オープンソース2026-07-17

Kimiが2.8兆パラメータの大規模モデルK3を正式発表、全世界初のオープンソース3兆パラメータモデル

今朝、Kimi K3がついに正式に公開された。2.8兆パラメータ、100万コンテキストウィンドウ。さらに、7月27日に全面オープンソース化が発表された。言うことはない、今この瞬間を一緒に喜ぼう。月之暗面は昨日の午後に予告を発表し、興味深いことに、Claude Fable 5の撮影技術に敬意を表しており、これは彼らの心中で、自分自身を証明し、月之暗面を新しい時代へと導くモデルであることを暗示している。

もし智谱が後訓練の神と呼ばれ、GLM-5シリーズを新たな高みに導いたのなら、私の中では、国内で事前訓練のトップを担ってきたのは常にKimiだ。そして常に大パラメータの代表でもあった。K2は数ヶ月前に国内初の1Tレベルモデルであり、今では多くの人が大規模モデルのスケーリング則が限界に達したと言っていたが、今では「大きいことは良いことだ」ということが再確認された。Claude Opus 4.6が最も水準の高いモデルだと感じていたのは、それが5Tモデルだからだ。その後のOpus 4.7と4.8は強化学習で強化されすぎ、コーディング能力は向上したが、創造性や計画能力は低下した。

国内に目を戻すと、Kimiの後、DeepSeek V4 proや美团のLongCat 2.0も兆パラメータレベルに到達し、兆パラメータモデルが標準になりつつある。そして今日、Kimi K3が登場した。今回のモデルパラメータは2.8Tレベルで、国内初の3兆パラメータモデルであり、さらに世界初のオープンソース3兆パラメータモデルである。

さっそくKimi K3のベンチマークを見てみよう。まずAAによる知能スコアでは、Kimi K3は3位にランクインし、Fable 5とGPT-5.6 Solに次ぐ結果となった。これでKimiはGoogleに代わり、新しい「御三家」の一角となった。

次にコーディング能力を見る。各モデルには得意不得意があり、強力なFable 5でも短所はある。コーディング評価は2つのカテゴリーに分けられる。一つは「正確実行型」で、モデルが明確なタスクを正確に完遂できるかを測る。DeepSWEとTerminal Bench 2.1が代表的だ。 GPT-5.6 Solは両評価で1位を獲得し、需要理解やデバッグで安定した性能を示した。Opus 4.8は幻覚率が高く、体感と一致する。 Kimi K3はDeepSWEでFable 5とGPT-5.6 Solに次ぎ、Terminal Bench 2.1では2位を獲得した。

もう一つは「方案計画型」で、FrontierSWEのように創造的な思考を必要とする難問を扱う。 Fable 5は圧倒的なリードを見せ、GPTシリーズは常に弱い。しかしKimi K3はFable 5とGPT-5.6 Solの間に位置し、全体的にバランスの取れたモデルであることを示した。

Agent能力も重要だ。BrowseCompでは、K3が91.2で1位を獲得し、GPT-5.6 Solが90.4、Fable 5が88.0と続く。 Automation BenchでもK3が30.8で1位、SpreadsheetBench 2では34.8で1位となった。総合Agent評価であるAA-Briefcase EloではK3が1548で2位、JobBenchでは52.9で2位、GDPval-AA v2 Eloでは1668で3位となり、Fable 5やGPT-5.6 Solと互角の戦いを見せた。

マルチモーダル能力も国内トップクラスで、Fable 5に次ぐ性能を発揮した。以前は国内モデルが海外トップモデルと競うことは難しかったが、K3はGPT-5.6 Solと肩を並べるまでに成長した。

実際のテストでは、Kimi Codeを用いてタスクを実行した。最初のタスクは、AIHOTがKimi K3のブログ記事を取得できていない問題の修正で、3分で解決された。

次に、ユーザーフィードバックに基づくAIHOTの最適化タスクを実行した。約10のタスクを一括でKimi Codeに渡し、K3は7つのAgentを起動して作業を進行した。約1.5時間で全タスクを完了し、PRを提出、CIに合格、メインブランチにマージされた。

しかし、テスト中に一つ問題が発生した。K3が500の新しいニュースソースを一括で処理しようとしたため、AIHOTの情報処理キューが詰まり、約1時間新規情報が入らなくなった。これは並行処理の設計ミスであり、Fable 5以外のモデルでは考慮しにくい点だ。

全体的に、K3の開発精度と完全性は期待通りで、国内モデルとしては最優秀だ。前端タスクでは、Kimiの強みが発揮され、空間理解能力や美的センスが際立つ。例えば、Twitterで流行した建築屋根のテキストエフェクトを再現した。また、小红书で人気の魚のエフェクトも再現した。これに対し、GPT-5.6 Solは美的センスで劣後した。