Siri AIとは？iOS 27で変わるApple Intel...
「性能のいいAIといえば？」と聞かれたら、多くの方がClaude（クロード）やChatGPT（チャットジーピーティー）といったアメリカ勢を思い浮かべると思います。私自身、ふだんの仕事はその感覚で回しています。ただ、こうしたモデルには共通する弱点が1つあります。中身のレシピが非公開で、APIやWebサービス経由でしか使えないということです。提供元の判断ひとつで、明日から使えなくなる可能性が常に残ります。
だからこそ注目されているのが、モデルの重み（パラメータ本体）そのものが公開される「オープンウェイト」のモデルです。手元にダウンロードしておけば、提供元の都合に左右されません。そして2026年7月27日、その流れの中でも過去最大級のモデルが公開されました。中国のMoonshot AI（ムーンショットエーアイ）が開発したKimi K3（キミK3）、総パラメータ2.8兆のモデルです。
ここで大事なのは、「無料でダウンロードできる」ことと「自社で実用的に動かせる」ことは、まったく別の話だということです。この記事では、Kimi K3のスペックと実力、そして意外と見落とされがちなライセンス条件と導入ハードルまで、私が一次ソースで確認できた事実だけを整理してお伝えします。データを外に出せない事情がある方にとっては、判断材料になるはずです。
法人向けAI研修の導入社数No.1*の弊社デジライズが、生成AIの基礎知識から社内導入の6ステップ・定着のポイントまでを1冊にまとめた「はじめての生成AI社内導入ガイド」を無料で配布中です。
※出典：株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」（2026年5月／調査期間：2026年3月26日〜4月17日／調査方法：デスクリサーチおよびヒアリング／2026年3月末時点）
目次
まず結論——ダウンロードはできる、動かすのは別の話
新しいモデルが出ると、事実と期待が混ざった情報が一気に流れてきます。そこで最初に、今回のオープンウェイト公開について私が確認できたことを3つに整理しておきます。
- 重みは予定どおり公開された — Hugging Face（ハギングフェイス）の公式リポジトリに、モデル本体が96分割のファイルとして置かれています。技術レポートと、推論を支えるインフラのコードも同時に公開されました。
- ライセンスは、社内で使う分にはかなり寛容 — 独自の「Kimi K3ライセンス」ですが、追加条件がかかるのはモデルを他社に提供する事業などに限られます。自社の中だけで使う用途は明示的に対象外です。
- ただしハードウェアの壁は高い — 重みの合計は約1.56TB。推論エンジン側が示す最小構成は、最新世代のGPUを8枚束ねたサーバー1台です。手元のパソコンやちょっとしたサーバーで動くものではありません。
この3つを押さえておけば、「オープンウェイトになったから自社で無料で使える」という早合点も、「結局使えないんでしょ」という切り捨ても避けられます。ここから順番に掘り下げていきます。
オープンウェイトとは——クローズド・オープンソースとの違い
ここから先はライセンスやハードの話に入っていくので、先にAIモデルの「公開のしかた」を3段階に整理しておきます。ここが分かれていると、後半の判断がぐっと楽になります。
クローズドモデル
ChatGPT、Claude、Gemini（ジェミニ）といった、私たちがふだん使っているモデルの大半がこれです。学習済みの重みも学習方法も公開されず、提供元のサーバー上でだけ動いています。使う側はAPIかWebサービス経由でアクセスするので、モデルを自分の環境に置くことはできません。性能は最先端ですが、利用条件や提供を続けるかどうかは提供元が決めます。
オープンウェイト
学習済みの重み（パラメータ本体）が、ダウンロードできる形で公開されているモデルです。今回のKimi K3がこれにあたります。機材さえ用意できれば自分のサーバーで動かせるので、入力したデータを外に出さずに済みます。
ただし公開されるのは基本的に重みと技術レポートまでで、学習に使ったデータそのものは公開されないことが多いです。ライセンスも、提供元が独自に決めた条件つきになっている場合があります。
（狭義の）オープンソース
もともとソフトウェアの世界の言葉で、ソースコードが公開され、MITやApache 2.0のような自由度の高いライセンスで誰でも使える状態を指します。AIモデルに当てはめるなら、重みだけでなく学習データや学習コードまで公開され、かつ制約の少ないライセンスがついているもの、という整理になります。ここまで開いているモデルは限られます。
表にすると次のようになります。
| クローズドモデル | オープンウェイト | （狭義の）オープンソース | |
|---|---|---|---|
| 重み | 非公開 | 公開 | 公開 |
| 学習データ | 非公開 | 公開されないことが多い | 公開 |
| ライセンス | 提供元の利用規約 | 独自ライセンスの場合あり | MIT・Apache 2.0など |
| 自分の環境で動かす | できない | できる（機材が必要） | できる |
| 例 | ChatGPT・Claude・Gemini | Kimi K3・MiniMax M3 | 該当するモデルは少ない |
Kimi K3は「オープンウェイト」であって「オープンソース」ではありません。重みは誰でもダウンロードできますが、ライセンスはMoonshot AIが独自に定めたもので、後半で見るように条件が設けられています。この呼び分けが実務で意味を持つのは、まさにその条件が自社の使い方に効いてくるからです。
Kimi K3とは——中国Moonshot AIの2.8兆パラメータモデル
Kimi K3は、中国のAI企業Moonshot AIが2026年7月17日に発表したフラッグシップモデルです。同社が展開する対話型AIサービス「Kimi」の中核を担っています。そして発表から10日後の7月27日、予告どおりモデルの重みが公開されました。
基本スペック
Hugging Faceの公式モデルページに記載されている仕様を整理すると、次のとおりです。
| 項目 | 内容 |
|---|---|
| 正式名称 | Kimi K3 |
| 開発元 | Moonshot AI（中国） |
| 発表日 | 2026年7月17日 |
| 重み公開日 | 2026年7月27日（Hugging Face） |
| 総パラメータ | 約2.8兆（2.8T） |
| アクティブパラメータ | 104B（1トークンあたり） |
| エキスパート構成 | 896個のうち16個を選択（MoE） |
| コンテキスト | 1,048,576トークン（約100万） |
| 入力 | テキスト＋画像 |
| 重みの形式 | MXFP4（4bit）／活性はMXFP8 |
| ライセンス | Kimi K3 License（独自ライセンス） |
| 推奨推論エンジン | vLLM・SGLang・TokenSpeed |
数字だけ見ると2.8兆という規模に圧倒されますが、実際に1トークンを処理するときに動くのは104Bぶんだけです。これがMoE（Mixture of Experts＝混合エキスパート）と呼ばれる仕組みで、896人の専門家の中から、その場に必要な16人だけを呼び出して働かせるイメージになります。2.8兆という総量の知識を持ちながら、1回あたりの計算コストは104B相当で済むという設計です。
もう一点、実務上見落とせないのが重みの形式です。Kimi K3は最初からMXFP4という4bitの低精度形式で学習・配布されています。つまり「あとから軽く圧縮して動かす」という余地がほとんど残されていません。ここが後述する導入ハードルに直結します。
開発元のMoonshot AIについて
Moonshot AIは2023年創業。わずか3年で世界の最先端クラスに肉薄したことになります。中国の大手テクノロジー企業であるアリババとテンセントから出資を受けています。
創業者の楊植麟（ヨウ・ショクリン）氏は1992年生まれの34歳。清華大学を卒業後、カーネギーメロン大学で博士号を取得し、Google BrainとMeta AIで研究に携わった経歴を持ちます。自然言語処理の分野で広く引用されている論文「XLNet」の共著者でもあります。元ロックバンドのドラマーという一面もあり、経歴だけ追うとかなり異色ですが、研究者としては正統派のキャリアです。
実力——コーディングでは世界1位、総合力ではまだ届かない
Kimi K3が業界を騒がせた理由は、一部の指標で最先端のクローズドモデルを追い抜いたことです。ただし「あらゆる面で世界最強」ではありません。勝っている領域と、そうでない領域を分けて見ていきます。
Arena.aiのフロントエンドコーディングで1位
もっとも話題になったのが、Arena.ai（アリーナエーアイ／旧LMArena）のFrontend Code Arena部門です。ここは人間が2つのモデルの出力をブラインドで見比べて投票する仕組みで、発表時点のスコアはKimi K3が1679点、2位のClaude Fable 5（クロードフェイブル5）が1631点でした。前世代のKimi K2.6が18位だったところから、一気に首位まで駆け上がったことになります。
人間が実際に見比べて選んだ結果で、話題のフラッグシップを上回った——これは事実として押さえておくべき成果です。
総合指標ではトップに一歩届かない
一方で、総合的な知能を測る指標では首位ではありません。Artificial Analysis Intelligence Index（アーティフィシャル・アナリシス・インテリジェンス・インデックス）では、Kimi K3は57。Claude Fable 5の59.9、GPT-5.6 Sol（ジーピーティー5.6ソル）の58.9には届かず、Claude Opus 4.8（クロードオーパス4.8）の56を上回る、という位置づけです。
Moonshot AI自身も、総合的な性能では米国勢の最上位モデルに及ばないと説明しています。「コーディングとデザインでは互角以上、総合力ではもう一歩」というのが実像に近い評価です。
同社が公表しているベンチマーク
Hugging Faceの公式リポジトリには、Moonshot AI自身が測定した評価結果が同梱されています。同社測定値であることを前提に読む必要はありますが、公開されている数字は次のとおりです。
- GPQA Diamond — 93.5（大学院レベルの科学知識を問うテスト）
- HLE — 56（Humanity’s Last Exam。分野横断の難問セット）
- deep-swe — 67.5（ソフトウェアエンジニアリングの実務課題）
- apex-agents — 41（エージェントとしての実行能力）
技術面では、長文の処理を高速化する新機構Kimi Delta Attention（キミデルタアテンション）とAttention Residuals（アテンションレジデュアルズ）を採用し、前世代のKimi K2から全体のスケーリング効率が約2.5倍改善したとしています。
苦手な領域
弱点もはっきりしています。研究者レベルの高度な数学では、米国トップ勢に大きく水をあけられている領域が残っています。また、事実に基づかない内容をもっともらしく出力してしまう傾向は前世代より強まっているとされ、出力をそのまま信じるのは危険です。仕事で使うなら、ファクトチェックは欠かせません。
オープンウェイト公開で手に入るもの
「オープンウェイト公開」と一言で言われますが、実際に何が公開されたのかを具体的に見ておきましょう。今回Moonshot AIが出したものは、大きく3つあります。
モデルの重み本体
Hugging Faceの公式リポジトリに、safetensors形式で96分割された重みファイルが置かれています。ファイル一覧から合計サイズを計算すると、約1.56TBでした。総パラメータ2.8兆を4bitで保持すればおよそ1.4TBになりますから、規模としては計算どおりの数字です。
ダウンロード自体は誰でもできます。実際、公開直後から同社の過去モデルを大きく上回るペースでダウンロードが進んでいます。
技術レポート
モデルの設計思想や学習手法をまとめた技術レポートも同時に公開されました。第三者が中身を検証できる状態になったという意味では、ここが「オープン」の本質にあたる部分です。
巨大モデルを動かすためのインフラのコード
見逃されがちですが、実は今回いちばん実務的な価値があるのがここです。Moonshot AIは、巨大なMoEモデルを動かすための自社インフラを合わせて公開しました。
- MoonEP — 極端に大きく細かいMoEモデル向けの通信ライブラリ。エキスパート同士の通信がボトルネックになる問題に対処するもので、MITライセンスで公開されています。
- FlashKDA — 前述のKimi Delta Attentionを高速に動かすためのカーネル実装。こちらもMITライセンスです。
モデル本体は独自ライセンスですが、これらのインフラ部分はMITという緩いライセンスで出されています。自社でモデルを動かす基盤を作る立場の方にとっては、ここが実は本体以上に使える資産になる可能性があります。
「Kimi K3ライセンス」の中身——社内利用なら追加条件はかからない
ここが、法人でオンプレミス運用を検討する方にもっとも読んでいただきたいところです。
Kimi K3は「オープンウェイト」ですが、ライセンスはMITやApache 2.0のような一般的なオープンソースライセンスではありません。「Kimi K3ライセンス」という独自ライセンスで、ライセンス文にはこのモデル固有の条項が置かれています。要点を整理すると次のようになります。
原則——使用・改変・再配布・販売まで無償で許諾
まず土台として、かなり広い権利が認められています。使用、複製、改変、統合、公開、配布、サブライセンス、販売、そして実行・デプロイ・ファインチューニングまで、無償で許諾されています。条件は、著作権表示とライセンス文を複製物に含めること、そして適用される法令を守ることの2点です。
条件1——大規模なMaaS事業には個別契約が必要
1つ目の条件は「Model as a Service（MaaS）」に関するものです。ライセンス文はMaaSを「入力・パラメータ・学習データを第三者が実質的に制御できる形で、モデルの推論やファインチューニングへのアクセスを第三者に与えること」と定義しています。
ライセンスを受けた側とその関連会社がMaaS事業を営んでおり、連続する12か月間の合計売上が2,000万米ドルを超える場合、商用利用の前にMoonshot AIと個別契約を結ぶ必要があります。
ただし、次の2つはMaaSに該当しないと明記されています。特定の機能やハーネスの中にモデルの能力を組み込んだエンドユーザー向け製品、そして他社がホストしているモデルへ単にリクエストを中継するだけの構成です。
条件2——超大規模サービスでは「Kimi K3」の表示義務
2つ目は表示義務です。月間アクティブユーザーが1億人を超える、または月間売上が2,000万米ドルを超える商用製品・サービスでKimi K3を使う場合、その製品のUI上に「Kimi K3」と目立つ形で表示しなければなりません。
適用除外——内部利用と公式ルート経由
そして重要なのがここです。上の2つの条件は、次の場合には適用されないと明記されています。
- 内部利用 — モデル本体・その出力・その基盤となる能力を第三者に提供しない利用。ライセンス文はこれを「internal use」として定義し、条件の対象外としています。
- 公式ルート経由の利用 — Moonshot AIの公式製品、または認定された推論パートナー経由での利用。
つまり、社内の業務効率化のために自社サーバーでKimi K3を動かし、その出力を社内で使う——という使い方であれば、売上規模にかかわらず追加条件はかからないという建て付けです。データを外に出せない事情がある組織にとっては、この一文がかなり効いてきます。
もちろん、実際の判断は法務部門や顧問弁護士と確認してください。ただ「独自ライセンスだから企業では使いにくいのでは」と入口で止まってしまう前に、条文を実際に読む価値はあります。
ここまで読んで「うちでも検討できそうだ」と感じた方へ。法人向けAI研修の導入社数No.1*の弊社デジライズが、AIコンサルティング＆開発のサービス資料を無料でお送りしています。既製のAIサービスでは要件が満たせず、自社に合わせたシステム構築や環境の検討が必要な場合の進め方をまとめています。
※出典：株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」（2026年5月／調査期間：2026年3月26日〜4月17日／調査方法：デスクリサーチおよびヒアリング／2026年3月末時点）
自社サーバーで動かせるのか——最小構成はGPU 8枚のサーバー1台
ライセンスの側は思ったより広い。では技術的にはどうかというと、ここが今回いちばん厳しい部分です。
重みは約1.56TB、しかも圧縮の余地がない
前述のとおり、重みファイルの合計は約1.56TBです。そして重要なのは、これがすでにMXFP4という4bitの形式である点です。
オープンモデルを手元で動かすとき、通常は量子化という手法でモデルを軽くします。16bitのモデルを4bitに落とせばサイズは4分の1になり、家庭用のGPUでも動かせるようになる、というのがよくあるパターンです。ところがKimi K3は最初から4bitで学習・配布されているため、この「軽くする」カードがすでに使われた状態になっています。1.56TBという数字が、実質的な下限に近いということです。
vLLMが示す最小構成
では実際にどれくらいの機材が必要なのか。Moonshot AIが推奨する推論エンジンのひとつであるvLLM（ブイエルエルエム）は、公開初日からKimi K3に対応し、必要な構成を明示しています。
それによると、最低でもNVIDIA B300を8枚搭載したノード1台（またはGB300 NVL72）が必要で、B200なら16枚構成でも動作するとされています。これは最新世代のデータセンター向けGPUを、まとめて1台のサーバーに詰め込んだ構成です。
念のため書いておくと、これは「余裕をもたせた推奨構成」ではなく最小構成です。ノートパソコンやワークステーションで動かせる規模の話ではありません。
速度はどうか
vLLMが公開しているベンチマークでは、GB300 NVL72を16枚使った構成で、単一ユーザーあたりの生成速度は毎秒111トークン（TP8）から118トークン（TP16）。投機的デコーディングを有効にすると毎秒331トークン（TP8）から370トークン（TP16）まで伸びるとしています。
きちんとした機材を用意できれば、速度面は実用水準に達します。逆に言えば、機材を妥協するとここが一気に崩れます。私も現実的な構成をいくつか試算してみましたが、GPUを削った構成では出力速度が実用に耐えない水準まで落ち込みました。エージェント的な使い方だと1つのタスクに数十分かかることになり、業務では使えません。
自前ホストの価値は「安さ」ではない
ここで整理しておきたいのは、自社サーバーで動かす目的です。
API課金と比べたとき、自前ホストは金額面で得になりません。GPUの調達費と電力を含めて考えると、同じ予算をAPIに投じたほうが圧倒的に多くのトークンを処理できます。私が試算した限り、コスト削減を目的に自前ホストを選ぶ理由はほぼありません。
それでも自前ホストに意味があるとしたら、理由は2つだけです。データを一切外に出さないこと、そして提供元の判断でモデルが使えなくなる事態を避けられること。この2つに具体的な価値がある組織——金融、医療、あるいは設計データを扱う製造業などであれば、検討する土台があります。逆にこの2つが要件になっていないなら、素直にAPIやWebサービスを使ったほうが合理的です。
現実的な使い方——Web・API・Claude Codeの差し替え
自前ホストが現実的でないとして、では実際にKimi K3を使うにはどうすればいいのか。選択肢は3つあります。
1. Webサービスから使う
いちばん簡単なのは、公式のWebサービスから使う方法です。ブラウザで開いてそのまま試せます。無料でも使えますが、上位モデルを使うには課金が必要です。私も有料プランで使っています。まず触ってみて感触を確かめたい、という段階ならここから始めるのが早いです。
2. APIから使う
システムに組み込むならAPIです。公式ドキュメントに記載されている料金は、100万トークンあたり入力3.00米ドル、出力15.00米ドル。キャッシュヒット時の入力は0.30米ドルまで下がります。
Anthropicの主要モデルと並べてみると、位置づけがはっきりします。
| モデル | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|
| Kimi K3 | $3.00 | $15.00 |
| Claude Opus 5 | $5.00 | $25.00 |
| Claude Opus 4.8 | $5.00 | $25.00 |
| Claude Fable 5 | $10.00 | $50.00 |
Claude Fable 5と比べれば3分の1以下、Claude Opus 5と比べても6割程度の水準です。ただ「激安」というほどではなく、前世代のKimiよりは値上がりしています。安さで選ぶモデルから、性能で選ぶモデルへ移行した、という価格設定に見えます。
3. Claude Codeの裏側を差し替える
開発者にとっていちばん面白い使い方がこれです。Moonshot AIはAnthropic互換のエンドポイントを提供しているので、Claude Code（クロードコード）の頭脳部分をKimi K3に差し替えて動かせます。Claude Codeの操作感をそのまま維持しながら、中身だけ別のモデルにできるということです。
Kimi側には、Claude Code相当のコマンドライン環境やスケジュールタスク、プラグインの仕組みも用意されています。開発ツールとしての作り込みは、想像以上にしっかりしています。
Claude Codeの裏側をオープンモデルに差し替える具体的な手順は、以下の記事で解説しています。
MiniMax M3とは？Claude Codeでの使い方・料金を徹底解説
仕事で使うときの注意点
最後に、実務で使う前提での注意点を2つだけ挙げておきます。どちらも当たり前のことですが、当たり前だからこそ抜けやすいところです。
顧客データ・社内機密は入力しない
WebサービスやAPI経由で使う場合、入力したデータは中国側のサーバーに渡ります。顧客情報や社内の機密情報は入力しないでください。長文の資料を丸ごと読ませる使い方が得意なモデルだからこそ、ここは意識的に線を引く必要があります。
裏を返せば、この制約を外せることが自前ホストの唯一の存在価値です。「機密データもKimi K3で処理したい」という要件があるなら、それはAPIではなくオンプレミス構築の検討に進む話になります。
出力のファクトチェックを前提にする
前述のとおり、Kimi K3は事実に基づかない内容をもっともらしく出力する傾向が前世代より強まっているとされています。コードのように動かして検証できるものは比較的安全ですが、調査結果やレポートのような形で出てきた文章は、必ず出典に当たって確認してください。
なお、モデルが突然使えなくなるリスクは、クローズドモデルでも実際に起きています。オープンウェイトが注目される背景そのものなので、あわせて押さえておくと判断しやすくなります。
クローズドモデルが突然停止した実例と、その後の経緯は以下の記事をご覧ください。
Claude Fable 5復活の裏側——3日で世界停止、2週間半で戻るまで何が起きたのか
まとめ
Kimi K3のオープンウェイト公開について、押さえておきたい点を整理します。
- 重みは2026年7月27日に予定どおり公開された — 総パラメータ2.8兆、アクティブ104B、コンテキスト100万トークン。技術レポートとインフラのコード（MoonEP・FlashKDAはMITライセンス）も同時公開。
- コーディングでは世界1位、総合力ではまだ一歩 — Arena.aiのフロントエンドコーディングで1679点を取り首位。一方で総合指標ではClaude Fable 5やGPT-5.6 Solに届かない。高度な数学と、事実に基づかない出力の傾向が弱点。
- ライセンスは社内利用に寛容 — 独自の「Kimi K3ライセンス」だが、大規模MaaS事業と超大規模サービスの表示義務という2つの条件は、内部利用には適用されない。
- 自社サーバー導入のハードルは高い — 重み約1.56TBで圧縮の余地なし。最小構成はNVIDIA B300を8枚積んだノード1台。個人の環境では動きません。
- 自前ホストの価値はコスト削減ではない — 金額ならAPIのほうが安い。意味があるのは「データを外に出さない」「モデルが消えない」という2点に具体的な価値がある場合だけ。
オープンウェイトのモデルが最先端に並んできたことは、AIを使う立場からすると確実に良い変化です。選択肢が増え、1社の判断に依存しなくなります。ただ、それを自社の環境で動かすかどうかは、ライセンスとハードウェアの両方を見た上での判断になります。
まずはWebサービスやAPIで実際の出力の質を確かめて、そのうえで「これを社内のデータで動かせたら意味があるか」を考えてみてください。その答えがはっきりイエスになったときが、オンプレミス構築を検討するタイミングです。
法人向けAI研修の導入社数No.1*の弊社デジライズが提供する「法人リスキリング」の研修内容・支援の流れ・料金をまとめたサービス資料を無料でお送りしています。
※出典：株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」（2026年5月／調査期間：2026年3月26日〜4月17日／調査方法：デスクリサーチおよびヒアリング／2026年3月末時点）
