Kimi K3、ウェイト公開。中国製AIが安い仕組みと、オープンにも値札があった話
AIの料金ページを並べて眺めるの、けっこう好きなんだよね。
100万トークンあたり何ドル、っていうあの表。ぼくも最初は「まあ安いほうがいいよね」くらいにしか見てなかったんだけど、よく見ると桁が2つ違うモデルが平気で同じリストに並んでる。出力1ドル以下のやつと、50ドルのやつ。どっちも同じ「AI」って言葉でくくられてるの、冷静に考えると不思議じゃない？
で、今月その表が、また大きく動いた。
中国のMoonshot AIが7月16日に「Kimi K3」を発表して、7月27日にはモデルのウェイトまで丸ごと公開したんだ。総パラメータ2.8兆。フロンティア級のAIを、誰でもダウンロードできる状態になったということ。
安さの正体と、オープンの正体。この2つを追いかけたら、思ってたよりずっと面白い構造が出てきたので、順番に見ていきたい。
🌙 Kimi K3って、なにがすごいの
まず「ウェイト」から整理しておきたい。
ウェイト（重み）っていうのは、AIが学習で獲得した膨大な数値の集まりのこと。乱暴に言えばAIの脳みその中身そのものだね。これが公開されてると、ダウンロードして自前のサーバーで動かせる。開発元にお金を払わなくても、原理的には使える状態になるわけ。OpenAIのGPTやAnthropicのClaudeは、ここを公開してない。使いたければ各社のクラウドに接続して、使った分だけ払う。この違いは、思ってるより大きいよね。
そのうえでKimi K3のスペックを見ると、なかなかの数字が並んでる。
総パラメータ数 2.8兆（オープンウェイトとしては世界最大級）
コンテキストウィンドウ 約105万トークン
画像入力にネイティブ対応
Hugging FaceとGitHubでウェイトと技術レポートを同時公開
性能の立ち位置もはっきりしてる。評価機関Artificial AnalysisのIntelligence Indexで、K3はスコア57。総合3位相当で、Claude Opus 4.8やGPT-5.5と同じくらいの水準だと測定された。Claude Fable 5やGPT-5.6 Solには届いてないけど、オープンウェイトの中では明らかに突出してる。GLM-5.2が51、DeepSeek V4 Proが44だから、この差はけっこう大きいと思う。
🧮 なぜ中国製AIは、あそこまで安くできるのか
ここからが本題。安さの仕組みの話ね。
🏢 896人の専門家がいて、動くのは16人
中国製モデルの安さは、値下げ合戦の結果じゃなくて、アーキテクチャの工夫から来てる。中心にあるのがMoE（Mixture of Experts）という考え方だ。
イメージとしては、巨大なオフィスビルに専門家がびっしり詰まってる状態を思い浮かべてほしい。Kimi K3の場合、その専門家が896人いる。でも質問が1つ飛んできたときに、全員を会議室に呼び集めたりはしない。受付が「これは16人で足りるね」と振り分けて、残りの880人は座ったまま。
だから総パラメータが2.8兆でも、1トークンを処理するのに実際に計算されるのは1040億パラメータ分だけで済む。看板の大きさと、1回あたりの電気代が切り離されてるってことだね。DeepSeekもQwenもGLMも、同じ発想の構造を採用してる。
K3はさらに、長文を読むコストを下げるKDA（Kimi Delta Attention）という独自の注意機構を、全93層のうち69層に使ってる。Moonshotいわく、前世代のKimi K2比で約2.5倍のスケーリング効率とのこと。ただしこれは自社公称で外部の再現実験はまだ通ってないので、留保つきで受け取っておきたいところ。
🔁 同じ話は、2回目から安くなる
もう1つ効いてるのがキャッシュだ。
エージェントを動かしてると、毎回まったく同じシステムプロンプトを先頭にくっつけて送ることになるよね。あれを毎回まじめに計算し直すのは、正直もったいない。そこで「前に処理したのと同じ部分は、記憶を使い回して安く済ませる」という値付けが用意されてる。
Kimi K3の公式APIだと、入力は100万トークンあたり3.00ドル。でもキャッシュヒットした部分は0.30ドルになる。90%オフだね。DeepSeekに至ってはキャッシュヒット価格が100万トークンで0.0028ドルという、ほぼ小数点の彼方みたいな水準まで落ちる。
同じ指示を何度も繰り返すエージェント運用では、この一点が総コストを支配しちゃう。設計次第でコストが桁で変わるって、なかなかしびれる話だと思わない？
⚖️ ところがK3自体は、一番安いモデルじゃない
ここでちょっと意外な事実。
Kimi K3って、実は「安さの代表」ではないんだよね。2026年7月時点の主要モデルを、100万トークンあたりの入力／出力（米ドル）で並べてみるとこうなる。
DeepSeek V4 Flash：0.14 ／ 0.28
DeepSeek V4 Pro：0.435 ／ 0.87
GLM-5.2：1.40 ／ 4.40
Gemini 3.6 Flash：1.50 ／ 7.50
Kimi K3：3.00 ／ 15.00
GPT-5.6 Terra：2.50 ／ 15.00
Claude Opus 5：5.00 ／ 25.00
GPT-5.6 Sol：5.00 ／ 30.00
Claude Fable 5：10.00 ／ 50.00
出力で見ると、DeepSeek V4 FlashとGPT-5.6 Solの差はおよそ100倍。「中国製AIはコスト99%減」と言われるときの主役は、こっちの超低価格帯モデルなんだよね。K3はというと、GPT-5.6 Terraとほぼ同額の中価格帯に座ってる。
つまりK3の価値は、安さそのものじゃない。フロンティアに近い性能を持ったモデルを、自分の手元に置けるという一点にある。
エージェント性能の数字もそれを裏づけてる。AutomationBench-AAでK3は53%で1位に立ち、タスクあたりのコストは0.94ドル。GPT-5.6 Solと同水準で、Claude Opus 4.8のおよそ半額だった。単価じゃなくて「1タスクいくらで終わるか」で見ると、また景色が変わってくるよね。
📜 「オープン」にも、ちゃんと値札がついてた
じゃあウェイトが公開されたから完全に自由か、というと、そこも読んでみると面白い。
Kimi K3 Licenseは、権利を与える部分だけ読むとほぼMITライセンスだ。使用・複製・改変・配布・販売・ファインチューニング・派生物の作成、全部無償でできる。ただし、収益の大きさに応じて条件が2つくっついてくる。
K3のAPIを再販するMaaS事業者は、年間売上2000万ドルを超えた時点でMoonshotとの別途契約が必要
月間アクティブユーザー1億人以上、または月商2000万ドル超の大規模プロダクトは、UIに「Kimi K3」の表示義務
自社インフラでの社内利用や、Moonshot認定の推論パートナー経由は対象外。線引きの基準がユーザー数じゃなくてビジネスモデルなのが、うまいところだと思う。スタートアップは自由に使い倒せて、大きな再販ビジネスに育った段階でMoonshotの取り分が発生する。広まれば広まるほど交渉力が上がる設計だね。
そして、もう1つの値札がインフラ側にある。K3を実際に動かすには約594GBのストレージが必要で、Moonshotは64基以上のアクセラレータを束ねた「スーパーノード」構成を推奨してる。個人がローカルで気軽に試せる代物じゃないし、正直、中堅企業でも相当に厳しい。
さらに厄介な仕様も1つ。K3は過去のアシスタント発話・推論内容・ツール呼び出しを全部次の入力に含めて渡す前提で学習されてる。途中でモデルを切り替えたり、この履歴を省いたりすると出力が不安定になる、とMoonshot自身が明記してるんだ。マルチモデル構成のエージェントに途中から差し込む、みたいな使い方が難しいってことだね。
https://xenospectrum.com/kimi-k3-open-weights-revenue-tiered-license/
「オープン」って言葉、思ってたよりずっと解像度が高い概念だったな、というのがぼくの正直な感想。
🌪️ アメリカ側が揺れた理由
このリリース、アメリカでの反応がなかなか激しかった。
OpenAIの戦略責任者ディーン・ボール氏がXに長文を投稿して、オープンウェイト戦略の行き着く先は「AI共産主義」だと指摘。さらに「トランプ政権はいずれ、中国のオープンウェイト型AIモデルの利用に対して大規模な規制リスクを作り出すことこそが最善の戦略だと気づくのではないか」と予測した。
これに対する反発が、けっこうすごかった。大統領科学技術諮問委員会の共同議長デービッド・サックス氏は「規制の不確実性を武器化すること」は容認できないと断じ、クローズド系の大手がすでに事実上の複占状態にあると指摘した。
政府側も動いてる。ホワイトハウス科学技術政策局のクラツィオス局長は7月22日、Moonshotが禁輸措置を回避してNVIDIAのGB300を調達し、AnthropicのFable 5から大規模な蒸留を行ったと公に非難した。商務省BISが調査を開始したとも報じられてる。
一方でMoonshotの社員は、Fable 5の公開からK3の発表まで15日しかなく、大規模な蒸留は物理的に不可能だと主張してる。UK Cyber Instituteの独立テストではサイバー能力と数学能力にフロンティアモデルとの明確な差が確認されていて、これが蒸留による偏りを示す可能性を指摘する研究者もいるけれど、証拠は状況証拠の域を出ていない。
どっちが正しいかを断言できる材料は、まだ揃ってないよね。ウェイトが公開されて外部検証の道が開いた、という事実のほうが今は重要じゃないかな。
💡 Miccellの視点 ── モデルとサービスは、別物として扱える
ここがこの記事で一番伝えたいところ。
中国製AIの話になると、だいたい「使う／使わない」の二択に落ちがちだよね。でも技術的な仕組みを踏まえると、答えはその中間にある。
日本の個人情報保護委員会は2025年2月3日、DeepSeekについて注意喚起を出してる。入力データが中国国内のサーバーに保存されること、そのデータに中国の法令が適用されること。この2点が論点だった。デジタル庁とNISCも各府省庁向けに続いた。
ここで大事なのは、この注意喚起の対象が「サービス」だったということ。つまり中国企業が運営するアプリやAPIに、業務データを送り込む行為が問題視されてる。
一方でオープンウェイトのモデルは、経路を自分で選べる。米国系クラウドのマネージドサービス経由で使う、自前のGPUインフラで動かす、といった選択肢が取れるわけ。同じモデルでも、どこで動かすかによってリスクの中身は別物になるんだよね。
そのうえで実務的にいちばん効くのは、たぶんルーティングという発想だと思う。LiteLLMみたいなAIゲートウェイを一枚かませて、「機微情報を含まない大量定型処理は低価格モデル、機密データや高難度タスクはフラッグシップ」と振り分ける。こうしておけば、特定ベンダーの障害や規制変更にも設定変更だけで対応できるし、乗り換えコストも小さくなる。
これ、個人の使い方にもそのまま効く考え方だよね。分類とか要約とか下書きみたいな「間違えても致命傷にならない仕事」を安いモデルに流して、判断が要る場面だけ高いモデルを呼ぶ。ぼくも記事の下調べと最終稿でモデルを変えてるんだけど、これだけで体感コストがだいぶ変わる。
問いの主役は「どのモデルが一番賢いか」から、「どのワークロードをどこまで安いモデルに渡せるか」へ移りつつあるんだと思う。
✨ まとめ ── 価格表の見方が変わる
Kimi K3が教えてくれたのは、たぶん3つ。安さはアーキテクチャから生まれること、オープンにも値札があること、そしてモデルとサービスは切り離して考えられること。
この3つを持って料金ページに戻ると、あの数字の羅列がぜんぜん違って見えてくる。桁の違いは技術の違いで、ライセンスの条文にはビジネスモデルが埋まってて、どこにデータを置くかは自分で選べる。仕組みがわかると、選択肢って一気に増えるんだよね。
あなたは今、どのタスクをどのモデルに任せてる？ 使い分けのマイルール、あったらぜひコメントで教えてほしいな 🎯
製作ノート
最初は「中国製AIはとにかく安い」という切り口で書き始めたんだけど、価格表を実際に並べてみたらKimi K3が中価格帯にいて、そこで一度手が止まった。安さの主役はDeepSeek系で、K3の価値は別のところにある。この引っかかりがなかったら、たぶん薄い記事になってたと思う。ライセンス条文を読みに行ったのも収穫で、「オープン＝無条件に自由」じゃないことがはっきり見えた。594GBという数字を見た瞬間に、自宅のNASを一瞬だけ見つめてしまったのは内緒。
Miccell - 仕組みがわかれば、世界はもっと面白くなる。
