Moonshot AI、2.8T パラメータのオープンモデル Kimi K3 を発表──Frontend Code Arena で首位を獲得
Claude Opus 4.8 級の推論能力を Sonnet 5 相当の低コストで実現し、Frontend Code Arena で Claude Fable 5 を上回る 1679 点を記録した。
リリース: 2026-07-17 · 読了 5 分記事の要約
1. 核心（What）
- Moonshot AI が 2.8T パラメータのフロンティア級モデル「Kimi K3」を発表し、7月27日にオープンウェイトを公開予定。
- Frontend Code Arena で 1679 点を獲得し、Claude Fable 5 を抑えて首位にランクイン。
- 推論コストは 1M トークンあたり入力 $3 / 出力 $15 で、キャッシュ済み入力は $0.30 に設定。
- 1M トークンのコンテキストウィンドウとネイティブマルチモーダル入力をサポート。
2. 影響（Why）
- 商用 API のコスト構造破壊: Sonnet 5 相当の価格で Opus 4.8 級の性能が得られるため、高コストなクローズドモデルに依存していたプロダクトの推論基盤を、OSS 運用へ切り替える経済的インセンティブが強まる。
- 国内 SaaS の開発ロードマップへの影響: 自社で LLM をホストする中規模以上の国内 Vertical SaaS は、本モデルのオープンウェイト化により、VPC 内でのセキュアなコード生成環境を低コストで構築可能になる。
3. 根拠・詳細（How）
- KDA と LatentMoE の採用: Kimi Delta Attention (KDA) により 1M トークン長でのデコード速度を最大 6.3 倍に向上させ、896 個のエキスパートのうち 16 個をアクティブ化する LatentMoE 構成で推論効率を最適化。
- vLLM への実装統合: Moonshot AI が KDA 向けのプレフィックスキャッシュ実装を vLLM 0.6 系へ直接コントリビュートしており、リリース初日から既存の推論サーバー環境で利用可能。
4. 展望・課題（Next）
- ハルシネーションの改善: 精度向上の一方で AA-Omniscience ベンチマークにおけるハルシネーション率が 39% から 51% へ悪化しており、実運用には厳格なガードレール実装が不可欠。