Kimi K3を徹夜で実測：オープンソースモデルがClaudeやGPTを凌駕、改名を提案すべきか？

今日の未明、Arena AIのCode Arenaランキングが更新されたのを見かけたとき、まず驚いた。発表されたばかりのKimi K3が1679点を獲得し、世界一位となった。Claude Fable 5の1631点やGPT-5.6 Solの1618点を上回る結果だ。

Code Arenaは主にフロントエンドプログラミングを測定する。モデルはユーザーの要求に基づいてウェブページを生成し、視覚的な再現、インタラクションデザイン、機能実現を達成する必要がある。ランキング結果は、百万規模のユーザーが参加した公開ブラインドテストから得られるものだ。同じタスクが2つの匿名モデルに割り当てられ、ユーザーは実際に両方の結果を体験した後に投票し、投票完了後にモデルの身元が公開される。結果が発表される前、ユーザーはどのモデルを選んだかを知らされておらず、ブランドの影響が弱まり、結果の信頼性が高まる。换句话说、少なくとも視覚的な表現とインタラクション実現を重視するフロントエンドプログラミングの場面では、K3は現在最も先頭に立っている。

発表されたばかりのオープンソースモデルが、容易に複数の閉源フラッグシップモデルを超えてしまうのは、信じがたく、あまりにも良すぎる（too good to true）。そこで、熱が冷めないうちに、Kimi K3を徹夜でテストし、その真価を検証してみた。

余談だが、以下の動画はKimi公式が発表したプロモーション映像ではなく、APPSOが元のトレーラーをK3に参考として渡し、再生成させたアニメーションだ。

動画を見る ※元の動画リンクを参照

元の動画の理解から、ウェブページ画面の再構築、カメラワーク、エフェクト、インタラクションの処理に至るまで、整個の過程はすべてK3が行った。モデル自身に自分を紹介するアニメーションを作らせるというのは、最も直感的なオープニングテストとも言える。

特に、最近Fable 5とGPT-5.6が激しく競い合い、能力が強まる一方で、トークンの消費も上昇していることを考慮すると、多くの人々はまだClaude Opus 5を待っているが、思いがけずKimiが2.8兆パラメータに達するオープンソースモデルを先に提供してきた。

間違っていない、2.8兆、そしてオープンソースだ。

Kimi K3は巨無霸バージョンの2.8兆パラメータを持ち、世界初のオープンソース3兆レベルモデルとなる。100万トークンのコンテキストウィンドウを備え、視覚理解をネイティブにサポートし、長距離プログラミング、知識労働、推論を主眼に置いている。

すごいな、閉源モデルのフラッグシップたちがまだチューブの絞め上げのような改善をしている一方で、オープンソース側はパラメータ規模を新たな天井に押し上げた。

さらに興味深いのは、公式ブログにあるこの一文だ：「Kimi K3の全体的なパフォーマンスは、最強の閉源モデルであるClaude Fable 5やGPT-5.6 Solにはまだ及ばないが、私たちの一連の評価において最先端の能力を示し、他のすべてのモデルを安定して上回っている。」これほど率直であることは、中国の大規模モデルの発表ブログでは、本当に珍しい（doge）。ただし、謙虚さは謙虚さとして、K3がこのテーブルに提供した能力の重みは、少しも軽くない。

2.8兆の巨獣を驯服する二つのもの

まず、この2.8兆パラメータのモデルはどのように作られたのか見てみよう。過去12ヶ月のうち9ヶ月、オープンソースモデルの規模上限はKimi家が維持してきた。K3は、この路線の最新の一歩と言える。アーキテクチャ上、K3には二つの新要素がある：混合線形注意（Kimi Delta Attention）と注意残差（Attention Residuals）だ。

より平易に理解すれば、前者はモデルが超長シーケンスを処理する際、計算量に引きずられないようにし、後者は情報が数百層の深いネットワークを伝わる際に「失真」しないようにする。一つは技術的な長さを管理し、もう一つは技術的な深さを管理し、合わせて兆レベル以上のパラメータ規模を支える。

MoE（混合専門家）の疎密度もさらに利点を拡大した：896の専門家がおり、毎回16個だけが活性化される。訓練方法とデータの配合の最適化と合わせ、公式によると、K3はK2に比べて全体的なスケーリング効率が約2.5倍向上したという。同じ計算量で、より多くの能力を引き換えられる。

推論、プログラミング、知識などの能力をカバーするArtificial Analysis Intelligence Indexにおいて、K3は57点で3位にランクインし、Claude Fable 5とGPT-5.6 Solに次ぎ、同時にClaude Opus 4.8やGPT-5.5などのモデルを上回っている。この成績表は、マスク氏の注目も引いた。彼はコメント欄に登場し、「Impressive（印象的だ）」という賛辞を残した。

二つのランキングを並べて見ると、K3は総合能力が最も強い閉源モデルとはまだ差があるが、プログラミングという主戦場ではすでに十分に強力だ。

これほど強力なモデルを見て、あなたの最初の反応もきっとこれだ：これを動かすにはどれくらいコストがかかるのか？Kimiは明らかに、あなたの反応を予測していた。K3はSFT（教師ありファインチューニング）段階から量子化感知訓練を行い、MXFP4の重みとMXFP8の活性化を使用し、低精度ハードウェアに天生で適応する。専門家並列訓練は完全な均衡を行い、静的な形状を持ち、キーパスでホスト同期を必要としない。KDAは従来のprefix cachingに新たな挑戦をもたらすため、Kimiは対応する実装をvLLMコミュニティに貢献し、モデルと一緒にオープンソースとして公開した。

価格について言えば、実際、私たちは中国モデルが常に低価格で競い合うべきではないと考えている。量が豊富で供給が十分な会社だけでなく、AnthropicやOpenAIの価格設定権に挑戦できる会社も必要だ。 今回は、K3の性能がOpusに対抗し、甚至はFableに及ぶこともある一方で、公式APIの入力および出力価格はFableの20%、Opusの40%となっており、これはAnthropicの価格を引き下げる意図がある。このモデルが10日後にオープンソースとなることを考慮すると、 自社でモデルをデプロイする実力を持つ企業や、中国のAI企業が一般的にGPU不足という現実を抱えている中、この価格設定はさらに興味深い。ただし、API価格は一般ユーザーとはあまり関係なく、皆さんが使用している月額サブスクリプションは、フルに使用した場合、通常API価格より5〜10倍安い。

K3を実測する：あなたの名前はKableとすべきか

パラメータ規模と価格について話したところで、次は最も重要な問題だ：それは一体どれほど難しい仕事ができるのか？私たちはK3に、物理シミュレーション、手続き型モデリング、複雑な経営システムから、美的判断にさらに依存する東洋ファンタジーシーンまで、幅広い5つのタスクを用意した。見た目が美しいのは及第点でしかなく、裏にある数値変化、状態の進展、インタラクションロジックも同様に成立しなければならない。

今年のワールドカップでは、PKが多くの試合の勝敗を分けた。メッシのような強豪もPKを失敗することがある。私はAIで、最も高い確率でゴールできるPKの角度を計算したいと思った。K3は、選手のフィーリング、シュート角度、ボールスピード、キーパーの反応などの変数を、信頼できる計算モデルに変換し、公開データに基づいて大規模なモンテカルロシミュレーションを行い、異なる戦略の成功率を繰り返し比較し、最終的にすべてのキッカーが知りたい問題に答えた：プロ選手の実際の能力の上限を超えない前提で、ボールをどう蹴れば、最もキーパーに止められにくいか。

体験リンク：https://doxsa4fwmxag2.ok.kimi.link/

K3が計算した理論上最も止めにくい一撃：v₀≈25 m/s + サイドスピン≈8 rev/s + 半高偏側落点、ゴール確率≈89%。メッシに決勝戦前にぜひこの記事を見てほしいと強く勧める。

第二のタスクは、Three.jsを使ってゼロからチョコレート工場の庭園世界を作ることだ：チョコレートの川、キャラメルの滝、キャンディ園、銅製の大釜、コンベア、ミニチュアの作業員、すべて手続き的に生成し、外部素材の使用は禁止。さらに、作業員には現実的なタスクキューとパスネットワークを持たせ、その場でポーズをとるだけのものにしてはならない。

体験リンク：https://d7gfoy6v7et5e.ok.kimi.link/

同じく手続き型モデリングの「Emberhold：熔火矿城」では、さらに経営とリスクシステムが加わった：多層の鉱山、軌道のトロッコ、溶解炉の鍛造、換気と崩落システムがすべて連動し、深く掘れば掘るほど鉱石は希少になるが、温度と崩落のリスクも同時に上昇し、トロッコは現実的な軌道に沿って走らなければならない。

体験リンク：https://uvj7y4fnuomew.ok.kimi.link/

難易度の高い一題では、シーンは海底火山の噴火に押し上げられた。K3は、Three.jsを使って、島が海中から誕生する全過程をリアルタイムに描く必要がある：溶岩の泉が海面を引き裂き、蒸気、火山灰、雷、巨大な波、そして研究船が同時に動き、海岸線は溶岩の冷却、崩落、海波の浸食に伴って成長し続ける。难点在于、複数の動的システムを同時に維持し、海底の泡立ち、火山の爆発から島の安定、そして生命の芽生えまでのタイムラインと、船上、ヘリコプター、海岸線、火口など複数の観察視点を提供する必要があることだ。画面の規模、物理的変化、インタラクション制御、そして実行性能のいずれかが欠ければ、このケースは普通の火山デモになってしまう。

動画を見る ※元の動画リンクを参照

体験リンク：https://miuqtzgbqin72.ok.kimi.link/

ハードスキルのテストが終わったところで、最後にその美的センスを見てみよう。この東洋ファンタジー水墨画スタイルの油紙傘のシーンでは、細雨、青石、水面に浮かぶ層になった油紙傘、光透過の投影、傘の表面の流動パターン、そして操作可能なキャラクターのジャンプインタラクションが、 together で軽やかで夢幻的な効果を醸し出している。

体験リンク：https://zprg5ulr2dxom.ok.kimi.link

一方、Xユーザーの@chetaslua氏によるこのケースでは、彼の見解では、K3とGPT-5.6 Solが同じ結果に達したが、実現方法が異なり、K3の方がデザインの味と創造性に富んでいるという。

視覚的に驚嘆させるデモだけではもちろん足りない。私はさらに、Kimi K3を使って集中アプリを開発した。プロンプトはたった一行：Forestを複製せよ、ただしインターフェースはより精美に、アニメーションはFocus Flightのようになれ。数時間後、実際に作られた。甚至はプレイ可能なプロトタイプの水準に達しており、以前ならフロントエンド開発者が2、3週間かかる仕事だったかもしれない。

このアプリは「云驰 Aeris」と呼ばれ、開くと黄昏色の格納庫が広がり、飛行機が滑走路で私を選んで航路を待っている。それはForestの木を植える集中玩法をフライト飛行に置き換えたが、単なるスキン変更でもない：集中時間は飛行時間に等しく、異なるホワイトノイズも選択でき、搭乗後は動的巡航に入り、途中退出すると帰還がトリガーされ、航路を完成させるとマイルを蓄積し、新しい目的地をアンロックできる。ブランド命名から視覚スタイル、インタラクション、そして成長システムまで非常に完全だ。

動画を見る ※元の動画リンクを参照

この記事を書いている間にも、さらに数便飛んだ。APPSOもリンクを付けるので、皆も試しに飛んでみてほしい ✈️ https://lamuxcg4s74za.ok.kimi.link/#/

オープンソースモデルのK3時刻

さらに难得なのは、公式ブログが彼らが蓄積した省察を共有しようとしていることだ。K3は歴史的な思考内容に非常に敏感だ。それは、後訓練の全過程で思考履歴保持モードを使用しており、Agentフレームワークが要求通りにすべての歴史的思考内容を返さない場合、または他のモデルのセッション途中から切り替えた場合、生成品質が不安定になる可能性がある。公式は、Kimi Codeのように互換性が検証されたフレームワークの使用を推奨し、セッション途中でモデルを切り替えないようにしている。

また、少し能動的すぎるきらいもある。訓練の重点が長距離の高難度タスクにあるため、小さな問題やユーザーの意図が曖昧な場合に、想定外の決定を下す可能性がある。もう少し大人しくさせるには、system promptやAGENTS.mdで規則を立てる必要がある。そして、この率直さだけで、まず好评を与えておく。

ここまで来て、さらに実際的な話をしよう。世界最大のオープンソースモデルは、現在、世界最強を意味するわけではない。2.8兆パラメータも、K3がすでにトップの閉源モデルを超えていることを直接証明するものではない。モデルが本当に複雑なエンジニアリング作業を行えるかどうかは、最終的には使用コスト、タスクの安定性、そして現実的な納品結果にかかっている。

おまけ：月之暗面（Kimi）の創業者である楊植麟のCMUの指導教員Russ Salakhutdinov氏がお祝いの投稿をし、Russ Salakhutdinov氏はHintonの直弟子であり、Appleの初代AI監督でもある。

しかし、K3の登場は少なくとも一つのことを変えた。過去のオープンソースモデルの戦略は、閉源モデルのフラッグシップの後ろについて、より低い価格で既存の能力を再現することだった。今、それは規模を新たな上限に押し上げ、100万コンテキスト、長距離プログラミング、複雑なAgentタスクに挑み、次世代モデルの能力境界の競争に直接参加し始めた。

X上で、一部のネットユーザーはKimi K3を「もう一つのDeepSeek R1時刻」と呼んでいるが、APPSOが徹夜で体験した結果、オープンソースモデルの中で、K3は完全に自分自身の名前を持つにふさわしいと考える。2.8兆パラメータはただの入場券に過ぎない。Opus 5がまだ到来していない中、オープンソースモデルはすでに再び札束を切り替えた。私はこれをK3時刻と称したい。