---
title: "Kimi K3 とは？2.8兆パラメータの世界最大級オープンモデル、重み公開【2026年10月】 | AIニュース - ai-garage"
description: "Kimi K3 の重みはもう落とせる？答えは落とせるよ。Moonshot AI が2026年7月16日に公開し、7月27日にフルの重みも Hugging Face で配布を始めたんだ。総2.8兆パラメータ・専門家分業型（MoE）・100万トークンの世界最大級だよ。性能と価格も整理するね。"
source: https://ai-garage.jp/news/kimi-k3-release-status/
---
News  2026年7月6日   最終更新 2026/10/8

# Kimi K3 とは？2.8兆パラメータの世界最大級オープンモデル、重み公開【2026年10月】

Kimi K3 の重みはもう落とせる？答えは落とせるよ。Moonshot AI が2026年7月16日に公開し、7月27日にフルの重みも Hugging Face で配布を始めたんだ。総2.8兆パラメータ・専門家分業型（MoE）・100万トークンの世界最大級だよ。性能と価格も整理するね。

SY

[Seiya Yagashiro](https://ai-garage.jp/site-info/)

Editor-in-Chief, ai-garage

[#Moonshot AI](https://ai-garage.jp/tags/Moonshot%20AI/)[#オープンモデル](https://ai-garage.jp/tags/%E3%82%AA%E3%83%BC%E3%83%97%E3%83%B3%E3%83%A2%E3%83%87%E3%83%AB/)[#オープンウェイト](https://ai-garage.jp/tags/%E3%82%AA%E3%83%BC%E3%83%97%E3%83%B3%E3%82%A6%E3%82%A7%E3%82%A4%E3%83%88/)

この記事の要点

- Kimi K3 は2026年7月16日に公開済み。Moonshot AI の総2.8兆パラメータの新世代で、重みが配られるモデルとしては世界最大級。Kimi.com・アプリ・API から今すぐ使える。
- 自分の環境に落として動かすための重み（オープンウェイト）も2026年7月27日に公開済み。Hugging Face の moonshotai/Kimi-K3 から Kimi K3 License で配布されていて、モデル本体・コードとも同じライセンス。
- 第三者の Artificial Analysis では総合スコア57で、公開直後の2026年7月17日時点に総合3位（指標 v4.1.1 の値。v4.3 になった2026年9月8日時点では同じ K3 が44）。一方でもっともらしい間違いの割合は K2.6 の39%から51%に悪化している。
- API 価格は100万トークンあたり入力$3・出力$15で、K2系の$0.95／$4前後から値上がり。使い始めには最低$1のチャージが必要。

やっほー、ぼくてんびん丸！ずっと「**Kimi K3 ってもう出たの？重みは落とせるの？**」って聞かれ続けてきたけど——ついに両方とも答えが出そろったよ。結論から言うね。

## 結論：Kimi K3 は7月16日に公開、重みも7月27日に公開済み

- Moonshot AI（ムーンショット、中国の AI スタートアップ）が **2026年7月16日（金）に「Kimi K3」を正式公開**したよ。もう“噂”じゃなくて“現物”が出た。
- スペックがとにかく規格外で、**総パラメータ数はなんと2.8兆**（2.8T）。「世界最大級のオープンウェイトモデル（重みが配られるモデル）」と各社が報じてる。
- しかもただの巨大化じゃなくて、新しい“注目の仕組み”（アテンション＝AIが文章のどこに注目するかを決める仕組み）の **Kimi Delta Attention**（KDA） で高速化まで両立してるのがポイント。
- **チャットや API としては今すぐ使える**。Kimi.com・モバイルアプリ・API から利用可能だよ。
- **そして「自分の環境に落として動かす」ほうも解禁された。** フルの重み（オープンウェイト）が **2026年7月27日に Hugging Face で公開**されて、`moonshotai/Kimi-K3` から実際にダウンロードできるようになったよ。ライセンスは **Kimi K3 License**（コードも重みも同じ）。
- ただし **「落とせる」と「動かせる」は別の話**。2.8兆パラメータ級はふつうのパソコンで動く規模じゃなくて、公開当日の The New Stack の記事も「重みは開かれたが、動かせる人はほとんどいない」という見出しを立ててる。ここは正直に書いておくね。

> **【2026年8月2日 追記】** この記事は「重みはまだ公開されていない（7月27日までに公開予定）」という内容だったけど、**予定どおり7月27日に公開されたのを確認**したので、重みまわりを全部書き直したよ。ライセンス・ファイル形式・動かすのに必要な環境も足してある。
> 
> **【2026年10月8日 追記】** Moonshot AI の Hugging Face の置き場（moonshotai）でいちばん新しいモデルは、いまも `moonshotai/Kimi-K3`（ファイルの最終更新は2026年9月2日）。公式サイトと開発者ドキュメントのモデル一覧でも K3 が最上位で、**K3 の次にあたるモデルは出ていない**よ。

## Kimi K3 のスペック早わかり

まずはざっくり全体像から。

| 項目 | 内容 |
| --- | --- |
| 公開日 | 2026年7月16日（金） |
| 総パラメータ数 | 約2.8兆（2.8T）※重みが配られるモデルとしては最大級 |
| 中身のつくり | 専門家分業型（MoE＝Mixture of Experts。質問ごとに一部の担当だけを動かして計算を軽くする仕組み）。Stable LatentMoE 方式で、896人の“専門家”のうち16人だけを動かす |
| 注目の仕組み（アテンション） | Kimi Delta Attention（KDA）＋ Attention Residuals（AttnRes） |
| 一度に読める量（コンテキスト長） | 100万トークン（1M）※トークンは文章を細かく区切った単位。日本語だと1文字1〜2トークンくらい |
| 画像・動画も扱える？ | 生まれつき対応（テキスト・画像・動画をひとつの仕組みでまとめて扱える） |
| 重みの配布（オープンウェイト） | **2026年7月27日に公開済み**。Hugging Face の `moonshotai/Kimi-K3` から入手可能 |
| ライセンス | Kimi K3 License（コード・重みとも。一般的なオープンソースライセンスではない） |
| 重みの形式 | Safetensors。重みは MXFP4・計算途中の値は MXFP8 という軽い形式を前提に学習されている |
| 推奨の実行ソフト | vLLM / SGLang / TokenSpeed |
| API価格 | 入力 $3 / 100万トークン、出力 $15 / 100万トークン |
| 使い方 | Kimi.com・アプリ・API で公開中。自前環境なら Hugging Face から重みを取得 |

## そもそも Kimi って何？

**Kimi**（キミ）は、Moonshot AI が開発している大規模言語モデル（LLM＝大量の文章を学習した“文章を扱うAIの本体”）と、それを使った AI アシスタント。とくに **超長コンテキスト**（一度にたくさんの文章を読み込める）と **エージェント能力**（自分で手順を踏んでタスクをこなす）に強いのが持ち味だね。モデルの中身のデータ（重み）が配られる **オープンウェイト** 路線を続けていて、Hugging Face から入手して自前で動かせるのも人気の理由だよ。

> もっと詳しい立ち位置は [AIモデル一覧](https://ai-garage.jp/models/) や [オープンソースAIの深掘り解説](https://ai-garage.jp/categories/opensource/) を見てみてね。

## Kimi のバージョン履歴（K3 にたどり着くまで）

K3 のスゴさを実感するには、これまでの積み上げを見るのがいちばん。

| 世代 | 公開時期 | ざっくり何が変わった？ |
| --- | --- | --- |
| Kimi K1 | 2023年11月 | 初の一般公開。128Kトークンの長コンテキストが売り |
| Kimi K1.5 | 2025年1月 | 数学・コーディング・画像も交えた考え方を強化（OpenAI o1 相当） |
| Kimi K2 | 2025年7月 | 1兆パラメータの専門家分業型（一度に動くのは320億パラメータぶん）。コーディング系の評価テストで高評価 |
| Kimi K2.5 | 2026年1月 | 画像などテキスト以外への対応・エージェント能力を強化 |
| Kimi K2.6 | 2026年4月 | 1兆パラメータの専門家分業型の旗艦。複数のエージェントをまとめて動かす力を強化 |
| Kimi K2.7 Code | 2026年6月 | コーディング特化版（K2.6ベース） |
| **Kimi K3** | **2026年7月16日** | **総2.8兆パラメータの新世代。KDA＋100万トークン。世界最大級のオープンモデル** |

![Kimiのバージョン年表。2026年7月16日に総2.8兆パラメータのKimi K3が公開され、これまでのK2系（1兆パラメータ）から新世代へと大きくジャンプしたことを示す図](https://ai-garage.jp/images/article-figures/kimi-k3-release-status-1.webp)

K2 系は「1兆パラメータの小数点アップデート（K2.5→K2.6→K2.7 Code）」で刻んできたけど、K3 で **一気に2.8兆パラメータの“次のメジャー世代”** にジャンプした、というのが今回の構図だよ。

## Kimi K3、何がすごい？

規格外なのはパラメータ数だけじゃない。ポイントは3つ。

### ① 新しい注目の仕組み「Kimi Delta Attention（KDA）」で高速化

K3 の技術的な目玉が、**Kimi Delta Attention**（KDA） という新しいアテンション（＝AIが文章のどこに注目するかを決める仕組み）。Moonshot によると、**100万トークンぶんの長い文章を扱うときでも、答えを書き出す速度が最大6.3倍速く**なるとしてる。あわせて **Attention Residuals**（AttnRes） という仕組みで、学習の効率を約25%改善しつつコスト増は2%未満に抑えた、と説明してるよ。「巨大なのに、長文でも重くなりにくい」を狙った設計だね。

### ② 100万トークン＆テキスト・画像・動画をまとめて扱える

一度に読み込める量は **100万トークン**。しかもテキスト・画像・動画を**ひとつの仕組みでまとめて扱う**（＝ネイティブ・マルチモーダル）つくり。長い資料の読み込みや、画像込みの作業をまとめて任せやすい方向に振ってる。

### ③ 世界最大級の「オープンウェイト」が実際に配られた（7月27日）

K3 は中身のデータ（重み）が配られる **オープンウェイト** の方針で、総2.8兆パラメータは「重みが配られるモデルとしては過去最大級」と報じられてた。そして **2026年7月27日、フルの重みが Hugging Face の `moonshotai/Kimi-K3` で実際に公開**されたよ。予定どおりの配布だね。

公開されたものの中身はこんな感じ。

| 項目 | 内容 |
| --- | --- |
| 置き場所 | Hugging Face `moonshotai/Kimi-K3` |
| ファイル形式 | Safetensors（F32・BF16・U8） |
| ライセンス | **Kimi K3 License**（コードも重みも同じ） |
| 重みの持ち方 | MXFP4 の重み＋MXFP8 の計算途中の値。この軽い形式を前提にして学習している |
| 動かすソフト | vLLM / SGLang / TokenSpeed が推奨 |

ここで2つ、押さえておきたい注意があるよ。

**ひとつめは、ライセンスが一般的なオープンソースのものじゃないこと。** MIT や Apache 2.0 のような広く使われている条件ではなく、Moonshot 独自の「Kimi K3 License」が当たってる。仕事で使うつもりなら、条件の本文を自分の目で確認してから進めてね。

**ふたつめは、「落とせる」と「動かせる」がぜんぜん違うこと。** 2.8兆パラメータは、家庭のパソコンやちょっといいGPU1枚で動く規模じゃない。公開当日（7月27日）の The New Stack の記事は、まさに 「**Moonshot は K3 の重みを開いた——けれど動かせる人はほとんどいない**」 という見出しでこの点を扱ってる。重みが MXFP4 という軽い形式で作られているのは、この負担を少しでも減らすための設計だけど、それでも個人で気軽に、という規模ではないよ。

## 性能・ベンチマークはどのくらい？

ここは**公表値と第三者評価を分けて**、正直に書くね。

**第三者による評価**（外部の機関・対戦サイト）

- **Artificial Analysis**（AA＝各社のAIを同じ問題で採点している独立系の評価機関）の総合指標「[Intelligence Index](https://ai-garage.jp/glossary/intelligence-index/)」で **57点**。公開直後の **2026年7月17日時点で総合3位**（上にいたのは Claude Fable 5 と GPT-5.6 Sol）だったよ。※この57は当時の指標 **v4.1.1** の値で、**2026年9月8日の v4.3 では同じ K3 が44** になっている（v4.2 では50だった）。指標の版が上がると全モデルの点数がまとめて下がるので、AA のページを開いたときに数字が違っても計り直しではないよ。※このランキングは新しいモデルが追加されるたびに動くもので、7月下旬時点では表示される順位にブレもある。「公開直後にトップ3圏内だった」くらいの受け止めが安全だね。
- 人間の投票で勝ち負けを決める対戦サイト **LMArena** では、テキスト総合が **1486 Elo**（誤差±10.8、2026年7月17日時点）。Elo（イロ）はチェスや将棋の段位みたいなもので、強い相手に勝つほど数字が上がる指標だよ。
- 同じ LMArena の **Frontend Code Arena**（Web画面まわりのコードを書かせて競わせる部門）では **1679 Elo で1位**と報じられてる。※こちらは一次ソースを直接確認できていない参考値として見てね。

**あわせて知っておきたい弱点：もっともらしい間違いは増えた**

ここは他の記事があまり書いてないから、ちゃんと書いておくね。Artificial Analysis の検証（2026年7月17日）によると、K3 は正答率を前世代 K2.6 の **33%から46%に伸ばした**一方で、**「知らないことをそれっぽく言い切ってしまう」割合（ハルシネーション率）は 39%から51%に悪化**したんだって。

つまり 「**賢くなったけど、自信満々に間違えることも増えた**」。使うときは、出てきた答えをうのみにせず裏を取る——この基本が、これまで以上に大事だよ。

いっぽうで費用対効果は良好で、同じ AA の評価では **1つの仕事をこなすのにかかる費用が $0.94**。GPT-5.6 Sol の $1.04 とほぼ同じで、Claude Opus 4.8 の $1.80 の約半分。書き出すトークンの量も K2.6 と比べて **21%減った**とされてる。長々と書かずに要点を出すようになった、ということだね。

**Moonshot 公表のベンチマーク**（＝性能を測る共通テスト。※以下は自社報告の数字）

- 総合で **Claude Opus 4.8（max）／GPT-5.5（high）／Zhipu の GLM-5.2 を上回る**一方、**Claude Fable 5 と GPT-5.6 Sol には及ばない**、と Moonshot 自身が説明。
- 個別スコア例（MarkTechPost まとめ）：SWE Marathon **42.0**（Fable 5 は35.0）、Program Bench **77.8**（GPT-5.6 Sol は77.6）、OmniDocBench **91.1**。

7月27日の重み公開にあわせて、Hugging Face のモデル説明ページにも成績表が載ったよ。これも**Moonshot 自身が出している数字**だから、そのつもりで見てね。

| テスト | スコア | 何を測ってる？ |
| --- | --- | --- |
| GPQA Diamond | 93.5 | 博士レベルの理科の難問に答えられるか |
| [Terminal-Bench](https://ai-garage.jp/glossary/terminal-bench/) 2.1 | 88.3 | 黒い画面（コマンドライン）での作業をやり切れるか |
| BrowseComp | 91.2 | ネットを調べて答えにたどり着けるか |
| DeepSWE | 67.5 | 実際のソフトの不具合を直せるか |
| Video-MME（字幕あり） | 90.0 | 動画の中身を理解できるか |
| MMMU-Pro | 81.6 ※条件違いで83.4の記載もあり | 図や表を含む大学レベルの問題 |

まとめると、「**トップ2（Fable 5 / GPT-5.6 Sol）には一歩届かないが、それ以外の最上位級には並ぶ・部分的に勝つ**」あたりが現実的な見立て。独立系の Artificial Analysis も公開直後に総合3位と評価してるから、実力そのものは本物だよ。ただし上に書いたとおり、間違いを言い切る率は前世代より上がってるから、そこは差し引いて見てね。

## 価格と使い方

- **今すぐ使える**：Kimi.com、モバイルアプリ、API から利用可能。
- **API価格**：入力 $3 / 100万トークン、出力 $15 / 100万トークン。これは Anthropic の Claude Sonnet 系と同じくらいの水準だよ。
- **注意**：前世代（K2系）の $0.95 / $4 前後と比べると**しっかり値上がり**してる。「オープン系＝激安」のイメージで来ると、API の使った分だけ払う課金は思ったより高く感じるかも。とはいえ Fable 5（出力 $50/100万）などトップ勢と比べれば安い、という位置取り。
- **オープンウェイト**：フルの重みは **2026年7月27日に公開済み**。Hugging Face の `moonshotai/Kimi-K3` から落とせるよ。ただしライセンスは Kimi K3 License（独自条件）で、動かすには大規模なGPU環境が必要。

### API で使うときに知っておきたいこと

Kimi の公式ドキュメントを見ると、K3 はこんな作りになってる。実際に組み込む前に知っておくと得をするポイントだよ。

- **考える工程（thinking モード）が常にオン**。オフにはできなくて、代わりに「effort（どれくらい念入りに考えるか）」を low / high / max の3段階から選ぶ形になってる。
- **ツール呼び出し**（AIが自分で外部のプログラムや検索を使いにいく動き）**に対応**。しかも、やり取りの途中で使える道具を足していく「動的ツールロード」もできる。
- **決まった形の JSON**（プログラムで扱いやすいデータ形式）での出力に対応。
- **100万トークンぶんの長い前置きに自動でキャッシュが効く**。同じ内容を毎回まるごと送り直す無駄が減る仕組みだね。
- **使い始めるには最低 $1 のチャージが必要**。しかも、どれだけ連続でリクエストを投げられるか（レート上限）は、これまでにチャージした合計額で決まる仕組みだよ。無料でいきなり叩けるタイプじゃない点は注意。

用途別のざっくり指針：

- **とにかく最新の実力を試したい** → Kimi.com やアプリで K3 をそのまま。
- **API でコスト管理しながら組み込みたい** → 使った分だけ払う単価（$3/$15）を見て、用途に見合うか要チェック。安さ重視なら DeepSeek や GLM 系も候補。
- **自前環境（手元のPC/自社GPU）で動かしたい** → **重みは7月27日に公開されたので入手はできる**。ただし2.8兆パラメータ級で、動かす環境のハードルはかなり高い。実行ソフトは vLLM・SGLang・TokenSpeed が推奨されてる。個人PCで、というのは現実的じゃないよ。
- **他のオープン勢と比べたい** → [AIモデル比較表](https://ai-garage.jp/compare/) や [コスパマトリクス](https://ai-garage.jp/matrix/) で横並びチェック。
- **そもそもどれを選べばいい？** → [AI初心者ガイド](https://ai-garage.jp/beginners/) で全体像から。

## K2系から乗り換えるべき？

- **最新の性能・長文・画像や動画への対応が欲しい** → K3 に乗り換える価値は十分。特に長い資料の読み込みや画像込みの作業が多いなら恩恵が大きい。
- **正確さを最優先したい** → 少し慎重に。上で書いたとおり、第三者の検証では「もっともらしい間違い」の割合が前世代より上がってる。答えのチェック体制とセットで導入するのがおすすめ。
- **コスト最優先で、用途がコーディング中心** → K2.7 Code など K2系の安さがまだ効く場面もある。API 単価が上がってる点は要注意。
- **手元で動かす運用が重視** → K3 の重みは7月27日に公開されたので選択肢に入る。ただし2.8兆パラメータを動かせる設備があるかどうかが分かれ目で、そこまで用意できないなら軽い K2系で回すほうが現実的だよ。

## まとめ

- **「Kimi K3」は2026年7月16日についに公開された。** 総2.8兆パラメータの世界最大級モデル。
- 目玉は新しい注目の仕組み **KDA**（答えを書き出す速度が最大6.3倍）・**100万トークン**・**テキスト＋画像＋動画のまとめ扱い**。
- 性能は **Opus 4.8／GPT-5.5／GLM-5.2 を上回る**（自社公表値）一方、**Fable 5・GPT-5.6 Sol には一歩届かず**。第三者の Artificial Analysis でも公開直後（7月17日時点）に総合3位。
- ただし「**もっともらしい間違い」の割合は K2.6 の39%から51%に悪化**（同じ第三者検証）。裏取りとセットで使おう。
- **今すぐ Kimi.com・アプリ・API で利用可**。API単価は $3/$15（K2系より値上げ）、使い始めに最低 $1 のチャージが必要。
- **重みのダウンロードも解禁。** **2026年7月27日に Hugging Face で公開**され、ライセンスは Kimi K3 License。形式は Safetensors で、MXFP4 の重みを前提に学習されてる。
- ただし **落とせる＝動かせる、ではない。** 2.8兆パラメータ級を動かすには大規模なGPU環境が必要で、推奨の実行ソフトは vLLM・SGLang・TokenSpeed。個人PCでの常用は現実的じゃないよ。

「Kimi K3 まだ？」ってずっと待ってた人、モデルも重みも、もう全部出そろったよ！ここから先は「動かせる設備があるかどうか」の勝負に移っていく感じだね。最新の動きはこのサイトで追いかけていくから、またのぞきに来てね。AI業界全体のその月の動きは [月次AIレポート（2026年6月号）](https://ai-garage.jp/reports/2026-06/) にまとめてるよ。じゃあまたねー！

よくある質問

Q.Kimi K3 はもう使える？

A.はい。2026年7月16日に公開され、Kimi.com・モバイルアプリ・API から利用できます。さらに2026年7月27日には自分の環境に落として動かすための重み（オープンウェイト）も公開され、Hugging Face の moonshotai/Kimi-K3 からダウンロードできます。

Q.Kimi K3 の重みはもうダウンロードできる？

A.できます。2026年7月27日に Hugging Face の moonshotai/Kimi-K3 でフルの重みが公開されました。形式は Safetensors、ライセンスはコード・重みとも Kimi K3 License です。重みは MXFP4、計算途中の値は MXFP8 という軽量な形式で学習の段階から作られていて（量子化を前提にした学習）、推奨されている実行ソフトは vLLM・SGLang・TokenSpeed の3つです。

Q.Kimi K3 はいくら？無料で使える？

A.Kimi.com やアプリからのチャット利用が入り口です。API は使った分だけ払う課金で、100万トークンあたり入力$3・出力$15。前世代 K2系の$0.95／$4前後からは値上がりしています。使い始めには最低$1のチャージが必要で、無料でいきなり叩けるタイプではありません。

Q.Kimi K3 は GPT や Claude より強い？

A.Moonshot の公表値では Claude Opus 4.8 や GPT-5.5、GLM-5.2 を上回るとされていますが、Claude Fable 5 と GPT-5.6 Sol には及ばない位置づけです。第三者の Artificial Analysis の総合指標でも、公開直後の2026年7月17日時点で3位でした。順位は新しいモデルが出るたびに動くので、時期を添えて読むのがおすすめです。

Q.Kimi K3 と K2.6 の違いは？

A.規模と設計が大きく違います。K2.6 は1兆パラメータの専門家分業型（MoE）でしたが、K3 は総2.8兆パラメータに拡大。新しい注目の仕組み KDA と、100万トークンぶんの読み込み量、テキスト・画像・動画のまとめ扱いを備えます。ただし第三者の検証では、正答率が上がった代わりにもっともらしい間違いの割合も上がっています。

Q.Kimi の最新版は何？

A.2026年10月8日時点の最新旗艦は Kimi K3（2026年7月16日公開）で、総2.8兆パラメータの新世代です。その前は K2 系（K2.6／K2.7 Code）でした。Kimi.com・モバイルアプリ・API からすぐ使えるほか、2026年7月27日には重み（オープンウェイト）も公開され、Hugging Face から入手できます。

Q.Kimi K3 は自分のPCで動く？

A.現実的ではありません。総2.8兆パラメータ（896人の専門家のうち16人だけを動かす専門家分業型）という超大型で、重みは2026年7月27日に公開されたものの、動かすには大規模なGPU環境が要ります。公開当日の The New Stack の記事も「重みは開かれたが、動かせる人はほとんどいない」という見出しでこの点を指摘しています。まずは Kimi.com や API で試すのが手軽です。

Q.Kimi K3 のライセンスは？商用利用できる？

A.コードとモデルの重みはどちらも「Kimi K3 License」という Moonshot AI 独自のライセンスで公開されています。MIT や Apache 2.0 のような一般的なオープンソースライセンスではないため、商用で使う場合は Hugging Face のリポジトリに掲載されているライセンス本文を必ず自分で確認してください。

参考・一次ソース

- [→ Moonshot AI 公式サイト（最新モデル一覧）](https://www.moonshot.ai/)
- [→ Kimi 公式開発者ドキュメント：Kimi K3 クイックスタート（モデルID・常時thinking・課金条件）](https://platform.kimi.ai/docs/guide/kimi-k3-quickstart)
- [→ Hugging Face：moonshotai/Kimi-K3（重み公開済み・Kimi K3 License・MXFP4量子化・推奨エンジン）](https://huggingface.co/moonshotai/Kimi-K3)
- [→ The New Stack：Moonshot opens Kimi K3 weights — but few can run it（2026年7月27日）](https://thenewstack.io/kimi-k3-open-weights/)
- [→ Hugging Face：moonshotai 組織ページ](https://huggingface.co/moonshotai)
- [→ Artificial Analysis：Kimi K3 が Intelligence Index で3位（2026年7月17日）](https://artificialanalysis.ai/articles/kimi-k3-achieves-3-in-the-artificial-analysis-intelligence-index-comparable-to-opus-4-8-and-gpt-5-5)
- [→ Artificial Analysis：Kimi K3 モデルページ（スコア・価格・コンテキスト長）](https://artificialanalysis.ai/models/kimi-k3)
- [→ MarkTechPost：Kimi K3 の技術詳細（KDA・2.8兆パラメータ）](https://www.marktechpost.com/2026/07/16/moonshot-ai-releases-kimi-k3-a-2-8-trillion-parameter-open-moe-model-with-kimi-delta-attention-and-1m-context/)
- [→ Simon Willison：Kimi K3 の独立レビュー](https://simonwillison.net/2026/Jul/16/kimi-k3/)
- [→ apidog：Kimi K3 のベンチマーク一覧（自社公表値と第三者評価を区別して掲載）](https://apidog.com/blog/kimi-k3-benchmarks/)
- [→ CGTN：中国AI競争の新局面（K3 のオープンウェイト方針に言及）](https://news.cgtn.com/news/2026-07-20/Alibaba-Moonshot-launches-mark-new-phase-in-China-s-AI-race-1OWbBvdkH28/p.html)
- [→ Kimi (chatbot) - Wikipedia（バージョン履歴）](https://en.wikipedia.org/wiki/Kimi_(chatbot))

⚖️ この2つを比べる

Kimi K3 vs DeepSeek V4.1-Flash

Moonshot AI

知能スコア 44

料金 $3 / $15

DeepSeek

知能スコア 39

料金 $0.15 / $0.6

料金・性能を横並びで比較 →

いま比較表に載っている版どうしの比較です。知能スコアは第三者機関 Artificial Analysis の測定値、料金は API の100万トークンあたりの入力 / 出力（米ドル）。

この記事に出てきた用語・モデル

用語をやさしく解説

[モデル](https://ai-garage.jp/glossary/model/)[AIエージェント](https://ai-garage.jp/glossary/agent/)[Mixture of Experts（MoE）](https://ai-garage.jp/glossary/mixture-of-experts/)[オープンウェイト](https://ai-garage.jp/glossary/open-weight/)[パラメータ](https://ai-garage.jp/glossary/parameter/)[トークン](https://ai-garage.jp/glossary/token/)

関連 AI モデル

[Kimi](https://ai-garage.jp/models/kimi/)[DeepSeek](https://ai-garage.jp/models/deepseek/)[Llama](https://ai-garage.jp/models/llama/)[Qwen](https://ai-garage.jp/models/qwen/)

この記事をシェア

[Xでシェア](https://twitter.com/intent/tweet?text=Kimi%20K3%20%E3%81%A8%E3%81%AF%EF%BC%9F2.8%E5%85%86%E3%83%91%E3%83%A9%E3%83%A1%E3%83%BC%E3%82%BF%E3%81%AE%E4%B8%96%E7%95%8C%E6%9C%80%E5%A4%A7%E7%B4%9A%E3%82%AA%E3%83%BC%E3%83%97%E3%83%B3%E3%83%A2%E3%83%87%E3%83%AB%E3%80%81%E9%87%8D%E3%81%BF%E5%85%AC%E9%96%8B%E3%80%902026%E5%B9%B410%E6%9C%88%E3%80%91%20%7C%20ai-garage&url=https%3A%2F%2Fai-garage.jp%2Fnews%2Fkimi-k3-release-status%2F) [はてなブックマークに追加](https://b.hatena.ne.jp/add?mode=confirm&url=https%3A%2F%2Fai-garage.jp%2Fnews%2Fkimi-k3-release-status%2F)

引用文は「『タイトル』 - ai-garage.jp URL」の形でコピーされます。出典として URL を残したまま貼れます。

関連記事

[![国産オープンLLM「LLM-jp-4 33B」公開！商用可・必要容量66GB・性能はどこまで](https://ai-garage.jp/images/news-heroes/llm-jp-4-33b-open-weights-card.webp)2026/8/20国産オープンLLM「LLM-jp-4 33B」公開！商用可・必要容量66GB・性能はどこまで](https://ai-garage.jp/news/llm-jp-4-33b-open-weights/)[![Qwen3.8-27B のウェイト公開！Apache 2.0で商用可、性能と必要な容量](https://ai-garage.jp/images/news-heroes/qwen-3-8-27b-open-weights-card.webp)2026/8/15Qwen3.8-27B のウェイト公開！Apache 2.0で商用可、性能と必要な容量](https://ai-garage.jp/news/qwen-3-8-27b-open-weights/)[![Meta「Muse Glimmer」公開！24GBのVRAMで動く296億パラメータのオープンモデル──必要スペック・入手先・性能を整理するよ](https://ai-garage.jp/images/news-heroes/meta-muse-glimmer-local-open-model-card.webp)2026/8/11Meta「Muse Glimmer」公開！24GBのVRAMで動く296億パラメータのオープンモデル──必要スペック・入手先・性能を整理するよ](https://ai-garage.jp/news/meta-muse-glimmer-local-open-model/)[![Alibaba「Qwen3.8-Max」が8月3日に正式リリース！総2.4兆パラメータ、Terminal-Bench 2.1 は86.6で Fable 5 超え・SWE-bench Pro は67.7で届かず](https://ai-garage.jp/images/news-heroes/qwen-3-8-max-preview-card.webp)2026/7/20Alibaba「Qwen3.8-Max」が8月3日に正式リリース！総2.4兆パラメータ、Terminal-Bench 2.1 は86.6で Fable 5 超え・SWE-bench Pro は67.7で届かず](https://ai-garage.jp/news/qwen-3-8-max-preview/)

執筆

Seiya Yagashiro（編集長）

公開・更新

公開 2026/7/6  / 最終更新 2026/10/8

この記事は AI（Claude / ChatGPT）の支援を受けて作成し、編集長による事実確認を経て公開しています。 誤りを発見した方は [@tenbin_maru](https://x.com/tenbin_maru) のDMまでご連絡ください。 詳しい編集方針は [編集方針](https://ai-garage.jp/editorial-policy/) ページをご覧ください。