【速報】Kimi K3登場｜性能・料金・Opus比較2026

2026年7月16日、Moonshot AIが「Kimi K3」を発表した。2.8兆パラメータのMoE構成で、公開済みのオープンウェイトモデルとしては過去最大規模だという（Tom's Hardware）。Claude Opus 4.8を上回るコーディングベンチマークが複数報じられ、Moonshot AIは価格をClaude Sonnet 5と同じ入力$3・出力$15（1Mトークンあたり）に揃えた。重み自体の一般公開は7月27日予定で、現時点ではAPIとWeb版が先行する形だ。

正直なところ、中国発モデルの性能競争にはもう驚かなくなっていた。だがKimi K3のベンチマーク結果を見ると、話は少し違う。単発の高得点ではなく、コーディング・長文脈読解・エージェント的タスクの複数軸で欧米フロンティアモデルと並んでいるからだ。重みは7月27日まで一般公開されておらず、独自のベンチマーク実行はできない。以下の数値は全て公式発表・一次情報に基づく。

Kimi K3の概要｜2.8兆パラメータMoEとKDAの正体

Kimi K3は、中国のMoonshot AIが開発した2.8兆パラメータのMixture-of-Experts（MoE）モデルだ。前身のKimi K2系（K2 Thinking、K2.5、K2.6）から半年弱でのメジャーアップデートにあたる。開発チームが公式ブログで強調しているのは、パラメータ数の大きさそのものより「Kimi Delta Attention」という新しいアテンション機構の採用だ。

Kimi Delta Attention（KDA）とは

KDAは、長文脈処理時の計算コストを抑えるためにMoonshot AIが独自設計したアテンション方式で、「Attention Residuals」という補助機構と組み合わせて使われる。ここは見落としがちだが、パラメータ規模だけを見て「単なる力技のスケールアップ」と判断すると読み違える。むしろ、長いコンテキストを扱う際の推論効率を上げる設計に投資したモデルだ。

この設計思想は、後述するBrowseCompなどの長文脈タスクのスコアに直結している。パラメータを増やすだけでなく、増えたパラメータをどう効率よく使うかに開発リソースを割いた結果と見てよい。

100万トークンのコンテキストウィンドウ

Kimi K3は1,048,576トークン、いわゆる100万トークンのコンテキストウィンドウを持つ。長い設計書やコードベース全体を一度に読み込ませる用途を想定している。Moonshot AIはこの長さを前提に料金体系を設計しており、コンテキストの長さによる段階的な値上げ（レングス・ティアリング）は採用していない。1Mトークンをフルに使っても、料金レートは短いプロンプトと変わらない。

ベンチマーク実力｜Terminal-Bench 2.1で88.3を記録

Kimi K3はコーディング系ベンチマークで欧米フロンティアモデルと肩を並べ、一部で上回る結果を出している。Moonshot AIの公式発表と複数の第三者ベンチマークサイトが報じている数値を突き合わせると、以下のような像が浮かぶ。

コーディング系ベンチマークの内訳

KimiCodeハーネス・最大推論強度（reasoning_effort=max）の条件下で、Terminal-Bench 2.1は88.3。DeepSWEは67.5、ProgramBenchの生パス率は77.8、FrontierSWEでは81.2の優位性をNxCodeが報じている。コーディングエージェント評価であるGDPval-AA v2やFrontend Code Arenaでも上位に入り、複数の第三者集計サイトでは公開200モデル中4位、総合スコア80.96/100という順位付けが確認できる。

BrowseCompと長文脈タスク

長文脈系の代表的ベンチマークであるBrowseCompでは、30万トークンでコンテキスト圧縮をかけた条件で91.2%、圧縮なしの100万トークンフル活用でも90.4%を記録している。圧縮の有無でスコアがほぼ変わらない点は、KDAの設計目標が実際の数値に表れている証拠と言える。SWE Marathonのような長時間タスクでは42.0とやや控えめな数値も出ており、全方位で強いわけではない。

数字の羅列だけでは実感が湧きにくいので言い換えると、Terminal-Bench 2.1の88.3という数値は「複数ステップのターミナル操作を要するタスクをどれだけ自律的にやり切れるか」の指標だ。単純な一問一答の正答率ではない。この種のベンチマークで80点台後半に乗せてきたモデルは、2026年7月時点でもまだ数える程度しかない。

Opus 4.8・GPT-5.6 Sol・Fable 5との比較

Kimi K3の立ち位置を掴むには、単独のスコアより競合との相対比較のほうが早い。海外メディアの報道を整理すると、少なくとも3つの軸で評価が分かれている。

Claude Opus 4.8との差

Terminal-Bench系のコーディングベンチマークでは、Kimi K3がClaude Opus 4.8を上回ったと報じるメディアが複数ある。ただし全てのベンチマークで優位というわけではなく、SWE Marathonのような持久力を問うタスクでは差が縮まる、あるいは逆転する場面も海外メディアが報じている。「コーディング全般で圧勝」という単純な図式では捉えない方がいい。

GPT-5.6 Sol・Claude Fable 5との差

Frontend Code Arenaのようなフロントエンド生成に特化した評価では、GPT-5.6 SolやClaude Fable 5を上回ったという報道が出ている。Fable 5に匹敵する性能を約3分の1の料金で出しているという指摘も複数のメディアから出ており、ベンチマークの数字そのものより、コストパフォーマンスの軸で語られることが多いモデルだと言える。

こうして並べると、Kimi K3の価格戦略が見えてくる。性能で無理に振り切るのではなく、Claude Sonnet 5と同一の料金ラインに合わせつつ、一部のベンチマークでOpus 4.8クラスの数値を出す。Sonnet 5と同じ$3/$15で、一部ベンチマークはOpus 4.8クラス。価格帯を据え置いたまま性能だけを上に振ってきたのが、Kimi K3の戦略だ。

料金体系｜入力$3・出力$15の内訳

Kimi K3のAPI料金は、入力トークンが1Mあたり$3、出力トークンが$15。ここまでは前章の比較表の通りだが、実際の請求額に効いてくるのは以下2点の細則だ。

キャッシュヒットで入力コストが90%下がる

同じコンテキストを繰り返し送るケース、たとえば長いシステムプロンプトを使い回すチャットボットや、同一コードベースへの複数回の問い合わせでは、キャッシュヒット時の入力料金が$0.30/1Mまで下がる。通常の$3/1Mから見ると90%減だ。長文脈を前提に設計されたモデルだけに、キャッシュ機構込みで単価を見ないと実際のコストを見誤る。

思考トークンも出力料金で課金される

Kimi K3は常時「思考モード」で動作し、ユーザーには見えない内部の思考トークンを生成してから最終回答を出す。この思考トークンは出力扱いで、通常の出力と同じ$15/1Mで課金される。もったいないと感じるのが、reasoning_effortをmaxに設定したまま単純なタスクを投げると、思考トークン分だけ余計にコストがかさむ点だ。用途に応じてlow/high/maxを使い分けないと、料金の恩恵を活かしきれない。

使い方｜Kimi.com・Kimi Code・APIの使い分け

Kimi K3へのアクセス経路は大きく3つに分かれる。個人利用ならKimi.com、開発ワークフローに組み込むならKimi Code、自社アプリに統合するならAPI直接呼び出しが基本線だ。

Kimi APIプラットフォームの公式ドキュメントによれば、OpenAIのChat Completions API互換なので、既存のSDKコードはbase_urlとAPIキーの2行を差し替えるだけで動く。以下は公式ドキュメントが示す設定情報に基づく接続例であり、独自の実行確認は行っていない。

from openai import OpenAI

client = OpenAI(
    api_key="MOONSHOT_API_KEY",
    base_url="https://api.moonshot.ai/v1",
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "user", "content": "この設計案のリスクを3つ挙げて"}
    ],
)

SDKなしならcurlでも同じ形。

curl https://api.moonshot.ai/v1/chat/completions \
  -H "Authorization: Bearer $MOONSHOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "この設計案のリスクを3つ挙げて"}]
  }'

reasoning_effortでlow/high/maxを切り替える

Kimi K3は思考をオフにできない代わりに、reasoning_effortパラメータで思考の強度を3段階（low・high・max）から選べる。公式ドキュメントの記述では、未指定時はhighがデフォルトになる。低遅延を優先する会話タスクはlow、コードレビューのようにある程度の吟味が要るタスクはhigh、複雑な設計判断や長い推論チェーンが必要な場面はmaxという住み分けが想定されている。

response = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="high",
    messages=[
        {"role": "user", "content": "このAPI設計のレビューをして"}
    ],
)

Kimi K2からの進化と重み公開スケジュール

Kimi K3は突然変異のように現れたモデルではない。Kimi K2、K2 Thinking、K2.5、K2.6と段階的に改良を重ねてきた系譜の最新形だ。バージョンを追うごとに推論能力とコーディング性能を積み増している。

K2系からの主な変更点

重みの一般公開は7月27日

Kimi K3はオープンウェイトモデルと位置づけられているが、発表時点（7月16日）ではAPIとWeb版が先行しており、モデルの重みそのものはまだ配布されていない。Moonshot AIは重みの完全公開を2026年7月27日と発表している。ライセンスはModified MIT系で、月間アクティブユーザーが1億人を超える事業者には表示義務などの追加条件が課される見込みだと報じられている。セルフホスティングを検討する場合は、公開後にライセンス条文を必ず確認したい。

日本企業が導入前に確認すべきリスク

性能と料金だけを見て社内導入を決めるのは早計だ。中国企業が開発・運用するAPIである以上、データがどこで処理されるかという論点を避けて通れない。

何が問題になるか

SIer時代に情報システム部門の稟議を何度も見てきた身として言えるのは、この手の話は技術部門だけで決められないという点だ。中国のデータセキュリティ法・国家情報法の存在から、中国国内で処理されるデータへのアクセスリスクを指摘する声がある。API経由で送信するプロンプトに機微情報や顧客データを含めるかどうかは、情シス・法務を交えた判断が要る。技術力の高さと、企業として使えるかどうかは別の軸だ。

実務での対策

現実的な落としどころとしては、機密性の低い調査・要約・コード生成の下書きにはKimi K3を使い、顧客データや契約情報を扱うタスクには国内・米国系のモデルを使うといった線引きが考えられる。社内ガイドラインでAPI送信データの範囲を明文化し、契約書のデータ処理条項を確認するステップは、価格や性能のベンチマークより先にやっておくべき作業だ。

よくある質問

まとめ｜Kimi K3は導入すべきか

Kimi K3は、コーディング系ベンチマークで欧米フロンティアモデルに肉薄し、一部では上回る数値を出しながら、料金はClaude Sonnet 5と同水準に抑えたモデルだ。100万トークンのフラット課金とKDAによる長文脈効率の両立は、単なるベンチマーク荒らしではなく設計思想として一貫している。

自分なら、個人開発やプロトタイピングでのコーディング支援には積極的に試す。処理速度とコストのバランスが良く、reasoning_effortでlow/high/maxを切り替えられる柔軟性も実用的だ。一方、顧客データや契約情報を扱う業務利用は、社内でデータ送信範囲を明文化してからにする。性能が良いことと、企業として即座に採用できることは別の話だ。

重みの完全公開は7月27日。セルフホスティングやファインチューニングを検討している場合は、ライセンス条文の確定を待ってから判断するのが安全だろう。他の主要モデルとの横並び比較はAIサービス比較2026、ベンチマークの読み方はLLM性能評価完全ガイドも参考にしてほしい。