K3の技術的な特徴は、2.8Tという総規模、必要な専門部分を選ぶMoE、長い文脈を効率的に扱うKimi Delta Attention、層をまたいで過去の表現を選択的に参照するAttention Residualsです。これらは、大量のパラメータを持ちながら長期タスクへ計算を配分するための設計です。ただし、モデル規模が大きいこと自体は、回答品質、速度、導入しやすさを自動的に保証しません。

2.8Tと「16/896」の意味

2.8Tは、モデル全体が持つ総パラメータ数です。Kimi K3はStable LatentMoEを採用し、推論時には896のエキスパートのうち16を選んで有効化します。質問や文脈に応じて専門部分を使い分けるため、全エキスパートを毎回同時に計算する密なモデルとは負荷の構造が異なります。

ただし、動かす部分が一部だからといって、モデル全体を小さな端末へ簡単に置けるわけではありません。配備側はウェイトを保存し、必要なエキスパートを高速に読み出し、複数の計算装置へ割り当てる必要があります。Moonshot AIはMXFP4のウェイトとMXFP8のactivationを使った量子化対応学習を説明していますが、それでも2.8T級です。「オープンだから手元のPCで動く」とは考えず、公式の配備情報と利用する推論基盤の対応を確認します。

KDAとAttention Residuals

Kimi Delta Attention（KDA）は、長い系列でattentionを拡張するための基盤です。Attention Residualsは、層が深くなるにつれて情報を一様に積み重ねるのではなく、深さ方向の過去表現を選択的に取り出します。公式は、この2つを2.8T規模へ安定して拡張する中核技術と説明しています。

利用者にとって重要なのは名称を覚えることではありません。1Mコンテキストへ長いコードや資料を入れたときに、前半・中盤・後半の指示と根拠を維持できるかを、自社データで検証することです。長文対応の公称値と、必要情報を正しく回収できる実効品質は別に測ります。

ネイティブな視覚理解

Kimi K3は視覚理解をモデルに統合しています。画像説明、OCR、図表の解釈などが候補になり、Kimi製品では文書・スライド・Web制作などの視覚的な成果物にも使われています。ただしKimi APIのモデル選択ガイドでは、PPT生成APIとDeep Research APIは現時点で未対応とされています。Web製品で見える機能が、そのままAPI機能として提供されるとは限りません。

公式ベンチマークの読み方

Kimi K3の公式ベンチマークは、オープンモデルとしての到達点や得意領域を知る材料になります。ただし、結果はMoonshot AIの評価条件によるもので、プロンプト、推論量、ツール、エージェント基盤、コンテキスト管理が変われば順位も変わりえます。競合モデルとの表で一部の勝敗だけを見るのではなく、公式が併記する制約や総合評価まで確認します。

自社評価では、長文なら先頭・中央・末尾の根拠回収率、コーディングならテスト通過率、視覚理解ならOCRと図表の正答率、エージェントなら承認境界を守った完了率を測ります。K3は思考履歴の扱いにも敏感なため、モデル単体ではなく、実際に使うハーネスを含めて比較する必要があります。

オープンウェイトで何ができるか｜オープンソースとは分けて考える

Kimi K3は、モデルウェイト一式、技術報告書、関連ファイルをMoonshot AIの公式GitHubで公開しています。ウェイトを取得できるため、研究、独自環境への配備、追加学習、改変、派生物の作成を検討できます。一方、利用条件はKimi K3 Licenseで定められており、一般的なOSSライセンスと同一ではありません。そのため、本記事では「オープンソース」ではなく「オープンウェイト」と表現します。

オープンウェイトで得られる主な選択肢は次のとおりです。

• 自社または選定したクラウド環境へモデルを配備する
• 特定業務向けに追加学習・微調整を検討する
• 推論処理、出力制御、監視方法を自社要件に合わせる
• モデルの仕組みとウェイトを研究・検証する
• 単一API提供者への依存を下げる構成を検討する

ただし、自由度が増えるほど運用責任も増えます。推論基盤、可用性、セキュリティ更新、モデル評価、監視、ログ、ライセンス遵守を自社側で持つ必要があります。APIを使う場合はMoonshot AI側が推論基盤を運用しますが、自社配備ではこれらが利用者の仕事になります。

Kimi K3 Licenseの主な条件

Kimi K3 Licenseは、利用、複製、改変、配布、サブライセンス、販売、配備、微調整、派生物作成を広く認めています。ただし、次の条件があります。

• 著作権表示と許諾表示を、複製物または重要部分に含める
• 適用される法令を守る
• Model as a Service事業を運営し、ライセンシーと関連会社の合計売上が連続する12か月で2,000万米ドルを超える場合、商用利用前にMoonshot AIとの別契約が必要
• Kimi K3または派生物を使う商用製品・サービスが月間1億人超の利用者、または月間売上2,000万米ドル超の場合、UI上で「Kimi K3」を目立つ形で表示する
• 上記の売上・表示条件は、第三者へモデル・出力・能力を提供しない社内利用、またはMoonshot AI公式製品・認定推論パートナー経由の利用には適用されない

これはライセンス本文の要約であり、法的助言ではありません。商用提供、再配布、派生モデル公開、規模条件に近い利用では、必ず最新の原文と専門家の確認を優先してください。

Kimi K3の利用手順｜5つの経路から選ぶ

Kimi K3は、すぐ試すWebサービスから、自社でモデルウェイトを配備する方法まで複数の経路があります。モデルを知りたい段階でいきなりセルフホストを選ぶ必要はありません。WebまたはAPIで代表タスクを評価し、データ配置、改変、供給者依存などに明確な要件がある場合にだけ、自社配備の費用と責任を比較する順序が現実的です。

日本語で使う場合も、まず自社の文章、固有名詞、帳票、コードコメントを含む評価セットを用意してください。公式サイトの情報は英語中心であり、「日本語入力が通る」ことと「敬語、業界用語、検索、長文で必要品質を満たす」ことは別です。日本語性能を一律に断定せず、用途別の合格率で判断します。

OpenAI API形式との互換性

Kimi APIの公式概要では、OpenAI API形式との互換性が案内されています。既存のOpenAI対応SDKを使う場合は、ベースURLを https://api.moonshot.ai/v1、モデルを kimi-k3 に設定して接続できます。ただし「API形式が互換」であることは、全パラメータ、思考履歴、ツール動作、エラー処理まで完全に同じという意味ではありません。

Kimi API、Kimi Membership、Kimi Codeなどは別の製品で、APIキーや残高を共用できない場合があります。既存アプリの移行では、認証、対応パラメータ、thinking history、ストリーミング、ツール呼び出し、利用量の取得をテストし、SDKの接続先だけを変えて本番投入しないようにします。

Kimi K3のAPI料金の目安

2026年7月31日時点のKimi K3 API料金は、100万トークンあたり、キャッシュヒット入力0.30ドル、キャッシュミス入力3ドル、出力15ドルです。コンテキストウィンドウは1,048,576トークン。Kimi K3は常にthinking modeで動き、reasoning_effort は low、high、max から選べ、公式モデル選択ガイドでは既定値が max とされています。

価格は公式のKimi K3料金ページに基づきます。同じ長い指示や資料を繰り返す業務では、キャッシュヒット時の入力費用が通常の10分の1です。一方、一度しか使わない巨大入力ではキャッシュの利点が出ません。常時thinkingのため、見える回答文字数だけで出力費用を見積もらず、APIのusageを記録します。

会員プランも提供されていますが、価格、クレジット、同時実行数、1Mチャットの対象プランは変わりやすい情報です。個人利用では公式の会員ページ、アプリ組み込みではAPI価格ページを分けて確認してください。

活用ケース｜Kimi K3が向いている用途・向かない用途

Kimi K3の強みが出やすいのは、長い文脈、視覚情報、複数工程、オープンウェイトの自由度に意味がある仕事です。長期コーディング、複数文書の調査、画像を含む資料理解、モデル配備や改変の研究が候補です。反対に、短い定型処理、低遅延が最優先の処理、推論基盤を持たない小規模チームのセルフホストでは、K3の規模と常時thinkingが過剰になる可能性があります。

向いている場面

• 大きなコードベースをまたぐ長期の実装・改修
• 多数の文書と画像を横断するナレッジワーク
• 1Mコンテキストを必要とする長い調査・会話
• モデルウェイトを使った研究、追加学習、独自配備
• モデル提供者を選べる構成や、独自の監視・制御が必要

別の選択肢を先に見る場面

• 単純な分類・抽出を大量に処理し、速度と単価が最優先
• API評価だけで要件を満たし、モデルウェイトを持つ理由がない
• 推論基盤、監視、セキュリティ更新を担当するチームがいない
• 商用提供のライセンス条件をまだ確認できていない
• 最上位の独自モデルと同等以上の総合性能が必須

Moonshot AI自身が、総合性能ではClaude Fable 5とGPT-5.6 Solにまだ届かないと説明しています。したがって、Kimi K3の価値は「すべてのモデルより賢い」ことではなく、高い能力を持つ大規模モデルのウェイトへアクセスできる点、Kimi製品・API・独自配備を選べる点にあります。

導入失敗を防ぐ注意点｜思考履歴と過度な先回り

Kimi K3の公式ブログは、モデルの弱点を2つ明記しています。1つ目は思考履歴への感度です。K3は過去のthinking historyを保持する形で学習されているため、エージェント基盤が必要な思考内容を履歴へ戻さなかったり、別モデルで進めたセッションの途中からK3へ切り替えたりすると、生成品質が大きく不安定になる可能性があります。2つ目は過度な先回りです。長期の難題を完了する訓練により、曖昧な場面で利用者に代わって予想外の判断をすることがあります。

対策は次のとおりです。

• K3との互換性が確認されたハーネスを使う
• セッション途中で別モデルからK3へ切り替えない
• thinkingを含む必要な履歴を、API仕様どおり保持する
• 曖昧な場合に質問する条件を明示する
• 削除、外部送信、購入、公開、デプロイは事前承認にする
• 変更できるファイル・データ・期間・金額の上限を指定する
• 代表タスクで、不要な先回り操作がゼロか評価する

私たちがAIエージェントの選定で重視するのは、自律性の高さより、権限境界を守って仕事を完了できることです。Kimi K3が成果物を作れても、承認前に外部公開する、指定外のファイルを変更する、曖昧な要件を勝手に補うなら、その運用は不合格です。高い自律性を使うほど、停止条件と承認点を具体化します。

法人利用で確認するデータ処理・レート制限・SLA

Kimi APIのデータセキュリティ案内は、APIへ送信した入力と出力をモデル学習に使わないこと、HTTPS/TLSによる通信、データ分離、アクセス制御を説明しています。ただし、これだけで各社のセキュリティ要件を満たすとは限りません。保存期間、処理・保存地域、削除手順、監査、DPA、障害時の通知、SLAは、契約するAPIや推論事業者について個別に確認します。Web版や会員サービスの条件をAPIへ、そのまま当てはめないことも重要です。

公式のレート制限ガイドでは、同時実行数、RPM、TPM、TPDによる制限が案内され、アカウント条件によって上限が変わります。本番設計では平均件数だけでなくピーク時の同時実行、1Mコンテキスト利用時のTPM、429エラーの再試行、キュー、縮退先を確認します。標準上限やSLAで要件を満たせない場合は、公開ページだけで断定せず、Moonshot AIまたは利用する認定推論パートナーへカスタム枠と契約条件を確認してください。

採用判断チェックリスト｜APIか公開ウェイトか

Kimi K3を採用するかは、API性能の比較と、ウェイトを持つ価値の判断を分けます。まずKimi APIまたは公式製品で、品質、速度、費用、日本語、ツール利用を確認します。その結果が合格し、さらにデータ配置、改変、研究、供給者依存などで独自配備が必要な場合にだけ、推論基盤とライセンスを含む自社ホスト評価へ進みます。

判断は次の3段階で行えます。

1. 公式製品で試す：Kimi.com、Kimi Work、Kimi Codeで、モデルの成果物と操作傾向を知る。
2. APIで組み込む：自社の代表タスクを固定し、キャッシュを含む1件あたり費用、履歴互換性、承認境界を測る。
3. ウェイト配備を検討する：APIでは満たせない明確な要件があり、推論・監視・セキュリティ・ライセンスを担当できる場合だけ進む。

自社ホストの理由が「オープンだから何となく安心」だけなら、要件が不足しています。何を自社で制御したいのか、API利用ではなぜ不十分か、運用担当者を誰にするかを文章にできなければ、まずAPI評価に留めるほうが合理的です。

用語の要点

• Kimi K3は、2.8T総パラメータ、1Mコンテキスト、ネイティブビジョンを備えたMoonshot AIのフラッグシップモデル。
• 896エキスパートのうち16を有効化するMoE構造で、モデルウェイト一式はKimi K3 Licenseの下で公開されている。
• 導入判断では、性能だけでなく、思考履歴の互換性、過度な先回り、推論基盤、ライセンス条件を確認する。

よくある質問

Q. Kimi K3とは何ですか？

Kimi K3は、Moonshot AIが2026年7月16日に発表した2.8TパラメータのAIモデルです。1Mトークンのコンテキスト、ネイティブな視覚理解、長期コーディング・ナレッジワーク・推論向けの設計を特徴とし、APIと公式製品に加えてモデルウェイト一式も公開されています。

Q. Kimi K3はオープンソースですか？

モデルウェイト一式と技術報告書は公開されていますが、利用条件はKimi K3独自ライセンスです。一般的なOSSライセンスと同一だと誤解しないよう、本記事ではオープンウェイトと表現しています。商用利用や再配布では最新のライセンス原文を確認してください。

Q. Kimi K3のAPI料金はいくらですか？

2026年7月31日時点では、100万トークンあたりキャッシュヒット入力0.30ドル、キャッシュミス入力3ドル、出力15ドルです。K3は常時thinkingで、reasoning effortはlow・high・maxから選べます。会員プランの料金や上限は別に確認してください。

Q. Kimi K3を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いるため独自配備は検討できます。ただし2.8T級のMoEモデルであり、保存、分散推論、監視、更新を扱う大規模な基盤と専門性が必要です。一般的なPCで簡単に動かせる前提ではなく、対応する推論基盤と公式配備情報を確認してください。

Q. Kimi K3はGPT-5.6やClaudeより高性能ですか？

一律には言えません。Moonshot AIは、自社評価で高い結果を示す一方、総合性能ではClaude Fable 5とGPT-5.6 Solにまだ及ばないと説明しています。Kimi K3の大きな差は、最上位モデルに近い能力を目指しつつウェイトが公開されている点です。自社タスクで比較してください。

Q. Kimi K3は商用利用できますか？

ライセンスは商用利用を含む広い権利を認めていますが、Model as a Service事業の売上条件や、大規模な商用製品・サービスでの名称表示条件があります。社内利用と公式・認定パートナー経由には一部条件の例外があります。本記事は法的助言ではないため、実際の事業形態に合わせて原文と専門家を確認してください。

オープンウェイトモデルを業務へ組み込むか迷っている方へ：PolarisXは、モデルの性能比較だけでなく、データ配置、権限、承認、監視まで含めたAI社員組織と司令塔AI社員「Polaris AI」を設計しています。API利用と独自配備のどちらが自社要件に合うかを整理したい場合は、contact@polarisx.ltd へご相談ください。サービスの考え方は polarisx.ltd でご覧いただけます。

この記事について

PolarisX編集部（AI活用の実務者チーム）は、司令塔AI社員「Polaris AI」の開発と、自社AI社員組織（複数部門で約20のAIエージェント）の運用実務に携わるメンバーで構成しています。本記事は、Moonshot AIの公式技術ブログ、モデルガイド、料金、公開ウェイト、ライセンスを照合し、業務へ導入する際の評価・権限設計の判断基準を加えてまとめました。ライセンスの説明は法的助言ではありません。内容のご指摘・ご相談は contact@polarisx.ltd へ。

参考文献

• Kimi K3: Open Frontier Intelligence（Moonshot AI、2026年7月16日）
• MoonshotAI/Kimi-K3（公式GitHub）
• Kimi K3 License（Moonshot AI）
• Kimi K3 Pricing Explained（Kimi、2026年7月28日）
• Model selection（Kimi Help Center）
• API overview（Kimi Help Center）
• API troubleshooting（Kimi Help Center）
• API data security（Kimi Help Center）
• API rate limits（Kimi Help Center）