Kimi K3 オープンウェイト全面公開：2.8兆パラメータ・100万コンテキストと商用許諾の判断ガイド
7月27日夜、月之暗面（Moonshot AI）は Kimi K3 の完全モデルウェイトと技術レポートを正式公開し、MoonEP・FlashKDA・AgentEnv の三つの基盤インフラも同時にオープンしました——API 初出からわずか 11 日です。世界初の完全公開 3 兆パラメータ級モデル（Hugging Face ダウンロード約 1.56TB、MXFP4 形式）ですが、公式は一貫して「open weight」と呼び、「オープンソース」とは区別しています。本記事では許諾境界、KDA 等のアーキテクチャ革新、API/自ホスト選定を整理します。
1. 三つの選定痛点：オープンウェイト、自ホスト幻想、実コスト
- 「オープンウェイト」を「オープンソース」と混同する：国内メディアは「オープンソース」と訳すことが多いですが、月之暗面の公式資料は open source を使っていません——公開されているのはウェイトと技術レポートのみで、学習データと完全な学習コードは非公開です。法務が OSI 基準で監査すると、許諾範囲を誤認するリスクがあります。
- 自ホストのハード要件を過小評価する：2.8T 総パラメータ、104B 活性、896 MoE エキスパートの規模から、K3 はコンシューマー GPU ではほぼ動きません。公式は 64 卡以上の超ノードを推奨し、ウェイトは約 1.56TB です。「ウェイトをダウンロードすれば動く」と計画すると、インフラで壁にぶつかります。
- API キャッシュが実請求に与える影響を無視する：表の価格は入力 $3/M・出力 $15/M ですが、Mooncake 分離推論では典型的なコーディング負荷でキャッシュ命中率 90%+ に達し、実コストはキャッシュ命中の $0.30/M に近づきます——PoC なしでは請求を過大または過小見積もりしやすいです。
2. タイムライン：API 初出から全面オープンウェイトまでわずか11日
- 7月16日夜（WAIC 2026 前夜）：Kimi K3 が kimi.com、Kimi Work、Kimi Code、Kimi API で初出。オンライン呼び出しのみでウェイトは未公開。公式技術ブログは「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」紛争が激化。ホワイトハウス科学顧問 Michael Kratsios が月之暗面の Anthropic Fable モデルへの「大規模・隠蔽的な工業蒸留」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・技術レポートを正式公開。MoonEP・AgentEnv をオープン（FlashKDA は以前から公開済み）。Hugging Face 上線約30分でトレンド1位。
- 7月28日：中国商務部が公然回答し、米国の「AI 覇権主義」を非難して反制を警告。国内メディアがオープンソース詳細を追報。
3. Kimi K3 コアスペック一覧（引用可）
| 項目 | 仕様 |
|---|---|
| 総パラメータ | 2.8 兆（2.8T） |
| 活性パラメータ | 約 1040 億（104B） |
| アーキテクチャ | 混合エキスパート（MoE） |
| エキスパート構成 | 896 ルーティングエキスパート、トークンあたり 16 活性化（共有エキスパートあり） |
| 注意機構 | Kimi Delta Attention（KDA）+ Gated MLA |
| コンテキスト | 100 万 token（1M） |
| 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 活性化（SFT から QAT） |
| ウェイト容量 | 約 1.56TB（Hugging Face、96 safetensors 分割） |
| License | カスタム Kimi K3 License（open weight、非 open source） |
4. 三つのアーキ革新：KDA・AttnRes・Per-Head Muon が解く課題
Kimi K3 は深層学習の三大定番——注意機構・残差接続・最適化器——を再設計しました。単なるパラメータ積み上げではない差別化要因です。
Kimi Delta Attention（KDA）：より精緻な「忘却」
従来の Gated DeltaNet はスカラー忘却ゲート——記憶全体が同一減衰係数です。KDA はチャネルごとのゲートに変更し、各特徴次元が独立した減衰率を持ちます。KDA は chunkwise DPLR 公式で線形時間再帰を実現し、長系列の KV Cache コストを大幅削減します。K3 は KDA と少数のグローバル注意層（Gated MLA）を交互に混在——100 万 token コンテキストの核です。
Attention Residuals（AttnRes）：残差接続の選択的集約
従来の残差は層ごとに均等加算し、深い層で初期情報が希薄化します。AttnRes は入力に応じて動的に前層出力を選択集約——層あたり RMSNorm と疑似クエリベクトル1つだけの追加で、約 25% の学習効率向上（コスト 2% 未満）。疑似クエリはゼロ初期化で、初期は均等平均と同等です。
Per-Head Muon：各注意ヘッドの独立最適化
K3 は Muon 最適化器をヘッドごと独立最適化に拡張し、各ヘッドがより適応的な収束経路を得ます。純粋な学習期技術で API 利用者には見えませんが、こうした積み重ねが 104B 活性で閉源最前線に迫る性能を生みます。
Stable LatentMoE：896 から 16 を選ぶ稀疏の芸術
MoE 層は 896 ルーティングエキスパートを持ち、トークンあたり 16 だけ活性化（稀疏度約 1.8%）。共有エキスパートで基礎能力を担保。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上界を数学的に証明しています。
5. 三つのオープン Infra：ウェイトだけでなく工程能力一式
| 技術 | 位置づけ | 主要能力 |
|---|---|---|
| MoonEP | 超大規模細粒度 MoE 高性能通信ライブラリ | 過負荷エキスパートを一時複製しノードあたり均等 token 数を保証。冗長エキスパート数の理論上界を証明、負荷不均衡時も高通信効率 |
| FlashKDA | NVIDIA CUTLASS ベース KDA 高性能オペレータ（以前から公開） | H20 で prefill が flash-linear-attention 比 1.72–2.22 倍高速。chunk_kda バックエンドとしてコード変更なしで置換可能 |
| AgentEnv | KVCache.ai 共同開発 Agent サンドボックス（Firecracker microVM） | 大規模並列 Agent RL 学習向け。公式値：checkpoint 遅延 133ms、復旧 49ms、メモリオーバーサブスクライブ最大 6.5 倍（第三者独立検証は未了） |
6. ベンチはどうか：GPT-5.6・Claude・GLM-5.2 と比較
以下は独立第三者再測定（Vals AI、2026年7月時点）を優先引用します：
| モデル | SWE-bench Verified | 公開日 |
|---|---|---|
| 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 |
| Qwen3.7-Max | 79.4% | 2026-05-19 |
| DeepSeek-V4 | 76.2% | 2026-04-23 |
Artificial Analysis 知能指数（max 推論档）：Claude Fable 5 が 60、GPT-5.6 Sol が 59、Kimi K3 約 57（世界第3、オープンウェイト第1）、GLM-5.2 が 51、DeepSeek V4 Pro が 44 です。
コスト面：K3 はタスクあたり約 $0.95。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天井であり、コスパ最適ではありません。K3 は現在 Arena.ai Frontend Code Arena で1位です。
7. 「オープンソース」か「オープンウェイト」か：ライセンスの二つの商用ゲート
月之暗面の公式資料は「open source」を一度も使っていません。一貫して「open weight（オープンウェイト）」です。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・再現可能な全工程が必要ですが、K3 が公開するのはウェイト・技術レポート・推論 Infra ツールに限られます。
ライセンスも「Modified MIT」ではなく完全カスタム文書で、K2 系列にない二つの商用ゲートを含みます：
- Model-as-a-Service 収入ゲート：被許諾者が「モデル即サービス」事業を運営し、連続12ヶ月の累計収入が 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。
- 規模表示ゲート：製品の月活が 1 億を超える、または月収が 2000 万ドルを超える場合、UI に「Kimi K3」を顕著に表示する必要があります。
中小チーム・スタートアップの大半では両ゲートは触れません。ただし「K3 で月之暗面と競合するモデルサービスを立ち上げる」計画なら、第一ゲートは法務が注視すべきラインです。
8. 自ホストできるか：ハード要件と API 価格
API 方式：月之暗面は OpenAI SDK 互換 Chat Completions API を提供（https://api.moonshot.ai/v1、モデル ID kimi-k3）。
| Token 種別 | 価格（100万 token あたり） |
|---|---|
| 入力（キャッシュ命中） | $0.30 |
| 入力（キャッシュ非命中） | $3.00 |
| 出力（推論過程含む） | $15.00 |
自ホスト方式：公式は 64 卡以上の超ノードへのデプロイを推奨します。個人開発者と多くの中小チームには、OpenRouter 等の第三者プラットフォーム（約7社が既に上線、価格はほぼ公式同等）が現実的です。詳細は《Kimi K3 深度ベンチ》と《OpenRouter 実践ガイド》を参照してください。
9. オープンウェイトの背景：米中 AI 競争と WAIC 2026
Kimi K3 の公開は世界人工知能大会（WAIC 2026）の窗口期と、激化する米中「モデル蒸留」紛争が重なったタイミングです。ウェイト公開の直前、米側は月之暗面の Anthropic モデル「工業蒸留」を非難し制裁を脅かしました。中国商務部は7月28日に「AI 覇権主義」を非難して反制を警告。月之暗面はウェイト・技術レポート・三つの Infra をすべて公開し、工程詳細で技術経路の独立性を示そうとしています。三日後、アリババ（投資者の一つ）が24兆パラメータの Qwen3.8-Max-Preview を公開し、K3 への直接の応答と受け取られ、国産大モデル競争は「3T クラブ」段階に入りました。
10. 五手順 HowTo：Kimi K3 接続実践
- Kimi K3 License を読む：Model-as-a-Service 年収2000万ドル、月活1億の二ゲートに該当するか確認します。メディアの「オープンソース」訳を法務結論にしないでください。
- 接続経路を選ぶ：API（公式または OpenRouter）が99%のチームに適します。自ホストは64卡超ノード予算がある企業のみ。ウェイトダウンロードは研究・微調整向きで、個人ノートPC向きではありません。
- OpenAI 互換エンドポイントを設定する：base URL を
https://api.moonshot.ai/v1、モデル ID をkimi-k3に変更し、既存 OpenAI SDK または OpenClaw 設定を流用します。 - 自社ベンチで二次検証する：実際のコーディング/Agent プロンプトで採用率・エラー率・P95 遅延を測定します。公開 SWE-bench 93.4% は市場シグナルであり、あなたの SLA 証明ではありません。
- 常時オンラインのリモート Mac ゲートウェイを配置する：OpenClaw 等の Agent パイプラインでゲートウェイを 7×24 macOS ノードに置き、
openclaw channels status --probeで検収します。ワークスペースは SFTP/rsync で設定とログを同期します。
11. API vs 自ホスト vs OpenRouter 決定マトリクス
| 次元 | 公式 API | OpenRouter 中継 | 自ホストウェイト |
|---|---|---|---|
| 立ち上げコスト | 低（base URL 変更のみ） | 低（1 Key で複数モデル） | 極高（64卡超ノード + 1.56TB ストレージ） |
| キャッシュ優位 | Mooncake 90%+ 命中率 | 上流プロバイダ次第 | 自前 KV キャッシュ構築が必要 |
| データ主権 | Moonshot クラウド経由 | 中継1ホップ追加 | 完全ローカル（ハードが足りれば） |
| 向いている層 | 製品への K3 能力の迅速統合 | 多モデルルーティングと fallback | スパコン予算の研究機関 |
12. よくある質問
Q：Kimi K3 は本当にオープンソースモデルですか？ 厳密には違います。オープンウェイトモデルで、ウェイト・技術レポート・一部 Infra 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 定義の「オープンソース」には合致しません。
Q：Kimi K3 は無料で商用利用できますか？ ほとんどの商用シーンで制限はありません。Model-as-a-Service 年収超2000万ドル、または月活超1億/月収超2000万ドルの場合のみ特定条項が適用されます。
Q：自ホストには何枚の GPU が必要ですか？ 公式は64卡以上の超ノードを推奨します。個人と多くの企業には公式 API または OpenRouter が現実的です。
Q：7月17日の K3 ベンチ記事との違いは？ 7月16日は API 初出；7月27日が完全ウェイト + MoonEP/AgentEnv オープンです。本記事はオープンウェイト許諾・Infra スタック・自ホスト要件に焦点を当て、初出アーキ総覧ではありません。
Q：7月25日の蒸留論争との関係は？ 蒸留論争と7月27日のウェイト公開はほぼ同時に発酵しています。選定時は《Kimi K3 蒸留論争判断ガイド》も併読し、ベンダーリスクを評価してください。
13. まとめ：オープンウェイトは能力天井、リモート Mac が 7×24 Agent 接続を支える
Kimi K3 の7月27日公開は、「世界初の完全公開 3T 級モデル」を約束からダウンロード可能な 1.56TB の現実に変えました——KDA・AttnRes・MoonEP 等の工程詳細も同時公開し、オープンウェイト陣営が SWE-bench と Artificial Analysis で閉源最前線に迫っています。多くのチームにとって正しい道は：API または OpenRouter で K3 能力を接続し、自社ベンチで検証する——ノートPCにウェイトを落とす幻想は捨てることです。
しかし API 接続ではゲートウェイの断続オフライン、ローカル機のスリープ、OpenClaw チャネル probe 失敗といった運用課題は解決しません。自ホストは99%のチームに非現実的です。K3 を OpenClaw/Hermes 等の Agent パイプラインに 7×24 で組み込むなら、次の一手はゲートウェイとワークスペースを常時オンラインの Apple Silicon リモート Macに置き、launchd 常駐と SFTP/rsync で設定を同期することです。SFTPMAC リモート Mac レンタルは Kimi K3 API と OpenRouter 多モデルルーティング向けの 7×24 ノードを提供——「家庭用 PC を API ゲートウェイ兼用」より、Agent パイプラインをインフラとして扱うチームに適しています。