AIニュース

Kimi K3とは?Fable 5との性能・料金比較と自前検証結果

中島大介(なかじ)読了時間 約29分
Kimi K3は本当にFable 5級なのかを自前検証した記事アイキャッチ

Kimi K3は、Claude Fable 5に並ぶほど強いのでしょうか。2.8兆パラメータ、100万トークン、オープンウェイトという仕様は目を引きます。ただし、公式ベンチマークの順位だけでは、実際の仕事で使えるかまでは分かりません。

この記事を読めば、Kimi K3とは何か、K2.6から何が変わったか、使い方と料金、Fable 5との違いが分かります。あわせて、同じ課題・素材・制限を渡した自前検証の結果を、UI、ダッシュボード、デバッグ、数学、知識、速度、費用に分けて確認できます。

結論を先に言うと、Kimi K3がFable 5を総合的に超えたとは言えません。一方で、今回の限定された実務課題には、匿名評価でK3がFable 5より上に選ばれた仕事がありました。オープンウェイトモデルを、検証可能な仕事から小さく試す価値はあります。

本記事は、最新AIを仕事へ導入したい人、Claude CodeやKimi Codeを使う人、オープンウェイトモデルの実力と運用コストを知りたい人に向けた解説です。公式情報、独立評価、自前実測を混ぜずに説明します。

目次

Kimi K3とは?2.8兆パラメータのオープンウェイトモデル

Kimi K3は、中国のMoonshot AIが2026年7月16日に発表した最上位モデルです。Kimi.com、Kimi Work、Kimi Code、Kimi APIで提供され、7月27日にはモデルの重みも公開されました。

Kimi K3の仕様とMoEの仕組み

Kimi K3の最大の特徴は、2.8兆という巨大な総パラメータ数と、Mixture of Experts、略してMoEの構造です。896の専門家から各トークンで16を選び、共有expertを含めて約1040億パラメータを動かします。毎回2.8兆すべてを計算する密なモデルではありません。

Kimi K3の公式仕様は、以下の表のとおりです。

仕様項目Kimi K3の公式仕様
開発元Moonshot AI
モデル種別MoE、常に内部推論を使うalways-thinking、画像入力対応
総パラメータ2.8T、2.8兆
稼働パラメータ約104B、約1040億
Expert構成896のうち16を選択、共有expertは2
コンテキスト1,048,576トークン
入出力テキスト・画像入力、テキスト出力
主な用途長時間コーディング、エージェント、知識労働、画面制作
重みKimi K3 Licenseで公開

MoEは、1トークンあたりの計算量を抑える仕組みです。ただし、モデル全体の重みを保存・配布する負担まで104Bモデル相当になるわけではありません。Moonshot AIは、フルモデルの運用に64台以上のアクセラレータを高速接続したsupernode構成を推奨しています。一般的な個人のパソコンで、そのまま動かすモデルではありません。

Kimi K3のライセンスと商用利用の条件

Kimi K3は「オープンソース」より「オープンウェイト」と呼ぶ方が正確です。重みは利用・改変・配布できますが、独自のKimi K3 Licenseが適用されます。

Kimi K3 Licenseで、商用利用などに別の条件が付く場合は、以下のとおりです。

  • モデルをAPIなどで提供するModel as a Service事業者で、本人と関連会社の連続12か月の総売上が2,000万ドルを超える場合:商用利用前に別契約が必要になる
  • K3を組み込んだ製品が月間1億人超、または月商2,000万ドル超の場合:画面へ「Kimi K3」を目立つ形で表示する条件がある

内部利用と、Kimi公式製品または認定inference partnerの利用は、Kimi K3 Licenseの2条件の対象外です。

Kimi K2.6から何が変わった?

K2.6も画像対応のMoEモデルですが、K3では規模、文脈長、推論方式、アーキテクチャが更新されました。Kimi K2.6とKimi K3の主な違いは、以下の表のとおりです。

比較項目Kimi K2.6Kimi K3
総/稼働パラメータ1T/32B2.8T/104B
Expert384、8選択+1共有896、16選択+2共有
コンテキスト最大256K最大1,048,576
ThinkingON/OFFを切り替え常にthinking
主な構造K2系アーキテクチャKDA、AttnRes、Stable LatentMoE
API単価、cache hit/入力/出力100万トークン0.16ドル/0.95ドル/4ドル100万トークン0.30ドル/3ドル/15ドル

Moonshot AIは、長文処理や層どうしの情報伝達を効率化するKDA、Attention Residuals、Stable LatentMoEにより、初代K2よりscaling efficiencyが約2.5倍向上したと説明しています。scaling efficiencyの向上は、モデルを大きくしたときの計算効率に関する公式主張です。応答速度が2.5倍になったという意味ではありません。

Kimi K3の使い方

Kimi K3には、一般利用向けの画面、業務用デスクトップアプリ、ターミナル型エージェント、API、公開ウェイトという複数の入口があります。K3 ClusterやAgentは製品側の実行モードであり、別の基盤モデルではありません。

Kimi K3の利用方法ごとの向いている人と主な特徴は、以下の表のとおりです。

利用方法向いている人主な特徴
Kimi.com・スマートフォンアプリまず試したい人チャット、Agent、各種成果物作成
Kimi Work調査・資料・表計算を進めたい人Windows・Apple silicon Mac対応
Kimi Code開発者ターミナルやIDEから長時間コーディング
Kimi API自社ツールへ組み込みたい人kimi-k3、OpenAI・Anthropic互換API
公開ウェイト自社環境で運用・研究したい組織大規模計算資源とライセンス確認が必要

日本ではKimiの日本語サイト、iOS App Store、Google Playからconsumer向けサービスを利用できます。一方、API資料には日本向けの一般提供時期や稼働保証が明記されていません。一般向けアプリの国内配信と、APIの地域別保証は分けて判断する必要があります。

Kimi K3の料金

Kimi K3の料金は、Kimiのconsumer向けの月額プランと、APIの従量課金に分かれます。APIでは、単価が安くても、エージェントの長い出力や多数のtool callによってタスクの費用が変わる点も重要です。

Kimiの月額プラン

Kimiのconsumer向けの料金表には、無料プランのほか、月払いで19ドル、39ドル、99ドル、199ドルのプランが掲載されています。100万トークンのextra-long chatを使えるのは、現在の料金表ではAllegroとVivaceです。無料・低価格プランでもK3を試せますが、長文脈、Agentの同時実行数、優先度、利用クレジットは上位プランと同じではありません。

Kimi K3とFable 5のAPI料金

Kimi K3のAPIは、100万トークン単位の従量課金です。Kimi K3とClaude Fable 5のAPI料金は、以下の表のとおりです。表の円換算は、1ドル=150円で計算した目安です。

APIモデルキャッシュ読み出し通常入力出力
Kimi K30.30ドル、約45円3ドル、約450円15ドル、約2,250円
Claude Fable 51ドル、約150円10ドル、約1,500円50ドル、約7,500円

K3の0.30ドルはautomatic cache hit、Fable 5の1ドルはcache hitまたはrefreshの単価です。Fable 5でcacheへ新しく書き込む場合は、5分保持が12.50ドル、1時間保持が20ドルです。両社でcacheの仕組みと課金区分が違うため、キャッシュ読み出しの単価は同じ意味の単価として扱えません。

通常の入力・出力単価だけを見ると、K3はFable 5より約70%安い設定です。ただし、エージェントは長い出力や多数のtool callを使うため、安い単価がそのまま安いタスク費用になるとは限りません。Artificial AnalysisのAA-Briefcaseでは、K3は平均83turn、平均費用10.57ドル、平均56.4分を使いました。

Kimi K3が示す中国LLMの進化

Kimi K3だけが突然登場したわけではありません。2026年7月には、Kimi K3、Qwen3.8-Max(Preview版)、DeepSeek-V4-Flash(0731版)が相次いで発表されました。中国LLMは、低価格なチャットモデルから、長い文脈とツールを使って仕事を進めるエージェントへ広がりました。

本記事では、相次いで発表された3モデルを同じ条件で比較したわけではありません。今回の主役と勝敗対象はKimi K3とFable 5で、QwenとDeepSeekは市場背景として扱います。

Moonshot AI自身は、K3が総合性能ではFable 5やGPT-5.6 Solにまだ届かないと認めています。とはいえ、K3が特に注目されたのは、長時間コーディング、知識労働、画像理解でフロンティア級へ迫る2.8兆の重みを公開したためです。閉じた最上位モデルだけでなく、用途やデータ管理に応じてオープンウェイトも選ぶ余地が広がりました。

Kimi K3とFable 5の自前検証方法

自前検証では、Kimi K3とClaude Fable 5へ同じ課題、素材、制限を渡しました。同一のClaude Code系ハーネスで、K3はGlobal Kimi APIのAnthropic互換経路、Fable 5はClaudeのサブスクリプション経路へ接続先とモデルを切り替えています。providerや課金経路まで同一ではなく、評価軸も合算せずに個別に記録しています。

自前検証の規模と試行の内訳

自前検証の課題数と試行数は、以下の表のとおりです。

検証項目内容
本番設計CSV、フロントエンド、デバッグ、数学、知識など11領域・22課題
保存済み試行pilot、再実行、技術的失敗を含む66試行
品質評価可能38試行
K3対Fable 5の主比較比較可能な8課題・16実行
Opus 5参考追試結果判明後に選んだ4課題・4実行
記録時間elapsedが残る62試行で延べ13時間11分以上

66試行すべてが成功したわけではありません。品質評価可能な試行の内訳は、K3が18、Fable 5が16、Opus 5が4です。残り28試行は、技術的失敗や採点不能として残しています。

ただし、保存済みの試行には、pilot、旧版、再実行、環境起因のinvalidが含まれ、モデルごとの割り当ても同数ではありません。試行の内訳から、モデルの成功率や信頼性は比較できません。elapsedの合計には最大2並列の実行も含まれるため、実際の経過時間や人間の作業時間とも一致しません。

自前検証の評価軸

自前検証の評価軸は、以下の3つです。

  1. 自動採点:テストや指定条件への適合を機械的に確認
  2. 匿名視覚評価:モデル名、点数、時間、費用を隠し、評価者1名が見た目だけを順位付け
  3. 時間・費用:各実行の記録時間とprovider報告値を別々に確認

自前検証は、Claude Code系の実行環境を含むため、基盤モデルだけを隔離した比較ではありません。自動点、匿名順位、時間、費用を足した総合点も作っていません。

比較から外した領域

実行したものの、モデル能力の勝敗に使えなかった領域もあります。技術的失敗や採点不能を0点にすると、モデルではなく環境トラブルを採点してしまうため除外しました。比較から外した領域と除外理由は、以下の表のとおりです。

領域除外理由
3D・日本語文章K3とFable 5の有効なペアがそろわなかった
フロントエンド実装回復データはあるが正式比較へ採用しなかった
システム開発採点方法が成立しなかった
terminal・browser実行環境側の技術的失敗が混ざった

比較から外した領域については「未実施」ではなく「比較可能な結果が成立しなかった」という区別が重要です。

UI系3課題の匿名視覚評価はKimi K3がFable 5に2勝1敗

匿名視覚評価を行ったUI系3課題では、K3がFable 5に2勝1敗でした。ただし、評価者は1名で、3課題だけの順序評価です。「K3のデザイン能力が常に上」と一般化できる結果ではありません。

UI系の課題ごとの匿名視覚順位、自動採点、記録時間は、以下の表のとおりです。

実務課題匿名視覚順位自動採点記録時間読み方
CSVダッシュボードAK3 > Opus 5 > Fable 5K3 66.84、Fable 65.23、Opus 65.23/80K3 48:53、Fable 24:51、Opus 29:48K3は見た目と自動点で首位、時間は最長
フロントエンドデザインAOpus 5 > K3 > Fable 53モデルとも38/40K3 5:34、Fable 11:15、Opus 14:34K3はFableより好まれ、3モデル中最短
CSVダッシュボードBFable 5 > K3Fable 66.96、K3 64.09/80Fable 21:15、K3 57:42見た目、自動点、時間でFableが上

CSVダッシュボードAではK3が匿名順位と自動点の両方で1位でしたが、Fable 5の約2倍の時間がかかりました。フロントエンドデザインAではK3がFable 5より上に選ばれ、記録時間も最短です。一方、同じCSVダッシュボードでも別課題BではFable 5が3軸すべてで上でした。

匿名視覚評価の結果から言えるのは、UIやダッシュボードの一部でK3がFable 5級へ届く場面があったことです。ジャンル名だけで勝者を固定できず、同じジャンルでも課題が変われば逆転します。

数学・知識ではFable 5がKimi K3より上、デバッグでは同点

自動採点できる課題では、K3がFable 5に届かなかった仕事と、差が付かなかった仕事もありました。課題ごとの自動採点の結果は、以下の表のとおりです。

課題Kimi K3Fable 5Opus 5読み方
デバッグA100/100100/100100/100三者同点
デバッグB100/100100/100未実施K3とFableが同点
MATH固定35問A3535未実施両モデル満点
MATH固定35問B2934未実施Fableが上
MMLU-Pro固定24問B202223Opus、Fable、K3の順

デバッグ2課題とMATH Aは満点同点でした。満点同点は、対象の3課題で差が出なかったという意味です。デバッグ能力や数学力が全面的に同じだとは言えず、課題が易しすぎて差が消えた可能性もあります。

MATHとMMLU-Proは固定subsetです。MATH全体、MMLU-Pro全体の公式スコアではありません。公開ベンチマークの一部を固定し、今回の実行環境で比較した結果として読む必要があります。

公式ベンチマークと独立評価ではFable 5がKimi K3より総合で上

Moonshot AIの公式モデルカードには、K3がFable 5を上回る項目と下回る項目の両方があります。ただし、公式モデルカードの表は、社内評価、第三者評価、Kimi Code、Claude Code、Codexなど異なる実行環境が混ざるvendor-curated tableです。勝った項目数を足して総合順位にすることはできません。

公式見解と独立評価の主な数字は、以下の表のとおりです。

情報源・評価Kimi K3Claude Fable 5読み方
Moonshot AI公式見解総合では未達K3より上公式発表自身がK3はFable 5にまだ及ばないと説明
Artificial Analysis Intelligence Index v4.15760Fable 5側はAdaptive Reasoning、Max Effort、Opus 4.8 fallbackを含む構成
AA-Briefcase、7月21日snapshot1543 Elo1574 EloK3は2位。fixtureは非公開
SpreadsheetBench 2、Moonshot掲載値34.834.7ほぼ同点だがvendor掲載表

AA-BriefcaseとIntelligence Indexの数字の読み方

AA-BriefcaseではK3のrubric passは51%、Fable 5は56%でした。分析品質のEloはK3 1754、Fable 5 1744で近い一方、K3のpresentation Eloは1471でした。K3は複雑な知識労働でFable 5へ近づきましたが、総合Eloと所要時間ではFable 5が上です。

Artificial Analysis Intelligence Indexの60点は、Fable 5だけを単独・固定設定で測った値ではありません。Moonshot AIの公式比較表に載るFable 5側にも「max、fallbackあり」の条件が含まれます。どちらもFable 5を中心にした実用構成の評価であり、基盤モデルだけの純粋比較とは分けて読みます。

なお、後日のMoonshotモデルカードにはAA-BriefcaseをK3 1548、Fable 5 1583とする値も載っています。評価の更新時点が異なるため、7月21日snapshotの1543対1574と同じ表で混ぜないようにしています。

自前検証と独立評価に共通する傾向

自前検証も公開ベンチの再現実験ではありません。今回の自前検証と独立評価に共通する限定的な傾向は、以下のとおりです。

  • K3が全部で最強ではない
  • 仕事によって差が変わる
  • 長いagent taskでは時間とturn数も見る必要がある

Kimi K3の速度と実測費用

今回の3課題だけでも、K3が最短になる仕事と最長になる仕事が分かれました。課題ごとの記録時間と、Kimi APIで記録した費用は、以下の表のとおりです。

課題Kimi K3Fable 5Opus 5K3のAPI記録費用
フロントエンドデザインA5分34秒11分15秒14分34秒0.403655ドル
CSVダッシュボードA48分53秒24分51秒29分48秒4.004311ドル
CSVダッシュボードB57分42秒21分15秒未実施3.600220ドル

表の記録時間は、回線、provider、実行環境を厳密に固定した速度専用ベンチマークの結果ではありません。「K3は速い」「K3は遅い」と一言で決めず、自分の案件に近い課題で測るのが現実的です。

費用も同様です。K3はKimi APIの従量課金額を記録しましたが、Fable 5とOpus 5はClaudeのサブスクリプション内で実行しています。料金体系が違うため、今回の実測からK3の方が安いとは結論できません。

Kimi K3を仕事で使うときの注意点

Kimi K3は、長時間の難しい課題を粘り強く進めるように学習されています。仕事で使う前に、Moonshot AIが公式に挙げる制約と、長時間agentに渡す権限、機密情報の扱いを確認しておくことが重要です。

Moonshot AIが公式に挙げる制約

Moonshot AIがKimi K3の公式の制約として挙げている点は、以下のとおりです。

  • thinking履歴の渡し方に敏感なこと
  • 曖昧な場面で利用者の代わりに予想外の判断をする、過剰なproactiveness

APIで会話やツール操作を繰り返す場合は、K3が返した推論履歴のreasoning_contentと、ツール呼び出し記録のtool_callsを含むassistant messageをそのまま履歴へ戻す必要があります。別モデルから途中でK3へ切り替えると、品質が不安定になる可能性があります。

長時間agentに渡す権限を先に決める

長時間agentへファイル、terminal、ブラウザ、外部サービスの権限を渡す場合に、先に決めておく項目は以下のとおりです。

  • 変更可能な範囲
  • 禁止操作
  • 確認が必要な操作

削除、上書き、外部公開、購入、権限変更を自動化しすぎず、テストとログを残してください。長時間agentの詳しい運用ルールは、AI開発の事故を防ぐClaude CodeのSecurity Guidanceの記事で解説しています。
» Claude CodeのSecurity Guidanceとは|AI開発の事故を防ぐ実務対策

機密情報はデータの経路と運用で判断する

機密情報を扱う場合は、Webサービス、API、自社ホストでデータの経路が異なります。Kimi K3がオープンウェイトだからといって、自動的に安全なわけではありません。オープンウェイトは、自社管理できる選択肢があるという意味です。実際の安全性は、運用場所、アクセス権、ログ、保存期間、ライセンス条件で決まります。

Kimi K3に関するよくある質問

Kimi K3について、発表日、無料での利用、日本での利用、Kimi AIとの違い、ローカルでの実行、Fable 5との料金の差、乗り換えの判断に関する質問に回答します。

Kimi K3はいつ発表されましたか?

Moonshot AIは2026年7月16日にKimi K3を発表し、Kimi.com、Kimi Work、Kimi Code、APIで提供を始めました。フルモデルの重みは7月27日にHugging Faceで公開され、技術資料とLicenseは公式GitHubから確認できます。

Kimi K3は無料で使えますか?

Kimiには無料プランがあり、K3を試せます。ただし、100万トークンのextra-long chat、Agentの同時実行数、優先度、利用クレジットは上位プランと同じではありません。APIは入力・出力トークンに応じた従量課金です。

Kimi K3は日本でも使えますか?

Kimiの日本語サイト、日本向けiOS App Store、Google Playから一般向けサービスを利用できます。今回の自前実測では日本からGlobal Kimi APIへ接続できましたが、日本向けの一般提供時期や稼働保証は公式資料で確認できません。K3 APIは最低1ドルのtop-upも必要なため、業務導入前に自分のアカウントと地域で接続、請求、安定性を確認してください。

Kimi K3とKimi AIは何が違いますか?

KimiはMoonshot AIが提供するAIサービス全体の名称です。Kimi K3は、Kimiのサービス、API、Kimi Codeなどで使われる最上位の基盤モデルです。Kimi Work、Kimi Code、K3 Clusterは利用画面やagent構成の違いで、別のK3 checkpointとは限りません。

Kimi K3はローカルのパソコンで動かせますか?

重みは公開されていますが、2.8兆パラメータのフルモデルは一般的なパソコンで直接動かす規模ではありません。Moonshot AIは、64台以上のアクセラレータを高速接続したsupernodeを推奨しています。量子化や外部providerを含め、必要性能とライセンスを確認して選ぶ必要があります。

Kimi K3はFable 5より安いですか?

APIの標準単価は、K3の方が安いです。K3が入力3ドル・出力15ドル、Fable 5が入力10ドル・出力50ドルです。ただし、実際のタスク費用は出力トークン、turn数、tool call、再試行で変わります。今回の自前検証では料金体系が異なるため、実支払額の直接比較はしていません。

Fable 5からKimi K3へ乗り換えるべきですか?

全面的な乗り換えはおすすめしません。総合評価、数学、知識、別のCSV課題ではFable 5が上でした。UIの叩き台やテスト可能な開発課題でK3を並行評価し、品質、時間、費用が合う仕事だけを移すのが安全です。

Kimi K3は、UIの叩き台やテストで確かめられる作業から試しましょう

Kimi K3が総合的にFable 5やOpus 5より上だとは言えません。Moonshot AI自身の説明とArtificial Analysisの独立評価でも、総合ではFable 5が上です。

とはいえ、自前検証のCSVダッシュボードAではK3が匿名視覚順位と自動点で首位でした。フロントエンドデザインAでもFable 5より上に選ばれ、記録時間は3モデル中最短です。オープンウェイトのK3が、限定された実務課題で最上位の非公開モデルへ届いたことには意味があります。

Kimi K3を実務で使い分けるときの現実的な方法は、以下のとおりです。

  1. UI、ダッシュボード、フロントエンドの叩き台で候補にする
  2. 自動テストで正解を確認できるデバッグやコーディングから試す
  3. 数学、知識、厳密な数字は別モデルや自動採点で照合する
  4. 速度と費用はモデル名から決めず、案件ごとに記録する

Fable 5の詳しい位置づけは、GPT-5.6とFable 5の性能・料金比較の記事が参考になります。Fable 5の現在の提供条件は、Claude Fable 5の使い方と料金の記事で確認できます。
» GPT-5.6とは?Fable 5・Opus 4.8・Grok 4.5と性能・料金を比較
» Claude Fable 5とは?規制解除後の使い方・料金・GPT-5.6との関係を解説

自社ホストを検討する場合は、まずローカルLLMの記事で必要な機材と運用範囲を確認してください。
» ローカルLLMとは|無料で使い放題に見えるメリットと注意点

参考リンク

この記事のタグ

この記事の監修者

中島大介(なかじ)

中島大介(なかじ)

株式会社メリル 代表取締役 / 記事監修

株式会社メリル代表取締役。SEO歴20年以上。最新AIやセキュリティについて発信するYouTube「ウェブ職TV」は登録者15万人以上。著書「ChatGPT & Copilotの教科書」は10万部突破!

プロフィールを見る

関連する記事

次のステップ

最新動向を学びに変える

話題のAIアップデートを、現役講師が背景と実務への影響まで解きほぐします。Touch AI の最新講座で、変化に追いつくための視点を得てください。

受講できる講座を見る