Moonshot AIが発表した「Kimi K3」は、2.8兆個の調整値を持ち、長い文章や大量のプログラムコードをまとめて扱える大規模な生成AIです。最大100万トークンの情報に対応し、文章だけでなく、画像を確認しながら作業を進められる点も特徴です。公式発表では、長時間のプログラム開発、論文を使った調査、ゲーム制作、動画編集などの事例が紹介されています。
一方で、指示があいまいな場合には、利用者が考えていなかった判断をする可能性も示されています。Kimi K3の仕組みや活用例、利用方法、導入時の注意点をわかりやすく整理するため、本プロジェクトの詳細を考察します。
Kimi K3とは何か、注目されている理由
Kimi K3は、中国のAI企業であるMoonshot AIが開発した大規模な生成AIです。文章を作ったり質問に答えたりするだけでなく、画像の内容を確認する、長い資料を読み取る、プログラムを作る、複数の作業を順番に進めるといった使い方を想定しています。
モデル全体の規模は2.8兆パラメータです。パラメータとは、AIが学習を通じて身につけた、言葉や情報の関係を判断するための調整値を指します。数が多ければ必ず高性能になるわけではありませんが、Kimi K3は公開された重みを持つAIとして、非常に大きな規模に達しています。
また、最大100万トークンの情報を一度に扱えます。トークンとは、文章を単語や文字に近い形で細かく分けた単位です。この対応量の大きさにより、長い報告書や多くの資料、大規模なプログラムコードなどをまとめて読みながら作業を進めやすくなっています。
Kimi K3は、モデルの重みが公開されている「オープンウェイトモデル」です。開発者や研究機関は、公式サービスを利用するだけでなく、公開されたモデルをもとに独自の環境を作ることもできます。ただし、完全に無条件で自由に使えるわけではなく、商用利用の方法や事業規模によっては、Kimi K3独自の利用条件を確認する必要があります。
Moonshot AIは、Kimi K3が高い処理能力を持つ一方で、総合的な使いやすさでは、一部の非公開モデルとの差が残っていることも説明しています。そのため、すべての用途で最も優れたAIと考えるのではなく、大規模な処理能力と公開性を組み合わせた、新しい選択肢として見ることが大切です。
参照：Kimi「Kimi K3: Open Frontier Intelligence」
大規模なAIを効率よく動かすKimi K3の仕組み
Kimi K3は、単純にモデルの規模を大きくしただけではありません。長い情報を読み取りながら必要な部分を選び、計算の負担を抑えるための新しい仕組みが取り入れられています。ここでは、Kimi K3を支える3つの技術を、できるだけ簡単に紹介します。
長い情報を扱いやすくするKimi Delta Attention
Kimi Delta Attentionは、Kimi K3が長い文章や大量のプログラムコードを扱うための土台となる技術です。生成AIは、入力された文章の中から、どの言葉とどの言葉が関係しているのかを確認しながら回答を作ります。しかし、文章が長くなるほど、確認する情報が増えるため、処理にかかる負担も大きくなります。
Kimi Delta Attentionは、この情報の読み取りを効率よく広げるために作られています。Kimi K3では、最大100万トークンという長い入力に対応するため、この仕組みが重要な役割を担っています。たとえば、多数のファイルで構成されたプログラムや、複数の資料を使った調査でも、前の内容を確認しながら作業を続けやすくなると考えられます。
ただし、100万トークンに対応しているからといって、入力したすべての情報を常に同じ精度で理解できるとは限りません。資料の並べ方や指示の内容、利用するサービスの設定によって結果は変わるため、重要な情報は分かりやすく整理して渡す必要があります。
必要な情報を選んで受け渡すAttention Residuals
Attention Residualsは、AIの内部で作られた情報を、後の処理へどのように受け渡すかを調整する技術です。大規模なAIは、入力された文章を一度に完成させるのではなく、多くの処理段階を通しながら少しずつ内容を整理します。
従来の仕組みでは、それまでの処理結果を順番に積み重ねていく方法が広く使われていました。しかし、処理の段階が増えると、初めのほうで見つけた大切な情報が、後から加わった情報の中に埋もれてしまう可能性があります。
Kimi K3では、前の段階で作られた情報をすべて同じように受け取るのではなく、現在の作業に必要な内容を選びながら参照します。これにより、長い手順が必要な問題や、何度も確認と修正を繰り返す作業でも、重要な内容を保ちやすくなると考えられます。
この技術は利用者が直接操作する機能ではありませんが、Kimi K3が長時間の作業に取り組むための内部的な支えとなっています。
必要な専門部分だけを使うStable LatentMoE
Kimi K3には、内容に応じて必要な専門部分を選ぶ仕組みが使われています。これは、さまざまな分野を担当する大勢の専門家が待機し、仕事の内容に合った担当者だけが対応する形に近い仕組みです。
Kimi K3には、896個の専門部分が用意されています。文章を細かく分けたトークンごとに、その中から16個を選んで動かします。これとは別に、幅広い作業で共通して使われる2個の専門部分も備えています。モデル全体を毎回すべて動かすのではなく、必要な部分を選ぶことで、大規模なモデルを効率よく使えるようにしています。
1回の処理で実際に使われるパラメータは約1,040億とされています。モデル全体は2.8兆パラメータですが、すべての調整値を毎回使うわけではありません。
Moonshot AIは、これらの仕組みや学習方法の改善により、前世代のKimi K2と比べて、モデルを大きくした際の全体的な効率が約2.5倍改善したと説明しています。これは単純に処理速度が2.5倍になるという意味ではなく、同じ計算資源を、より効果的に学習や能力の向上へつなげやすくなったことを示しています。
プログラム開発から調査まで広がるKimi K3の活用例
Kimi K3は、短い質問に答えるだけでなく、計画を立て、外部の道具を使い、結果を確認しながら作業を続けることを重視しています。公式発表では、プログラム開発、画面を見ながら行う制作、科学研究など、複数の工程を含む事例が紹介されています。
長時間のプログラム開発を続ける
Kimi K3は、多くのファイルが保存された開発環境を調べ、必要な修正を行い、結果を測定する作業を続けられるように設計されています。
GPUと呼ばれる計算装置向けのプログラムを速くする検証では、各モデルに最大24時間が与えられました。Kimi K3は、処理時間を測る、問題点を見つける、コードを書き換える、再び性能を測るという流れを繰り返しました。開発の終盤には、初期版のKimi K3が、開発チームによる最適化作業の多くを担当したと説明されています。
さらに、Kimi K3は「MiniTriton」という小型のGPU向け開発システムを一から作りました。単独のプログラムを作っただけではなく、利用者が命令を書く部分から、GPUで実行できる形へ変換する部分まで、一連の仕組みを組み立てています。
ただし、これらはMoonshot AIが用意した環境で行われた検証です。すべての開発現場や機器で同じ結果が出ると保証されているわけではありません。実際の業務では、人がコードの正しさや安全性を確認する必要があります。
画面を見ながらゲームや映像を改善する
Kimi K3は、プログラムを書くだけでなく、そのプログラムを動かして表示された画面を確認し、修正を重ねることができます。
ゲーム開発の事例では、作成した画面を画像として読み取り、物の位置、見た目、操作したときの動きなどを確認しながら改善しました。文章による指示だけで作業するのではなく、実際の画面を見て次の修正を考えられる点が特徴です。この使い方は、ゲームだけでなく、Webサイトの画面作りや、立体的な設計を行う作業にも広がる可能性があります。
動画編集の事例では、Kimi K3自身の紹介映像を、56本の素材から作成しました。使用する場面を選び、映像を切り替えるタイミングを整え、音楽のリズムと画面を合わせ、音声も調整しています。複数回の修正も行ったとされています。
Moonshot AIは、このような情報量の多い短い動画は、経験のある編集者でも通常1日から2日ほどかかると説明しています。ただし、映像の良し悪しには人の好みも関わるため、企業の決まりや作品の雰囲気を守るには、具体的な指示と人による確認が欠かせません。
論文調査と計算をまとめて進める
Kimi K3は、研究資料を読む作業と、計算用のプログラムを作る作業を、ひと続きの流れとして進めることもできます。
計算宇宙物理学に関する事例では、20本を超える論文を確認し、研究内容や数式を照らし合わせました。その後、計算に必要な仕組みを作り、300種類を超える状態方程式を評価しています。状態方程式とは、物質の圧力や密度などの関係を表す計算方法です。
作業の中では、公開されていた数式の食い違いを見つけ、3,000行を超えるPythonのプログラムを作成しました。最後には、結果を画面上で確認できる仕組みも完成させています。
Moonshot AIは、経験のある研究者が通常1週間から2週間ほどかける作業を、Kimi K3が約2時間で進めたと説明しています。ただし、この時間は同社が行った事例で示されたものであり、すべての研究で同じように短縮できるわけではありません。AIが出した計算結果や論文の解釈は、研究者が改めて確認する必要があります。
Kimi K3の利用方法と導入前に確認したいこと
Kimi K3は、一般向けのKimi.comやスマートフォンアプリ、業務向けのKimi Work、開発者向けのKimi Code、外部サービスへ組み込むためのKimi APIから利用できます。
スマートフォンアプリは、iOS、Android、HarmonyOS向けに案内されています。Kimi Workは、WindowsとAppleシリコンを搭載したMacに対応しており、公式発表ではバージョン3.1.0以降が必要とされています。Kimi Codeでは、パソコンのターミナル上で「/model」と入力し、Kimi K3を選択できます。
Kimi APIの料金は、2026年7月31日時点で、100万トークン当たり、過去の入力データを再利用できた場合が0.30ドル、再利用できない通常の入力が3ドル、出力が15ドルです。料金は今後変更される可能性があるため、導入時には公式の料金ページを確認する必要があります。
企業向けにはKimi Enterpriseも用意されています。個人用と組織用のアカウントを分け、利用者やデータを管理できる仕組みです。ただし、企業で利用する場合は、サービスの機能だけでなく、入力してよい情報、結果を確認する担当者、AIが実行できる操作の範囲を決めておく必要があります。
Kimi K3は、長時間の難しい作業を進めることを重視して作られています。そのため、指示があいまいな場合には、利用者が予定していなかった判断や操作を行う可能性があります。重要な仕事で使う場合は、「何をしてよいか」「何をしてはいけないか」「どの段階で人の確認が必要か」を明確に伝えることが大切です。
今後の展望
Kimi K3の登場により、生成AIは、その場で質問に答える道具から、長い仕事を継続して支える存在へ近づいています。ここでは、公開されている機能や利用例をもとに、企業や研究機関で考えられる今後の活用方法を、3つの視点から考察します。
案件の変化を継続して確認する業務担当としての活用
今後のKimi K3は、案件に関する情報を継続して確認し、担当者が次に行うべきことを整理する役割へ広がる可能性があります。
たとえば製品開発では、企画書、会議の記録、設計資料、試験結果、利用者から届いた意見など、多くの情報が日々追加されます。現在は担当者がそれぞれの資料を確認し、変更点や問題点を探す必要があります。Kimi K3のように長い情報をまとめて扱えるAIを使えば、前回から変わった箇所、対応が止まっている項目、新しい判断が必要な内容を整理する使い方が考えられます。
営業活動でも、顧客とのやり取り、過去の提案、契約条件、社内の対応状況などを確認し、次に準備すべき資料や連絡の時期を示す役割が期待できます。AIが営業担当者の代わりに契約を決めるのではなく、見落としや確認漏れを減らすために使う形です。
Kimi Workには、チャットの中で情報を見やすく表示するWidgetsと、必要な画面を一つの場所へまとめるDashboardがあります。手元のデータや外部サービスとつなげることで、売上、問い合わせ、作業の進み具合などを継続して表示できる可能性があります。
ただし、AIへ自動的に作業を続けさせる場合は、権限を細かく分ける必要があります。資料を読むだけでよい作業と、データを書き換える作業では、失敗したときの影響が異なるためです。閲覧、提案、実行、最終承認という段階を分け、重要な操作は人が確認する仕組みが求められます。
業界ごとの知識を生かした独自のAI環境づくり
Kimi K3はモデルの重みが公開されているため、企業や研究機関が、自分たちの目的に合わせたAI環境を作る動きが広がる可能性があります。
たとえば製造業では、機械の説明書、品質基準、点検記録、過去の故障例などを扱う支援環境が考えられます。現場の担当者が不具合の内容を入力すると、関連する記録や確認手順を探し、調査の順番を整理する使い方です。一般向けのAIをそのまま使うよりも、自社で使われている言葉や作業手順に合わせやすくなります。
建設業では、設計資料、安全に関する決まり、工事の記録などをもとに、確認が必要な項目を整理する使い方が考えられます。金融、法律、医療などの分野でも、専門家が確認した資料を中心に使い、回答できる範囲を細かく決めた環境を作れる可能性があります。ただし、これらは公式に導入効果が確認された事例ではなく、公開されている機能から考えられる活用方法です。
Kimi K3は非常に大きなモデルであるため、自社の設備だけで動かすには、多くの計算装置や専門的な運用体制が必要です。そのため、すべての企業が単独で設備を持つのではなく、クラウド事業者や研究機関、同じ業界の企業が共通の計算環境を利用する形も考えられます。
たとえば業界団体が共通のAI基盤を用意し、法律や共通規格などは全体で管理しながら、各社が自社の資料だけを追加する方法です。この形であれば、設備への負担を分けながら、業界ごとの知識を生かせます。
企画から試作、確認、説明までをつなぐ活用
今後のKimi K3は、新しい製品やサービスの企画を形にし、動作を確認し、結果を説明するまでの流れをまとめて支援する環境として使われる可能性があります。
現在の開発現場では、市場や技術を調べる担当者、企画書を作る担当者、プログラムを書く担当者、画面を設計する担当者、試験を行う担当者が分かれていることが一般的です。作業を担当者から担当者へ渡すたびに、説明や資料の作り直しが必要になり、認識のずれが起こることもあります。
Kimi K3は、資料を調査する、プログラムを書く、実行画面を見る、結果を修正する、図や動画で説明するといった異なる作業を扱えます。これらを一つの作業計画としてつなげれば、初めのアイデアを試作品へ変えるまでの時間を短くできる可能性があります。
たとえば新しい機械を開発する場合、関連する技術や特許情報を整理し、動きを確かめるためのプログラムを作り、画面上で試験し、結果をグラフや映像にまとめる流れが考えられます。ゲーム開発では、世界観や操作方法を文章で整理し、試作品を作り、実際の画面を見ながら調整し、紹介映像まで作る使い方も想定できます。
科学研究では、論文調査、計算方法の作成、データ分析、図表の作成をつなげられます。AIが研究者の代わりに結論を決めるのではなく、試せる方法を増やし、検証に必要な準備を早める役割が期待されます。
ただし、AIが作った試作品は、そのまま販売や公開ができる完成品ではありません。機械の安全性、計算結果の正しさ、法令への対応、著作権、個人情報などは、それぞれの専門家が確認する必要があります。
