Kimi K3を整理: 2.8T、100万文脈、API価格、初期ユーザー評価

2026年7月17日 時点で、Moonshot AI は Kimi K3 を正式に公開しています。スペックだけを見ても、今回の更新はかなり目を引きます。2.8T パラメータ、100万トークン文脈、ネイティブ視覚、複数サービス面での提供、OpenAI 互換 API。さらに Moonshot 自身が long-horizon coding、knowledge work、reasoning を重視するフラッグシップとして位置づけていることを踏まえると、K3 は Kimi 系列でこれまででもっとも重要な世代更新と見てよさそうです。

ただし、本当に重要なのは「大きくなった」ことそのものではありません。Moonshot は Kimi K3 を、open-weight フラッグシップ と agent workflow の土台 に近い方向へ押し出そうとしています。一方で、公開直後の開発者の反応を見ると、期待だけで語れる状態でもありません。能力は強いが、遅い、高い、出力が長い、そして reasoning のコントロール性がまだ低い。これが初期評価の大枠です。

中国モデル全体の流れもあわせて見たいなら、以前まとめた 2026年の中国LLM情勢: モデル・プロダクト・エコシステムはどう再編されているのかが参考になります。open-weight と API 製品化のバランスを比較したい場合は、DeepSeek V4プレビュー公開: 100万トークン文脈、Flash/Pro、新API価格を整理もあわせて読むと位置づけが見えやすくなります。

Kimi K3 では実際に何が公開されたのか

Moonshot AI が 2026年7月16日 に公開した公式ブログによると、Kimi K3 の基本情報は次のように整理できます。

総パラメータ数は 2.8T
コンテキスト長は 100万トークン
ネイティブの視覚入力に対応
Kimi Delta Attention（KDA） と Attention Residuals（AttnRes） を採用
Moonshot はこれを "world's first open 3T-class model" と表現

ただし、ここには時間差があります。

同じ公式ブログでは、Kimi K3 が Kimi.com、Kimi Work、Kimi Code、Kimi API ですでに利用可能 だとする一方で、完全なモデルウェイトの公開は 2026年7月27日ごろ と案内しています。より詳しい技術レポートも後日公開予定です。つまり、2026年7月17日時点の K3 は、すでに使える製品ではあるものの、「すべてのウェイトが出そろった完成形」ではまだない ということです。

この違いは重要です。"open 3T-class model" という表現だけを見ると、「もう完全公開された」と受け取りやすいからです。より正確に言えば、Moonshot は K3 を open-weight 路線の旗艦として明確に位置づけているが、ウェイト公開日は製品公開日より後ろに置かれている、という理解になります。

まずは見た目で全体像をつかみたい場合、公式の benchmark と coding benchmark は次のようになっています。 Kimi K3 公式 benchmark Kimi K3 公式 coding benchmark

フロントエンド生成の位置づけを知りたい場合は、第三者の Arena ランキングも補助線として使えます。 Kimi K3 Arena フロントエンド coding ランキング

API はすでに公開済みで、K2.6 より攻めた位置づけになっている

Kimi API ドキュメントのインデックスと API Quickstart から、kimi-k3 がすでに Moonshot の正式な API ラインに入っていることは確認できます。接続形式は引き続き OpenAI 互換 で、基本の base_url は次の通りです。

https://api.moonshot.ai/v1

つまり、すでに OpenAI 互換 API を前提にしたツールチェーンを持っているチームなら、接続そのもののハードルはそれほど高くありません。さらにドキュメント索引には、Kimi K3 向けのガイドとして次のようなページが並んでいます。

Kimi K3 Quickstart
Kimi K3 API Tool Calling Best Practices
Build an Agent with Kimi K3
Use Kimi API in Codex
Use Kimi in Claude Code
Use Kimi in Cline

この並びが示しているのは明快です。K3 は「少し賢いチャットモデル」としてだけではなく、coding agent、tool calling、複数ツールを組み合わせる workflow の中核として設計されている ということです。

価格は公開済みだが、「安さで勝つ」モデルではない

今回のリリースで重要なのは、API 価格もすでに出ていることです。

公式ブログと Kimi K3 の価格ページによると、現在の価格は次の通りです。

項目	価格
Cache-hit input	`$0.30 / 100万 tokens`
Cache-miss input	`$3.00 / 100万 tokens`
Output	`$15.00 / 100万 tokens`

Kimi の前世代を見てきた人ほど、この数字から路線変更を感じるはずです。K3 は「とにかく安い中国モデル」として売られているわけではありません。

Simon Willison の初日レビューでも、K3 の入出力価格は Anthropic の Claude Sonnet 系にかなり近く、Kimi K2.6 より明らかに高いと指摘されています。つまり Moonshot は今回、K3 を「安価な代替品」としてではなく、frontier 級に近い open フラッグシップ として見せようとしているわけです。

そのため、初期コミュニティの議論でも「安いかどうか」より、reasoning token まで含めた実運用コストは本当に有利なのか という点のほうが強く問われています。

Moonshot が強調したいのは、単なる大規模モデルではないこと

公式ブログ全体を読むと、Moonshot が本当に売りたいものは別にあります。K3 は単発のチャット回答モデルではなく、長い作業をこなす実行モデルだ という見せ方です。

公式の showcase や benchmark の文脈でも、繰り返し出てくるのは次のような場面です。

長時間のコード生成とリポジトリ探索
GPU kernel の最適化
GPU compiler のゼロからの構築
視覚フィードバックを含むフロントエンド、ゲーム、CAD 系の作業
研究型の knowledge work と対話的レポート生成
複数ターン、複数ツール、複数エージェントの協調

だからこそ Moonshot は、Kimi K3 が KDA、AttnRes、より高い疎性を持つ Stable LatentMoE を採用し、Kimi K2 比で 約 2.5 倍の overall scaling efficiency を達成したと説明しています。もちろんこれは公式側の主張ですが、少なくとも今回の中心メッセージが「大きな汎用モデルを作った」ではなく、

超大規模 open model を、実際の agent workflow で使えるところまで押し込もうとしている

という方向にあることははっきりしています。

公式 benchmark から何が読み取れるか

上の benchmark 画像も踏まえて整理すると、いちばん大事な要点はシンプルです。Kimi K3 は総合ではまだ Claude Fable 5 と GPT 5.6 Sol に及ばないが、Moonshot の比較表では、それ以外の比較対象より安定して上にいる ということです。

この benchmark をざっくり読むなら、次の3点にまとめやすいです。

複数の coding benchmark で、Kimi K3 はすでに第一梯隊に入っている
agentic workflow や tool use における狙いがかなり明確
reasoning・knowledge・vision でも、狭い特化モデルではなく総合旗艦を目指している

ここで注目したいのは、Moonshot の書き方です。K3 を「最上位の closed model を全面的に超えた」とは言っていません。むしろ Claude Fable 5 と GPT 5.6 Sol が依然として上にいることを認めています。この抑制の効いたトーンは、かえって benchmark の読みやすさにつながっています。

ただし、benchmark はあくまで benchmark です。やはり重要なのは、第三者観測と初期ユーザーの実感です。

第三者観測: 能力は高いが、速度と verbosity は代償になっている

2026年7月17日 時点で、第三者の見方として比較的参考にしやすいのが Artificial Analysis の Kimi K3 ページです。

Artificial Analysis Kimi K3 ページ

ここで出ている数字のうち、特に示唆的なのは次の点です。

Kimi K3 の Artificial Analysis Intelligence Index は 57。比較として Claude Fable 5 は 60、GPT-5.6-Sol-Max は 59
出力速度はおよそ 62 tokens/s
この速度は 同価格帯の reasoning モデルの中央値を下回る
Intelligence Index 評価では 130M output tokens を生成
出力量が同価格帯の中央値より大幅に多く、かなり verbose であることを示している

Artificial Analysis の要約はかなり率直です。能力は前列に入っているが、遅く、高く、しかもかなり冗長 だという評価です。

これは Moonshot の見せ方と矛盾しているわけではありません。Moonshot が売っているのは「最少 token 効率」ではなく、「frontier 級の能力」です。ただ、従量課金 API の世界では、強い reasoning はそのまま token 増加、待ち時間増加、実効コスト増加につながりやすい という現実があります。

初期ユーザーは何を気にしているのか

Hacker News のスレッドと Simon Willison の初日レビューをあわせて見ると、気にされている論点は主に4つです。

1. 現時点では `max` reasoning しか使えない

Moonshot の公式ブログでは、Kimi K3 がリリース時点で max thinking effort を使い、低め・高めの reasoning mode は今後追加すると書かれています。

これは小さな注意点ではありません。多くの本番運用で必要なのは「常に最強の答え」ではなく、品質・遅延・コストのバランスを自分で選べること だからです。公開時点で max しかないということは、K3 がまだ常時フルスロットルの機械に近い、ということでもあります。

Simon Willison も同じ点をかなり具体的に指摘しています。たとえば「自転車に乗るペリカンの SVG を作る」という比較的単純なテストでも、K3 は 16,658 output tokens を使い、そのうち 13,241 が reasoning tokens でした。

2. 出力が長く、表面上の単価だけでは比較できない

HN の議論でよく出てくるのは、100万 token あたりの単価だけ見ても意味がなく、そのタスクを終えるために reasoning token をどれだけ消費するかを見ないと比較にならない という指摘です。

そのため、一部のコメントでは、Kimi K3 が紙面上は Claude Fable 5 や GPT 5.6 Sol より安く見えても、同程度の結果に達するまでに多くの reasoning token を使うなら、その価格優位はすぐ薄れる と言われています。

Artificial Analysis も、ここでは別の比較軸を出しています。測定された cost per task は Kimi K3 が約 $0.94、GPT 5.6 Sol が $1.04 です。これは K3 に価値がないという意味ではありません。ただ、単純な価格破壊モデルではない ことはかなりはっきりしています。

3. 速くはなく、timeout に当たったという報告もある

HN で初期 benchmark を投稿した開発者は、Kimi K3 が max reasoning しか使えず、全体として遅め であることに加え、一部リクエストで timeout に当たり、コーディングのデモもデフォルト timeout では失敗したと書いています。

これは Artificial Analysis の「同価格帯中央値より遅い」という観測とも整合します。待ち時間を許容できる重い作業なら致命傷ではないかもしれませんが、頻繁な往復が必要な対話型 workflow では、初期状態の K3 はまだ使い心地に粗さが残る と見ておくほうが自然です。

4. tool calling と schema 互換性にはまだ調整余地がある

同じ HN の benchmark 投稿では、tool calling や response_format schema 周りで互換性の問題があり、たとえば tools.function.parameters 内の anyOf が API で拒否された例も挙げられています。

これは K3 の tool 能力が弱いというより、モデル本体の能力に対して、周辺の API 互換レイヤー、実装、各種 agent フレームワークとの接続がまだ追いついていない と読むほうが現実的です。

通常のチャット用途では見えにくい問題ですが、agent 製品、automation pipeline、coding harness を組んでいるチームにとっては、こうした端の互換性こそが「今すぐ本番投入できるか」を左右します。

いま時点での結論

2026年7月17日 までに公開されている情報を一文に圧縮するなら、Kimi K3 はこう表現できます。

Moonshot にとって最も野心的な旗艦モデルであり、中国発 open-weight 路線の中でも特に注目に値する一歩である。ただし公開初期の K3 は、遅延、コスト、開発者体験まで含めて完成された日用品というより、非常に強力だがまだ調整途中のエンジンに近い。

その意味で、K3 を特に追う価値があるのは次の3タイプです。

次の本格的な open-weight フラッグシップ を追っている開発者・研究者
長時間 coding、tool use、multi-agent workflow を重視するチーム
中国モデルが closed 最前線の製品体験にどこまで近づいているかを見たい人

逆に、優先順位が次のような場合は、

とにかく低遅延
できるだけ大きい価格優位
schema / tool 互換性の安定
すぐ本番投入できる導入しやすさ

現時点の Kimi K3 は、即時の全面採用 よりも 評価・試用・benchmark 用途 のほうが向いています。

FAQ

Kimi K3 はもう完全に公開されているのか

まだそうとは言えません。Moonshot の 2026年7月16日 の公式ブログによれば、Kimi K3 自体はすでに利用可能ですが、完全なモデルウェイトの公開は 2026年7月27日ごろ と案内されています。したがって 2026年7月17日 時点では、製品は出ているが、完全なウェイト公開はまだ先 という表現が正確です。

Kimi K3 の最大の売りは何か

現時点で最も分かりやすい強みは、2.8T 規模、100万トークン文脈、ネイティブ視覚対応、そして long-horizon coding・knowledge work・agent workflow への明確な最適化 です。

いま見えている一番大きな弱点は何か

公式側の制約と初期ユーザー評価を合わせると、主な弱点は max 専用 reasoning、冗長な出力、速度面の弱さ、そして tool 周りの互換性がまだ粗いこと です。