Kimi K3が2.8兆パラメータと100万トークンで長時間タスクに対応

Moonshot AIは、2.8兆パラメータ、100万トークンの文脈、画像理解を備えた旗艦モデルKimi K3を公開しました。Kimi.com、Kimi Work、Kimi Code、APIですでに利用でき、長時間のコーディングと知識業務を主な用途に据えています。

今回のブログ記事で語られていること

Kimi K3は、896個の専門家のうち16個を処理ごとに使う大規模な混合専門家モデルです。Kimi Delta Attention（KDA）とAttention Residuals（AttnRes）を基盤に、Stable LatentMoE、注意機構の各ヘッドを個別に最適化する手法、量子化を前提とした学習などを組み合わせています。Moonshot AIは、学習方法とデータ設計を含めた全体の拡張効率がKimi K2の約2.5倍になったと説明しています。ただし、これは同社による比較であり、モデル規模だけから実利用時の速度、費用、精度を判断することはできません。

発表の中心は、短い質問への応答よりも、何時間も続く作業を少ない人手で進める能力です。GPUカーネル最適化では、各モデルへ最大24時間を与え、NVIDIA H200などで複数の処理を改善させています。別の例では、Kimi K3がMLIR上の中間表現、最適化処理、PTXコード生成を持つ小型コンパイラ「MiniTriton」を作り、nanoGPTの学習まで動かしました。さらに、48時間の自律実行で小型モデル向けチップを設計・検証した事例や、20本以上の論文を確認し、300以上の状態方程式と3,000行以上のPythonコードを扱った計算天体物理学の事例も紹介されています。いずれも一般的な利用者の平均結果ではなく、同社が選んだ実演として読む必要があります。

知識業務では、42年分のAI向け半導体産業を調べるために、2,800回以上のウェブ検索・取得、1,100回以上の端末からのデータ取得、87本の四半期報告書と99本の原資料を含む11,000ページ以上を処理した例が示されています。Kimi Workには、会話の中で対話型部品を作るウィジェットと、それらを継続表示するダッシュボードも加わります。文章や表の生成だけでなく、調査結果を操作できる画面へ変え、更新されるデータと接続するところまでを知識業務として捉えている点が特徴です。画像とコードを往復するゲーム・3D制作、56本の素材からの動画編集も、画像理解を作業工程に組み込む例として紹介されています。

提供面では、Kimi.com、Kimi Work 3.1.0以降、Kimi Code、Kimi APIで利用できます。APIのモデル名はkimi-k3で、100万入力トークン当たりの料金はキャッシュが使われた場合0.30ドル、使われない場合3ドル、出力は15ドルです。起動時の思考強度は最大が既定で、低・高の選択肢は今後追加される予定です。完全なモデル重みは2026年7月27日までに公開するとされ、技術報告書も後日公開予定です。このため、現時点で使えるAPIや製品版と、今後公開される重み・技術資料を分けて扱う必要があります。

公式記事は制約も明記しています。K3は過去の思考内容を維持する前提で学習されており、実行基盤がその履歴を正しく引き継がない場合や、進行中の会話を別モデルからK3へ切り替えた場合、生成品質が大きく不安定になる可能性があります。また、長く難しい仕事を進める学習を重視した結果、曖昧な指示や小さな問題に対して利用者の意図を越えて判断することがあります。Kimi Codeのように互換性を確認した実行環境を使い、システム指示やAGENTS.mdで行動範囲を具体的に制限することが推奨されています。

今回のブログ記事が関係する人

長時間のコーディングエージェントを評価する開発チーム、大量の資料を扱う調査・コンサルティング部門、Kimi APIの費用と実行基盤を設計するAIプラットフォーム担当者に関係します。モデルを自社運用したいチームは、重みの公開時期、推奨される64基以上のアクセラレータ構成、量子化形式への対応も確認対象になります。

結局、今回のブログ記事をどう読むべきか

Kimi K3は、公開を予定するモデルの規模を広げただけでなく、長い作業を継続し、コード、画像、資料、端末操作を一つの工程で扱う方向へ踏み込んだ発表です。一方、ベンチマークと事例はMoonshot AI自身の評価であり、完全な重みと技術報告書もまだ公開前です。導入判断では、既存セッションから切り替えず新規セッションで試し、長時間タスクの完了率、誤った先回り、キャッシュ利用率、総費用、人による修正量を同じ仕事で比較する必要があります。