見出し画像

MoonshotAI楊植麟「Kimi K3」を読む前半

香川友志

2.8兆パラメータ、100万トークン、ネイティブ・マルチモーダル——中国のオープンモデルはFable 5、GPT-5.6 Solにどこまで迫ったのか

最終更新：2026年7月23日

2026年7月16日、北京のMoonshot AI（月之暗面）は、2.8兆パラメータ、100万トークンの文脈、ネイティブ視覚能力を備えた「Kimi K3」を公開した。

K3は、Kimi Delta Attention、Attention Residuals、896エキスパート中16を活性化する超疎MoEを統合した3Tクラスモデルである。Moonshot AIは「世界初のオープンな3Tクラスモデルになる」と位置づけ、完全なモデルウェイトを2026年7月27日までに公開すると説明している。ただし、2026年7月23日時点ではウェイトとライセンスは未公開であり、現段階ではAPIで提供されるプロプライエタリモデルとして扱うのが正確である。

発表直後には「Claude Fable 5やGPT-5.6 Solを超えた」という見出しが広がった。しかし、Moonshot AI自身は、K3の総合性能が両モデルになお及ばないと明記している。正確な評価は、総合首位ではないが、オープンウェイト候補として世界最上位圏に入り、長期コーディング、検索、業務自動化、表計算、文書理解など一部の実務領域では米国の最先端モデルを上回った、である。

第三者評価もこの位置づけをおおむね裏づけた。Artificial AnalysisのIntelligence Indexでは57点を記録し、公開直後は3位、その後のランキング更新では4位となった。ArenaのWebDev評価では、K3が1,757票・1679点で暫定首位を記録している。ただし、順位と信頼区間には「Preliminary（暫定）」表示が付いている。一方、速度、出力量、長時間タスクの費用、プレゼンテーション品質には明確な弱点も確認された。

また、K3の登場を米国株下落の単一原因とみなすのは慎重であるべきだ。発表当日のテクノロジー株は序盤に売られたものの、下げ幅を大きく縮小した。K3は米国AI企業にとって競争上の脅威である一方、データセンター建設、電力投資、半導体調達、規制緩和を正当化する材料にもなった。

本稿は、Kimi公式技術ブログとAPI情報、Artificial Analysis、Arena、Reuters、Bloombergなどを照合し、技術、ベンチマーク、製品、経営戦略、資本市場への影響を一つの流れに整理する。公式発表、第三者評価、報道ベースの情報を区別し、更新された数値は2026年7月23日時点の値に修正した。

目次

【第1部　K3とは何か——仕様とアーキテクチャ】

  • 1．Kimi K3は何が新しいのか

  • 2．2.8兆パラメータは本当に意味があるのか

  • 3．100万トークンは、何を変えるのか

  • 4．ネイティブ・マルチモーダルとは何か

  • 5．Kimi Delta Attentionとは何か

  • 6．Attention Residualsが狙う「深さ」の問題

  • 7．17歳の共同筆頭著者——AttnRes論文をめぐる物語

  • 8．Stable LatentMoEと896エキスパート

  • 9．MXFP4と量子化前提の設計

【第2部　数字を読む——ベンチマークと第三者評価】

  • 10．K3はFable 5とGPT-5.6 Solを超えたのか

  • 11．コーディング・ベンチマークの読み方

  • 12．エージェント・知識労働ベンチマーク

  • 13．推論・知識ベンチマーク

  • 14．視覚ベンチマーク

  • 15．なぜ「K3がFable 5、GPT-5.6 Sol超え」と言われたのか

  • 16．ベンチマーク比較の注意点

  • 17．第三者評価——Artificial Analysisが示した強さと弱点

  • 18．Arena WebDev暫定首位——人間評価で確認されたフロントエンド能力

【第3部　何ができるのか——実演・製品・エージェント】

  • 19．K3の実演が示すもの

  • 20．Kimi WorkとKimi Code

  • 21．Agent Swarm——規模を「横」に伸ばす賭け

  • 22．API価格は本当に安いのか

  • 23．オープンウェイトの意味

  • 24．オープンウェイトは、無限のエージェントを意味するか

【第4部　誰が作ったのか——企業・資本・市場・政治】

  • 25．Moonshot AIとは何者か

  • 26．DeepSeekショックからの戦略転換

  • 27．ARR、香港IPO、300億ドル

  • 28．K2からK3への飛躍

  • 29．K3と中国製AIチップ

  • 30．市場の反応——「K3ショック」と呼ぶ前に

  • 31．K3は「DeepSeekショック」の再来か

  • 32．米中AIの差はどこまで縮まったのか

  • 33．蒸留疑惑と米政府の対応——7月22日の急展開

【第5部　日本と、この先】

  • 34．K3が日本企業に与える意味

  • 35．K3の弱点とリスク

  • 36．K3が示すAI競争の次の段階

  • 37．今後確認すべきポイント

  • 38．結論——K3は「世界最強」ではない。しかし歴史的である

【付録】

  • 主要ベンチマーク早見表

  • 公式情報の確認方針

  • 参考資料

  • ハッシュタグ

本編

表記について
本稿では、Moonshot AIの公式発表、第三者ベンチマーク、報道情報を区別して記載する。2026年7月23日時点で未公開のウェイト、ライセンス、技術報告書に関する記述は、確定事項ではなく「公開予定」または「報道ベース」と明記した。

2026年7月、中国・北京のAIスタートアップ、月之暗面（Moonshot AI）は、同社の次世代フラッグシップモデル「Kimi K3」を正式公開した。仕様と提供状況は、Kimi公式技術ブログおよびKimi APIプラットフォームのクイックスタートで確認できる。

Kimi K3は、総パラメータ数2.8兆、100万トークンのコンテキストウィンドウ、画像を扱うネイティブな視覚理解、長時間のソフトウェア開発、調査、資料作成、ツール利用を前提としたエージェント能力を統合した、3兆パラメータ級の巨大Mixture of Experts（MoE）モデルである。公開APIで確認できる基礎モダリティは、テキスト入力・画像入力・テキスト出力である。

Moonshot AIはK3を「世界初のオープンな3Tクラスモデルになる」と位置づけている。API、Kimi.com、Kimi Work、Kimi Codeではすでに利用できるが、完全なモデルウェイトとライセンスは2026年7月23日時点で未公開である。したがって本稿では、公開済みのオープンウェイトモデルではなく、「オープンウェイト化を予告したモデル」と表記する。

この発表を巡っては、SNSや一部メディアで「Kimi K3がClaude Fable 5とGPT-5.6 Solを超えた」といった刺激的な表現が広がった。しかし、結論から言えば、その言い方は正確ではない。

Moonshot AI自身が公式技術ブログで明記している通り、K3の総合性能は、現時点ではAnthropicのClaude Fable 5とOpenAIのGPT-5.6 Solにまだ及ばない。一方で、コーディング、長期エージェント、ウェブ調査、業務自動化、表計算、文書理解など、特定の実務ベンチマークでは、Fable 5またはGPT-5.6 Solを上回る結果を出している。

つまり、K3は「すべての能力で世界首位になったモデル」ではない。より正確には、「オープンウェイト化が予告されたモデルとして異例の規模と性能を持ち、閉鎖型の最先端モデルにかなり近づき、一部の実務領域ではすでに追い越したモデル」である。

この違いは重要だ。

Kimi K3の本当の意味は、単にベンチマーク表の一列でFable 5やGPT-5.6 Solを上回ったことではない。中国企業が、3兆パラメータ級、100万トークン、マルチモーダル、長期エージェント、オープンウェイトという五つの要素を一つのモデルにまとめ、米国の最高級閉鎖モデルのすぐ下まで到達した点にある。

本稿では、Kimi K3の公式仕様、アーキテクチャ、ベンチマーク、価格、実務能力、オープンウェイト戦略、Moonshot AIの狙い、Fable 5とGPT-5.6 Solとの正確な位置関係、そして中国AI産業全体に与える影響を詳しく検討する。

第1部　K3とは何か——仕様とアーキテクチャ

1．Kimi K3は何が新しいのか

Kimi K3の主要仕様は次の通りである。

  • 総パラメータ数：2.8兆

  • アーキテクチャ：Mixture of Experts

  • 総エキスパート数：896

  • 1回の推論で実質的に利用するエキスパート：16

  • コンテキストウィンドウ：100万トークン

  • 入力：テキスト、画像。Kimi製品上では動画を用いた制作例も示されるが、K3 APIの基礎モダリティとして第三者が確認しているのはテキストと画像

  • 推論モード：常時Thinking。発表時点ではreasoning effortはmaxのみ。lowとhighは後続アップデートで追加予定

  • 主用途：長期コーディング、知識労働、深い推論、調査、資料作成、ツール利用

  • API価格：キャッシュヒット入力0.30ドル（約48円）、キャッシュミス入力3ドル（約480円）、出力15ドル（約2,400円）／100万トークン

  • 課金方式：文脈長による段階課金なし。100万トークンまで単価が一定

  • 最大出力：131,072トークン

  • ウェイト公開予定：2026年7月27日まで。2026年7月23日時点では未公開で、ライセンスも未公表

2.8兆という数字だけを見ると、単なる「巨大化」に見える。しかし、K3の設計思想は、全パラメータを毎回動かすDenseモデルではない。896個の専門家ネットワークのうち、トークンごとに16個を選択して動かす、非常に疎なMoE構成を採用している。

この構造により、モデル全体には大量の知識と機能を保持させながら、推論時に必要な計算量を抑えられる。言い換えれば、2.8兆パラメータという「記憶容量」を持ちながら、毎回2.8兆すべてを計算するわけではない。

896のうち16、つまりエキスパート全体の約1.8％しか使わない。この疎性は際立って高い。

なお、Moonshotは活性化パラメータ数を公表していない。海外の技術コミュニティでは概ね500億前後と推定されており、モデル名を「2.8T-A50B」と表記する例も見られる。ただしこれは推定であり、公式の数字ではない。技術報告書で開示されるべき項目の一つである。

ただし、896個中16個という極端な疎性は、ルーティングの偏り、専門家間の負荷不均衡、通信量、GPUメモリー配置など、新たな難しさを生む。K3の技術的な核心は、モデルを巨大化したこと以上に、この巨大で疎なMoEを安定して学習・推論させるための仕組みにある。

Moonshot AIは、K3の構造的改良によって、K2と比較して「計算資源を知能に変換する総合的なスケーリング効率」が約2.5倍になったと説明している。

この「2.5倍」は、単純に推論速度が2.5倍という意味ではない。モデル規模、学習安定性、トークン効率、専門家利用率、長文処理、性能向上を総合した、Moonshot側の評価である。技術報告書の完全版はまだ未公開であるため、現時点では第三者が厳密に再現できる指標ではない点には注意が必要だ。

2．2.8兆パラメータは本当に意味があるのか

大規模言語モデルの世界では、パラメータ数が性能をそのまま表すわけではない。

パラメータ数が多くても、学習データの品質が低い、最適化が不安定、推論時に適切な専門家が選ばれない、ポストトレーニングが弱い、ツール利用用のデータが不足している、といった問題があれば実用性能は伸びない。

逆に、比較的小型でも、高品質データ、強力な強化学習、良いエージェントハーネス、検索、コード実行、メモリー、検証ループを組み合わせることで、巨大モデルを上回る場合がある。

したがって、K3の2.8兆という数字は、能力の保証ではなく、能力の上限を広げる一要素と見るべきである。

それでもK3の規模が重要なのは、次の三点にある。

第一に、オープンウェイトモデルの上限を大きく引き上げたことである。これまでオープンモデルは、クローズドモデルより小さく、能力も一世代程度遅れるという見方が一般的だった。K3は、少なくとも公開された評価では、Claude Opus 4.8、GPT-5.5、GLM-5.2を多くの領域で上回り、Fable 5やGPT-5.6 Solと同じ比較表に並ぶ位置まで来た。

Moonshot AIは公式ブログで、過去12か月のうち9か月間、Kimiのモデルがオープンモデルのサイズ上限を定めてきたと述べている。

規模の比較も明確である。報道ベースの数字では、DeepSeek V4-Proが1.6兆、百度の文心5.0が2.4兆、小米のモデルが1.02兆、Z.AIが7,440億とされる。K3の2.8兆は、公開されたモデルとして最大である。

第二に、モデルの専門分化をさらに進められることである。896の専門家を持つことで、コード、数学、視覚、文書、検索、表計算、ツール利用、業務フローなど、異なる能力を内部で分担させやすくなる。

第三に、今後の蒸留、量子化、ファインチューニング、ドメイン特化モデル開発の「教師」になり得ることである。巨大な基盤モデルそのものを運用できる企業は限られるが、K3を使って小型モデルや業界特化モデルを作ることは、多くの企業や研究機関にとって意味がある。

K3は、完成品であると同時に、次世代の中国製AI群を生み出す母体にもなる。

3．100万トークンは、何を変えるのか

K3のコンテキストウィンドウは100万トークンである。

100万トークンは、日本語で単純換算すれば数十万字から100万字を超える規模になり得る。コードであれば、大規模リポジトリの相当部分、文書であれば複数の報告書、契約書、論文、議事録、データ定義、仕様書を一度に扱える。

ただし、「100万トークンを入力できる」と「100万トークンの全情報を正確に理解し続けられる」は同じではない。

長文AIには少なくとも四つの段階がある。

  1. 長い入力を受け付けられる

  2. 必要な情報を検索できる

  3. 複数箇所の情報を統合できる

  4. 長時間の作業中に状態を維持し、矛盾なく行動できる

多くのモデルは第一段階を達成していても、後半になるほど性能が落ちる。長い文脈の中央部分を見落とす「lost in the middle」、同名概念の混同、古い指示の残存、ツール結果の取り違え、長期作業中の目的逸脱などが起きる。

K3は、100万トークンを単なる文書入力の容量ではなく、エージェントの「作業記憶」として使おうとしている。

Moonshot AIは、BrowseCompにおいて91.2を記録した。公式脚注によれば、この設定はClaudeのモデルカードが用いる圧縮戦略を採用し、30万トークンで圧縮が発動する。また、100万トークンを使い、追加のコンテキスト管理をしない設定でも90.4を記録したとしている。

これはK3の長文能力を見る上で興味深い。圧縮なしでも大きく崩れていないからである。

ただし、BrowseCompはウェブ調査能力を測るベンチマークであり、100万トークン全域から細かな事実を完全に回収する「needle-in-a-haystack」型評価とは異なる。また、検索エージェントの設計、ブラウジングツール、リトライ方針、検索クエリー生成も結果に影響する。

ここで指摘しておくべき欠落がある。OpenAIはGPT-5.6の発表で、MRCR v2の8針検索を51万2千から100万トークン帯で73.8、GraphWalks BFSの100万トークン設定でf1 77.1という数字を公表している。Anthropicも同種の長文検索結果を出している。一方、Moonshotの公式ブログには、K3の長文検索型評価の数字が一つもない。

100万トークンを最大の売りにしたモデルが、100万トークンからの情報回収能力を直接測る指標を公開していない。これは技術報告で埋められるべき空白である。

したがって、「100万トークンなら何でも全部覚えられる」と考えるのは危険である。それでも、コードベース、企業内文書、研究資料、ログ、複数のPDFを横断する長期エージェントにとって、100万トークンは実用上の大きな武器になる。

4．ネイティブ・マルチモーダルとは何か

K3はテキストモデルに外部の画像認識器を付け足しただけではなく、視覚理解を基盤モデル内部に統合した「ネイティブ・マルチモーダル」モデルとして設計されている。

K3 APIの基礎モダリティとして第三者が確認しているのは、テキスト入力と画像入力、テキスト出力である。Kimi製品上では動画を扱う制作例も示されているが、動画ファイルをK3 APIへ直接入力できるかは、現時点の公開仕様だけでは断定しない。

この能力が特に重要なのは、ソフトウェア開発と知識労働が、もはやテキストだけでは完結しないからである。

ウェブ開発では、モデルはコードを書くだけでなく、実際にレンダリングされた画面を見て、余白、色、階層、文字切れ、ボタン配置、操作感を確認する必要がある。

ゲーム開発では、3D空間、カメラ、物理挙動、キャラクター、テクスチャ、UIを視覚的に確認しなければならない。

CADでは、形状、寸法、干渉、配置を扱う。

資料作成では、スライドの構図、グラフ、表、フォント、情報密度、視線誘導が重要になる。

動画編集では、映像の内容、切り替え、リズム、音、字幕、時間軸を統合しなければならない。

K3は、コードを書き、実行し、画面を見て、問題を発見し、再びコードを修正する「vision in the loop」を前提としている。

これは従来の「画像について質問に答えるVLM」から、「視覚情報を作業ループに組み込むエージェント」への進化である。

5．Kimi Delta Attentionとは何か

K3の長文処理を支える中心技術の一つが、Kimi Delta Attention、略してKDAである。

通常のTransformerが使う標準的な自己注意は、系列長が伸びるほど計算量とメモリー消費が急増する。100万トークンをそのまま高精度に扱うには、計算コストが巨大になる。

KDAは、線形注意の考え方を取り込みながら、重要情報を保持し、長い系列で効率よく情報を伝えることを目指した混合型の注意機構である。

Moonshot AIは公式Xで、KDAによって100万トークン級の文脈におけるデコード速度が最大6.3倍になるとしている。これはK3の長文性能を支える最も具体的な数字である。

Moonshot AIは以前から長文処理を会社の中核技術としてきた。Kimiの初期製品は128K文脈で注目され、後に200万文字級の入力、Kimi Linear、Mooncake推論基盤、K2系の長期エージェントへ発展してきた。

K3におけるKDAは、この長文路線の延長にある。

層構成については、部分的に読み取れる。公式ブログのアーキテクチャ図は、KDAとStable LatentMoEの組を3回、Gated MLAとStable LatentMoEの組を1回繰り返す構造を示している。つまりKDA対通常注意の比率は3対1である。楊植麟は2026年1月のRedditのAMAでも、K3がKimi Linear系の3対1混合注意設計を採ると述べていた。図と発言は一致する。

ただし、KDAの詳細な数式、学習時の安定化、100万トークンでの損失、実測スループットなどは、今後公開される技術報告を待つ必要がある。

現時点で言えるのは、K3が標準Transformerを単純に2.8兆まで拡大したモデルではなく、長文計算のボトルネックを避けるために注意機構自体を変えているという点である。

KDAの系譜

この技術には、たどれる系譜がある。

KDAはKimi Linearの論文で導入された。その発想は、Gated DeltaNetに近い。Gated DeltaNetは2024年末に登場し、Mambaの考え方を発展させたものである。

つまり、学術界で進んだアイデアが、1年半ほどでフロンティア級のモデルに実装されたことになる。しかもKimiだけではない。Qwenの最新モデルも関連する構成へ切り替え、NVIDIAのNemotronもハイブリッド型を採る。

線形注意とゲート機構の組み合わせは、もはや一社の実験ではなく、業界の潮流である。K3はその最大規模の実装ということになる。

6．Attention Residualsが狙う「深さ」の問題

K3のもう一つの中核技術がAttention Residuals、略してAttnResである。

Transformerは層を深くすることで複雑な表現を学べる。しかし、非常に深いネットワークでは、情報が層を通過するたびに変形され、初期の重要な表現が薄れることがある。

従来の残差接続は、直前の表現を足し合わせることで学習を安定させる。一方、AttnResは、深さ方向に蓄積された過去の表現から、必要なものを選択的に取り出す考え方を採る。

簡単に言えば、通常の残差接続が「直前の層を基本的に引き継ぐ」仕組みなのに対し、AttnResは「これまでの複数層の中から、今必要な表現を選んで参照する」仕組みに近い。

Moonshot AIは公式Xで、AttnResが学習効率を約25％高め、その追加コストは2％未満だとしている。深さ方向の情報経路を作り替えるだけで、学習効率が四分の一伸びるという主張である。事実なら、2.8兆規模の学習コストに直接効く。

2.8兆パラメータ級のモデルでは、単に層を積むだけでなく、層間の情報経路をどう設計するかが重要になる。KDAが系列方向、つまり長さの問題に対応するのに対し、AttnResは深さ方向の情報伝達を改善する技術と理解できる。

K3は、長さと深さの両方で情報を選択的に流すことで、超巨大モデルの効率を上げようとしている。

そして、このAttnResという技術には、技術以外の物語がついている。次章で扱う。

7．17歳の共同筆頭著者——AttnRes論文をめぐる物語

この技術には、技術以外の物語がついている。日本語圏では断片的にしか伝わっておらず、しかも誇張された形で広まっているので、事実関係を整理しておく。

何が起きたか

2026年3月16日、Kimiチームは技術報告「Attention Residuals」を公開した。深層学習で10年近く使われてきた残差接続の構造を、注意機構の考え方で組み替える提案である。

同日夜、イーロン・マスクがこの論文に反応し、「impressive」と述べた。元OpenAIの研究者Jerry Tworek、Andrej Karpathyらも議論に加わった。

そして注目を集めたのが、著者一覧だった。

37名の署名者のうち、共同筆頭著者として3名が並んでいる。深圳の国際学校に通う高校3年生・陳広宇（Guangyu Chen）、回転位置エンコーディングRoPEの提案者・蘇剣林（Jianlin Su）、Kimi Linearの筆頭著者・張宇（Yu Zhang）である。

陳広宇は当時17歳。AIに触れてから1年も経っていなかった。

2日後の3月18日、楊植麟はNVIDIA GTC 2026の講演で、AttnResを含むKimiの次世代モデル技術構想を紹介している。この時点で、AttnResがK3の基盤になることは示唆されていた。

誇張されている部分

SNSでは、この話が次のような形で流通している。

「純粋な情熱を持った普通の高校生が、独学でAI業界の常識を覆し、たった一人で世界トップの技術を生み出した」

これは違う。

まず、彼は単独の筆頭著者ではない。共同筆頭著者3名のうちの1人であり、残る2名はRoPEの提案者とKimi Linearの筆頭著者という、この分野の中心にいる研究者である。論文全体には37名が名を連ねる。

次に、AttnResはK3で実証された技術ではない。当初は総パラメータ48B、活性化3Bの「Kimi Linear」で検証された。2.8兆のK3そのものを使って開発された論文ではない。

そして、K3は数百人規模のプロジェクトである。モデル設計、分散学習、データ、評価、推論基盤、KDA、MoE、マルチモーダル処理。AttnResはその一部にすぎない。

「高校生がK3を作った」のではない。「K3の基盤技術の一つに、17歳の研究者が主要著者として関わった」が正確である。

誇張ではない部分

一方で、これを「デマ」として片づけるのも誤りだ。事実確認できる範囲でも、十分に異例である。

  • マスクの反応は実在する。中国メディアの創作ではない

  • 共同筆頭著者という位置づけは、百度百科をはじめ複数の中国語情報源が一致して記載している

  • AttnResがK3の主要アーキテクチャに採用されたことは、Moonshot公式が認めている

  • 陳広宇本人は取材に対し、自分ではなくチームが解いた基盤技術に注目してほしいと述べ、他の34名の共著者と、モデルのスケーリングおよびインフラ構築を担当した同僚の貢献を強調している

最後の一点が、この物語で最も好ましい部分かもしれない。過熱した報道の中心にいる本人が、いちばん冷静だった。

なぜこの話を書くのか

人材競争の地形が変わりつつある、という指摘のためである。

中国メディアは、この件を「大手が高校生から人材を奪い合う時代」の象徴として報じた。大学生ではなく高校生の段階で、最前線の研究に参加し、大手のインターンに入る。

日本の産業界にとって、これは他人事ではない。AIの基盤研究は、学位や年次ではなく、着想と実装で評価される領域になりつつある。2.8兆パラメータのモデルの中に、17歳の着想が入っている。それが2026年である。

8．Stable LatentMoEと896エキスパート

K3は896のエキスパートを持ち、そのうち16を動かす。

この規模では、ルーターが少数の人気エキスパートばかり選ぶと、GPU負荷が偏り、学習効率も性能も悪化する。

Moonshot AIは、Stable LatentMoE、Quantile Balancing、完全にバランスされたexpert-parallel trainingなどを導入したとしている。

Quantile Balancingは、ルータースコアの分位点に基づいて専門家への割り当てを調整し、従来のヒューリスティックな負荷分散や敏感なハイパーパラメータへの依存を減らす考え方である。

さらに、ホストCPUとの同期をクリティカルパスから外し、静的形状を使うことで、大規模なexpert parallelでも処理を安定させる。

MoEモデルでは、理論上のFLOPsだけでは実際の速度を説明できない。専門家を別GPUに配置すると、トークンをGPU間で移動させる通信がボトルネックになるからだ。

Moonshot AIがK3の推論に64基以上のアクセラレータを持つ「スーパーノード構成」を推奨しているのは、このためである。

つまりK3はオープンウェイトになるが、家庭用GPU数枚で気軽に動かせるモデルではない。完全版を高性能で運用するには、大規模なGPUクラスター、高帯域ネットワーク、分散推論技術が必要になる。

「オープン」であることと、「誰でもローカルで動かせる」ことは別である。

9．MXFP4と量子化前提の設計

K3は、SFT段階から量子化を意識した学習を行い、重みにMXFP4、活性化にMXFP8を使う構成を採用したとしている。

巨大モデルでは、推論時のメモリー容量、帯域、通信量が支配的になる。4ビット級の重み表現を前提に学習すれば、後から乱暴に量子化するより、精度低下を抑えやすい。

2.8兆パラメータを4ビットで保存した場合、重みだけの理論上の容量は約1.4TBである。実際にはスケール値、メタデータ、埋め込み、キャッシュ、ルーター、ランタイム領域などが加わる。

したがって、完全なK3を動かすには、少なくともTB級の高速メモリー空間が必要になる。

64基構成で均等に分割したとしても、重みだけで1基当たり20GBを超える。実際にはKVキャッシュ、100万トークンの状態、バッチ処理、通信バッファが必要なため、H200、B200、GB200級、あるいは中国製アクセラレータを多数束ねる構成が現実的になる。

K3のオープン化は、個人のローカルLLMというより、クラウド、国家研究機関、大企業、推論事業者、AIインフラ企業向けの意味が大きい。

第2部　数字を読む——ベンチマークと第三者評価

10．K3はFable 5とGPT-5.6 Solを超えたのか

ここが最も重要な論点である。

答えは、「総合では超えていない。しかし、複数の重要ベンチマークでは超えている」である。

Moonshot AI公式ブログは、K3について次の立場を取っている。

  • 総合性能はClaude Fable 5とGPT-5.6 Solにまだ及ばない

  • それ以外の多くのテスト対象モデルを一貫して上回った

  • 一部のコーディング、エージェント、業務、視覚ベンチマークではFable 5またはGPT-5.6 Solを上回った

  • ユーザー体験ではFable 5、GPT-5.6 Solとの明確な差が残る

この自己評価は、かなり慎重である。

SNSでは、勝った項目だけが切り取られ、「K3がFable 5超え」「GPT-5.6超え」と拡散されやすい。しかし、評価表全体を見ると、Fable 5とGPT-5.6 Solは依然として多くの領域で強い。

K3の位置づけは、三者の完全な順位ではなく、能力分布の違いとして見るべきだ。

Fable 5は、複雑な推論、長期エージェント、コーディング、科学、視覚、仕事品質で非常に強い。

GPT-5.6 Solは、コード、知識労働、ブラウジング、コンピューター操作、ツール効率、出力品質、速度とコストのバランスが強い。

K3は、巨大なコンテキスト、長期作業、ツール連携、検索、コード、表計算、オープン性、価格で差別化している。

11．コーディング・ベンチマークの読み方

Moonshot AIが公開した主要コーディング評価を整理する。

DeepSWE

  • Kimi K3：67.5

  • Fable 5：70.0

  • GPT-5.6 Sol：73.0

  • Opus 4.8：59.0

  • GPT-5.5：67.0

  • GLM-5.2：46.2

DeepSWEでは、K3はGPT-5.6 Sol、Fable 5に負けている。GPT-5.5をわずかに上回り、Opus 4.8には大差をつけた。

なお公式脚注は、K3をmini-SWE-agentハーネスで測ると67.3になるとも記している。ハーネスを替えるだけで0.2動く。この程度の幅は、以下の比較すべてに付いて回る。

したがって、この指標だけ見れば、K3は「最上位の一段下」である。

Program Bench

  • Kimi K3：77.8

  • Fable 5：76.8

  • GPT-5.6 Sol：77.6

  • Opus 4.8：71.9

  • GPT-5.5：70.8

  • GLM-5.2：63.7

Program Benchでは、K3が首位である。GPT-5.6 Solを0.2ポイント、Fable 5を1.0ポイント上回った。

ただし差は小さい。測定誤差、プロンプト、ハーネス、試行数によって順位が入れ替わる可能性がある。とはいえ、K3が最先端閉鎖モデルと同等水準にあることは示している。

Terminal-Bench 2.1

  • Kimi K3：88.3

  • Fable 5：84.6

  • GPT-5.6 Sol：88.8

  • Opus 4.8：84.6

  • GPT-5.5：83.4

  • GLM-5.2：82.7

K3はGPT-5.6 Solに0.5ポイント届かないが、Fable 5とOpus 4.8を上回る。

ただし、OpenAIは同じTerminal-Bench 2.1で、Sol Ultraのマルチエージェント設定が91.9だと公表している。Ultraまで含めれば、K3との差は3.6ポイントに開く。

ただし、K3はKimiCode、GPT-5.6 SolはCodex、Fable 5とOpus 4.8は別のハーネスで測定されている。モデル単体の比較ではなく、モデルとエージェント環境を組み合わせた「システム比較」に近い。

FrontierSWE

  • Kimi K3：81.2

  • Fable 5：86.6

  • GPT-5.6 Sol：71.3

  • Opus 4.8：66.7

  • GPT-5.5：64.9

  • GLM-5.2：67.3

K3はFable 5に負けるが、GPT-5.6 Solを約10ポイント上回る。

これは「K3がGPT-5.6 Solを超えた」と言える代表的な項目である。ただし、K3はKimiCode、GPT-5.6 SolはCodexで評価されているため、純粋なモデル能力差とは断定できない。

SWE Marathon

  • Kimi K3：42.0

  • Fable 5：35.0

  • GPT-5.6 Sol：39.0

  • Opus 4.8：40.0

  • GPT-5.5：14.0

  • GLM-5.2：13.0

K3が首位である。長時間のソフトウェア修正を継続する能力で強さを見せた。

K3は一問一答型のコード生成より、巨大リポジトリを読み、端末を使い、修正し、テストし、失敗からやり直す長期作業を重視して設計されている。この結果はK3の狙いと一致する。

PostTrain Bench

  • Kimi K3：36.6

  • Fable 5：41.4

  • GPT-5.6 Sol：34.6

  • Opus 4.8：34.1

  • GPT-5.5：28.4

  • GLM-5.2：34.3

K3はFable 5に及ばないが、GPT-5.6 Solを上回る。

MLS Bench

  • Kimi K3：48.3

  • Fable 5：49.9

  • GPT-5.6 Sol：46.2

  • Opus 4.8：42.8

  • GPT-5.5：35.5

  • GLM-5.2：40.4

ここでもK3はFable 5の次で、GPT-5.6 Solを上回る。

Kimi Code Bench 2.0

  • Kimi K3：72.9

  • Fable 5：76.9

  • GPT-5.6 Sol：64.8

  • Opus 4.8：71.7

  • GPT-5.5：69.0

  • GLM-5.2：64.2

K3はFable 5には負けるが、GPT-5.6 Solを大きく上回る。ただし、Kimi社内ベンチマークであるため、外部評価より慎重に扱う必要がある。

総合すると、K3のコーディングは「Fable 5とGPT-5.6 Solを全面的に凌駕」ではない。DeepSWEでは両者に負ける一方、Program Bench、FrontierSWE、SWE Marathon、PostTrain Bench、MLS Benchなどでは一方または両方を上回る。

K3は特に、長期作業、端末操作、複数回の修正、巨大コードベース、視覚を含む開発で強い可能性がある。

12．エージェント・知識労働ベンチマーク

K3の本領は、単発の推論より、調査、ツール、文書、表計算、長期業務を含むエージェント型タスクにある。

GDPval-AA v2

  • Kimi K3：1668 Elo

  • Fable 5：1760

  • GPT-5.6 Sol：1748

  • Opus 4.8：1600

  • GPT-5.5：1494

  • GLM-5.2：1514

K3はFable 5、GPT-5.6 Solに及ばないが、Opus 4.8以下を上回る。

総合的な知識労働品質では、最上位二モデルとの差が残っている。

BrowseComp

  • Kimi K3：91.2

  • Fable 5：88.0

  • GPT-5.6 Sol：90.4

  • Opus 4.8：84.3

  • GPT-5.5：84.4

K3が首位である。

BrowseCompは、ウェブ上から容易には見つからない情報を探索し、複数の検索と推論を重ねて回答する評価である。K3はFable 5とGPT-5.6 Solの両方を上回った。

ただし、OpenAIはGPT-5.6 Sol Ultraのマルチエージェント設定で92.2を公表している。Moonshotの比較表はGPT-5.6 Sol maxの90.4と比較しているため、OpenAIの最強構成まで含めればK3が絶対首位とは言えない。

また、K3の91.2はコンテキスト圧縮を利用する設定であり、圧縮なしの100万トークン設定では90.4だった。

それでも、単一エージェント、長文脈、検索作業におけるK3の強さを示す結果である。

DeepSearchQA

  • Kimi K3：95.0

  • Fable 5：94.2

  • Opus 4.8：93.1

K3が首位である。検索と回答統合の能力が高い。

Toolathlon-Verified

  • Kimi K3：73.2

  • Fable 5：77.9

  • GPT-5.6 Sol：74.9

  • Opus 4.8：76.2

  • GPT-5.5：73.5

  • GLM-5.2：59.9

ここではK3はFable 5、Opus 4.8、GPT-5.6 Sol、GPT-5.5に負ける。ツール利用全般で常に最強というわけではない。

MCP Atlas

  • Kimi K3：84.2

  • Fable 5：84.7

  • GPT-5.6 Sol：83.6

  • Opus 4.8：83.6

  • GPT-5.5：82.8

  • GLM-5.2：82.6

K3はFable 5にわずかに負けるが、GPT-5.6 Solを上回る。

Automation Bench

  • Kimi K3：30.8

  • Fable 5：29.1

  • GPT-5.6 Sol：29.7

  • Opus 4.8：27.2

  • GPT-5.5：22.7

  • GLM-5.2：12.9

K3が首位である。業務自動化の手順遂行では強い。

Job Bench

  • Kimi K3：52.9

  • Fable 5：57.4

  • GPT-5.6 Sol：46.5

  • Opus 4.8：48.4

  • GPT-5.5：38.3

  • GLM-5.2：43.4

K3はFable 5に負けるが、GPT-5.6 Solを上回る。

AA-Briefcase

  • Kimi K3：1543 Elo

  • Fable 5：1574

  • GPT-5.6 Sol：1501

  • Opus 4.8：1347

  • GPT-5.5：1158

  • GLM-5.2：1260

K3はFable 5の次で、GPT-5.6 Solを上回る。

AA-Briefcaseは、長期間にわたるプロフェッショナルな知識作業を評価する。K3がGPT-5.6 Solを超えたという話は、この指標から来ていることが多い。

ただし、Fable 5にはまだ届いていない。この指標は数値が更新されており、採用値の根拠と実務上の留意点は第17章で扱う。

APEX-Agents

  • Kimi K3：37.6

  • Fable 5：43.3

  • GPT-5.6 Sol：39.9

  • Opus 4.8：39.4

  • GPT-5.5：38.5

  • GLM-5.2：35.6

この項目は日本語の解説記事でほとんど触れられていない。しかしK3の弱点を最もはっきり示す。

K3はGLM-5.2以外のすべてに負けている。Fable 5、GPT-5.6 Sol、Opus 4.8、GPT-5.5のいずれよりも低い。エージェント能力が一様に強いわけではないことを、公式表自身が示している。

Office QA Pro

  • Kimi K3：63.3

  • Fable 5：69.9

  • GPT-5.6 Sol：63.2

  • Opus 4.8：63.9

  • GPT-5.5：60.9

  • GLM-5.2：41.4

K3はGPT-5.6 Solを0.1上回るが、Fable 5、Opus 4.8には負ける。差が小さいため同等圏と見るべきだ。

SpreadsheetBench 2

  • Kimi K3：34.8

  • Fable 5：34.7

  • GPT-5.6 Sol：32.4

  • Opus 4.8：31.6

  • GPT-5.5：29.1

  • GLM-5.2：28.1

K3が首位である。表計算、データ処理、業務資料の自動化で注目すべき結果だ。

DECK-Bench

  • Kimi K3：73.5

  • Fable 5：73.0

  • GPT-5.6 Sol：74.7

  • Opus 4.8：66.9

  • GPT-5.5：68.2

  • GLM-5.2：68.6

K3はGPT-5.6 Solに負けるが、Fable 5をわずかに上回る。

総合すると、K3のエージェント能力は明確に世界最上位圏にある。特に検索、長期知識作業、業務自動化、表計算で強い。一方、総合的な仕事品質、ツール利用の安定性、複雑な専門業務ではFable 5が依然として強い。

13．推論・知識ベンチマーク

GPQA Diamond

  • Kimi K3：93.5

  • Fable 5：92.6

  • GPT-5.6 Sol：94.1

  • Opus 4.8：91.0

  • GPT-5.5：93.5

  • GLM-5.2：91.2

K3はFable 5を上回るが、GPT-5.6 Solには負ける。GPT-5.5と同点である。

GPQAは専門家レベルの科学知識と推論を見る指標だが、近年は最上位モデルで飽和に近づいている。1ポイント未満の差を能力の決定的差と見るべきではない。

Humanity’s Last Exam Full

  • Kimi K3：43.5

  • Fable 5：53.3

  • GPT-5.6 Sol：44.5

  • Opus 4.8：49.8

  • GPT-5.5：41.4

ここではFable 5が大幅に強い。K3はGPT-5.6 Solに1ポイント届かず、Opus 4.8にも負ける。

HLE Full with tools

  • Kimi K3：56.0

  • Fable 5：63.0

  • GPT-5.6 Sol：58.0

  • Opus 4.8：57.9

  • GPT-5.5：52.2

ツールを使ってもK3はFable 5、GPT-5.6 Sol、Opus 4.8にわずかに及ばない。

この結果は、K3がすべての高度推論でFable 5やGPT-5.6を超えたという主張を否定する重要な材料である。

K3の強みは、純粋な難問推論だけではなく、長文、検索、コード、ツール、視覚、業務を統合した実行能力にある。

14．視覚ベンチマーク

K3はネイティブ・マルチモーダルモデルであり、視覚評価でも高い結果を出している。

MMMU-Pro

  • Kimi K3：81.6

  • Fable 5：81.2

  • GPT-5.6 Sol：83.0

  • Opus 4.8：78.9

  • GPT-5.5：81.2

K3はFable 5をわずかに上回るが、GPT-5.6 Solには負ける。

Python利用時は、K3が83.4、Fable 5が86.5、GPT-5.6 Solが84.6となり、Fable 5が首位になる。

CharXiv

通常設定では、K3が84.8、Fable 5が88.9、GPT-5.6 Solが84.6である。K3はGPT-5.6 Solをわずかに上回るがFable 5には負ける。

Python利用時は、K3が91.3、Fable 5が93.5、GPT-5.6 Solが89.1となる。

MathVision

通常設定では、K3が94.3、Fable 5が94.8、GPT-5.6 Solが95.8。Python利用時はK3が97.8、Fable 5が98.6、GPT-5.6 Solが97.8である。

三者は極めて近い。

BabyVision（Python併用）

  • Kimi K3：85.7

  • Fable 5：90.5

  • GPT-5.6 Sol：88.9

  • Opus 4.8：81.2

  • GPT-5.5：83.6

K3はFable 5、GPT-5.6 Solの両方に負ける。

ZeroBench

通常pass@5では、K3とFable 5が23、GPT-5.6 Solが17。Python利用時はK3が41、Fable 5が46、GPT-5.6 Solが35。

K3はGPT-5.6 Solを上回るが、Fable 5には届かない。

WorldVQA ForceAnswer

  • Kimi K3：51.0

  • Fable 5：56.7

  • GPT-5.6 Sol：41.8

  • Opus 4.8：39.1

  • GPT-5.5：38.5

K3はFable 5に負けるが、GPT-5.6 Solを大きく上回る。

OmniDocBench

  • Kimi K3：91.1

  • Fable 5：89.8

  • GPT-5.6 Sol：85.8

  • Opus 4.8：87.9

  • GPT-5.5：89.4

K3が首位である。複雑な文書、PDF、レイアウト理解では重要な強みになる。

PerceptionBench

  • Kimi K3：58.5

  • Fable 5：57.2

  • GPT-5.6 Sol：59.7

  • Opus 4.8：47.2

  • GPT-5.5：55.8

K3はFable 5を上回るが、GPT-5.6 Solには負ける。ただしPerceptionBenchはMoonshot社内評価である。

視覚能力全体では、K3、Fable 5、GPT-5.6 Solが項目ごとに勝ち負けを繰り返している。K3は特に文書理解、世界知識を伴う視覚質問、コードと視覚のループに強いとみられる。

15．なぜ「K3がFable 5、GPT-5.6 Sol超え」と言われたのか

この表現が広がった理由は、主に四つある。

第一に、Program Bench、SWE Marathon、BrowseComp、Automation Bench、SpreadsheetBench 2、OmniDocBenchなどでK3が首位を取ったからである。

第二に、FrontierSWE、PostTrain Bench、MLS Bench、AA-Briefcase、Job Bench、WorldVQAなどでGPT-5.6 Solを上回ったからである。

第三に、GPQA Diamond、MMMU-Pro、OmniDocBench、PerceptionBench、DECK-BenchなどでFable 5を上回る項目があるからである。

第四に、K3が完全ウェイトの公開を予告していることが心理的なインパクトを増幅している。閉鎖モデルと互角の項目が一つでもあれば、「オープンモデルが最強モデルを破った」という見出しになりやすい。

しかし、公式表全体では、Fable 5がHLE、GDPval-AA、DeepSWE、FrontierSWE、Toolathlon、APEX-Agents、Job Bench、AA-Briefcase、Office QA、複数の視覚評価でK3を上回る。

GPT-5.6 SolもDeepSWE、Terminal-Bench、GDPval-AA、HLE、GPQA、MMMU-Pro、MathVision、APEX-Agents、DECK-BenchなどでK3を上回る。

したがって、正確な表現は次のようになる。

「Kimi K3は総合性能でClaude Fable 5とGPT-5.6 Solにまだ届かないが、長期コーディング、ウェブ調査、業務自動化、表計算、文書理解など複数の実務ベンチマークで両者の一方または両方を上回った」

これが事実に最も近い。

16．ベンチマーク比較の注意点

K3の評価表を読む際には、少なくとも八つの注意点がある。

1．ハーネスが統一されていない

公式脚注を一つずつ読むと、実態はもっと入り組んでいる。

K3がKimiCodeで測られているのは、DeepSWE、Terminal-Bench 2.1、Program Bench、FrontierSWE、MLS Benchなどである。一方、SWE Marathon、PostTrain Bench、Office QA Pro、SpreadsheetBench 2では、K3もFable 5もOpus 4.8も同じClaude Codeハーネスで測られている。GPT-5.6 Solはほぼ一貫してCodexである。Terminal-Bench 2.1にいたっては、K3以外の全モデルが「ハーネス横断のベストスコア」で載っている。

つまり「K3だけ自社ハーネスで有利」という単純な話ではない。項目ごとに条件が違う、というのが正確な理解である。

そして条件が揃っているSWE MarathonでK3が首位（42.0対Fable 5の35.0）だった事実は、この中では比較的重い。

現代のエージェント評価では、モデルだけでなく、プロンプト、ツール定義、再試行、ファイル編集方法、検索機能、コンテキスト圧縮、エラー処理が結果に大きく影響する。

したがって、表は「基盤モデル単体のIQ」ではなく、「モデル＋エージェントシステム」の比較である。

2．reasoning effortが異なる

K3はmax、Fable 5もmax、GPT-5.6 Solもmaxが基本だが、GPT-5.5はxhighである。さらにOpenAIにはUltraというマルチエージェント構成がある。

同じモデル名でも、推論時間、トークン量、エージェント数が違えば性能は変わる。

3．Fable 5にフォールバックが含まれる場合がある

Moonshotの表ではFable 5に「with fallback」と記載されている。利用ポリシーによりFable 5が拒否した場合、Opus 4.8に自動的に切り替わる評価がある。

これはFable 5の純粋性能を下げる場合もあれば、安定性を上げる場合もある。比較の解釈が難しくなる。

4．社内ベンチマークが含まれる

Kimi Code Bench 2.0、DECK-Bench、PerceptionBenchなど、Moonshot内部の評価が含まれる。

社内評価が不正とは限らない。実際の製品課題に近いという利点もある。しかし、データセット、採点、重複、最適化の影響を外部が完全に検証できない。

5．差が小さい項目が多い

0.1〜1ポイント程度の差は、試行揺れで逆転する可能性がある。K3が77.8、GPT-5.6が77.6だからといって、あらゆるプログラミングでK3が優れるとは言えない。

6．同名ベンチマークでも数字が合わない

Automation Benchが分かりやすい。Moonshotの表では、K3が30.8、Fable 5が29.1、GPT-5.6 Solが29.7である。ところがOpenAIはGPT-5.6の発表で、同じAutomationBenchについてSolが18.1、Fable 5が17.4、Opus 4.8が15.5という数字を出している。

一方の数字は他方の1.6倍以上ある。Moonshotは600タスクの公開サブセットを使ったと明記しており、OpenAI側の設定は異なるとみられる。

同名でも別物である。ベンダーをまたいだ数字の直接比較は、脚注を読まずには成立しない。

7．比較表にClaude Mythos 5がいない

Moonshotの表に並ぶAnthropic製モデルは、Fable 5とOpus 4.8だけである。Mythos 5は入っていない。

Fable 5とMythos 5は同じ基盤モデルで、Fable 5には生物、サイバー、LLM研究開発に関する追加の安全措置が入っている。OpenAIの公開表では、Terminal-Bench 2.1でMythos 5が88.0、Fable 5が83.1と、5ポイント近い差が出ている。

K3がFable 5を上回った項目のいくつかは、Mythos 5と比べれば結果が変わる可能性がある。「オープンモデルがAnthropicの最上位を抜いた」と読むのは、この点で早い。

8．独立評価はまだ出ていない

K3は発表直後である。長期安定性、日本語性能、幻覚率、安全性、実運用コスト、速度、同時実行性能は、これから検証される。

K3の公式結果は非常に強いが、数週間から数カ月の第三者評価を待つ必要がある。

17．第三者評価——Artificial Analysisが示した強さと弱点

Moonshot公式表だけでは、K3の実力を判断できない。そこで重要になるのが、Artificial Analysisによる独立評価である。

Intelligence Index

K3は2026年7月17日の初回評価で57点を記録し、当時はClaude Fable 5、GPT-5.6 Solに次ぐ3位だった。その後、新モデル追加とランキング更新により、2026年7月23日時点のモデルページでは4位となっている。

順位は固定された称号ではなく、評価対象の追加で変わる。そのため本文では「公開直後3位、現在4位」と時点を分けて記載する。

K3の57点は、Claude Opus 4.8やGPT-5.5と同等圏であり、中国モデルが米国の最上位クローズドモデル直下へ入ったことを示す。ただし、ウェイト未公開の現時点ではArtificial Analysis上のライセンス分類は「Proprietary」である。

AA-Briefcaseの更新値

AA-Briefcaseは、スプレッドシート、プレゼンテーション、UIモックアップなど、複雑な成果物を作る長期知識労働ベンチマークである。数値は第12章に掲げた。

この指標については、採用値の注意が要る。Artificial Analysisの初出記事では1547、Moonshotの公式比較表では1548、そして7月21日の更新では1543と、三つの値が流通した。本稿は更新後の1543を採用している。差はわずかだが、「どの時点の、誰の数字か」を確かめずに引用すると、こうしたずれが積み上がる。

内容面では、K3はFable 5に次ぐ2位である。K2.6からは+732ポイントという跳躍で、分析品質とルーブリック採点はFable 5にほぼ並ぶ。一方、プレゼンテーション品質ではGPT-5.6 Solが依然として優位である。

そしてArtificial Analysisは、順位とは別の指摘もしている。K3はこの評価で1タスクあたり平均1時間近くを要し、運用コストはOpus 4.8より高くなる。

順位の高さと、実務での使い勝手は別である。

「安いモデル」とは言い切れない

Artificial Analysisの通常のIntelligence Indexでは、K3の平均タスク費用は約0.94〜0.95ドルで、GPT-5.6 Solと近い。一方、AA-Briefcaseでは平均10.57ドル、平均83ターン、出力約12万トークン、完了まで56.4分を要した。

つまり、API単価はFable 5より安くても、長期エージェントが大量の出力と反復を使えば、タスク総額は高くなる。K3のコスト評価では「100万トークン当たり単価」と「仕事一件を完了する総費用」を分けなければならない。

速度と冗長性

2026年7月23日時点のArtificial Analysisモデルページでは、K3の出力速度は約35.2トークン／秒、最初の出力まで約4.54秒とされる。同価格帯モデルの中央値より遅く、評価全体で約1億3000万出力トークンを使った。

K3は考え抜く力と長時間継続力を持つ一方、遅く、長く出力しやすい。これは品質面の強さと、推論コスト・待ち時間の弱さが同時に存在することを意味する。

幻覚率の記述は削除

幻覚率は悪化した

Artificial Analysisが7月17日に公表した記事には、AA-Omniscienceの結果が示されている。

  • 総合Omniscience Index：K2.6の+6から、K3は**+18**へ改善

  • 正答率：33％から**46％**へ改善

  • 幻覚率：39％から51％へ悪化

AA-Omniscienceの幻覚率は、「答えるべきでなかった場面で誤って答えた割合」を測る。正解が増えた一方で、知らないと言うべきときに言い切る頻度も増えた。

Artificial Analysis自身がこれを「実際の弱点」として名指ししている。The Decoder、Latent Spaceなど複数の媒体も同じ数字を引いている。

ただし注意が要る。AA-Omniscienceは対象モデルが増えるたびに更新される生きた指標であり、この39％→51％は2026年7月17日時点の公表値である。本稿はこれを「その時点でAAが公表した数値」として扱い、恒久的な固定値としては扱わない。

なぜ総合Indexが改善したのか。AA-Omniscienceの採点式が、正答率の上昇を幻覚率の上昇より大きく評価するためである。つまり「+18へ改善」と「幻覚率51％」は矛盾しない。同じ現象の別の側面である。

この構図はK3固有ではない。Grok 4.5でも、前世代からの正答率向上に較正の悪化が伴ったと報告されている。能力を上げると自信も上がる、という共通の課題がある。

第三者評価が示す結論は明快である。K3は世界最上位圏に入ったが、速度、冗長性、長期タスクの費用、プレゼンテーション品質では改善余地がある。

18．Arena WebDev暫定首位——人間評価で確認されたフロントエンド能力

ArenaのWebDevリーダーボードでは、Kimi K3が2026年7月16日時点で1679点を記録し、Moonshot AIのラボ順位で暫定1位となった。比較対象はClaude Fable 5の1631、GPT-5.6 Sol xhigh（Codexハーネス）の1618、GLM-5.2の1587である。

旧稿にあった「1,757人が投票」「対戦勝率76％」という表現は、時点の異なるSNS速報に依存し、現在の公式リーダーボードと整合しにくいため削除した。

この結果が意味するもの

Arenaは、正解が一つに定まる試験ではなく、人間が生成されたウェブ画面を比較して選ぶ評価である。K3が強いのは、HTMLやReactの構文だけでなく、視覚的な完成度、UI構成、参照画像への追従、複数段階の修正を統合できるためと考えられる。

過大評価しないために

スコアには信頼区間があり、K3の順位は「Preliminary」である。また、モデル単体ではなく、エージェント環境やツールの影響を受ける。したがって、これはフロントエンド開発で有力な証拠ではあるが、総合性能の首位を意味しない。

対比になる数字がある。同じArenaでも、一般的な対話を評価するText Arenaでは、K3は9位前後にとどまると報じられている。

つまりK3の人間評価は、フロントエンド生成で突出し、一般対話では上位圏どまりである。この落差は、K3が「会話が上手いモデル」ではなく「作業を仕上げるモデル」として設計されていることの裏返しでもある。

第17章でArtificial Analysisが指摘した「ユーザー体験ではFable 5とGPT-5.6 Solに差がある」という評価とも、方向が一致する。

第3部　何ができるのか——製品・エージェント・価格

19．K3の実演が示すもの

Moonshot AIは、K3の能力を示す複数の事例を公開した。

GPUカーネル最適化

K3は同一のサンドボックスで最大24時間動作し、NVIDIA H200などを対象にKDA、AttnRes、MLA関連のGPUカーネルをプロファイル、書き換え、ベンチマークした。

対象は4タスクである。AttnRes、KDA、そして512ヘッド次元のMLAカーネルを、NVIDIA H200と、別ベンダーのGPGPUの両方で扱わせた。

Moonshotの報告では、K3はFable 5と競合し、Opus 4.8、GPT-5.6 Sol、GPT-5.5を大幅に上回った。ただし公式は、Fable 5が第三者によって評価されており、結果にフォールバック挙動が含まれる可能性があると注記している。

そして最も重要な一文が、この節の末尾に置かれている。K3開発の後期には、K3の初期版がチーム自身のカーネル最適化作業の大半を担当した、というものだ。

モデルが自分を速くする作業を自分でやった、ということである。OpenAIがGPT-5.6でRSI Index（再帰的自己改善指標）を公表したのと同じ方向を、Moonshotは事例で示した。

ただし、評価対象タスクはK3自身のアーキテクチャに近く、Moonshot側が設計した環境である点には注意が必要だ。

MiniTritonの開発

K3は、独自のタイルレベルIR、MLIR上の最適化、PTXコード生成を持つ小型Triton風コンパイラー「MiniTriton」を構築した。

単一のカーネルを書くだけではなく、DSL、IR、最適化パス、コード生成、ランタイムまで一貫したシステムを作った点が重要である。

公式によれば、対応するルーフラインベンチマークにおいて、MiniTritonはTritonおよびtorch.compileと同等以上の性能を出し、一部の負荷では成熟したTritonを上回った。ゼロから書いたTensor Coreの経路が、長年最適化されてきたスタックに並んだという主張である。

さらにnanoGPTの学習を実行し、損失曲線が参照実装に近く収束したとしている。

これは、エージェントが「局所的なコード補完」から「研究開発プロジェクト全体の構築」に進みつつあることを示す。

チップ設計

K3は48時間の自律実行で、自身の小型アーキテクチャを動かすチップを設計、最適化、検証したとされる。

オープンソースEDA、Nangate 45nmライブラリを使い、4平方ミリメートル、100MHz、シミュレーション上8,700トークン／秒超、146万標準セル、0.277MB SRAM、INT4 MACアレイという設計を作った。

これは製造済みのシリコンではなく、オープンEDA上の設計・シミュレーション結果である。それでも、仕様理解、RTL、合成、配置配線、タイミング、検証を長期的に進める能力を示す事例として興味深い。

研究コードの再現

計算宇宙物理学のI–Love–Q普遍関係を再現する課題では、20本以上の論文を読み、300以上の状態方程式を評価し、公開式の矛盾を発見し、3,000行以上のPythonコードとインタラクティブなダッシュボードを作ったという。

Moonshotは、経験ある研究者が1〜2週間必要とする作業を約2時間で完了したとしている。

これはベンチマークではなく事例紹介であり、再現性と品質の第三者検証が必要である。しかし、K3が狙う市場が単なるチャットではなく、「研究者、エンジニア、コンサルタント、アナリストの長期作業」であることは明確だ。

ASIC産業42年の調査サイト

公式が挙げるKimi Work上の事例で、規模が最も分かりやすいのがこれである。

ASIC産業の42年間を対象にした対話型の調査レポートを、120回を超える再帰的な自己改善で作った。データ収集は、2,800回超のウェブ検索と取得、1,100回超の端末経由のデータ取得。読んだ量は11,000ページ超で、四半期報告87本、原本PDF 99本を含む。

出力はテキストではなく、専用のグラフ、アニメーション図、対話型のビジュアル記事である。

重力波データの解析

GWTC-5の391件の重力波イベントを、20体超の並列サブエージェントで解析した。7点の科学図版、2つの表、10本超の論文の統合を出力したという。

動画編集

ここは日本語記事でほとんど触れられていない。

K3は、自分自身のアーキテクチャを解説する3Blue1Brown風のモーショングラフィックス動画を作った。さらに、K3の公式ティザー動画そのものを、56本の素材クリップからK3が編集した。クリップ選択、動きに合わせたカット、フレーム単位の拍同期、音声処理、複数回の修正を含む。

Moonshotは、この密度の短尺動画には熟練編集者で1〜2営業日、初心者で3〜5日かかるとしている。

テキスト、画像、映像を同じモデル内で扱うネイティブ・マルチモーダル設計の、最も分かりやすい実演である。

20．Kimi WorkとKimi Code

K3は単独のAPIモデルではなく、Moonshotの製品群に統合されている。

Kimi.comは一般向けのチャットとエージェント環境。

Kimi Workは、デスクトップ上で文書、表計算、スライド、調査、ローカルファイル、長期プロジェクトを扱う知識労働エージェント。

Kimi Codeは、ターミナルとIDEでコードベース、コマンド、ファイル編集、テスト、検索を扱う開発エージェントである。

この製品構成は、OpenAIのChatGPT、Codex、Work系機能、AnthropicのClaude、Claude Code、GoogleのGemini、Jules、Workspace統合に相当する。

モデル競争は、すでにAPIの一問一答性能だけでは決まらない。

  • どのツールに接続できるか

  • ローカルデータを扱えるか

  • 長時間動けるか

  • 状態を保持できるか

  • 複数エージェントを協調させられるか

  • 文書、表、スライドを納品物として作れるか

  • 企業の権限管理に対応できるか

が重要になる。

K3は100万トークンと長期エージェントを、Kimi Work、Kimi Code、Agent Swarm、WebBridge、Kimi Clawなどの製品に展開することで、モデル能力を実務に変換しようとしている。

WidgetsとDashboard

K3の発表と同時に、Kimi Workに二つの新機能が入った。

Widgetsは、チャットの中に対話型の部品を直接生成する機能である。ローカルデータや外部プラグインに接続し、継続的に更新できる。

Dashboardは、生成した部品を一つの画面に集約する機能である。話題、案件、目標を単位として、対話が終わっても残る作業面を作る。

チャットは会話が終われば消える。Dashboardは、モデルの出力を「消えない道具」に変える試みである。

提供形態

  • Kimiアプリ：iOS、Android、HarmonyOS

  • Kimi Work：デスクトップ版3.1.0以降。WindowsとApple Silicon搭載Mac

  • Kimi Code：ターミナルで`/model`コマンドからK3を選択

  • Kimi API：モデルIDは`kimi-k3`。OpenAI互換

  • Kimi Enterprise：企業向けのデータ保護と権限管理。個人アカウントと組織アカウントを完全分離

企業向けの分離アカウントを同時に打ち出している点は、日本企業にとって実務的な意味がある。

7月21日、Kimi Workが大きく変わった

K3の発表から5日後、Moonshotはデスクトップ版Kimi Workの大型アップデートを出した。K3の記事の多くがモデルの話で止まっているが、実務への影響はこちらのほうが大きい可能性がある。

主な追加は次の通りである。

  • WebBridge：実際のChromeとEdgeをChrome DevTools Protocol経由で操作する。仮想ブラウザではなく、利用者がログイン済みの本物のブラウザを動かす

  • Agent SwarmのOffice接続：K3のswarmが、PowerPointとExcelへ直接出力する

  • Cronスケジューリング：定時実行。毎朝の定型作業をエージェントに任せられる

  • 金融データの内蔵：中国A株、香港株、米国株のデータにネイティブ対応

配布は無料で、swarmの実行量が有料プランで制限される形である。

制約もある。対応OSはApple Silicon搭載MacとWindowsのみ。そして、マシンがスリープすると処理が止まる。継続実行にはクラウド側のKimi Clawが必要になる。

「実際のブラウザを操作し、Excelに書き出し、毎朝定時に動く」という組み合わせは、日本企業の定型業務——為替と株価の朝次レポート、サプライヤーサイトの巡回、社内システムからの転記——に、そのまま当てはまる。

第21章で見るAgent Swarmが、ここで初めて具体的な出力先を得たことになる。

21．Agent Swarm——規模を「横」に伸ばす賭け

ここを飛ばすわけにはいかない。Moonshotがこの半年で作った、最も独創的な仕組みだからである。

2025年のAI業界の物語は、垂直方向のスケーリングだった。モデルを大きくする。パラメータを増やす。だが、そこには構造的な天井がある。一本の実行系列がボトルネックになる。

Agent Swarmは、その天井を横に破る試みである。

発端は100行のif-else

Kimi公式ヘルプセンターは、この機能の出発点をこう説明している。

社員の一人が、毎日の株式情報収集を自動化しようとした。書いているうちに、if-elseが100行を超えた。そこで気づいた。「私は、マルチエージェントシステムを手書きしている」。

モデルが道具を使えるなら、なぜ自分の組織を設計できないのか。

Agent Swarmは、人間ではなくAIが設計する組織構造である。

数字の推移

  • 2026年1月27日、K2.5でAgent Swarm（Beta）を導入。最大100のサブエージェント、1,500の協調ステップ

  • 2026年4月20日、K2.6で大幅拡張。最大300のサブエージェント、1タスクあたり4,000超のツール呼び出し、単一エージェント比で約4.5倍速。最大13時間の連続コーディングに対応するとも報じられた

  • そして公式ヘルプセンターは、Agent Swarmが現在Kimi K3（K3 Swarm）で動作し、大規模な並列検索とバッチ処理をさらに改善したと記載している

kimi.comのモデル選択には、K3 MaxとK3 Swarm Maxの二構成が並ぶと報じられている。K3は「一体の賢いエージェント」と「群れ」の両方で提供される。

ただし注意が要る。300サブエージェント、4,000ステップという数字は、K2.6時点で公表されたものである。K3 Swarmで上限が変わったのかを、Moonshotはまだ明示していない。ヘルプセンターの見出しも「K2.6 Agent Swarm [Beta]」のままだ。

技術報告で確認すべき項目が、また一つ増えたことになる。

「選手は凍結し、コーチだけを鍛える」

技術的な核心はここにある。

学習手法はPARL（Parallel-Agent Reinforcement Learning）である。設計思想を、公式はこう表現する。選手は凍結し、コーチだけを訓練する、と。

サブエージェントは既存の能力をそのまま保つ。強化学習で改善するのは、オーケストレーター（司令塔）だけである。責任の所在が明確になり、学習が安定する。

ここが、他社のサブエージェント機能との決定的な違いだ。

多くの実装で、司令塔はプロンプトのテンプレートである。Kimiの司令塔は、学習された方策である。「サブエージェントを生成する」こと自体が、行動空間の中の一つの行動になっている。

つまりKimiのAIは、仕事の分け方そのものを学習で覚える。

手抜きを防ぐ設計

強化学習で組織を作らせると、モデルは必ず抜け道を探す。公式が挙げる二つの失敗形態が興味深い。

一つは直列崩壊である。司令塔が、全部を一体のサブエージェントに丸投げする。

もう一つは偽の並列である。指標を稼ぐためだけに、意味のないサブタスクを量産する。

対策として、報酬を三次元に分解する。

  1. 最終成果物の品質

  2. 実際に達成された並列性

  3. サブタスクの完了率

さらに「クリティカルステップ」という指標を使う。各段階で最も遅いサブエージェントの時間を数える方式である。

これにより、闇雲にタスクを分割しても得をしない。工程そのものを最適化するしかなくなる。

「AIは答える能力より、仕事を終わらせる能力で競争する」と本稿の後段で書くが、Agent Swarmはそれを報酬関数のレベルで実装している。

コンテキストの分割

もう一つの要点が、コンテキストの分割（context sharding）である。

各サブエージェントは、自分の「ノート」だけを持つ。細部は各自が独立して記録する。司令塔に上げるのは結論だけである。

これにより、推論の過程を捨てずに、司令塔の記憶が溢れるのを防ぐ。

100万トークンの文脈を持つK3と、この設計は相性がいい。文脈が広いことと、文脈を分けて配ることは、矛盾しない。むしろ、広い文脈を持つ司令塔ほど、結論の統合に余裕が生まれる。

実測値

公式が示すBrowseCompでの効果は明確である。

  • 単一エージェント：正答率15.9％

  • Agent Swarm：33.3％

  • クリティカルステップは約40％削減

正答率が2倍以上になっている。

ただしこれは、swarm機能そのものの効果を測るK2.6時点の設定である。本稿のK3のBrowseComp 91.2とは条件が違う。直接比較はできない。

実例

公式が挙げる用途は、具体的である。

  • YouTubeの100ジャンルから上位3クリエイターを抽出（300のサブエージェントを生成して並列検索）

  • Paul Grahamの記事200本超を収集、分類、要約してテーマ別フォルダへ

  • 40本のPDFから100ページの文献レビューを作成（章ごとに執筆担当のサブエージェントを配置）

  • 製品ローンチ戦略を、プロダクトマネージャー、投資家、カスタマーサクセスの視点を持つサブエージェントが多角レビュー

  • 『三体』を20の文体で書き直す（ヴァージニア・ウルフからボルヘス、カフカまで、20体の「作家」が独立して執筆）

K3公式ブログの事例も、この延長線上にある。GWTC-5の重力波解析は20体超の並列サブエージェント。ASIC産業42年の調査サイトは、120回超の再帰的自己改善と2,800回超のウェブ検索だった。

桁は違うが、思想は同じである。

提供条件

  • Web：kimi.com/agent-swarm

  • モバイル：Kimiアプリでモードを切り替えて選択

  • 対象：Moderato、Allegretto、Allegro、Vivaceの各会員

  • 標準のAgentタスクより、大幅に多くのクレジットを消費する

最後の一行は重要である。並列は速いが、安くはない。300体を動かせば、300体分のトークンを払う。第22章で見るK3の価格は、この点と併せて読む必要がある。

日本企業にとっての意味

Agent Swarmが向くのは、次のような作業である。

  • 大規模な情報収集

  • 大量のファイル取得

  • 100本超の文書の横断読解

  • 10万字を超える長文の作成

  • フロントエンド開発、コードレビュー、リファクタリング

  • 業務文書、表計算、資料の自動生成

日本企業の現場に引き直せば、業界調査、特許調査、サプライヤー比較、規格文書の突き合わせ、多言語の技術資料の整理が該当する。中国のサプライヤー資料を大量に読む仕事とは、とりわけ相性がいい。

一人のAIに13時間働かせるのか。300体のAIに30分働かせるのか。

K3が示すのは、この選択肢が実務に入ってきたということである。

22．API価格は本当に安いのか

K3のAPI価格は、100万トークン当たり、

  • キャッシュヒット入力：0.30ドル（約48円）

  • キャッシュミス入力：3.00ドル（約480円）

  • 出力：15.00ドル（約2,400円）

である。

中国国内価格は、キャッシュヒット入力2元、通常入力20元、出力100元と案内されている。ただしこの数字は公式英語ブログにはなく、二次情報である。

GPT-5.6 Solは、入力5ドル（約800円）、出力30ドル（約4,800円）／100万トークンであるため、K3は単価で約40〜50％安い。

だが、単価表だけを比べても本質を外す。K3の価格設計で最も重要なのは、別のところにある。

文脈長による段階課金がない

Kimi公式APIドキュメントは、K3が100万トークンの文脈を持ち、文脈長による段階分けのない従量課金だと明記している。入力も出力も、どれだけ長い文脈を積んでも単価は変わらない。

GPT-5.6 Solは違う。272,000トークンを超える入力を含むリクエストは、そのリクエスト全体が入力10ドル（約1,600円）、出力45ドル（約7,200円）で課金される。長文を使うほど単価が跳ね上がる。

つまり100万トークン近い文脈を実際に使う作業では、K3とSolの差は表の40〜50％ではなく、入力で3.3倍、出力で3倍まで開く。

「100万トークン」を売りにするモデルは複数あるが、100万トークンを罰しない料金表を出したのはK3である。ここが本当の差別化点だ。

その他の課金条件

  • 推論トークンは出力トークンとして課金される。常時max thinkingのK3では、これが実コストを押し上げる

  • 内蔵ウェブ検索は1回の呼び出しにつき0.015ドル（約2.4円）

  • 明示的なキャッシュ制御、バッチAPI、ファインチューニングは非対応

  • temperatureなどのサンプリング設定はモデル側で固定される

参照点としてのOpus 4.8

Financial Timesは、Anthropicが9月にClaude Opus 4.8の価格を入力3ドル、出力15ドルへ改定する予定だと報じた。

事実なら、K3の価格はOpus 4.8の改定後価格と完全に同額である。

Moonshotが「Opus 4.8と同じ土俵の値段で、Opus 4.8より上のベンチマークが並ぶ表」を用意したのだとすれば、価格設定はきわめて意図的だということになる。

一方、K2.6に比べるとK3は大幅に高い。K2.6は現在、入力0.95ドル、出力4.00ドルである。K3はその約3倍から4倍になる。

しかも、K2.6自身が発売時から値上げされている。2026年4月の発売時は入力0.60ドル、出力2.50ドルだった。約60％の引き上げである。

中国AIモデルに期待されてきた「圧倒的な安さ」から、欧米の中上位モデルに近い価格帯へ、二段階で移行したことになる。

これは、中国AI企業の戦略変化を示している。

2024〜2025年の中国モデルは、米国モデルの10分の1、20分の1という価格を武器にした。だが、最先端性能を追うには、学習、推論、GPU、電力、ネットワーク、データ、研究者に巨額の費用がかかる。

K3の価格は、Moonshotが「安価な代替品」から「最高性能に近いプレミアムモデル」へ進もうとしていることを示す。

それでも、キャッシュヒット入力0.30ドルは効く。

GPT-5.6 Solのキャッシュ読み出しは0.50ドルであるから、4割安い。ただしK2.7 Codeの0.19ドル、Kimi K2の0.15ドルより高いことも事実である。K3は「Kimiの中では高いが、フロンティア勢の中では安い」位置にある。

長期コーディングでは、巨大コードベースの大部分が繰り返し入力される。Moonshotは、分離型推論基盤MooncakeとKDA向けprefill cacheによって、コーディング作業で90％超のキャッシュヒット率を実現するとしている。

この条件が本当に達成されるなら、100万トークンの巨大文脈でも、反復作業の入力コストを大幅に抑えられる。

ただし、実際の総コストは出力トークン、長い思考、ツール呼び出し、リトライ、エージェントの稼働時間で決まる。単価だけでは比較できない。

第三者が測った「タスクあたりの費用」

Artificial Analysisは、単価ではなく実測のタスクあたり費用を公表している。これが最も実務に近い数字である。

  • Kimi K3：0.94ドル（約150円）

  • GPT-5.6 Sol：1.04ドル（約166円）

  • Claude Opus 4.8：1.80ドル（約288円）

  • GLM-5.2：0.32ドル（約51円）

  • DeepSeek V4 Pro：0.04ドル（約6円）

K3はOpus 4.8の約半額、GPT-5.6 Solとはほぼ同等である。単価表では40〜50％安く見えたが、実タスクではSolとの差はほとんど消える。

理由は明快だ。K3は常時max thinkingで、推論トークンが出力として課金される。

一方、オープンウェイト勢との差は大きく開いた。GLM-5.2の約3倍、DeepSeek V4 Proの約24倍である。K3は「オープンウェイトの中では圧倒的に高い」。

速度という隠れたコスト

さらに、K3は速くない。

Artificial Analysisの計測では、出力速度は毎秒35.2トークン。同価格帯の推論モデルの中央値である毎秒71トークンの半分である。最初のトークンまで4.46秒かかる。

一部の集計では毎秒62トークン前後とされ、中央値73トークンを下回るという報告もある。数字に幅はあるが、方向は一致している。

エージェントを何時間も走らせる用途では、遅さは時間コストとして効いてくる。単価表の優位が、待ち時間で相殺される場面がある。

「安い」という評価は、単価では正しく、タスク費用では条件付きで正しく、所要時間まで含めると微妙になる。ここは導入前に自社のワークロードで測るべき箇所である。

23．オープンウェイトの意味

Moonshot AIは、K3の完全なモデルウェイトを7月27日までに公開するとしている。

ただし、ライセンスは発表時点で公表されていない。K2、K2.5、K2.6、K2.7 CodeはいずれもModified MITで公開された。大規模展開時に帰属表示を求めるが、商用利用を認めるライセンスである。K3が同じ条件になる保証はない。

ここで「オープンソース」と「オープンウェイト」を区別する必要がある。

モデルウェイトが公開されても、学習データ、データ収集方法、全学習コード、強化学習環境、フィルタリング、インフラ、評価データが完全公開されるとは限らない。

K3は現時点で「open-weight」と表現するのが最も正確である。

それでも、2.8兆パラメータ級のウェイト公開は大きな意味を持つ。

主権AI

各国政府、大学、企業は、米国企業のAPIに全データを送らず、自国インフラで最先端モデルを運用できる可能性を得る。

産業特化

製造、金融、医療、法律、研究、防衛、ロボティクスなどのデータで追加学習し、専用モデルを作れる。

推論技術の競争

vLLM、SGLang、TensorRT-LLM、中国製推論基盤、国産アクセラレータ企業がK3対応を進めることで、巨大MoEの推論最適化が加速する。

Moonshot自身も動いている。公式ブログによれば、KDAは従来のprefixキャッシュに新しい課題を持ち込むため、Moonshotは対応する実装をvLLMコミュニティに寄与済みで、モデルウェイトと同時に公開する。

Kimi公式のAPIドキュメントも、7月下旬時点で次の趣旨を掲げている。Kimiは現在、推論パートナーおよびオープンソースのメンテナと緊密に協働し、技術的な詳細を擦り合わせて、エコシステム全体で確実に動くようにしている——というものである。

ウェイトを投げて終わりではなく、動かすための部品を先に上流へ入れている。オープン化の作法として、この順序は重要である。

蒸留

K3を教師として、小型のK3派生モデルを作れる。

安全保障上の懸念

最先端に近いモデルを誰でも取得できれば、サイバー攻撃、危険物、偽情報、自律エージェントなどのリスクも高まる。

K2.5の独立安全評価は、内容を正確に押さえておく価値がある。

比較対象はGPT-5.2とClaude Opus 4.5である。結論は次の通りだった。

  • CBRNE、とくに生物分野で、閉鎖型フロンティアモデルと同等のデュアルユース能力を持つ

  • にもかかわらず、CBRNE関連の要求を拒否する頻度が著しく低い

  • サイバーでは一般的な知識は強いが、脆弱性発見と悪用の自律実行はフロンティア水準に届かない

  • サボタージュ能力と自己複製傾向に懸念される水準が見られた。ただし長期的な悪意ある目標を持つ証拠はない

  • 中国語でとくに顕著な、狭い範囲の検閲と政治的偏りがある

  • 偽情報の拡散と著作権侵害に関する要求への応諾が高い

  • 一方で、利用者の妄想には乗らず、過剰拒否も少ない

著者らは、オープンウェイト開発者に対し、より体系的な安全評価の実施と公開を強く求めている。

K3はK2.5より大幅に強力である。ウェイト公開時には、この報告が突きつけた問いがそのまま再燃する。

MoonshotのK3発表時点では、完全な安全報告書は同時公開されていない。これは今後の大きな論点である。

そしてもう一つ、オープンウェイト化について検証しておくべき前提がある。次章で扱う。

24．オープンウェイトは、無限のエージェントを意味するか

K3をめぐって、次のような構想を聞くことがある。

「世界トップ級のオープンモデルにエージェント機能が付いている。ローカルに立てれば、エージェントを無制限に走らせられる。トークン代も要らなくなる」

魅力的な構想である。そして、方向としては正しい。だがこの一文は、三つの別々のものを一つに束ねている。分けて検証すると、結論はかなり変わる。

誤解1：Agent機能はウェイトに入っていない

ここが最も大きい。

7月27日に手に入るのは、モデルの重みである。

一方、第21章で見たAgent Swarm、第20章のKimi Work、Kimi Code、WebBridge、Widgets、Cronスケジューリング、Kimi Claw——これらは製品であって、重みではない。

しかもAgent Swarmの司令塔は、PARLで訓練された方策である。それが公開チェックポイントに含まれるのか、Moonshotは明言していない。kimi.comのモデル選択には「K3 Max」と「K3 Swarm Max」が別構成として並ぶ。ダウンロードした重みに、300体のサブエージェントを統括する仕組みが同梱されている保証はどこにもない。

手に入るのはエンジンであって、車ではない。オーケストレーションの層は、自分で書くことになる。

誤解2：2.8兆は「ローカル」で動かない

第9章で見た通り、BF16で約594GB、4ビット量子化しても300〜400GBである。Moonshotの推奨は64基以上のアクセラレータで、最低構成は公表されていない。

RTX 4090でも、Mac Studioでも、量子化してもロードできない。

「ローカルLLM」という言葉が普通に指す規模と、K3が要求する規模は二桁違う。これは自宅やオフィスの話ではなく、データセンターの話である。

誤解3：トークン代は消えず、形が変わる

概算してみる。GPU価格は変動が大きいので、桁の話として読んでほしい。

H200のクラウド価格は、2026年時点で1基あたり毎時2.43ドルから13.78ドル、市場中央値は約3.82ドルとされる。中央値で64基を1か月連続稼働させると、

64基 × 3.82ドル × 730時間 ＝ 約17.9万ドル（約2,860万円）

これをK3のAPI出力単価15ドル／100万トークンで割ると、月あたり約119億トークンに相当する。1日およそ4億トークンである。

第17章で触れたArtificial Analysisの計測では、Intelligence Indexの9評価すべてを走らせるのに1億3,200万トークンを要した。つまり自前運用の月額は、あのベンチマーク一式を毎日3回まわし続けて、ようやく元が取れる水準になる。

購入する場合はさらに重い。H200のSXM5版は1基3.2万〜4.5万ドルとされ、64基で205万〜288万ドル（約3億3,000万〜4億6,000万円）。ここに高速ネットワーク、電力、冷却、運用人件費が乗る。

そしてAPIは使った分だけだが、自前のGPUは遊んでいても課金される。この非対称性が効く。

逆説——安さが目的なら、K3は選ぶべきではない

さらに根本的な問題がある。

第17章と第22章で見たArtificial Analysisのタスクあたり実測費用を、もう一度並べる。

  • Kimi K3：0.94ドル

  • GPT-5.6 Sol：1.04ドル

  • GLM-5.2：0.32ドル

  • DeepSeek V4 Pro：0.04ドル

K3はオープンウェイト勢の中で、約3倍から24倍高い。K2.6からも3〜4倍の値上げだった。常時max thinkingで推論トークンを大量に吐き、出力速度は毎秒35トークンと同価格帯の半分である。

K3は「最も賢いオープンモデル」だが、「最も安いオープンモデル」ではまったくない。

コスト削減を目的にK3を選ぶのは、目的と手段が逆立ちしている。

もう一つ、効く事実がある。第27章で見た通り、**Moonshot自身が需要にGPUが追いつかず、新規契約を停止した。**モデルを作った当人が、自社の最適化された基盤で捌けなかった。「無限に使える」という感覚は、ここで一度疑ったほうがいい。

では、何が本当に強いのか

コストではない。データ主権と、選択肢の分散である。

中国の工場やサプライヤーの資料を大量に扱う業務で、それを海外APIに流さずに処理できる。ベンダーがモデルを廃止しても止まらない。価格改定に人質を取られない。

これは金額に換算しにくいが、金額より重い場面がある。第34章で見る日本企業の事情では、とくにそうだ。

現実的な設計——二層構成

実務で強いのは、おそらく次の形である。

上の層——難しい判断、長期エージェント、フロントエンド生成はK3。ただし自前ではなく、APIか推論事業者経由で。7月27日以降、複数の事業者が競争して価格を下げるはずで、その恩恵は自前運用より確実に大きい。第23章で述べた通り、多くの企業にとってオープンウェイト化は「自分で動かせる」ではなく「事業者の選択肢が増える」という形で現れる。

下の層——大量の定型処理、書類の分類、翻訳、一次要約は、K2.7 CodeやGLM-5.2クラスを自前で。この規模なら本当にローカルで動くし、単価も一桁から二桁安い。

「K3をローカルで無限に」ではなく、「K3の知能を必要な場面だけ買い、量は安いモデルで自前で捌く」。

同じ発想を、実現可能な形に落とすとこうなる。

最後に、二つの注意

第17章で見た通り、K3の幻覚率は前世代の39％から51％に上がっている。監視の薄い自前環境で、無制限にエージェントを走らせる——これはいま最も慎重であるべき組み合わせでもある。

そしてライセンス文面は、まだ出ていない。事業計画を立てるなら、7月27日にLICENSEファイルを読んでからでも遅くない。

第4部　Moonshot AIの戦略——企業・資本・米中対立

25．Moonshot AIとは何者か

Moonshot AI、中国名「月之暗面」は、2023年に北京で設立された。

創業者は3名である。楊植麟（Yang Zhilin、CEO）、周昕宇（アルゴリズム統括）、呉育昕。楊植麟は清華大学、カーネギーメロン大学で学び、Transformer-XL、XLNetなど長文・言語モデル研究で知られる研究者である。

中国語社名の月之暗面は「月の裏側」を意味し、Pink Floydのアルバム『The Dark Side of the Moon』に由来するとされる。

同社は設立当初から、長いコンテキストを最大の差別化要因としてきた。

2023年のKimi Chatは128Kトークン級の長文を武器に中国市場で急成長した。2024年には200万文字級の長文機能を打ち出し、検索、文書読解、学術用途で利用を増やした。

2025年はKimi k1.5で長期推論、Kimi-VLで視覚、7月のKimi K2で1兆パラメータMoEとエージェント、11月のK2 Thinkingで200〜300回の連続ツール呼び出しへ進んだ。

2026年に入って刻みが細かくなる。1月にK2.5でネイティブ・マルチモーダル。4月20日にK2.6で長期コーディングとAgent Swarm。6月にK2.7 Codeでコーディング効率。そして7月16日にK3である。

1年で5世代を出したことになる。

K3は、これらを3兆パラメータ級、100万トークン、視覚、コード、知識労働に統合したモデルである。

Moonshotの進化は一貫している。

「長文を読めるチャット」から始まり、「長期に働けるAIエージェント」へ向かっている。

創業者

楊植麟は34歳。清華大学で学び、カーネギーメロン大学で博士号を取得し、GoogleとMetaで研究に携わった後、清華大学で教鞭を執った。Transformer-XL、XLNetの著者として知られる。

かつてバンドでドラムを叩いていた経歴も報じられている。中国AIの主役の一人が、まだ30代半ばであることは記憶しておいていい。

資本と収益については第27章、戦略転換の経緯については第26章で扱う。

26．DeepSeekショックからの戦略転換

K3を「突然現れた巨人」として読むと、本質を外す。この会社は一度、負けかけている。

2025年初頭、同じ日に

2025年初め、MoonshotはクローズドモデルK1.5を公開した。

同じ日、DeepSeekがR1を発表した。

Bloombergの報道によれば、このタイミングは楊植麟にとって完全な不意打ちだった。市場の注目はDeepSeekへ集中し、Kimiからはユーザーが流出した。

Moonshotはそれまで、Kimiチャットボットの宣伝に数千万ドル規模を投じていた。その投資が一夜で無意味になった。

春節明けの緊急会議

楊植麟は春節休み明け直後に緊急会議を招集した。そこで下した決断が、現在のMoonshotを作っている。

  • 次のフラッグシップモデルをオープンソースで出す（DeepSeekの戦略を取り込む）

  • 消費者向けチャットボットのマーケティングを停止する

  • 企業とソフトウェア開発者へ軸足を移す

  • 短期の勝敗ではなく長期の視点を保つ

広告費を切り、法人・開発者向けへ集中投資する。ChatGPT型の一般消費者サービスから、API・エージェント・法人AI基盤への転換である。

転換の結果

この判断は効いた。

1兆パラメータのK2が出て、2026年1月にK2.5、続いてAgent Swarm、4月にK2.6、6月にK2.7 Code、そして7月にK3。

K2.5以降、海外のAPIトラフィックは10倍から20倍に急増し、海外収益が国内を上回ったと報じられている。現在、B2BのAPI収益が事業の約7割を占めるとされる。

「一般向けAIアプリの会社」から「開発者とエージェントの会社」への転換が、完了している。

モデル規模の判断も変わった

規模の計画も途中で変わっている。

当初は約2,000億パラメータ級を想定していた。それが1兆級へ拡大し、最終的に2.8兆へ到達した。

小さく効率的に作る路線から、大型モデルへの集中投資へ。DeepSeekが示した「効率」の道を取り込みながら、規模でも正面から戦う判断をしたことになる。

「K2」という名前

Bloombergは、社名とは別の由来にも触れている。

「K2」は、世界第2位の高峰K2（ゴドウィン・オースティン）から取られている。

まだ世界一ではない。しかし頂点を目指す。そういう意味を込めた名前だとされる。

K3という名前に、その先の含意があるのかどうかは、公式には語られていない。

27．ARR、香港IPO、300億ドル

技術と同じ速度で、この会社の数字が動いている。本節はすべて報道ベースである。

年間経常収益（ARR）

  • 2026年3月：1億ドル（約160億円）

  • 2026年4月：2億ドル（約320億円）

  • 2026年6月：3億ドル（約480億円）

3か月で3倍である。しかも、K2.6の価格を約60％引き上げた上での数字だ。

評価額の推移

  • 2025年12月：約43億ドル（約6,880億円）

  • 2026年1月：約48億ドル（約7,680億円）

  • 2026年2月：約100億ドル（約1兆6,000億円）

  • 2026年3月中旬：約180億ドル（約2兆8,800億円）

  • 2026年5月：約20億ドル（約3,200億円）を調達し、評価額200億ドル（約3兆2,000億円）超へ。美団のベンチャー部門Long-Zが主導し、清華系ファンド、China Mobile、CPE源峰が参加

  • 2026年7月：300億ドル（約4兆8,000億円）超で調達ラウンドを最終段階へ

半年で7倍である。累計調達額は55億ドル（約8,800億円）超に達したとされる。

同時期、DeepSeekも約710億ドル（約11兆3,600億円）での調達を進めていると報じられた。中国のオープンウェイト勢に資本が集中している。

K3公開後に起きたこと

K3の公開後、1日当たりの売上が少なくとも6倍になったと報じられている。

そしてReutersが7月20日に報じたところでは、アクセス急増で既存クラスターが限界に近づき、Moonshot AIは新規の個人向け有料契約を一時停止した。既存の有料ユーザーへ計算資源を優先し、今後は一般向けとコーディング向けに会員プランを分ける方針を示している。

売れすぎて止めた、ということである。性能の証明であると同時に、GPU制約という中国AI企業共通の弱点の露呈でもある。

需要が事業成長につながっている一方で、推論能力の不足が成長の制約になっている。この二面性が、現在のMoonshotの状態を最も正確に表している。

香港IPO

2026年7月、Moonshotは株主に対し、香港証券取引所への上場について承認を求める決議を回付した。Bloombergが複数の関係者を引用して報じている。

  • 上場は今後6か月以内、つまり遅くとも2027年初頭を想定

  • 同時に進行中の資金調達ラウンドは、評価額300億ドル（約4兆8,000億円）超

  • 5月の美団主導ラウンドでの200億ドルから、2か月で5割増

  • 香港上場を円滑にするため、オフショアのVIE／レッドチップ構造を解体中。香港上場規則第18C章（特専科技公司）の要件に対応

  • 中金公司（CICC）とゴールドマン・サックスが引受業務について協議中

実現すれば、中国AI企業として過去最大級の上場になる。ただし上場時期は流動的である。

数字をどう読むか

ここまでの数字は、すべて報道ベースである。未上場企業の評価額は交渉状況と市場環境で動く。ARRも第三者監査を経た数字ではない。

それでも、方向は明確だ。

Moonshotは「安い中国モデル」から「プレミアム価格で売れる企業向けAI基盤」へ移行し、その移行が収益で裏づけられ、資本市場がそれを評価している。

K3の2.8兆パラメータの学習費用は、この資金が支えている。技術記事として読む場合でも、この裏づけは無視できない。

そして香港上場が実現すれば、Moonshotは財務諸表の開示義務を負う。中国のフロンティアAI企業の収益構造とGPU調達コストが、初めて公開の場に出ることになる。

28．K2からK3への飛躍

K2は総パラメータ1兆、活性化32BのMoEモデルだった。直前のK2.7 Codeも1兆パラメータで、エキスパートは384である。K3は総パラメータ2.8兆へ拡大し、896専門家中16を使う。エキスパート数は2.3倍になった。

なお、K3の活性化パラメータ数は公表されていない。「16／896を使う」とは書かれているが、それが何十億パラメータに相当するかは技術報告待ちである。

単純な規模では2.8倍だが、Moonshotは効率改善も含めてK2比約2.5倍のスケーリング効率を主張する。

この主張は、一部が独立に確認された。Artificial Analysisの計測では、K3はK2.6より21％少ない出力トークンでIntelligence Indexを13ポイント上げている。規模だけでなく効率も改善したという主張は、少なくともこの指標では正しい。

K2の重要な成果は、MuonClipを使った安定学習、15.5兆トークン規模の事前学習、エージェント向けデータ合成、共同強化学習だった。

K3では、KDA、AttnRes、Stable LatentMoE、Quantile Balancing、Per-Head Muon、SiTU、Gated MLA、量子化対応学習、分散推論の最適化へ進んだ。

つまりK3は、K2を単純に大きくしたのではなく、

  • 注意機構

  • 残差経路

  • MoEルーティング

  • 最適化手法

  • 活性化関数

  • 量子化

  • 分散学習

  • キャッシュ

  • 推論基盤

をまとめて再設計したモデルである。

技術報告書が公開されれば、K3が次世代のMoE設計にどれほど影響するかが明らかになる。

29．K3と中国製AIチップ

K3のオープン化は、中国のAIチップ産業にも大きな意味を持つ。

Moonshotは、カーネル最適化の実演でNVIDIA H200だけでなく、別ベンダーのGPGPUも使ったとしている。具体名は公式ブログ本文では明記されていないが、中国製GPU、AIアクセラレータへの対応を意識している可能性が高い。

米国の輸出規制により、中国企業は最新NVIDIA GPUへのアクセスに制約を受ける。中国のAI産業にとって、モデルの性能だけでなく、Huawei Ascend、Cambricon、Moore Threads、Biren、MetaXなど多様なハードウェアで動かすことが重要になる。

K3がMXFP4、MXFP8、静的形状、完全負荷分散、vLLM対応、64基以上のスーパーノードを前提にするのは、特定GPUだけに依存しない推論エコシステムを作る狙いとも読める。

巨大オープンモデルが公開されれば、中国のチップ企業はK3を共通ベンチマークとして最適化できる。

これはソフトウェアとハードウェアの共同進化を促す。

30．市場の反応——「K3ショック」と呼ぶ前に

K3発表後、米国のテクノロジー株は取引序盤に売られ、ナスダック100は一時2％台後半まで下落したとBloombergは報じた。しかし、ニューヨーク時間の正午過ぎには下げ幅を0.5％台まで縮小した。

この値動きを、K3だけが引き起こしたと断定するのは適切ではない。当時の市場には、AI投資の採算性、顧客企業の利用制限、メモリー供給不足、金利、決算前のポジション調整など複数の要因があった。K3は売りの材料の一つだった可能性はあるが、単一の原因ではない。

DeepSeek時との違い

2025年1月のDeepSeekショックでは、「高性能AIには巨額のGPU投資が必要」という前提そのものが揺さぶられた。K3は逆に、2.8兆パラメータ、100万トークン、長期エージェントという巨大推論需要を示している。

そのため、K3はNVIDIAやデータセンター投資に対する弱材料であると同時に、より多くの計算資源が必要だという強材料にもなる。

米AI企業への「思わぬ贈り物」

Bloomberg Opinionは、K3が米国のAI企業にとって脅威である一方、AI投資を止めるべきではないという政治的論拠になると指摘した。中国に後れを取る危機感が強まれば、データセンター建設の許認可緩和、送電網投資、半導体調達、州規制への反対が勢いづく。

この意味で、K3は米国のクローズドモデル企業の収益を圧迫する可能性がある一方、米国AI産業全体の投資アクセルを踏ませる存在にもなり得る。

オープンモデルと安全保障

ただし、中国モデルが米国企業へ広く組み込まれるかは別問題である。データ主権、サイバー安全保障、モデル供給停止、ライセンス変更、政治的統制への懸念がある。中国側が米国モデルへの依存を警戒するのと同様、米国側も中国製基盤モデルへの依存を限定する可能性が高い。

市場が短時間で下げ幅を縮めた背景には、K3を「米国AIブームの終わり」ではなく、「米国が投資を続ける理由」と読む見方があったと考えられる。

31．K3は「DeepSeekショック」の再来か

DeepSeekが世界に与えた衝撃は、単に中国モデルの性能が高かったことではない。

  • 欧米最先端に近い性能

  • オープンウェイト

  • 低価格

  • 学習・推論効率

  • 中国企業による開発

が同時に起きたことにあった。

K3も似た構図を持つ。

ただし、違いもある。

DeepSeekは「少ない資源で高性能」という効率革命の象徴だった。K3は、2.8兆パラメータ、64アクセラレータ以上の推奨、TB級メモリーという、巨大化とインフラ力の象徴である。

K3のメッセージは、「中国は安い小型モデルだけでなく、最大級のフロンティアモデルも作れる」というものだ。

発表のタイミングも、それを裏づけている。K3の公開は7月16日夜、上海で開かれる2026世界人工知能大会（WAIC、7月17日から20日）の開幕直前だった。新華社は上海発の記事で、K3を「現時点で世界最大のパラメータを持つオープンモデル」と紹介し、「我が国の人工知能モデル発展が新たな一歩を踏み出した」と書いた。中関村学院院長の劉鉄岩は、中国のオープンモデルが「単体の登場」から「集団的な突破」へ移ったと述べている。

企業の製品発表であると同時に、国家の成果発表として扱われている。この二重性は、Moonshotが単独で背負う話ではない。

また、K3は単なる推論モデルではなく、コード、検索、映像、資料、表計算、長期作業を統合している。

したがってK3は、DeepSeekショックの単純な再演ではない。

中国AIが「効率で追う段階」から、「規模、製品、エージェント、インフラ、オープンエコシステムで正面競争する段階」に入ったことを示す。

32．米中AIの差はどこまで縮まったのか

Financial Timesは発表前日、K3が2兆から3兆パラメータの、中国最大のモデルになると報じた。ベンチマーク上の位置づけは「Opus 4.8 < K3 < Fable 5」であり、Fable 5には届かないという見立てだった。

翌日に出たMoonshotの公式結果は、この事前報道とほぼ一致した。事前の見立てと公式発表が食い違わなかった、という事実自体が、この分野の情報流通の速さを示している。

2024年ごろ、中国モデルは米国最先端から半年から1年以上遅れると見られていた。2025年にはDeepSeek、Qwen、Kimi、GLM、MiniMaxが急速に追いついた。2026年のK3は、公開された最強モデルと同じ世代の比較表に入っている。

ただし、米中の差はモデルのベンチマークだけでは測れない。

米国には、

  • NVIDIAの最先端GPU

  • 大規模クラウド

  • OpenAI、Anthropic、Google、Meta、xAI

  • 世界的な開発者エコシステム

  • 企業向けSaaSとの統合

  • 巨額の資本

  • 安全評価機関

  • 世界中の高品質データ

がある。

中国には、

  • 巨大な国内市場

  • 低コストな実装力

  • オープンウェイト戦略

  • 製造業との接続

  • Huaweiを中心とする国産AIインフラ

  • 政府支援

  • 多数のAIスタートアップ

  • 急速な製品化

がある。

K3は、基盤モデル単体の差がかなり縮んだことを示す。しかし、エコシステム、GPU、企業導入、安全性、国際展開まで含めた競争は続く。

差は何か月か

具体的な見積もりが、二つ出ている。

李開復は、中国モデルは米国勢に約6か月遅れていると評価した。

一方、Allen Institute for AIで長くオープンモデルを手がけたNathan Lambertは、より短く見る。K3の登場によって、オープン対クローズド、あるいは米国対中国の性能差は、従来議論されてきた6〜9か月から、3〜5か月程度へ縮んだ、というのが彼の見立てである。

ただし彼は条件を付けている。Moonshotが7月27日の約束を守り、実際にウェイトを公開すればの話だ、と。もしK3が結局公開されないなら、状況は「中国も同等に強力だが、クローズドなモデルを持っている」という別の均衡になる。

6か月か、3〜5か月か。どちらにせよ、単位はもう「年」ではない。

33．蒸留疑惑と米政府の対応——7月22日の急展開

本稿の締め切り直前、状況が大きく動いた。技術記事として書き始めたが、この節だけは政治と法の話になる。

ホワイトハウスが名指しした

2026年7月22日、ホワイトハウス科学技術政策局（OSTP）長官のマイケル・クラツィオスがX上で次の趣旨を述べた。

Moonshot AIがK3の開発にあたってAnthropicのFableを蒸留したという情報がある。そのために、米国のモデルに対して大規模な蒸留を行う高度な内部プラットフォームを構築し、検出を避けるためにアクセス方法を素早く切り替えられるようにしていた——というものである。

さらにクラツィオスは、Moonshotが輸出規制対象のNVIDIA GB300搭載サーバーを取得し、タイ経由でGB300にアクセスしていた可能性にも言及した。

財務長官のスコット・ベッセントは、制裁と輸出管理上のブラックリスト入りが選択肢にあると述べた。

米国政府がAIモデルの学習手法を理由に、特定の外国企業をここまで具体的に名指しした例は多くない。

2月のAnthropicの報告

この告発は、突然出てきたものではない。

2026年2月23日、AnthropicはDeepSeek、Moonshot AI、MiniMaxの3社による「産業規模の蒸留キャンペーン」を確認したと公表していた。

  • 3社合計で約2万4,000の不正アカウント、1,600万件超のClaudeとの対話

  • 内訳は、MiniMaxが約1,300万件、Moonshot AIが340万件超、DeepSeekが15万件超

  • Moonshotの対象分野は、エージェント推論、ツール利用、コーディング、コンピューター操作、視覚能力

  • Anthropicは中国でClaudeを商用提供していないため、同社の見立てでは2万4,000アカウントすべてが利用規約違反にあたる

  • 一部のアカウント記録が、Moonshotの上級スタッフの公開プロフィールと一致したとも述べている

Anthropicは、不正に蒸留されたモデルは元モデルの安全機構を引き継がないため、危険な能力が防護を剥がされた状態で拡散すると警告した。

なお、この前月にはOpenAIも米議会に対し、DeepSeekによる蒸留の試みを観測したとする書簡を提出している。Googleも2026年2月、10万件超のプロンプトによるGemini複製の試みがあったと明らかにした。

蒸留そのものは違法ではない

ここは混同されやすいので、切り分けておく。

蒸留（知識蒸留）は、強いモデルの出力を使って弱いモデルを訓練する、確立された機械学習の手法である。自社の大型モデルから小型版を作る用途で、業界全体が日常的に使っている。合法であり、一般的である。

争点は手法ではない。利用規約違反、不正アカウントの大量作成、地域アクセス制限の回避、検出回避——つまり取得の過程にある。

そしてクラツィオスも、通常の研究目的の蒸留と、大規模かつ秘匿的な蒸留とを明確に区別した上で発言している。

時系列が合わないという指摘

一方、AI研究者の間からは、今回の告発の技術的な成立性を疑う声が出ている。

論点は日付である。

Claude Fable 5の公開は2026年6月9日。その3日後の6月12日、Anthropicは米商務省の輸出規制に対応してアクセスを停止した。規制が解除され、アクセスが復活したのは7月1日である。

そしてK3の公開は7月16日。

つまりFable 5が実際に利用可能だった期間は、6月9日から12日までの3日間と、7月1日から16日までの15日間しかない。

2.8兆パラメータのモデルを、その窓の中で大規模に蒸留し、学習を完了させ、公開まで持っていく——研究者たちが指摘するのは、この工程が物理的に成立しにくいという点である。

Nathan Lambertも、K3の性能を見る限り、米国のクローズドモデルからの敵対的蒸留が寄与したとしても、その程度は比較的小さいはずだと書いている。

もっとも、告発が指すのがFable 5に限らず、Anthropicの以前のモデル群を含む長期的な取得活動なのだとすれば、時系列の問題は薄まる。2月のAnthropicの報告が扱っていたのは、まさにその長期的な活動だった。

現時点で、ホワイトハウスは根拠を公開していない。Moonshot AIも反応していない。制裁も発動していない。

背景にある政策の流れ

この告発は、単発の出来事ではない。

Reutersは外交公電を引用して、米国務省が2026年4月、中国AI企業による知的財産侵害への注意喚起を各国大使館へ指示していたと報じた。Moonshotはその中で名指しされていた。

米国モデルの無許可蒸留を行う中国企業を対象とする法案は、上下両院で審議が進んでいる。

そしてワシントンでは、より根本的な議論が続いている。米国は中国製オープンソースモデルを使うべきか。米国企業は中国側に自社モデルを使わせるべきか。

調査会社Moor Insightsのパトリック・ムーアヘッドは、K3への反応の一部は過剰であり、その背景は政治だとCNBCに述べている。彼は、後者の論点——中国に米国モデルを使わせるべきかという議論——を皮肉なものだと評した。中国側は自前のモデルで十分やれているように見えるからである。

7月27日に何が起きるか

このタイミングの意味は大きい。

K3の完全なウェイト公開は7月27日である。告発はその5日前に出た。

米国政府の主張の核心には、こういう含意がある。蒸留によって得たとされるモデルを、誰でもダウンロードできる形で公開すること自体が問題だ、というものだ。

これは新しい論点である。従来の議論は「中国企業が米国のモデルから能力を抜き取った」で止まっていた。今回はその先——「抜き取った能力を世界中に無償配布している」——が争点になっている。

7月27日にウェイトが予定通り公開されるのか。制裁や輸出管理措置が先行するのか。ライセンス文面はどうなるのか。

本稿の他の章で扱ってきた技術的な論点とは別に、この政治的な軸が、K3の今後を左右する可能性がある。

本稿の立場

最後に、本稿がこの件をどう扱うかを明示しておく。

事実として確認できるのは、次の三点である。Anthropicが2月に具体的な数字を伴う調査結果を公表したこと。ホワイトハウス高官が7月22日に公の場でMoonshotを名指ししたこと。財務長官が制裁の可能性に言及したこと。

確認できていないのは、次の点である。K3の学習データのどの部分がClaude由来なのか。ホワイトハウスがどのような証拠を持っているのか。Moonshot側の説明はどうなのか。

日本企業がK3の採用を検討する場合、性能と価格だけでなく、この法的・政治的な不確実性も判断材料に入る。米国の制裁対象となったモデルを業務基盤に組み込むことのリスクは、技術的な評価とは別に見積もる必要がある。

技術記事としては歯切れが悪いが、現時点で書けるのはここまでである。

第5部　日本企業への意味と、AI競争の次の段階

34．K3が日本企業に与える意味

日本企業にとってK3は、単なる中国のニュースではない。

1．モデル調達先が増える

OpenAI、Anthropic、Googleだけでなく、Kimi、Qwen、GLM、DeepSeek、MiniMaxを比較できる。

2．長文の企業内データ活用

製造仕様書、品質記録、保守履歴、議事録、契約書、研究資料、コードを100万トークン文脈で扱える可能性がある。

3．中国拠点との連携

中国工場、サプライヤー、中国語資料、現地規制、EC、SNS、技術文書を扱う企業にとって、中国語に強いモデルは有利である。

4．オープンウェイトによる自社運用

大企業、通信会社、SIer、研究機関は、自社データセンターや国内クラウドでK3を運用し、閉域環境のAIを構築できる可能性がある。

ただし、第24章で検証した通り、K3の自前運用は「安く済ませる手段」ではない。64基以上のアクセラレータを要し、タスクあたり費用でもオープンウェイト勢の中で最も高い部類に入る。

自前運用の価値は、コストではなくデータ主権にある。中国の工場資料、サプライヤー文書、設計データを海外APIに流さずに処理できること。そこに価値を見出せる業務でこそ、検討する意味がある。

コストを目的とするなら、K3ではなく、より小さいオープンモデルを自前で動かすほうが理にかなっている。

5．国産AIへの圧力

日本の国産モデルは、米国モデルだけでなく、中国の3兆パラメータ級オープンモデルとも競争しなければならない。

ただし、日本企業がK3を導入する際には、中国法、データ越境、API保存方針、セキュリティ、モデルウェイトのライセンス、政治的回答の偏り、安全性を確認する必要がある。

重要データを中国向けAPIにそのまま送るのではなく、国内ホスティング、ゲートウェイ、データ匿名化、権限制御、ログ監査を組み合わせるべきである。

35．K3の弱点とリスク

K3には少なくとも十二の弱点と論点がある。

1．総合首位ではない

公式に、Fable 5とGPT-5.6 Solに総合性能で及ばないと認めている。

2．ユーザー体験の差

Moonshotは、Fable 5、GPT-5.6 Solに比べてユーザー体験に明確な差があると記載する。

これは文章品質、指示理解、安定性、適切な確認、完成度、速度、拒否挙動などを含む可能性がある。

3．思考履歴への敏感さ

K3は過去のreasoning contentを保持する前提で学習されており、エージェントが思考履歴を完全に返さないと品質が不安定になる。

途中で他モデルからK3へ切り替えることも推奨されていない。

API仕様にもそれが現れている。複数ステップのfunction callingでは、アシスタントメッセージをreasoning_contentごと保持して送り返す必要がある。既存のエージェント基盤をそのままK3に向けると、静かに品質が落ちる可能性がある。

4．過度な自律性

曖昧な指示でも、ユーザー確認なしに予想外の判断を進める場合がある。

企業利用では、権限境界、承認ステップ、禁止操作、予算、停止条件を明示しなければならない。

5．巨大な運用コスト

オープンウェイトでも、自社運用は容易ではない。TB級メモリー、64基以上のアクセラレータ、高速ネットワーク、高度な分散推論が必要になる。

6．知識の較正が悪化した

Artificial Analysisが7月17日に公表したAA-Omniscienceでは、K3の幻覚率がK2.6の39％から51％へ上がった。正答率は33％から46％へ改善しているが、知らないと言うべき場面で言い切る頻度も同時に増えている。

これは長時間自律で動くモデルにとって、看過できない性質である。誤った前提を掴めば、それが何百ステップにも複製されうる。

AA-Omnisienceは更新される指標なので、この数値は時点付きで読む必要がある。それでも、K3を業務に入れる際は、拒否判断と事実確認の工程を用途別に検証すべきだという結論は変わらない。

7．速度が遅い

出力速度は毎秒35.2トークン。同価格帯の中央値の半分である。最初のトークンまで約4.54秒。

推論トークンを大量に使う設計と合わさり、タスクあたりの実費用はGPT-5.6 Solとほぼ同等になる。単価表ほど安くはない。

8．安全評価不足

発表時点で包括的なK3安全報告は確認できない。K2.5で指摘された低拒否率やデュアルユース能力が、K3でどう変化したかは不明である。

9．エージェント能力は一様ではない

APEX-Agentsでは、K3はGLM-5.2以外のすべてに負けている。Toolathlon-Verifiedでも下から二番目である。「エージェント最強」という要約は、公式表と合わない。

10．API機能の制約

明示的なキャッシュ制御、バッチAPI、ファインチューニングはいずれも非対応である。

11．ウェイトとライセンスはまだ出ていない

本稿執筆時点（7月23日）で、Moonshot AIのHugging Face組織にK3のリポジトリは存在しない。最新はK2.7 Codeのままである。

公約は7月27日。同時に技術報告書と、vLLM向けのKDA実装も公開されるとされる。ライセンス文面も未公表である。

つまり現時点のK3は、「オープンウェイトである」ではなく「オープンウェイトにすると宣言している」段階にある。日本語の解説記事の多くがこの区別を曖昧にしているが、導入判断では決定的な差である。

7月27日に確認すべきは、日付を守ったかどうかだけではない。公開されたチェックポイントと推論レシピが、Artificial Analysisが評価したシステムと十分に一致し、第三者が再現できるかどうかである。ここがずれていれば、「オープンウェイト」の意味は薄まる。

12．モデル蒸留をめぐる知的財産権論争

Anthropicは2026年2月、DeepSeek、Moonshot AI、MiniMaxによる「産業規模の不正な蒸留キャンペーン」を確認したと公表した。同社の説明では、三社合計で約2万4,000の不正アカウントから1,600万件超のClaudeとの対話が生成され、このうちMoonshot AIに紐づくものは340万件超だったという。対象分野には、エージェント推論、ツール利用、コーディング、データ分析、コンピューター操作、視覚能力が含まれる。

ただし、これはAnthropic側の調査と主張であり、K3の学習データ構成や性能のどの部分がClaude由来だったかを第三者が立証したものではない。一般的なモデル蒸留そのものは合法かつ広く使われる手法であり、争点は利用規約違反、不正アカウント、アクセス制限の回避、知的財産の不正取得があったかどうかにある。

K3の評価では、技術性能と同時に、学習データの来歴、モデル出力の利用条件、米国側の輸出規制・制裁・調達制限へ発展する可能性も追跡する必要がある。

36．K3が示すAI競争の次の段階

K3の登場から、AI競争の五つの変化が見える。

第一の変化：モデルからエージェントへ

評価対象がMMLUや単発数学から、Terminal-Bench、BrowseComp、AA-Briefcase、AutomationBench、SpreadsheetBenchへ移っている。

AIは「答える」能力より、「仕事を終わらせる」能力で競争する。

第二の変化：短文から100万トークンへ

コンテキストは、会話履歴ではなく、コードベース、企業文書、ログ、検索結果、ツール出力を保持する作業空間になる。

第三の変化：テキストから視覚付き実行へ

AIは画像を説明するだけでなく、画面を見てコードを修正し、動画を編集し、CADを操作し、資料を改善する。

第四の変化：Denseから超疎MoEへ

モデル総規模を増やしながら、毎回の計算量を制御するため、数百から千近い専門家を持つMoEが重要になる。

第五の変化：クローズド対オープンの再編

米国企業は最高性能、安全性、製品統合、クラウドで優位を持つ。中国企業はオープンウェイト、価格、長文、実装速度で対抗する。

K3は、この五つを一つにまとめた象徴的なモデルである。

37．今後確認すべきポイント

K3を評価する上で、今後の確認事項は次の通りである。

  1. 2026年7月27日までに完全ウェイトが予定通り公開されるか

  2. ライセンスが商用利用、再配布、派生モデルをどこまで認めるか

  3. 技術報告書で学習トークン数、データ構成、活性化パラメータ数が開示されるか

  4. KDAとAttnResの詳細と再現性

  5. 幻覚率（7月17日時点で51％）が実運用でどう現れるか。較正を改善した版が出るか

  6. SWE-bench、Terminal-Bench、長文評価の第三者再現

  7. 日本語性能

  8. 幻覚率、引用精度

  9. APIの実測速度と混雑時の安定性

  10. K3の安全評価

  11. NVIDIA以外のハードウェアでの推論性能

  12. 量子化版、蒸留版、小型版の公開

  13. 100万トークン利用時の実料金

  14. Kimi Work、Kimi Codeでの長期作業品質

  15. Fable 5、GPT-5.6 Sol、Claude Mythos 5、今後のOpus 5との比較

  16. 活性化パラメータ数の開示

  17. 100万トークンからの情報回収を直接測る長文検索評価の公開

  18. 出力速度がホスティング事業者の参入で改善するか

  19. K3 Swarmでサブエージェント上限が拡張されたかの公式説明

  20. 香港IPOの実現時期と、開示される財務数値

  21. コミュニティがMoonshotのベンチマークを再現できるか

  22. 米政府の蒸留告発が制裁・輸出管理へ発展するか。Moonshot側の反論が出るか

  23. ホワイトハウスが主張の根拠を公開するか

  24. xAI Grok 4.6（2兆パラメータ）の実際の性能と公開時期

発表初日のベンチマークだけで最終判断するのではなく、ウェイト、技術報告、第三者評価、実運用を追う必要がある。

38．結論——K3は「世界最強」ではない。しかし歴史的である

Kimi K3を「Fable 5とGPT-5.6 Solを完全に超えたモデル」と呼ぶのは誤りである。

Moonshot AI自身が、総合性能では両モデルにまだ及ばないと認めている。

一方で、K3を単なる誇大宣伝と片づけるのも間違いである。

2.8兆パラメータ、896エキスパート、100万トークン、ネイティブ視覚、長期エージェント、KDA、AttnRes、量子化前提学習、オープンウェイトを一つにまとめ、Program Bench、SWE Marathon、BrowseComp、Automation Bench、SpreadsheetBench 2、OmniDocBenchなどで世界最高級の結果を出した。

FrontierSWE、PostTrain Bench、MLS Bench、AA-Briefcase、Job Bench、WorldVQAなどではGPT-5.6 Solを上回った。

GPQA Diamond、MMMU-Pro、OmniDocBench、PerceptionBench、DECK-BenchなどではFable 5を上回る項目もある。

しかし、DeepSWE、GDPval-AA、HLE、Toolathlon、APEX-Agents、複数の高度視覚・知識評価ではFable 5やGPT-5.6 Solが上である。

独立評価も、この構図を裏づけた。Artificial AnalysisのIntelligence Indexは57.1。公開直後は3位、その後の更新で4位である。いずれにせよFable 5とGPT-5.6 Solの下、Opus 4.8と同等圏にある。

そしてMoonshotの比較表にClaude Mythos 5は入っていない。

忘れてはならない数字もある。AA-Omniscienceの幻覚率は39％から51％へ悪化した。出力速度は同価格帯の中央値の半分である。そしてウェイトは、本稿執筆時点でまだ公開されていない。

最も適切な評価は、次の一文に集約できる。

Kimi K3は、世界最強のAIモデルではない。だが、世界最強級の閉鎖モデルに最も近いオープンウェイトモデルの一つであり、長期コーディング、検索、業務自動化、表計算、文書理解ではすでに部分的な逆転を起こしている。

そしてK3の歴史的意味は、ベンチマークの一点差ではない。

中国企業が、3兆パラメータ級のオープンモデルを、100万トークン、マルチモーダル、エージェント、低価格APIとともに一般公開したことである。

AI競争は、米国の閉鎖モデルが頂点に立ち、中国のオープンモデルが後を追うという単純な構図ではなくなった。

これからは、

  • 米国の最高性能・製品統合・安全性

  • 中国のオープンウェイト・規模・価格・実装速度

  • 各国の主権AI

  • 企業の自社データ

  • AIエージェントの業務実行力

が複雑に交差する。

Kimi K3は、その新しい競争の始まりを告げるモデルである。

最後に、時間の話をしておきたい。

李開復は、中国のモデルが米国勢に約6か月遅れていると述べた。追いついた、とは言っていない。

だが2024年、その差は1年以上と見られていた。2025年のDeepSeekが数か月縮め、2026年7月のK3がさらに縮めた。

距離の単位が、年から月に変わった。

そして7月27日、その6か月遅れのモデルの重みが、誰の手にも渡る。差が「月」で測られる相手が、自分の道具になる。

それが、この発表の本当の意味である。

主要ベンチマーク早見表

【コーディング】
K3がFable 5を上回った例：Program Bench、Terminal-Bench 2.1、SWE Marathon
K3がGPT-5.6 Solを上回った例：Program Bench、FrontierSWE、SWE Marathon、PostTrain Bench、MLS Bench
K3が両者に負けた例：DeepSWE
Fable 5のみに負けた例：Kimi Code Bench 2.0（自社評価）

【エージェント・知識労働】
K3がFable 5を上回った例：BrowseComp、DeepSearchQA、Automation Bench、SpreadsheetBench 2
K3がGPT-5.6 Solを上回った例：BrowseComp、MCP Atlas、Automation Bench、Job Bench、AA-Briefcase、SpreadsheetBench 2、Office QA Pro（0.1差）
K3が両者に負けた例：GDPval-AA v2、Toolathlon-Verified、APEX-Agents
注：DeepSearchQAはGPT-5.6 Solの数字が公式表に無い（未測定）ため、対Sol比較には使えない

【推論・知識】
K3がFable 5を上回った例：GPQA Diamond
K3がGPT-5.6 Solを上回った例：主要表には無し
K3が両者に負けた例：HLE-Full、HLE-Full（ツール併用）

【視覚】
K3がFable 5を上回った例：MMMU-Pro（通常）、OmniDocBench、PerceptionBench（自社評価）
K3がGPT-5.6 Solを上回った例：CharXiv（通常・Python併用）、ZeroBench（通常・Python併用）、WorldVQA ForceAnswer、OmniDocBench
K3が両者に負けた例：MathVision（通常）、MMMU-Pro（Python併用）、BabyVision（Python併用）
注：ZeroBench通常pass@5はK3とFable 5が23で同点。「Fable 5超え」ではない

【第三者評価（Artificial Analysis、7月17日公表）】
Intelligence Index v4.1：K3は57.1（Fable 5 59.9、GPT-5.6 Sol 58.9に次ぐ。Opus 4.8 55.7を上回る）。公開直後3位、7月23日時点のモデルページでは4位
Vals AI インデックス：全体2位
GDPval-AA v2：1668 Elo（Moonshot公表値と一致）
AA-Briefcase：1543 Elo（7月21日の更新値。Fable 5 1574、GPT-5.6 Sol 1501）。Fable 5に次ぐ2位。ただし1タスクあたり平均1時間近くを要し、運用コストはOpus 4.8より高いとAAは指摘
AutomationBench-AA：53％で首位
トークン効率：K2.6比21％減の出力トークンでIndexを13ポイント改善
幻覚率：39％（K2.6）→51％（K3）へ悪化。正答率は33％→46％へ改善（いずれも7月17日公表値。AA-Omniscienceは更新される指標）
タスクあたり費用：0.94ドル（Sol 1.04ドル、Opus 4.8 1.80ドル、GLM-5.2 0.32ドル）
出力速度：毎秒35.2トークン（同価格帯の中央値71の半分）

【人間投票（LMArena、7月16日）】
Arena WebDev（Frontend Code）：K3が1679で暫定1位（Fable 5 1631、GPT-5.6 Sol 1618、GLM-5.2 1587）
7分野中6分野で首位。ゲーミングのみFable 5が上
対戦勝率：K3 76％、Fable 5 63％、GPT-5.6 Sol 58％

【自前運用の目安（第24章、概算）】
必要構成：64基以上のアクセラレータ（Moonshot推奨。最低構成は非公表）
ウェイト容量：BF16で約594GB、4ビット量子化で300〜400GB
クラウド賃借：H200中央値 毎時3.82ドル×64基×730時間 ＝ 月約17.9万ドル（約2,860万円）
　　　　　　　→ K3のAPI出力単価換算で月約119億トークン相当
購入：H200 SXM5が1基3.2万〜4.5万ドル、64基で205万〜288万ドル（約3.3億〜4.6億円）
注：APIは従量、自前GPUは遊休時も課金される
注：Agent Swarm等の製品層はウェイトに含まれない可能性が高い

【総合】
Moonshot公式は、総合性能でFable 5とGPT-5.6 Solに及ばないと明記
独立評価もこれを裏づけた（3位）
Moonshotの比較表にClaude Mythos 5は含まれていない
ウェイトは本稿執筆時点で未公開。公約は7月27日

公式情報の確認方針

本稿の中核仕様、提供条件、アーキテクチャ、Kimi公式比較ベンチマークは、Kimi公式技術ブログ、Kimi APIプラットフォーム公式ドキュメント、Moonshot AI公式X、Moonshot AI公式サイトで確認した。ベンチマークはモデル単体だけでなく、Kimi Code、Codex、Claude Codeなどの実行環境を含む評価があるため、総合順位ではなく項目別の結果として扱っている。

発表ベースと報道ベースを区別している。仕様、価格、ベンチマーク、制約は発表ベースである。資金調達額、評価額、ARR、Anthropicの価格改定予定、中国国内価格は報道ベースであり、本文中でその旨を示した。

第三者評価については、Artificial Analysisが2026年7月17日に公表した記事、7月21日の更新値、モデルページ、およびArena（LMArena）公式リーダーボードを一次情報として用いた。

Artificial Analysisの数値には二種類ある。記事に固定された公表値（Intelligence Index 57.1、幻覚率39→51％、Intelligence Indexタスクあたり0.94ドル）と、リーダーボード上で更新され続ける値（AA-Briefcase、出力速度、順位）である。本稿では前者に公表日を付し、後者には更新があった旨を明記した。

順位についても区別している。Artificial Analysisは7月17日の記事でK3を「モデルファミリー単位で3位、テスト構成単位で4位」と位置づけた。ライブのリーダーボード順位は新規モデルの追加で変動する。

本稿は改訂を重ねている。発表直後に執筆した版では「第三者評価は存在しない」「幻覚率悪化に根拠がない」と記述したが、Artificial Analysisの公表によりいずれも撤回し、本文中にその旨を明記した。速報段階の記述を消さずに残すのは、この分野の情報が数日で変わることを示すためである。

高校生・陳広宇に関する記述は、百度百科、TechNews、36Kr、新浪、澎湃新聞など複数の中国語・繁体字情報源で共通して確認できる事項に限った。「単独で筆頭著者」「一人でK3を作った」といったSNS上の誇張は採用していない。

市場データは、Philadelphia Semiconductor Index、S&P 500、ナスダック総合の各報道による。3.3兆ドルという数字は6月22日以降の世界半導体株の時価総額減少の集計値であり、K3単独の影響を分離したものではない。

第24章の自前運用の試算は概算である。H200のクラウド価格は2026年時点で1基あたり毎時2.43〜13.78ドル、市場中央値は約3.82ドルとされる。本稿は中央値を用い、64基・730時間で計算した。スポットインスタンス、長期契約、他ベンダーのアクセラレータを使えば数字は大きく動く。桁の目安として読まれたい。

通貨換算は1ドル160円で計算した。

最終確認時点で未確定の事項

以下は、2026年7月23日時点では確定していない。

  • 完全なモデルウェイトの実際の公開日時

  • 公開ライセンスの種類と商用利用条件

  • 活性化パラメータ数

  • 完全版技術報告書と学習計算量

  • 100万トークン全域を使った独立長文検索評価

  • 蒸留疑惑に関するMoonshot AI側の詳細な公式反論

  • 香港IPOと追加資金調達の最終条件

記事公開後にこれらが更新された場合、本稿の「公開予定」「報道ベース」という表現も更新する必要がある。

参考資料

【Moonshot AI／Kimi 一次情報】

  1. Moonshot AI, "Kimi K3: Open Frontier Intelligence," 2026年7月16日
    https://www.kimi.com/blog/kimi-k3

  2. Kimi API Platform, "Kimi K3 — モデル紹介・クイックスタート"
    https://platform.kimi.ai/docs/guide/kimi-k3-quickstart

  3. Kimi.ai 公式X（@Kimi_Moonshot）, "Introducing Kimi K3," 2026年7月16日
    ※KDAの6.3倍高速デコード、AttnResの学習効率25％向上・追加コスト2％未満はこの投稿による

  4. Kimi Help Center「K2.6 Agent Swarm [Beta]」
    https://www.kimi.com/help/agent/agent-swarm
    ※PARL、三次元報酬、クリティカルステップ、コンテキスト分割、BrowseComp 15.9→33.3、300サブエージェント／4,000ツール呼び出し／4.5倍速、K3 Swarmでの稼働はこのページによる

  5. Moonshot AI, "Kimi Agent Swarm: 100 Sub-Agents at Scale," 2026年1月
    https://www.kimi.com/blog/agent-swarm

  6. Moonshot AI, "Kimi K2.6: Advancing Open-Source Coding," 2026年4月20日
    https://www.kimi.com/blog/kimi-k2-6

  7. Moonshot AI, "Kimi K2: Open Agentic Intelligence," 2025年
    https://www.kimi.com/blog/kimi-k2

  8. Kimi Team, "Attention Residuals," 2026年3月16日
    ※共同筆頭著者は陳広宇、蘇剣林、張宇の3名。署名者37名

  9. Kimi Team, "Kimi-VL Technical Report," arXiv:2504.07491

  10. Kimi Team, "Kimi k1.5: Scaling Reinforcement Learning with LLMs," arXiv:2501.12599

【第三者評価】

  1. Artificial Analysis, "Kimi K3 achieves #3 in the Artificial Analysis Intelligence Index, comparable to Opus 4.8 and GPT-5.5," 2026年7月17日
    https://artificialanalysis.ai/articles/kimi-k3-achieves-3-in-the-artificial-analysis-intelligence-index-comparable-to-opus-4-8-and-gpt-5-5
    ※Intelligence Index 57.1、GDPval-AA v2 1668、AutomationBench-AA 53％首位、出力トークン21％減（132M対166M）、AA-Omniscience Index +6→+18・正答率33→46％・幻覚率39→51％、Intelligence Indexタスクあたり0.94ドルはこの記事による。AA-Briefcaseは同記事の初出値1547に対し、7月21日の更新で1543

  2. Artificial Analysis, Kimi K3 モデルページ
    https://artificialanalysis.ai/models/kimi-k3
    ※出力速度35.2トークン／秒、TTFT約4.54秒はこのページによる

  3. Arena.ai（LMArena）公式X, Frontend Code Arena結果, 2026年7月16日
    https://x.com/arena/status/2077824029126504525
    ※1679点、17段階上昇、7分野中6分野首位はこの発表による。投票数と勝率は速報値のため本文では採用していない

  4. "An Independent Safety Evaluation of Kimi K2.5," arXiv:2604.03121, 2026年4月
    https://arxiv.org/abs/2604.03121

  5. 公式ベンチマークの外部出典（Moonshot公式脚注より）：DeepSWE公式リーダーボード、vals.ai（Program Bench）、frontierswe.com、artificialanalysis.ai（Terminal-Bench 2.1、GDPval-AA v2、AA-Briefcase）

【比較対象モデル】

  1. OpenAI, "GPT-5.6: Frontier intelligence that scales with your ambition," 2026年7月9日
    https://openai.com/index/gpt-5-6/
    ※BrowseComp 90.4／Sol Ultra 92.2、Terminal-Bench 2.1 Sol Ultra 91.9、AutomationBench数値、長文検索評価、272Kトークン超の段階課金はこのページによる

  2. Anthropic, "Claude Fable 5 and Mythos 5"
    https://www.anthropic.com/news/claude-fable-5-mythos-5

【企業・資本・市場（報道ベース）】

  1. Bloomberg（各社報道経由）「Moonshot AI、6か月以内の香港上場を計画。評価額300億ドル超」2026年7月18〜20日
    https://thenextweb.com/news/moonshot-ai-ipo-six-months-30-billion-kimi-k3
    ※ARR推移（3月1億→4月2億→6月3億ドル）、K3公開後の日次売上6倍と新規受付停止、VIE解体、CICC・ゴールドマンとの協議、DeepSeekショック後の緊急会議と戦略転換はこの一連の報道による

  2. Yahoo Finance, "Moonshot Nears $30 Billion Valuation After Kimi K3 Release," 2026年7月20日
    https://uk.finance.yahoo.com/news/moonshot-nears-30-billion-valuation-205525768.html

  3. Financial Times, "Chinese AI start-up Moonshot to launch model challenging Anthropic's lead," 2026年7月16日
    ※2〜3兆パラメータ、「Opus 4.8 < K3 < Fable 5」の見立て、Opus 4.8の9月価格改定予定はこの報道による

  4. HNGN, "Semiconductor Stocks Plunge Into Bear Market As China's New Kimi K3 AI Model Rattles Wall Street," 2026年7月17日
    https://www.hngn.com/articles/272143/20260717/semiconductor-stocks-plunge-bear-market-chinas-new-kimi-k3-ai-model-rattles-wall-street.htm
    ※SOX 5.7％安・ピークから20％超下落・週間11％安、世界半導体株3.3兆ドル減、Marvell／ARM／Intelの30％超下落はこの記事による

  5. Yahoo Finance, "China's Kimi K3 Hits US Stock Markets. Is the American AI Boom Over?"
    https://finance.yahoo.com/technology/ai/articles/china-kimi-k3-hits-us-225728395.html
    ※SOX週間12.5％安、智譜28％安・MiniMax 16％安はこの記事による

  6. 李開復（Kai-Fu Lee）発言「OpenAIとAnthropicがiPhone、中国のモデルがAndroid」および中国勢は約6か月遅れとの評価、Dean Ball（OpenAI戦略責任者）のコメント、イーロン・マスクの「impressive」——いずれもWAIC 2026関連の報道による

  7. Michael Kratsios（ホワイトハウス科学技術政策局長官）, X投稿, 2026年7月22日
    ※Moonshot AIによるFable蒸留の指摘、内部プラットフォームの存在、GB300サーバーのタイ経由取得に関する主張。根拠は未公開、Moonshot側の反応も本稿執筆時点で確認できていない

  8. Business Insider／AOL, "A top White House official is escalating the fight over Moonshot AI's viral Kimi K3 model," 2026年7月22日
    https://www.aol.com/articles/top-white-house-official-escalating-163443000.html

  9. Quartz, "White House accuses Moonshot AI of banned Nvidia chips," 2026年7月22日
    https://qz.com/white-house-moonshot-ai-nvidia-chips-anthropic-kimi-k3-072226
    ※国務省の4月の外交公電、議会法案の進捗はこの記事による

  10. Cryptopolitan, "White House accuses Moonshot of distilling Anthropic's Fable for Kimi K3," 2026年7月22日
    https://www.cryptopolitan.com/white-house-moonshot-anthropic-fable-kimi-k3/
    ※Anthropicの2月報告における「一部アカウントがMoonshot上級スタッフの公開プロフィールと一致」はこの記事による

  11. CNBC, "China's Moonshot AI unveils Kimi K3 that rivals OpenAI, Anthropic," 2026年7月17日
    https://www.cnbc.com/2026/07/17/moonshot-ai-kimi-k3-model-openai-anthropic-china.html
    ※Patrick Moorheadのコメント、ワシントンでの政策論争はこの記事による

  12. CNBC, "Anthropic accuses DeepSeek, Moonshot and MiniMax of distillation attacks on Claude," 2026年2月24日
    https://www.cnbc.com/2026/02/24/anthropic-openai-china-firms-distillation-deepseek.html
    ※3社の内訳（MiniMax約1,300万件ほか）、OpenAIの議会向け書簡はこの記事による

  13. WION, "Musk's answer to China's AI monster: 2 trillion parameter Grok 4.6 finishes training 'next week'," 2026年7月20日
    https://www.wionews.com/world/musk-s-answer-to-china-s-ai-monster-2-trillion-parameter-grok-4-6-finishes-training-next-week-1784569811087/amp
    ※Grok 4.6の2兆パラメータ、公開時期の見積もり、Grok 5クラスのロードマップはこの記事による

  14. 36Kr EU「Moonshot AI Responds to Elon Musk's Public Remarks」2026年7月
    https://eu.36kr.com/en/p/3906160521778561
    ※マスクの発言全文とMoonshot公式Weiboの「2兆＋クラブへようこそ」はこの記事による

  15. Anthropic, "Detecting and preventing distillation attacks," 2026年2月23日
    https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks
    ※Moonshot AIに関連するとする340万件超の対話、不正アカウント、対象能力についてはAnthropic側の調査・主張。K3の学習への具体的寄与は第三者未検証

【17歳の共同筆頭著者】

  1. TechNews「馬斯克點讚月之暗面 Kimi 突破性論文！作者之一竟只是 17 歲高中生」2026年3月23日
    https://technews.tw/2026/03/23/kimi-attention-residuals-17-year-old-ai/

  2. 百度百科「Attention Residuals」
    https://baike.baidu.com/item/Attention Residuals/67527444
    ※共同筆頭著者3名の内訳、楊植麟のGTC 2026講演はこの項目による

  3. 36Kr／投中網／澎湃新聞「16岁创业，17岁发paper：当大厂从高中开始"抢人"」2026年7月
    https://36kr.com/p/3896146467735169

  4. 新浪新聞「17岁高中生成Kimi论文一作」2026年3月19日
    https://www.sina.cn/news/detail/5278134272526331.html

【その他】

  1. 新華社（上海発）「新突破 中国企業発布全球最大規模的開源模型Kimi K3」2026年7月16日

  2. TechCrunch, "Moonshot's upcoming Kimi 3 is expected to close the gap with Anthropic's Opus 4.8," 2026年7月16日
    https://techcrunch.com/2026/07/16/moonshots-upcoming-kimi-3-is-expected-to-close-the-gap-with-anthropics-opus-4-8/

  1. Kimi, "Kimi K3: Open Frontier Intelligence," 2026年7月16日
    https://www.kimi.com/blog/kimi-k3

  2. Artificial Analysis, "Kimi K3 achieves #3 in the Artificial Analysis Intelligence Index," 2026年7月17日
    https://artificialanalysis.ai/articles/kimi-k3-achieves-3-in-the-artificial-analysis-intelligence-index-comparable-to-opus-4-8-and-gpt-5-5

  3. Artificial Analysis, "Kimi K3: second only to Fable 5 on AA-Briefcase," 2026年7月21日
    https://artificialanalysis.ai/articles/kimi-k3-agentic-knowledge-benchmark

  4. Arena, WebDev Leaderboard
    https://arena.ai/leaderboard/code/webdev

  5. Reuters, "China's Moonshot pauses Kimi subscriptions amid hot demand, IPO push," 2026年7月20日
    https://www.reuters.com/legal/transactional/chinas-moonshot-pauses-kimi-subscriptions-amid-hot-demand-ipo-push-2026-07-20/

【本版で追加した出典】

ハッシュタグ

#KimiK3
#Kimi
#MoonshotAI
#月之暗面
#中国AI
#生成AI
#LLM
#大規模言語モデル
#マルチモーダルAI
#AIエージェント
#オープンウェイト
#オープンソースAI
#ChatGPT
#GPT56
#GPT56Sol
#Claude
#Fable5
#Mythos5
#Anthropic
#OpenAI
#人工知能
#AI開発
#プログラミング
#コーディングAI
#長文コンテキスト
#100万トークン
#MixtureOfExperts
#MoE
#KimiDeltaAttention
#AttentionResiduals
#StableLatentMoE
#MXFP4
#量子化
#ArtificialAnalysis
#LMArena
#ベンチマーク
#幻覚率
#ハルシネーション
#WAIC2026
#AgentSwarm
#PARL
#マルチエージェント
#サブエージェント
#KimiCode
#KimiWork
#K3Swarm
#エージェントAI
#AIエージェント開発
#API価格
#主権AI
#知的財産
#蒸留
#経済安全保障
#輸出規制
#Grok
#xAI
#ホワイトハウス
#セルフホスティング
#ローカルLLM
#GPUコスト
#推論コスト
#TCO
#AI安全性
#オープンソース
#DX
#テクノロジー
#ITニュース
#AIニュース
#香港IPO
#半導体株
#SOX指数
#NVIDIA
#AIバブル
#楊植麟
#陳広宇
#イーロンマスク
#李開復
#WAIC
#中国テック
#AI競争
#米中AI
#DeepSeek
#Qwen
#GLM
#NOTE

いいなと思ったら応援しよう！