Kimi K3とは何か — 世界初のオープン3T級モデルが静かに塗り替えるもの
2026年7月、Moonshot AIが「Kimi K3」のウェイト（モデルの重みデータそのもの）を公開した。総パラメータ数2.8兆という数字もさることながら、それを誰でも入手・利用できる形で公開した点に、この発表の最大の意味がある。
「2.8兆パラメータ」を素直に受け取らない
Kimi K3の総パラメータ数は2.8兆（2.8T）だが、実際に1回の推論（AIが答えを出す処理のこと）で動かすパラメータは約1,040億（104B）にとどまる。これは**MoE（Mixture-of-Experts）**と呼ばれる構造によるものだ。
簡単にいうと、MoEとは「896人の専門家がいて、毎回最適な16人だけが仕事をする」仕組みに近い。全員が常に稼働するのではなく、問いに応じて最も得意な専門家グループが動く。Kimi K3はこれをStable LatentMoEという独自のフレームワークで実装しており、前世代のKimi K2と比べて約2.5倍のスケーリング効率を達成したとされる。
つまり「2.8兆パラメータすべてを毎回使う巨大な脳」ではなく、「膨大な知識の引き出しを持ちながら、実際に使う部分を絞り込む設計」だと理解した方が実態に近い。
新しい注意機構：Kimi Delta Attention
もうひとつの技術的な柱が**Kimi Delta Attention（KDA）とAttention Residuals（AttnRes）**だ。「Attention（アテンション）」とは、AIがある単語や画像の一部に「どれだけ注目するか」を決める仕組みで、現代の大規模AIの根幹をなす。
Kimi K3は93層のアーキテクチャのうち69層でKDAを使い、残り24層はGated MLAという別方式を組み合わせている。Moonshot AIはこれによってより長い文脈を扱いながらも計算を安定させることを目指したとしている。
1Mトークンのコンテキストウィンドウとは
Kimi K3は1,048,576トークン（約100万トークン）のコンテキストウィンドウを持つ。「トークン」とは、AIがテキストや画像を処理する際の最小単位のことで、日本語では概ね1文字〜数文字に相当する。100万トークンという量は、長編小説数冊分あるいは数百ページの技術文書を一度に読み込める規模感だ。
長大なコードベース（プログラムのファイル群全体）をまとめて渡して理解させたり、数時間分の会議動画を要約させたりといった用途で、この広さが効いてくる。
テキスト・画像・動画を同一モデルで扱う
Kimi K3はテキスト、画像、動画を同一のモデルで処理できる「ネイティブマルチモーダル」設計を採用している。視覚処理にはMoonViT-V2という約4億パラメータの専用ビジョンエンコーダを内蔵している。
「マルチモーダルのモデルならほかにもある」という声もあるだろう。ここで重要なのは、それをオープンウェイト、すなわち誰でもダウンロードして使えるモデルとして3T規模で公開したことだ。これが公式に「世界初のオープン3Tクラスモデル」と呼ばれる根拠でもある。
ベンチマーク：強みと相対的な立ち位置
Moonshot AIが公開した比較表では、Claude Fable 5・GPT-5.6 Sol・Claude Opus 4.8・GPT-5.5・GLM-5.2といったモデルとの比較が示されている。
とりわけ目を引くのはソフトウェアエンジニアリング関連のスコアだ。FrontierSWE（フロンティアレベルの実世界コーディングを評価するベンチマーク）では81.2と、この比較表の中で最も高い数値を記録している。SWE-Marathon（長期にわたるコーディングエージェントタスク）でも42.0と他モデルを上回った。
エージェント系の評価であるMCPMark-Verified（AIがさまざまなツールを連携して使う能力の検証）では94.5を記録した。BrowseComp（ウェブ上の情報収集能力を測るベンチマーク）も91.2と高い。
一方で、全項目でトップというわけではない。GPQA Diamond（大学院水準の科学推論）ではGPT-5.6 Solが94.1とわずかに上回っており、CritPtなどの知識推論系ではClaude Fable 5やGPT-5.6 Solに届いていない領域もある。
また、量子化（モデルのデータを圧縮して軽量化する技術）としてMXFP4とMXFP8を採用しており、計算効率を高める設計が取られている。実用速度で動かすには依然として十分なGPUリソースがほぼ必要だが、MoEによって「同規模の密なモデルより少ない計算量で動く」点は運用面での重要なポイントだ。
オープンに公開することの重さ
Kimi K3のウェイトはKimi K3ライセンスのもとで公開されており、研究・デプロイ・さらなる改良への利用が認められている（詳細はライセンス条項を要確認）。
「最強クラスの性能を持つモデルの重みが手元に置ける」という状況は、つい数年前まで想像しにくかった。クローズドAPIを通じてしか触れなかった性能水準に、オープンウェイトで近づいてきた流れは、AIの利用形態をじわじわと変えている。
クラウドAPIに依存せず自前の環境で動かせる選択肢が広がることは、データのプライバシーを重視する企業や、特定ドメイン向けにファインチューニング（自社データで追加学習させること）したいケースにとって意味が大きい。もちろん、実際に動かすインフラをどう用意するかは別の話として残るが、「選択肢が存在するかどうか」は根本的に異なる。
この発表が示すもの
Kimi K3が示しているのは、単なるスペック競争の一コマではなく、「フロンティア性能とオープン性が同時に成立する」時代の到来かもしれない、という可能性だ。
オープンソースコミュニティが3Tクラスのモデルを手に入れたとき、そこから何が派生するかは誰にも読みきれない。ファインチューニング、蒸留（大きなモデルの知識を小さなモデルに移し取ること）、特化型エージェントの開発――いずれの方向にも、今回の公開は新しい起点になる。
静かに、しかし着実に、AIを「借りる時代」から「持つ時代」へと引き寄せる一歩だと感じる。
以上です。なるほどラボでは、こうしたAIを"自分の環境で動かしたい・24時間働かせ続けたい"という方向けの情報を発信しています。自分に合った動かし方が気になる方は、無料の診断をどうぞ。