「高いAIモデルを使えば良い、という前提が崩れてきた」──2026年7月16日にMoonshot AIが発表した「Kimi K3」を見て、多くの実務家がそう感じている。総パラメータ2.8兆・100万トークンコンテキストのオープンウェイトモデルでありながら、API料金は入力$3/出力$15と、Claude Fable 5($10/$50)の3分の1以下。ベンチマークではSWE MarathonやBrowseCompなど複数の項目で首位に立ち、第三者のライティング評価ではFable 5を抜いて1位という結果まで出始めた。7月27日にはモデルの重みそのものが公開される予定だ。本記事では、Kimi K3のスペック・料金・ベンチマークを一次情報ベースで整理し、Fable 5・GPT-5.5・GLM-5.2・DeepSeek V4との比較、料金シミュレーション、そして個別スコアから見える「K3の勝ちパターンと負けパターン」まで踏み込んで解説する。
この記事でわかること
- Kimi K3のスペックと、アーキテクチャ(KDA・Attention Residuals・Stable LatentMoE)の中身
- API料金の詳細と、Fable 5・GPT-5.5・GLM-5.2・DeepSeek V4との価格比較
- コーディング・エージェント・ナレッジワーク別のベンチマーク詳報と「勝ちパターン/負けパターン」分析
- 第三者評価(Writing Elo・Arena)で見えてきたK3の実力
- 常時思考モードが請求額に与える影響という”料金表に出ない落とし穴”
- 7月27日の重み公開で何が可能になるか、業務利用前に確認すべきリスク
Kimi K3とは?——30秒でわかる要点
Kimi K3は、北京のAIスタートアップMoonshot AI(月之暗面)が2026年7月16日に発表したフラッグシップモデルだ。まず数字で全体像を掴んでほしい。
| 項目 | 内容 |
|---|---|
| 発表日 | 2026年7月16日(重みの公開は7月27日予定) |
| 総パラメータ | 2.8兆(2,800B)。オープンウェイトモデルとして世界最大級 |
| コンテキスト | 100万トークン(1,048,576)。全長にわたり料金は均一 |
| マルチモーダル | ネイティブ対応(テキスト+画像) |
| 推論モード | 常時オン(thinking mode)。reasoning_effortは現状maxのみ |
| API料金 | 入力$3/100万トークン、出力$15/100万トークン、キャッシュヒット$0.30 |
| ライセンス形態 | オープンウェイト(重みを公開予定)。APIはOpenAI SDK互換 |
| アーキテクチャ | MoE構成+Kimi Delta Attention(KDA)+Attention Residuals |
ポイントは3つある。①フロンティア級の性能を持つモデルが、米国トップモデルの3分の1以下の価格で出てきたこと。②100万トークンの長文コンテキストでも料金が跳ね上がらない均一価格であること。③7月27日に重みが公開されれば、理論上は誰でもダウンロードして自前で動かせるようになることだ。
開発元Moonshot AIとは
Moonshot AIは2023年3月設立、北京拠点のAI企業で、アリババが出資する中国「AIタイガー」の一角だ。2026年5月には20億ドルの資金調達を実施し、企業価値は200億ドル超、年間経常収益(ARR)は2億ドルを超えたとされる。同社のモデルはすでに欧米企業にも浸透しており、CursorがAIコーディングエージェント「Composer 2」の構築にKimiを活用したほか、DoorDashのCTOが低レイヤーの作業をKimi K2.6に委任していると公言し、Thinking Machinesが新モデルの初期ポストトレーニングデータ生成にKimi K2.5を使ったことも報じられている。「中国国内向けの安いモデル」ではなく、シリコンバレーの開発現場に食い込んでいるプレイヤーだという前提で見るべきだ。
アーキテクチャ解説——2.8兆パラメータを実用速度で動かす3つの仕組み
K3の飛躍を支えるのは、Moonshotが自社開発し、公開されたアーキテクチャ図からも構造が読み取れる3つの技術だ。
① MoE構成(Stable LatentMoE)
2.8兆という総パラメータは、すべてが同時に動くわけではない。K3はMixture of Experts(MoE)構成を採用しており、常時稼働する共有エキスパートと、ルーターが入力に応じて選択するルーテッドエキスパートを組み合わせた「Stable LatentMoE」と呼ばれるモジュールで構成される。巨大な知識容量を持ちながら、1回の推論で動くのはその一部——これが「2.8兆なのに$15で提供できる」経済性の土台だ。
② Kimi Delta Attention(KDA)——3:1のハイブリッド構造
ハイブリッド線形アテンション機構で、100万トークン級の超長文コンテキストにおいてデコード(生成)速度を最大6.3倍高速化するとされる。公開されたアーキテクチャ図によれば、K3のブロック構造は「KDA層×3に対して従来型のGated MLA(フルアテンション)層×1」という比率で積み上げられている。計算の軽い線形アテンションで大半を処理し、要所だけフルアテンションで精度を担保する設計だ。長文処理はこれまで「できるが遅くて高い」が相場だったが、KDAはその「遅い」を構造から攻めている。
③ Attention Residuals(AttnRes)
残差接続(residual connection)の置き換えとして機能する仕組みで、過去の各ブロックの出力を重み付きで現在の層に直接合流させるバックボーン構造を持つ。2%未満の追加コストで学習効率を約25%向上させるとされる。ユーザーが直接触れる機能ではないが、「中国のハードウェア・計算資源の制約下でも、アーキテクチャの工夫でスケーリングの成果を出せる」ことを示した点で業界へのインパクトは大きい。Bank of Americaのアナリストも、事前学習のスケーリングとアーキテクチャ革新の組み合わせが中国フラッグシップモデルに段階的な性能向上をもたらし得ることを示した例として言及している。
※パラメータ規模の文脈補足:2.8兆というサイズは、DeepSeekのV4 Pro(約1.6兆とされる)より約75%大きい。DeepSeek V4系の詳細はDeepSeek V4とは？GPT-5.5の7分の1のコストでフロンティアに迫るAIを徹底解説を参照してほしい。
料金を徹底比較——Fable 5の3分の1以下は本当か
主要モデルのAPI料金(100万トークンあたり)を並べる。
| モデル | 入力 | 出力 | コンテキスト | 形態 |
|---|---|---|---|---|
| Kimi K3 | $3.00(キャッシュヒット$0.30) | $15.00 | 100万(全長均一料金) | オープンウェイト(7/27公開予定) |
| Claude Fable 5 | $10.00 | $50.00 | — | クローズド |
| GLM-5.2(Z.ai) | — | $4.40 | — | オープンウェイト |
| DeepSeek V4 | — | $0.87 | — | オープンウェイト |
出力トークンで比較すると、K3($15)はFable 5($50)の3分の1以下。この点は事実だ。ただし2つの但し書きが要る。
第一に、中国勢の中ではK3は「高い」。GLM-5.2の$4.40、DeepSeek V4の$0.87と比べれば3〜17倍の価格であり、「中国製=激安」という相場観でK3を見ると誤る。K3は「フロンティア級の性能を、米国トップの3分の1で売る」というポジション取りであって、最安を競うモデルではない。GLM-5.2の詳細はGLM-5.2とは?Claude Opus 4.8との価格・性能比較で解説している。
第二に、後述する常時思考モードの請求インパクトだ。名目単価だけで比較すると、実際の請求額を読み違える。
料金シミュレーション:実務3パターン
実際の使い方に近い3パターンで概算してみる(キャッシュなし・思考トークンを出力に含む前提の概算値)。
| ユースケース | 想定トークン | Kimi K3 | Fable 5 |
|---|---|---|---|
| 長文リポジトリ解析(コードレビュー1回) | 入力50万/出力3万 | 約$1.95 | 約$6.50 |
| 記事生成(構成込み1本) | 入力2万/出力2.5万 | 約$0.44 | 約$1.45 |
| 大量文書の一括要約(月100本) | 入力300万/出力50万 | 約$16.50 | 約$55.00 |
長文を大量に投げるワークロードほど差が開く。特にK3は100万トークンの全長にわたって料金が均一で、コンテキスト長に応じた段階課金がないため、「長文を投げたら単価が跳ねた」という事故が起きにくい。さらにキャッシュヒット時は入力$0.30まで下がるので、同じ資料やコードベースを前提に繰り返し質問するエージェント的な使い方では、実効単価はさらに下がる。
料金表に出ない落とし穴:常時思考モードの請求インパクト。K3は推論(thinking)が常時オンで、現状はreasoning_effortをmaxから下げられず、思考をオフにした安価な変種も存在しない。そして思考トークンは出力として課金される。難問には強い設計だが、「返品ポリシーを教えて」のような単純な問い合わせにも毎回フルの思考パスが走るため、軽量タスクを大量に流す用途では、名目単価の印象より請求が膨らみ得る。同じ$15/Mでも「答えだけ返すモデルの$15」と「毎回考えてから答えるモデルの$15」は別物だ。導入前に、自社のワークロードで思考トークン込みの実測をすることを強く推奨する。
ベンチマーク詳報——個別スコアで見るK3の実力
公開されたベンチマークを領域別に見ていく。以下の数値は原則としてMoonshot公表値(思考エフォートは各モデルmax/xhigh設定)であり、自社公表である点は割り引いて読む必要がある。ただし後述の通り、第三者評価とも方向性は概ね一致している。
コーディング:6本中3本で首位、Fable 5と互角の勝負
| ベンチマーク | Kimi K3 | Fable 5 | GPT-5.6 Sol | Opus 4.8 | GPT-5.5 | GLM-5.2 |
|---|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 67.0 | 46.2 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 64.9 | 67.3 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 83.4 | 82.7 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 70.8 | 63.7 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 14.0 | 13.0 |
| Kimi Code Bench 2.0(内部) | 72.9 | 76.9 | 64.8 | 71.7 | 69.0 | 64.2 |
注目はSWE Marathonだ。長時間・多ステップの自律的なソフトウェア開発タスクでK3が42.0と首位に立ち、Fable 5(35.0)を明確に上回った。GPT-5.5(14.0)とGLM-5.2(13.0)は大差で脱落しており、「長丁場のエージェント作業を破綻せずに完走する能力」で世代差がついていることがわかる。一方、FrontierSWEやDeepSWEといった難問寄りのベンチマークではFable 5・GPT-5.6 Solが上位を守っており、最高難度の一発回答ではまだ米国トップに分がある。
エージェント:自動化・ブラウジング・スプレッドシートで首位
| ベンチマーク | Kimi K3 | Fable 5 | GPT-5.6 Sol | Opus 4.8 | GPT-5.5 | GLM-5.2 |
|---|---|---|---|---|---|---|
| GDPval-AA v2 Elo | 1668 | 1760 | 1748 | 1600 | 1494 | 1514 |
| AA-Briefcase Elo | 1548 | 1583 | 1495 | 1354 | 1158 | 1260 |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 22.7 | 12.9 |
| JobBench | 52.9 | 57.4 | 46.5 | 48.4 | 38.3 | 43.4 |
| SpreadsheetBench 2 | 34.8 | 34.7 | 32.4 | 31.6 | 29.1 | 28.1 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | 84.4 | — |
ナレッジワーク:3本すべてでOpus 4.8・GPT-5.5を上回る
| ベンチマーク | Kimi K3 | Opus 4.8 | GPT-5.5 |
|---|---|---|---|
| Online Exp Bench(オンライン実験設計) | 75.5 | 65.9 | 70.6 |
| DECK-Bench(スライド資料作成) | 73.5 | 66.9 | 68.2 |
| Finance-Bench(財務分析) | 62.6 | 60.7 | 58.4 |
資料作成・財務分析といった「オフィスワークの中身」に近い領域で、ひとつ下のティア(Opus 4.8・GPT-5.5)を全勝で上回っている。この価格帯のモデルとしては異例の結果だ。
第三者評価:文章力でFable 5超えの初報告
自社ベンチマークとは別に、第三者からも注目すべきデータが出始めている。AI専門メディアTowards AIが公開した内部ライティングベンチマーク(Writing Elo・早期結果)では、実在の原稿を各モデルに書かせて公開版とブラインド比較する方式で、Kimi K3(thinking)がElo 2840で1位となり、Claude Fable 5(max)の2760を上回った。3位以下はOpus 4.8(2552)、GPT-5.6 high(2477)と続き、前世代のKimi K2.6(2214)からは626ポイントの大幅ジャンプだ。また、評価プラットフォームArenaのブラインドテストでも、開発者が米国の主要モデルよりKimiを選好したという報道がある。
※ただしこのWriting Eloは「early results / internal preview」と明記された暫定値であり、対象は英語原稿とみられる。日本語の文章品質を保証するものではない点に注意してほしい。
スコアから見えるK3の「勝ちパターン」と「負けパターン」
勝ちパターン:長丁場・ツール使用・実務系タスク
SWE Marathon(長時間開発)、Automation Bench(自動化)、BrowseComp(Web探索)、SpreadsheetBench(表計算)、ナレッジワーク3種——K3が首位を取ったのは、いずれも「多数のステップを踏み、ツールを使い、長い文脈を保持し続ける」タスクだ。100万トークンコンテキスト×KDAの高速デコード×常時思考という設計が、そのまま強みとして表れている。
負けパターン:最高難度の推論・総合力
FrontierSWE、DeepSWE、GDPval、JobBenchなど、問題単体の難度が高い・総合的な判断力を問うベンチマークでは、Fable 5(および一部でGPT-5.6 Sol)が首位を守っている。Moonshot自身も総合性能ではこの2モデルに及ばないと認めており、数字もそれを裏づける。つまりK3は「Fable 5の代替」ではなく「Fable 5の下で大量の実働を捌く主力」として見るのが実像に近い。
この構図は、冒頭で紹介した「計画はFable 5、実装はKimi K3でもいいのでは?」という実務家の直感を、ベンチマークの側から裏づけるものだ。K3のAPI活用の実践やKimiシリーズの進化の経緯はKimiレビュー｜API活用法と性能を徹底比較で深掘りしている。
主要モデル総合比較表【2026年7月版】
| 観点 | Kimi K3 | Claude Fable 5 | GPT-5.5 | GLM-5.2 | DeepSeek V4 |
|---|---|---|---|---|---|
| 開発元 | Moonshot AI(中国) | Anthropic(米国) | OpenAI(米国) | Z.ai(中国) | DeepSeek(中国) |
| 出力料金/1M | $15.00 | $50.00 | —(プラン依存) | $4.40 | $0.87 |
| 重み公開 | ○(7/27予定) | × | × | ○ | ○ |
| コンテキスト | 100万 | — | — | — | — |
| 推論モード | 常時オン(max固定) | 制御可 | 制御可 | 制御可 | 制御可 |
| 強み | 長時間エージェント・ツール使用・コスパ | 総合性能トップ・高難度推論 | 汎用性・エコシステム | 価格性能バランス | 圧倒的低価格 |
| 注意点 | 思考トークン課金・中国法域リスク | 価格 | 長丁場タスクで失速傾向 | エージェント系で大きく劣後 | 中国法域リスク |
ベンチマークを踏まえると、GLM-5.2はコスト最優先の定型処理向け、K3はエージェント実務の主力、という棲み分けがより明確になった。GLM-5.2とOpus 4.8・GPT-5.5の業務別・セキュリティ観点の比較はGLM-5.2×Opus 4.8×GPT-5.5比較【業務別・セキュリティ】で、タスク別にどのモデルを割り当てるかの全体設計はAIモデル使い分け完全ガイド｜タスク別に最適なLLMを選ぶ方法で整理している。
7月27日の重み公開で何が変わるか
K3は発表時点ではAPI・アプリ経由での提供だが、7月27日にモデルの重みが公開される予定だ。「重みの公開」とは、AIの学習済みパラメータ——いわば設計図と完成品を兼ねたファイル——を配布することを意味する。実現すれば、次のことが可能になる。
- 無料でダウンロードし、自分のサーバーで動かせる(API料金がかからない)
- データを外部に送らずに処理できる(セルフホストによるデータ主権の確保)
- 自社データでのファインチューニングや、派生モデルの開発
ただし現実的なハードルは高い。2.8兆パラメータという規模は、MoE構成で推論時の稼働パラメータが絞られるとはいえ、重み全体をメモリに載せる必要があるため、フル精度での運用には相当なGPUメモリ・並列化・量子化・運用の設計を要求する。「公開されたら手元のPCで動く」という話ではなく、当面は大規模なインフラを持つ組織か、コミュニティによる量子化版の登場を待つ個人、という構図になるだろう。ローカル推論の基礎とハードウェア要件の考え方はローカルLLMの始め方｜LM StudioでQwen3.6/GLM/Gemma 4を動かすで解説している。また、公開時のライセンス条件(商用利用・再配布の条件)は現時点で未確定のため、業務利用前に必ず公式のリリース条件を確認してほしい。
導入前に確認すべきリスク:中国製AIとしての論点
K3の価格性能比がどれだけ魅力的でも、業務導入の判断では「安い・強い」以外の軸が必要だ。Moonshot AIは中国企業であり、中国の国家情報法・データセキュリティ法・個人情報保護法に基づくデータガバナンス上の論点は、DeepSeekやGLMと共通する。ホスト型APIをそのまま使う場合と、重み公開後にセルフホストする場合とでは、リスクの意味合いが大きく変わる。この論点の全体像——法制度の中身、各国政府の対応状況、タスク別のリスク許容度の設計——は中国製AI(DeepSeek/GLM/Kimi)業務利用のリスクと注意点を徹底解説にまとめているので、導入検討時には必ず併読してほしい。
実務上の落としどころは明快だ。機密性の低い大量処理(要約・分類・下書き)からK3を試し、顧客の個人情報や機密コードを含む業務は、重み公開後のセルフホスト構成が整うまで見送る。「どのデータを、どのリスクレベルで、どのモデルに渡すか」という設計の問題として扱えば、コストメリットとリスク管理は両立できる。
まとめ:「性能で選ぶ時代」から「コスパで設計する時代」へ
Kimi K3が示したのは、単に「安くて強いモデルが出た」こと以上の変化だ。ベンチマークの個別スコアが描き出したのは、「最高難度の推論はFable 5、長丁場のエージェント実務はK3」という明確な役割分担の構図だった。フロンティア級の性能・100万トークンの均一料金・重みの公開予定という3点セットは、「最高性能のモデルを1つ選んで全部任せる」という発想自体を古くする。計画・レビューはFable 5、大量の実装・処理・自動化はK3、機微データはセルフホスト——そういう役割分担の設計力が、AI活用のコスト競争力を直接左右する局面に入った。
一方で、常時思考モードの課金特性、中国法域のデータガバナンス、重み公開後のライセンス条件など、料金表に表れない変数も多い。「3分の1の価格」という見出しに飛びつく前に、自社のワークロードでの実測と、データの機密度に応じた利用範囲の設計を済ませること。それがK3を武器に変える最短ルートだ。
よくある質問
Q. Kimi K3は無料で使えますか?
A. Kimiアプリ・Web上のチャットは無料アカウントでも利用でき、有料メンバーシップ(月額$199までの複数ティア)や、API向けのプリペイドクレジットも用意されている。APIは入力$3/出力$15(100万トークンあたり)の従量課金だ。7月27日に重みが公開されれば、自前インフラで動かす限りAPI料金はかからないが、推論環境のコストは別途必要になる。
Q. Fable 5から乗り換えるべきですか?
A. 一括での乗り換えは推奨しない。FrontierSWEやGDPvalなど高難度・総合系ベンチマークではFable 5がなお首位で、これはMoonshot自身も認めている。現実的なのは併用設計だ。K3が首位を取ったのは長時間開発・自動化・Web探索・表計算・資料作成といった「実働系」であり、この領域の大量処理をK3に移し、最終品質が問われる成果物やレビューはFable 5に残す。この使い分けだけでAI費用は大きく圧縮できる。
Q. 「Opus 4.8を超えた」というのは本当ですか?
A. 公表されたベンチマークで確認する限り、コーディング・エージェント・ナレッジワークの大半の項目でK3はOpus 4.8を上回っている(例:SWE Marathon 42.0対40.0、DECK-Bench 73.5対66.9)。第三者のWriting EloでもK3の2840に対しOpus 4.8は2552だった。ただし多くは自社公表値であり、「Opus 4.8を概ね超え、Fable 5とGPT-5.6 Solには総合で及ばない」というのが数字に忠実な要約だ。
Q. 文章作成の品質はどうですか?日本語は?
A. 英語圏では有望なデータが出ている。Towards AIのライティングベンチマーク(Writing Elo・早期結果)では、実在原稿のブラインド比較でK3が2840の1位となり、Fable 5(2760)を上回った。前世代K2.6(2214)からの伸び幅も大きい。ただしこれは暫定値かつ英語原稿での評価であり、日本語の文章品質・敬語・指示追従については信頼できる第三者検証がまだない。日本語業務では、同一プロンプトでFable 5と並走比較してから判断することを推奨する。
Q. 自分のPCで動かせますか?
A. 2.8兆パラメータのフル精度は個人PCの範囲を大きく超える。MoE構成のため推論時に全パラメータが計算されるわけではないが、重み自体をメモリに保持する必要はある。重み公開後、コミュニティによる低ビット量子化版が登場すれば大容量メモリ環境での単一マシン推論が視野に入る可能性はあるが、精度とのトレードオフがある。現実的には当面API利用が主で、セルフホストは企業のインフラ投資案件になる。
Q. GLM-5.2やDeepSeek V4と比べてどれを選ぶべきですか?
A. 価格重視で軽量タスクを大量処理するならDeepSeek V4($0.87/M出力)、価格と性能のバランスならGLM-5.2($4.40/M出力)、長文コンテキストとエージェント性能が必要ならK3($15/M出力)という棲み分けになる。ベンチマークではAutomation BenchでK3の30.8に対しGLM-5.2は12.9、SWE Marathonでは42.0対13.0と、エージェント系タスクでの差は価格差以上に大きい。いずれも中国製モデルとしてのデータガバナンス上の論点は共通するため、扱うデータの機密度で利用範囲を先に決めてから、性能・価格で選ぶ順番が正しい。
