Kimi K3 詳細レビュー：2.8T オープン旗艦は Claude / GPT からどれだけ離れているか

概要

Kimi K3 は Moonshot AI が 2026-07-16 に公開した旗艦モデルです：2.8兆パラメータの Stable LatentMoE（トークンあたり16/896エキスパート）、KDA と AttnRes、ネイティブな視覚・動画入力、100万トークンのコンテキスト。公式ブログでは、K3 は Claude Fable 5 と GPT 5.6 Sol には及ばないが、自社評価ではフロンティア級の結果を示すと明記しています。

2026-07-22時点で Kimi.com、Kimi Work、Kimi Code、Kimi API から利用可能。完全な重みは 2026-07-27 公開予定で、執筆時点では未配布——Artificial Analysis は proprietary API モデルとして分類しています。

スペックとアーキテクチャ

主要指標：100万トークンのコンテキスト。入力はテキスト・画像・動画（APIドキュメント）、出力はテキスト。K3 は K2 比で約2.5×の scaling efficiency（公式）。SFT から MXFP4 重み + MXFP8 活性化の QAT。

推論は常時 thinking、デフォルト reasoning_effort=max。マルチターンと tool call では assistant メッセージ全体（reasoning 含む）を返す必要があり、さもなくば品質が不安定——公式 Limitations の第一項。API ID は kimi-k3、OpenRouter は moonshotai/kimi-k3。K3 はチャージ解除の旗艦 SKU（最低 $1）。

価格と利用先

Moonshot 公式 API 価格（1M 窓で一律）：cache-hit 入力 $0.30/MTok、miss 入力 $3/MTok、出力 $15/MTok。本スナップショットでは OpenRouter 主 listing で $3/$15 を確認；moonshot-direct と SiliconFlow も cache $0.30、Groq も $3/$15。

公式はコーディング負荷で cache hit 90%超と称する——長い prefix の agent ループは実効入力単価を下げる。出力は miss 入力の5倍で、長い出力と reasoning token が請求を膨らませる。

ファミリー内比較：K2.6 → K3

K3 は「大きい K2.6」ではなくアーキテクチャ世代の飛躍です。パラメータ ~1T→2.8T、コンテキスト 262K→1M、vision→ネイティブ video、attention は KDA+AttnRes へ。

OpenRouter 主 listing では K2.6 $0.684/$3.42、K3 $3/$15——入出力とも約4.4×、混合約4–5×。能力は AA Intelligence Index v4.1 で K2.6 ~44 から K3 ~57（独立、2026-07-22）。

選定：長期自律コーディングでコスト重視・256K で足りるなら K2.6 がデフォルト。1M リポジトリ、ネイティブ動画、閉源フロンティアに近い上限が必要なら K3 の4–5×プレミアムを払う価値あり。

業界トップとの実ギャップ

総合：AA Intelligence Index v4.1（同一手法・独立）で Fable 5 ≈60、GPT 5.6 Sol ≈59、K3 ≈57、Opus 4.8 ≈56——3点差で「同格フロンティア」。Moonshot も Fable/Sol には及ばないと公言。

コーディング（Moonshot 公式表＋第三者、harness 差あり）：Sol が DeepSWE・Terminal-Bench 2.1 首位；K3 が SWE Marathon・Program Bench・Frontend Code Arena #1；Fable が FrontierSWE・GDPval-AA v2 Elo 首位。

Agent/ナレッジ：Fable が JobBench・Briefcase 優位；K3 が BrowseComp・Automation・Spreadsheet 優位。UX は thinking history 敏感・過剰能動・Fable/Sol より劣る（公式 Limitations）。AA は ~36 t/s と Index で verbose。外部ベンチであり AI Hippo 代理指標ではない。

コスト実測：2つのシナリオ

以下は本スナップショット OpenRouter 主 listing（miss 入力）での試算。reasoning 冗長 token は含まない。

A — agent コーディング1ターン（10万 in + 2万 out）：K3 ~$0.60、K2.6 ~$0.14、Sol ~$1.10、Fable ~$2.00。K3 は K2.6 の約4.3×だが Fable よりはるかに安い。

B — 長文書（50万 in + 5千 out）：K3 miss ~$1.58；50万が全 cache-hit なら ~$0.30。Sol ~$2.65、Fable ~$5.25、K2.6 ~$0.36。

K3 の価格優位は長 prefix + 高 cache hit の agent ループで最大。reasoning が出力を伸ばすと AA のタスク単価に近づく。スペック/コスト比較であり能力ベンチマークではない。

選ぶとき・避けるとき

K3 を選ぶ：長期 agent コーディング（端末/ブラウザ）、1M リポジトリ、ネイティブ動画、重み公開前に API でフロンティアに近い open 路線を試す場合。強制 thinking と harness 制約を受け入れられること。

避ける/他を見る：一回性の高品質プロ交付は Fable 5；Claude Code 成熟 UX → Fable/Sol；スループット重視・256K で足りる → K2.6；DL 可能な重みで自前 → 2026-07-27 以降にライセンスとクラスタコスト確認。

AI Hippo のモデル/Token/比較ページで定量判断。総合榜はコンテキスト/ドル代理指標。

導入チェックリスト

統合前：harness が thinking history を完全返却するか（Kimi Code 等）；セッション途中で他モデルから K3 に切り替えていないか；system prompt/AGENTS.md で過剰能動を制約したか。

運用：長 prefix で cache を設計；タスクあたり token（reasoning 含む）を監視。2026-07-27 以降の重み公開時、2.8T MoE 自前は 1T K2.6 より遥かに高コスト——クラスタ試算を先に。

出典

• Kimi K3 on AI Hippo
• Kimi K3 official tech blog
• Kimi K3 API quickstart
• Artificial Analysis — Kimi K3
• Moonshot AI
• OpenRouter models API