2026年7月27日夜、Moonshot AI（月之暗面）は Kimi K3 の完全モデルウェイトと技術レポートを公開し、MoonEP、FlashKDA、AgentEnv の3大インフラも同時にオープンソース化しました。世界初の3兆パラメータ級モデルの完全公開で、Hugging Face 上のウェイトは約 1.56TB、公開30分でトレンド1位を獲得しました。本記事はオープンウェイトライセンス、MoE アーキテクチャ革新、自前デプロイの現実性に関心のある開発者向けに、API 初出から11日でウェイト全面公開までのタイムライン、KDA/AttnRes/Per-Head Muon の解析、3大 Infra の能力、SWE-bench と AA Index の比較、ライセンスの2つの商用閾値、API 料金と64 GPU 自前デプロイの実態、6ステップ評価チェックリストと FAQ を網羅します。結論として、K3 はオープンウェイト陣営の能力上限ですが、コスパ最優ではありません。公式は「オープンソース」とは呼ばず、open weight（オープンウェイト） という表現を一貫して使っています。
開発者が最も混乱する3点：7/16 に API が使えたのに 7/27 では何が変わったのか？「オープンソース」と「オープンウェイト」の違いは？自前デプロイには何枚の GPU が必要か？ 以下のタイムラインで整理します。
| 日付 | 出来事 |
|---|---|
| 7/16 夜 | Kimi K3 が kimi.com、Kimi Work、Kimi Code、API で初公開。ウェイトは未公開 |
| 7/17 | 新華社が「現時点で世界最大パラメータのオープンソースモデル」と報道。業界がアーキテクチャを分析 |
| 7/22–23 | 米国が Moonshot AI の Anthropic Fable モデルへの「工業規模蒸留」を非難し制裁を脅迫 |
| 7/27 23:00 | 完全ウェイトと技術レポート公開。MoonEP、AgentEnv をオープンソース化（FlashKDA は先行公開済み） |
| 7/28 | 中国商務部が米中 AI 紛争に応答。国内メディアがオープンソースの詳細を報道 |
ライセンス誤読リスク：メディアは「オープンソース」と書くが、公式は open source を使わず、MaaS 収入と規模表示の2つの閾値を含むカスタムライセンス
自前デプロイの幻想：1.56TB ウェイト + 896 エキスパート MoE はコンシューマー GPU では不可能。盲目的なハードウェア調達が最大の隠れコスト
ベンチマークの誤用：ベンダー自己申告と第三者再検証の差が大きい。Vals AI、Artificial Analysis などの独立データを優先すべき
キャッシュ料金の罠：表記は入力 $3/M だが、Mooncake アーキテクチャではコーディング負荷でキャッシュヒット率90%超、実コストは $0.30/M に近い
地政学的コンプライアンス：米中「モデル蒸留」紛争と WAIC 2026 のタイミングが重なる。ウェイト公開は学習プロセスの監査可能性を意味しない
Agent 実行環境：長時間セッションのコーディング Agent には安定した計算資源とツールチェーンが必要。ノート PC や低スペック VPS では本番パイプラインを支えられない
| 項目 | 仕様 |
|---|---|
| 総パラメータ数 | 2.8兆（2.8T） |
| アクティブパラメータ | 約1040億 |
| アーキテクチャ | 混合エキスパート（MoE）、896 ルーティングエキスパート、トークンあたり16個をアクティブ化 |
| 注意機構 | Kimi Delta Attention（KDA）+ ゲーティング多頭潜在注意（Gated MLA） |
| コンテキスト | 100万トークン |
| マルチモーダル | ネイティブ視覚理解（ViT-V2、27層） |
| ウェイト形式 | MXFP4 ウェイト + MXFP8 アクティベーション（量子化認識学習） |
| ウェイトサイズ | 約1.56TB（Hugging Face） |
| ライセンス | カスタムライセンス（公式は open weight、open source ではない） |
従来の Gated DeltaNet はスカラー忘却ゲートを使いますが、KDA はチャネル単位のゲーティングに変更——各特徴次元が独立して減衰し、chunkwise DPLR 公式で線形時間再帰を実現。少数の Gated MLA 層と交互に混合し、100万トークンコンテキストを支えながら KV Cache を極小化します。
従来の残差接続は各層出力を均等に累積し、深層で早期情報が希薄化しやすい。AttnRes は入力依存の動的集約に変更し、層ごとに RMSNorm と疑似クエリベクトル1つのみ追加。学習効率が約25%向上し、パラメータオーバーヘッドは2%未満です。
Per-Head Muon は各注意ヘッドが独立した収束パスを最適化。MoE 層は896から16を選択（スパース度約1.8%）。Quantile Balancing と MoonEP が冗長エキスパート数の理論的上界を証明し、大規模 MoE の負荷不均衡を解決します。
Moonshot AI は注意機構、残差接続、オプティマイザの3大コンポーネントを再設計しました——これこそ K3 が「単なるパラメータ積み上げ」と異なる本質であり、2.8T の規模だけではありません。
今回のリリースはウェイトの公開にとどまらず、K3 の学習効率を支える3つの重要インフラも同時にオープンソース化しました——これが開発者コミュニティから高く評価されている理由です。
| 技術 | 位置づけ | 主要機能 |
|---|---|---|
| MoonEP | 超大規模細粒度 MoE 通信ライブラリ | 過負荷エキスパートを一時複製し、ノードあたりのトークン数を均等化。冗長エキスパート数の理論的上界を証明 |
| FlashKDA | CUTLASS ベースの KDA 高性能オペレータ | H20 で prefill がベースライン比1.72–2.22倍高速。chunk_kda の直接代替バックエンドとして利用可能 |
| AgentEnv | Firecracker microVM エージェントサンドボックス | checkpoint 遅延133ms、復旧49ms、メモリオーバーコミット最大6.5倍（公式データ） |
利用パスの確認：大半のチームは API（`https://api.moonshot.ai/v1`、モデル ID `kimi-k3`）を使うべき。データレジデンシー/ファインチューニング/超大規模推論のみ自前デプロイを検討
LICENSE の精読：MaaS 年収2000万ドル閾値と MAU 1億/月収2000万ドルの表示義務を確認
Hugging Face ウェイトの整合性検証：約1.56TB、MXFP4 形式とシャードリストを確認
ハードウェア要件の評価：公式は64枚以上のスーパーノードを推奨。コンシューマー GPU で計画しない
FlashKDA の統合：既存の flash-linear-attention プロジェクトで chunk_kda バックエンドをシームレスに切り替え可能
独立ベンチマークとの照合：Vals AI SWE-bench Verified（K3 93.4%）と AA Index（約57、世界第3）を選定基準に。ベンダー自己申告だけを見ない
| モデル | スコア | リリース日 |
|---|---|---|
| Claude Opus 5 | 97% | 2026-07-24 |
| GPT-5.6 Sol | 96.2% | 2026-07-09 |
| Claude Fable 5 | 95% | 2026-06-09 |
| Kimi K3 | 93.4% | 2026-07-16 |
| GLM-5.2（従来のオープンウェイト首位） | — | AA Index 51 |
| 次元 | Kimi K3 | Claude Fable 5 | GLM-5.2 |
|---|---|---|---|
| AA Intelligence Index | 約57（世界第3、オープンウェイト第1） | 60 | 51 |
| タスク単価 | 約$0.95 | 約$2.4 | 約$0.47 |
| コンテキスト | 100万トークン | 短め | 短め |
| ウェイトDL可 | 可（1.56TB） | 不可 | 可 |
| ポジショニング | オープンウェイト能力上限 | クローズドソース総合力トップクラス | オープンウェイトコスパ最優 |
ライセンスの2つの商用閾値（K2 時代にはなかった）：① MaaS 事業で連続12ヶ月の収入が 2000万ドル を超える場合、Moonshot AI との別途商用契約が必要；② MAU 1億 または月収 2000万ドル 超の場合、UI に「Kimi K3」の表示が義務付けられます。大半の中小チームには影響なし。kimi.com と直接競合するモデルサービスを計画する場合は法務レビューが必須です。
| トークン種別 | 価格 |
|---|---|
| 入力（キャッシュヒット） | $0.30 |
| 入力（キャッシュミス） | $3.00 |
| 出力（推論プロセス含む） | $15.00 |
Kimi K3 のオープンウェイト公開は WAIC 2026 のタイミングと重なり、エスカレートする米中「モデル蒸留」紛争の中で行われました——米国は Moonshot AI が Anthropic Fable を工業規模で蒸留して K3 を学習したと非難し制裁を脅迫。中国商務部は7月28日に「AI 覇権主義」を批判して応答しました。この文脈でウェイト、技術レポート、3つの Infra を全面公開することは、エンジニアリングの詳細で技術経路の独立性を示す姿勢です。3日後、阿里巴巴が24兆パラメータの Qwen3.8-Max-Preview を発表し、中国製大規模モデルの競争は「3T クラブ」段階に入りました。
Kimi Code 型の長時間セッション Agent や iOS CI パイプラインに K3 を統合する場合、ノート PC や不安定な Linux VPS で CLI Agent を動かすと、メモリ不足、セッション中断、Xcode/Metal ツールチェーンの欠如に直面しがちです。安定した SSH 長時間セッション、DerivedData キャッシュ、iOS CI/CD 自動化が必要な本番環境では、NodeMini の Mac Mini クラウドレンタルが通常より優れた選択肢です——専用ノード、秒単位のプロビジョニングで、Agent とビルドタスクを同一の実機 Mac 上で継続実行できます。詳細は Mac Mini レンタル料金 をご覧ください。
厳密には違います。オープンウェイト（open weight） モデルであり、ウェイト、技術レポート、一部 Infra ツールは公開されていますが、学習データと完全な学習コードは非公開で、OSI の「オープンソース」定義には該当しません。Moonshot AI の公式資料は open source という語を使っていません。
ほとんどの商用シーンで制限はありません。ただし MaaS 事業で年収2000万ドル超、または MAU 1億超/月収2000万ドル超の場合はライセンスの特定条項を満たす必要があります。デプロイ環境は Mac Mini レンタル料金 をご参照ください。
公式は 64枚以上のスーパーノードクラスタ を推奨しています。個人や大半の企業は、公式 API または OpenRouter などのサードパーティ（現在7社が稼働中）経由が現実的です。
オープンウェイト陣営で総合力トップ：AA Index 世界第3、Claude Fable 5 と GPT-5.6 Sol に次ぐ。ただし GLM-5.2 よりコストは高く、「能力上限は最高だがコスパ最優ではない」。その他の運用問題は ヘルプセンター をご覧ください。
K3 は K2.5 の約3倍のパラメータで、Attention Residuals と Per-Head Muon を新規追加。コンテキストとマルチモーダルも大幅向上。ライセンスは K2 の Modified MIT からカスタムファイルに変更され、MaaS 収入閾値が追加されました。