Kimi K3 完全オープンウェイト公開：
2.8 兆パラメータと 100 万コンテキストの全貌

ウェイト公開前に押さえるべき痛点：

• 「オープンソース」と「オープンウェイト」の混同：多くの報道は「オープンソース」と書きますが、月之暗面は open source という表現を使わず open weight のみ。OSI 基準で法務評価するとコンプライアンス判断を誤るリスクがあります。
• ライセンスの 2 つの商用しきい値：K3 独自ライセンスは MaaS 年収 2000 万ドル超と MAU 1 億超の表示義務を新設。K2 時代の Modified MIT とは異なります。
• 総パラメータだけ見てアクティベーションコストを無視：2.8T 総パラメータ、896 エキスパート中 16 のみ活性化。自前デプロイには 64 GPU 超のスーパーノードが必要で、コンシューマー向けハードウェアでは非現実的です。
• 蒸留論争をノイズ扱い：7 月 22–23 日の米中「モデル蒸留」争いと 7 月 28 日の商務省応答が WAIC 2026 と重なります。地政学とエンジニアリングは分けて評価すべきです。

完全オープンウェイト公開は、kimi.com と API での Kimi K3 初公開からわずか 11 日後の出来事です。

• 7 月 16 日夜（WAIC 2026 前夜）：K3 が kimi.com、Kimi Work、Kimi Code、Kimi API で初公開。ウェイトは未公開。公式技術ブログタイトルは《Kimi K3: Open Frontier Intelligence》。
• 7 月 17 日：業界がアーキテクチャを集中分析。新華社は「現時点で世界最大パラメータのオープンソースモデル」と報じました。
• 7 月 22–23 日：米中「モデル蒸留」争いが激化。ホワイトハウス技術顧問 Michael Kratsios が月之暗面の Anthropic Fable モデルへの「大規模かつ隠蔽的な工業規模蒸留」を非難。財務長官 Scott Bessent は制裁とエンティティリスト制限を検討すると表明。
• 7 月 27 日 23 時：K3 完全ウェイトと技術レポートを正式公開。MoonEP、AgentEnv をオープンソース化（FlashKDA は既に公開済み）。
• 7 月 28 日：中国商務省が米国の「AI 覇権主義」を批判する公開応答。国内メディアがオープンソース詳細を追報。3 日後、アリババが 24 兆パラメータの Qwen3.8-Max-Preview を発表し、国産 LLM 競争は「3T クラブ」段階に入りました。

Kimi K3 は深層学習の 3 大定番要素——アテンション、残差接続、オプティマイザ——を再設計しており、単純なパラメータ積み上げとは一線を画します。

Kimi Delta Attention（KDA）：従来の Gated DeltaNet はスカラー忘却ゲートを使います。KDA はチャネル単位のゲートに変更し、各特徴次元が独立した減衰率を持ちます。chunkwise Diagonal-Plus-Low-Rank（DPLR）で線形時間再帰を実現。K3 は KDA と少数の Gated MLA グローバルアテンション層を交互に混在させ、100 万 token コンテキストを支えつつ KV Cache コストを極小化します。

Attention Residuals（AttnRes）：従来の残差接続は層ごとに均等加算し、深層で早期情報が薄まります。AttnRes は入力に応じて前面全層の出力を選択的に集約。層あたり RMSNorm 1 つと疑似クエリベクトル 1 つの追加で、約 25% のトレーニング効率向上（コスト 2% 未満）。

Per-Head Muon：各アテンションヘッドを独立最適化し、収束経路を適応。トレーニング期のみの技術で API 呼び出しには影響しませんが、少ない活性化パラメータでトップクラス閉源モデルに迫る性能を実現しています。

Stable LatentMoE：896 中 16 選択のスパース設計（スパース度約 1.8%）。Quantile Balancing と MoonEP により、各計算ノードの冗長エキスパート数の理論的上界を数学的に証明しています。

月之暗面はウェイトファイルだけでなく、K3 トレーニング効率を支える 3 つの基盤 Infra も同時公開しました。

アーキテクチャと Infra の同時公開は、開発者コミュニティで高評価を得ています。ウェイトの投げ売りではなく、エンジニアリング能力一式の開放と見なされています。

以下は独立第三者の再検証データを優先し、ベンダー自己申告は別途明記します。

Artificial Analysis インテリジェンス指数（max 推論モード）：Claude Fable 5（max + fallback）60；GPT-5.6 Sol（max）59；Kimi K3（max）約 57、世界 3 位・オープンウェイト 1 位；GLM-5.2（max）51；DeepSeek V4 Pro（max）44。K3 のタスクあたりコストは約 $0.95 で、Claude Fable 5（約 $2.4/タスク）より約 60% 安い一方、GLM-5.2（約 $0.47/タスク）より高い——オープンウェイト陣営の能力上限は最高だが、コスパ最優ではない。K3 は Arena.ai Frontend Code Arena で現在 1 位です。

オープンウェイト vs オープンソース：OSI 基準の真のオープンソースには学習データ、学習コード、完全再現フローの公開が必要です。K3 はウェイト、技術レポート、推論 Infra のみ公開。学習データと完全学習コードは非公開。ライセンスも Modified MIT ではなく完全カスタムで、2 つの商用しきい値があります。

• Model-as-a-Service 収入しきい値：被許諾者が MaaS 事業を運営し、連続 12 か月の累計収入が 2000 万ドルを超える場合、月之暗面と別途商用契約が必要です。
• 規模表示しきい値：製品 MAU が 1 億超、または月収 2000 万ドル超の場合、UI に「Kimi K3」を目立つ形で表示する義務があります。

大多数の中小チームには 2 つのしきい値はほぼ該当しません。ただし「K3 で月之暗面と競合する MaaS を立ち上げる」計画なら、第 1 しきい値は法務上の最重要ラインです。

Mooncake 分離型推論アーキテクチャは典型的なコーディングワークロードでキャッシュヒット率 90% 超を達成し、実効コストは $0.30 帯に近づきます。自前デプロイは公式推奨 64 GPU 以上のスーパーノード。個人・中小チームには公式 API か OpenRouter（7 プロバイダーが既に提供）が現実的です。

月之暗面は OpenAI SDK 互換の Chat Completions API を提供しています。モデル ID は kimi-k3。既存プロジェクトは base URL と API キーの変更だけで接続できます。

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "このコードを分析して..."}]
)

以下が主要な公式ソースです。リリースやページ更新後はリンクを再確認してください。

https://kimi.com/blog/kimi-k3

https://api.moonshot.ai/v1

https://huggingface.co/moonshotai

6 ステップ本番導入：

1. ライセンス境界の確認：MaaS 年収 2000 万ドル超または MAU 1 億超に該当しないか確認。しきい値に近い場合は法務とカスタムライセンス条項を事前評価。
2. 接続経路の選択：Moonshot API 直結（https://api.moonshot.ai/v1）か OpenRouter（moonshotai/kimi-k3）経由の統一ルーティング。OpenAI SDK で移行。
3. Prompt キャッシュの有効化：長大コードベースと Agent ループでキャッシュキーを設定。90% 超ヒット率で実効入力コストを約 $0.30/M に圧縮。
4. 自前デプロイ vs API の評価：1.56TB ウェイトは 64 GPU スーパーノードが必要。既存クラスタがなければ API または第三者ホスティングが現実的。
5. ハイブリッドモデルルーティング：長時間コーディングとドキュメント理解は K3。複雑 Repo のバグ修正は Claude Fable 5 に fallback。ターミナル集約型 Agent は GPT-5.6 Sol を維持。
6. Infra オープンソースの追跡：MoE トレーニングや Agent RL を行う場合、MoonEP、FlashKDA、AgentEnv と既存スタックの統合を評価。リリース後は GitHub リポジトリを再確認。

引用可能な主要データ（EEAT）：

• パラメータ規模：2.8T 総パラメータ、896 エキスパート中 16 活性化。世界初の完全公開 3T 級モデル（出典：Moonshot AI 公式ブログ、2026-07-27）。
• SWE-bench Verified：独立再検証 93.4%。オープンウェイト陣営トップ、Claude Opus 5 / GPT-5.6 Sol / Claude Fable 5 に次ぐ（出典：Vals AI、2026-07）。
• FlashKDA 加速：NVIDIA H20 で prefill が基線比 1.72–2.22 倍（出典：Moonshot GitHub FlashKDA、リリース後要確認）。

よくある質問 FAQ：

• Q: Kimi K3 は本当にオープンソースモデルですか？ A: 厳密には違います。「オープンウェイト」に分類されます。ウェイト、技術レポート、一部 Infra は公開ですが、学習データと完全学習コードは非公開で、OSI の「オープンソース」定義を満たしません。
• Q: Kimi K3 は無料商用利用できますか？ A: 大多数の商用シーンは制限なし。MaaS 年収 2000 万ドル超、または MAU 1 億超/月収 2000 万ドル超はライセンス特定条項の遵守が必要です。
• Q: 自前デプロイに何枚の GPU が必要ですか？ A: 公式推奨は 64 GPU 以上のスーパーノード。個人と大多数の企業には API か OpenRouter が現実的です。
• Q: 性能は本当に強いですか？ A: オープンウェイト陣営で総合力最強、AA 指数世界 3 位。ただし GLM-5.2 よりコスト高で、能力上限型でありコスパ最優ではありません。
• Q: Kimi K2 との違いは？ A: K3 は K2.5 の約 3 倍パラメータ。AttnRes と Per-Head Muon を新設。コンテキストとマルチモーダルが大幅向上。ライセンスに MaaS 収入しきい値を追加し、商用制限がより細分化されました。

まとめ：Kimi K3 完全オープンウェイト公開は国産 LLM「3T クラブ」の節目です。KDA、AttnRes、MoonEP などのエンジニアリング詳細と地政学背景が絡みますが、企業ユーザーにとってはオープンウェイトライセンスを先に理解し、API かホスティング経路を選ぶ方が、1.56TB ウェイトを盲目的にダウンロードするより実務的です。

Kimi K3 をローカル Agent ワークフローに接続すると、個人 Mac のスリープで長時間コーディングタスクが中断され、64 GPU クラスタの自前デプロイは個人開発者には非現実的です。AI コーディング Agent、Kimi Code ワークフロー、OpenClaw Gateway の 7×24 安定稼働が必要な本番環境では、CALMVPS の Mac Mini ベアメタルレンタルが通常より適しています。Apple Silicon 専有、Metal ネイティブ加速、月次柔軟契約、約 120 秒デプロイで重 Agent ループをクラウドにオフロードし、ローカルはレビューのみに集中できます。詳細は料金ページをご覧ください。