中国Moonshot AI、新LLM「Kimi K3」発表　2.8兆パラメータ、一部ベンチマークでGPTやClaude超え

中国Moonshot AIは7月16日（現地時間）、大規模言語モデル「Kimi K3」を発表した。同日からチャットサービス「Kimi.com」やAPIなどで利用できる。パラメータ数は2.8兆で、オープンモデルとしては世界初の“3T（3兆）級”と位置付ける。

Kimi K3は、画像を扱えるネイティブなマルチモーダル性能と、100万トークンのコンテキストウィンドウを備える。文章中での単語間の関係を計算する「アテンション機構」には、独自開発の「Kimi Delta Attention」を採用した。

多数の小さな専門モデル（エキスパート）を用意し、入力に応じて一部だけを動かす「MoE」（Mixture of Experts）と呼ぶ仕組みでは、896個のエキスパートのうち16個だけを動作させる構成を取る。こうした設計により同じ計算資源からより高い性能を引き出せるようになり、その効率は前モデル「Kimi K2」比で約2.5倍という。

性能面では、総合力で米Anthropicの「Claude Fable 5」や米OpenAIの「GPT 5.6 Sol」になお及ばないとしつつ、自社の評価項目全体でフロンティア級の性能を示したと説明する。

同社が公開したベンチマークスコアを見ると、コーディング性能を測る「Program Bench」ではK3が77.8で、GPT 5.6 Sol（77.6）とFable 5（76.8）をわずかに上回った。長時間のコーディング作業を試す「SWE Marathon」ではK3が42.0で首位。2位の「Claude Opus 4.8」（40.0）、3位のGPT 5.6 Sol（39.0）に差をつけた。Web探索能力を測る「BrowseComp」でもK3が91.2で、GPT 5.6 Sol（90.4）、Fable 5（88.0）を上回る。

一方で、ソフトウェア開発力を測る「FrontierSWE」ではFable 5が86.6で、K3（81.2）を大きく引き離した。実務作業の質を競うランキング「GDPval-AA v2」でも、Fable 5（1760）とGPT 5.6 Sol（1748）が上位に並び、K3（1668）は3位にとどまるなど、完全に首位というわけではなく、順位はジャンルによって分かれる形だ。

第三者による評価でも健闘が目立つ。AIモデルの比較評価サイト「Arena.ai」は16日、フロントエンド開発の性能をユーザー投票で競う「Frontend Code Arena」において、Kimi K3が1679ポイントで首位に立ったと明らかにした。2位のFable 5（1631ポイント）を抜いての首位デビューで、前モデル「Kimi K2.6」の18位から17ランク上昇。7分野中6分野でトップを取ったという。

APIの料金は、入力が100万トークン当たり3.00ドル（一度処理した内容を再利用できる「キャッシュヒット」時は0.30ドル）、出力が同15.00ドル。当面は思考量を最大にした「max」モードのみ提供し、低・高の各モードは今後のアップデートで追加する予定だ。オープンウェイトモデルは、7月27日までに公開するとしている。

当社では企業のビジネストレンドを明らかにするために読者調査を行っております。ご回答いただきました方の中から抽選で5名の方にAmazonギフトカード（3000円分）をプレゼント。何卒ご協力お願い致します。回答はこちらから！