Kimi K3（Moonshot AI）とは

Kimi K3は中国Moonshot AIが2026年7月16〜17日に発表した2.8兆パラメータのオープンウェイトMoE（Mixture-of-Experts）モデルで、フロントエンドコードArenaで1位を獲得した。ただし完全なオープンソースweightsはまだ公開されておらず、2026年7月27日までに公開予定とされている（2026年7月18日時点でHugging Faceには未掲載）。ローカル実行に必要な容量は積極的な量子化でも推定650GB〜1TBに達するとみられ、コンシューマー向けハードウェアではなく、マルチGPUサーバーまたは1TB級RAMサーバーを前提とするモデルである。

Kimi K3はKimi Delta Attention（KDA）、Attention Residuals（AttnRes）、そしてKimi-Linear（線形アテンションとのハイブリッド構造）を採用している。Kimi-LinearはKVキャッシュを約75%削減し、100万トークンのコンテキストにおけるデコードスループットを約6倍に高めるとされる。学習段階ではSFTからMXFP4重み／MXFP8アクティベーションによる量子化を意識した訓練（quantization-aware training）を実施しており、Kimi K2比で約2.5倍のスケーリング効率を実現したと主張されている。

Arena.aiのFrontend Code Arenaにおいて、Kimi K3は1,679ポイントで1位を獲得した。これはClaude Fable 5（1,631ポイント）およびGPT-5.6 Sol（1,618ポイント）を上回る結果である。7つの評価領域中6領域で首位となり、唯一Gaming領域では2位にとどまった。AnthropicのOpus 4.8との性能差も縮まったと報告されている。

Kimi K2.5から続くK2系列は1兆パラメータ規模で推移してきたが、Kimi K3はパラメータ数を2.8倍に拡大しつつ、2.5倍のスケーリング効率向上を主張している点が特徴だ。ただし前述の通りアクティブパラメータ数は非公開であり、実際の推論コストや実行要件を正確に把握するには7月27日のweights公開と正式なモデルカードを待つ必要がある。

上記の数値はKimi K2ファミリーの実績値から2.8T規模へスケーリングした推定値であり、確定的なスペック表は7月27日のweights公開時に提供されるモデルカードを待つ必要がある。参考として、総パラメータ1兆のKimi K2.7（339GBの2-bit量子化ビルド）でもRTX PRO 6000クラスのGPUが約4枚必要だったことから、K3ではおおよそその3倍のメモリが必要になると見込まれる。現実的な最小構成はマルチGPUワークステーション、またはRAM約1TBを搭載したサーバー級マシン（CPU推論の場合は1秒あたり一桁トークン程度の速度になる見込み）であり、512GBのMac Studioでは容量が足りない。weights公開直後に現実的に扱えるローカルコンテキスト長は約12.8万〜25.6万トークン程度にとどまり、100万トークンのフルコンテキストはAPIまたは大規模クラスター向けとなる見込みだ。

同時期に登場した大型オープンウェイトモデルとしては、9,750億パラメータで既にダウンロード可能なInkling（Thinking Machines）が挙げられる。Inklingは既にweightsが公開済みでローカル要件を実測ベースで確認できるのに対し、Kimi K3は2.8兆パラメータとさらに規模が大きい一方、weightsは7月27日まで公開されておらず、現時点のローカル要件はすべて推定値にとどまる点が対照的だ。