Kimi K3 全面开放权重 — 2.8T MoE の仕様・ライセンス・導入判断

7月27日の重み公開で何が変わったのか

API だけの段階では、アーキテクチャ主張の独立検証やベンチマーク再現が不可能でした。重み公開後も、導入判断には見落としがちな摩擦が残ります。

• 用語の混乱：国内メディアの「全面开源」と Moonshot 公式の open-weight は同義ではありません。OSI 基準のオープンソースには学習データと再現可能なパイプラインが必要です。
• ライセンスの二段ゲート：カスタムライセンスには MaaS 累計収益 $20M 超の別途契約義務と、大規模製品向けの表記要件が含まれます。法務レビューなしに「自由に使える」と断定するのは危険です。
• ハードウェア現実：約1.56TB の重みファイルをダウンロードできても、64 枚以上の GPU スーパーノードなしに本番推論を回すのは現実的ではありません。
• 地政学ノイズ：Kimi K3 蒸留論争が並行して拡散しており、出所検証と性能評価を同時に進める必要があります。
• ルーティング更新：複数プロバイダーを使うチームは OpenRouter 設定ガイドのフォールバックチェーンに K3 を組み込むタイミングを再設計する必要があります。

Kimi K3 コア仕様 — API・自ホスト・競合の比較

重み公開後も、多くのチームにとって最も現実的な経路は https://api.moonshot.ai/v1 の kimi-k3 です。自ホストは研究機関や大規模 MaaS 事業者向けの選択肢として位置づけてください。

アーキテクチャの基礎 — KDA（Kimi Delta Attention）、AttnRes（Attention Residuals）、Per-Head Muon — は以前のKimi K3 解説で触れています。今回の公開で新たに実体化したのは MoonEP（大規模 MoE 通信）、FlashKDA（KDA 高速カーネル）、AgentEnv（Firecracker microVM エージェント RL サンドボックス）の3つです。

open-weight と OSI オープンソース — ライセンスの二段ゲート

Moonshot は公式資料で一貫して open-weight と表記し、open source という語は使っていません。公開対象は学習済み重み、技術レポート、推論・学習支援 Infra です。学習データと完全な学習コードは非公開のままです。

Kimi K3 を評価・接続する6ステップ

見出し数字だけでは導入計画になりません。root アクセスのあるクリーンな macOS 環境 — SDK 競合を避け再現可能なログを得る — で API 評価から始めてください。

1. ライセンス範囲を確認：MaaS 収益 $20M ゲートや大規模表記要件に該当するか法務と確認。該当しない場合でも open-weight であることと OSI オープンソースではないことを社内文書に明記。
2. Moonshot API キーを取得：Kimi API Platform で kimi-k3 スコープのキーを発行。本番と検証でキーを分離。

python3 -m venv ~/k3-lab && source ~/k3-lab/bin/activate
pip install --upgrade openai

3. OpenAI 互換クライアントを Moonshot エンドポイントに向ける：base URL を https://api.moonshot.ai/v1、モデル ID を kimi-k3 に設定。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)
resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Refactor this function for clarity."}],
    extra_body={"reasoning_effort": "max"},
)
print(resp.choices[0].message.content)

4. コーディングタスクでベースラインと比較：同一リポジトリ・同一テストハーネスで現行モデルと K3 を並走。SWE-bench 93.4% は独立評価値 — 自社ワークロードでの再現が最終判断材料。
5. ツール呼び出しと長コンテキストを検証：function calling と 100万トークン級プロンプトでエージェント用途の実用性を確認。Mooncake 分離推論でキャッシュヒット率90%超のワークロードでは実効入力単価が $0.30 近傍に収まるケースがあります。
6. 出所とデータフローを文書化：どのプロンプトが Moonshot API を経由したか、顧客データの越境有無、蒸留論争下でのフォールバック経路（OpenRouter または直接 API）を記録。

引用に値する数字と出典

• モデル規模：総パラメータ 2.8T、896 エキスパート中 16 活性（約104B active）、100万トークンコンテキスト、MXFP4 重み + MXFP8 活性。
• SWE-bench Verified：Kimi K3 は 93.4%（Vals AI 独立評価、2026年7月時点）。Claude Opus 5 が 97%、GPT-5.6 Sol が 96.2%。
• Artificial Analysis インテリジェンス指数：K3（max）約57 — 全体3位、open-weight カテゴリ1位。Claude Fable 5 が 60、GPT-5.6 Sol が 59。
• 公開 Infra：MoonEP（MoE 通信）、FlashKDA（H20 上で prefill 1.72–2.22× 高速化）、AgentEnv（checkpoint 133ms / 復元 49ms、Moonshot 公表値）。
• 自ホスト要件：64 枚以上のアクセラレータを備えたスーパーノード推奨 — 消費者向けハードウェアでは非現実的。
• タイムライン：7月16日 API 先行 → 7月27日重み公開（API から11日）→ Hugging Face トレンド1位（公開後30分以内）。

リリース詳細、料金、ライセンス条項は公開後に変わる可能性があります — 一次ソースを本記事より権威ある情報源として扱ってください。

Moonshot AI 公式 Kimi K3 ローンチ資料：

Moonshot AI — Kimi K3 launch post

Kimi API Platform K3 クイックスタート：

Kimi API Platform — K3 quickstart docs

Kimi K3 ベンチマークと自ホスト分析（第三者）：

Northflank — Kimi K3 benchmarks, pricing and self-hosting analysis

FAQ

重み公開は「誰でもラップトップで回せる」ことを意味しません。2.8T スパース MoE の自ホストは 64+ GPU の世界であり、大多数のチームにとって api.moonshot.ai の API 評価が最初の一歩です。その評価には、古い Python スタックの共有サンドボックスではなく、エンドツーエンドで制御できるマシンが必要です — エージェントスクリプト、Kimi Code セッション、API キーのローテーションを気にせず試せる環境です。新規プロビジョンの KVMFLUX Mac mini M4 なら root アクセス、数分での SSH、ワイプして再試行できるクリーンな Apple Silicon ボックスを日単位で確保できます。