中国Moonshot AIが2.8兆パラメータの「Kimi K3」を公開　米国最先端モデルに迫るオープンウェイトモデルの衝撃

中国・北京に拠点を置くAIスタートアップMoonshot AIは7月16日、大規模言語モデル「Kimi K3」を発表した。総パラメータ数は2.8兆（2.8T）で、同社は史上最大規模のオープンウェイトモデルと位置付けている。ただし、完全なモデルウェイトは7月19日時点では未公開で、7月27日までの公開が予告されている。

独立評価機関Artificial Analysisの総合指標ではClaude Fable 5やGPT-5.6 Solに次ぐ上位に位置付けられた。一部のコーディングベンチマークではこれら米国最先端モデルを上回る結果を示しており、2025年1月のDeepSeek R1以来の「中国発AIショック」として欧米メディアが報じている。

Kimi K3の技術仕様

2.8兆パラメータのMixture-of-Experts構成

Kimi K3は、Mixture-of-Experts（MoE）アーキテクチャを採用している。総パラメータ数は2.8兆だが、推論時に実際に動作するのは896個のエキスパートのうち16個のみである。この「Stable LatentMoE」と呼ばれるフレームワークにより、巨大モデルでありながら推論コストを抑制する設計になっている。

コンテキストウィンドウは100万トークンに対応する。独自開発の「Kimi Delta Attention（KDA）」とAttention Residualsにより、100万トークン級の長文脈で最大6.3倍の高速デコードを実現したとMoonshot AIは説明している。

また、K3は公開時点で推論モード（同社が「thinking mode」と呼ぶ機能）のmax設定を既定としている。前世代のK2シリーズから約2.5倍のスケーリング効率の改善を達成したとされる。

量子化と実行環境への配慮

重みにはMXFP4、活性化にはMXFP8の量子化フォーマットを採用している。Supervised Fine-Tuning（SFT）の段階から量子化対応学習を適用し、学習後に量子化する手法と異なり、学習中に量子化誤差へ適応する設計だ。

また、Quantile Balancingにより、ルータースコアの分位点からエキスパートの割当を決定し、ヒューリスティックな更新や調整の難しいバランス用ハイパーパラメータを不要にしている。MXFP4とMXFP8の採用は、幅広いハードウェア互換性を意図したものだとMoonshot AIは説明した。

ベンチマーク性能の評価

総合評価では米国トップ2に次ぐ第3位

独立評価機関Artificial Analysisが公表するIntelligence Indexでは、Kimi K3のスコアは57である。上位にはClaude Fable 5（60）、GPT-5.6 Sol（59）が位置し、Claude Opus 4.8（56）をわずかに上回る結果となった。

エージェント性能を測定するGDPval v2では、EloレーティングでK3は1,668を記録した。GLM-5.2（1,514）やGPT-5.5（1,494）を大きく引き離している。AutomationBench-AAでは53%でトップ、長期間タスク評価のAA-Briefcaseでは1,547のEloを記録し、Claude Fable 5に次ぐ2位に入った。

コーディングベンチマークで一部米国モデルを凌駕

コーディング領域での性能は特に注目を集めている。AI評価プラットフォームArenaのFrontend Codeリーダーボードでは、K3が1,679を記録し、Claude Fable 5（1,631）とGPT-5.6（1,618）を上回って首位に立った。7カテゴリ中6カテゴリで最高評価を獲得している。

ただし、この結果には重要な留意点がある。評価に使われたエージェントハーネス（コード実行環境）はベンチマークやモデルごとに異なる。K3は多くの評価でMoonshot AI自社開発の「KimiCode」を使用する一方、SWE MarathonではClaude Codeを使用した。Claude系モデルはClaude CodeまたはTerminus 2、GPT系モデルはCodexを使うなど、条件は統一されていない。モデル単体の性能比較としては厳密性に欠ける面がある。

Program BenchやSWE Marathonでは他モデルを明確に上回り、Terminal-Bench 2.1ではGPT-5.6 Solに0.5ポイント差まで迫っている。全体としてはプログラミング系6ベンチマーク中2つで首位、残りは2～3位という結果である。

幻覚率の上昇という課題

Artificial Analysisの知識・幻覚評価「AA-Omniscience」では、K3の正答率が前世代の33%から46%に改善した一方、ハルシネーション率は39%から51%へ上昇した。同指標は、モデルが知識のない設問で回答を控えず、誤答する傾向を測るものである。K3は正答数を増やす一方、不確かな場面で誤答を選ぶ割合も増えたことになる。

ただし、この51%は6,000問で構成されるAA-Omniscience内の指標であり、一般的な質問への誤答率とは区別する必要がある。また、推論モードとハルシネーション率上昇の因果関係も確認されていない。

法務・医療・財務など正確性が重視される用途では、人間による確認や用途別評価を運用に組み込むべきだろう。ただし、このベンチマークは実際の業務フローや生成コードの不具合率を直接測定したものではないため、分野ごとの実機検証が求められる。

Moonshot AIの企業概要と資金力

評価額200億ドル超のユニコーン

Moonshot AIは2023年設立の中国AIスタートアップである。2026年5月に20億ドルの資金調達を完了し、企業評価額は200億ドルを超えた。年間経常収益（ARR）は2億ドルを上回っている。

主要出資者にはAlibaba、Tencent、Meituan、HSG（旧Sequoia China）が名を連ねる。報道によれば、香港市場へのIPOを準備中とされる。既にCursor、DoorDash、Thinking Machinesといった企業が、Kimiシリーズの以前のバージョンを業務に組み込んでいる。

オープンウェイト公開の意味

7月27日に完全公開予定

K3は現在、Kimi.comおよびOpenRouter経由でAPI利用が可能である。完全なオープンウェイト（モデルの重みファイル）の公開は2026年7月27日までに行うとMoonshot AIは宣言している。

オープンウェイトとは、モデルのパラメータをダウンロードしてローカル環境で実行・カスタマイズできる形式を指す。ただし、訓練データやコードの全てが公開される「完全なオープンソース」とは区別される。企業や政府機関が自社のインフラ上でモデルを運用し、独自にファインチューニングできる可能性がある点は大きな利点だが、実際に許される利用範囲は公開時のライセンス条件に左右される。

価格競争力と米国モデルとの比較

API利用時の価格は、入力3ドル/100万トークン（キャッシュヒット時0.30ドル）、出力15ドル/100万トークンである。コーディングワークロードでは90%以上のキャッシュヒット率を達成するとMoonshot AIは説明している。

この価格設定は、Claude Sonnet 5が2026年9月1日以降に予定する通常価格（入力3ドル、出力15ドル）と同水準である。ただし、Sonnet 5は8月31日まで導入価格として入力2ドル、出力10ドルが適用されるため、7月19日時点ではK3の方が高い。GPT-5.6 Sol（入力5ドル、出力30ドル）と比べると、K3は半額程度に相当する。一方、中国勢の中ではDeepSeek V4 Pro（出力0.87ドル/100万トークン）と比較して大幅に高い。「中国AI＝超低価格」という図式は、フロンティアモデルに限っては崩れつつある。

米中AI競争への影響

「第二のDeepSeekショック」との評価

2025年1月にDeepSeek R1がオープンなモデルとして米国フロンティアモデルに匹敵する性能を示し、その登場が市場で材料視されて米国テック株が急落した出来事は記憶に新しい。Kimi K3の登場は、複数のメディアから「第二のDeepSeekモーメント」と位置付けられている。

Axiosは「中国がアメリカのAIリードを消した」と題する記事を掲載した。米国のAI関係者や政策立案者が「中国は米国の最前線から6～12カ月遅れている」と見積もっていた前提を、K3の性能が揺るがしているとの分析である。

知的財産をめぐる対立

Anthropicは、Moonshot AIを含む中国のAI研究所が、米国の先進モデルとの大量のやり取りを訓練データとして利用する「産業規模の蒸留（distillation）キャンペーン」を行っていると非難している。中国側がクローズドモデルのAPIを大量に呼び出し、その応答を自社モデルの学習に転用しているという主張である。

この指摘の真偽は独立に検証されていないが、米国の輸出規制政策や知的財産保護の議論に新たな論点を加えている。トランプ政権のAI担当であるDavid Sacksも、中国のオープンウェイトモデルの台頭について発言しており、政策面での注目度は高い。

アナリスト予測を上回るスピード

Fortuneの報道によれば、K3レベルの中国発モデルの登場は2027年初頭と予測されていた。実際には半年以上前倒しで実現したことになる。米国の対中半導体輸出規制の下でも、アーキテクチャの工夫やMoEによる効率化で性能ギャップを急速に縮めている現実が浮き彫りになった。

ベンチマークと実運用性能の乖離

評価条件の標準化が未整備

前述のとおり、コーディングベンチマークでは各モデルが異なるハーネスを使用している。モデル単体の比較ではなく「モデル＋ツール環境」のシステム比較になっている点は、結果の解釈において重要である。

また、ベンチマーク上の優位性が実際の業務タスクに直結するとは限らない。幻覚率の上昇や、特定のタスク形式に最適化された可能性も考慮する必要がある。

オープンウェイトの実用面での優位性

ベンチマークスコア以外の競争軸として、オープンウェイトであること自体の実用的優位性がある。公開時のライセンスが許す範囲で、企業が自社のセキュリティ要件やデータ主権の下でモデルを運用できること、特定ドメインへのファインチューニングやAPI障害の影響を受けにくい構成を検討できることは、特にエンタープライズ用途で大きな意味を持つ。

2.8兆パラメータのモデルをローカルで動かすには大規模なGPUリソースが必要である。Moonshot AIは推論環境として64基以上のアクセラレータを備えたsupernode構成を推奨しており、量子化技術やMoEを採用していても導入負担は大きい。7月27日のウェイト公開後には、必要メモリ、速度、コスト、ライセンスを含むコミュニティの実機検証が焦点となる。

今後の焦点

競争の軸が移行しつつある

Kimi K3の登場が示す最大の論点は、AI競争の評価軸が「最大性能」から「性能あたりのコスト」「導入のしやすさ」「カスタマイズ性」へと拡大しつつある点である。クローズドモデルの性能が頭打ちになっているわけではないが、オープンウェイトモデルが同等の水準に達した瞬間、競争の条件が変わる。

米国企業が提供する高性能クローズドモデルに対し、中国企業がオープンウェイトで追随するという構図は、DeepSeekに続いて2例目となった。この流れが定着すれば、API提供型のビジネスモデルに対する価格圧力は一段と強まる可能性がある。