Moonshot AIがKimi K3を公開したのは7月16日です。Webとアプリ、Kimi Work、Kimi Code、APIを同時に開き、7月27日には全ウェイトと技術報告書も公開しました。2.8兆パラメータ、100万トークンのコンテキスト、画像理解。数字だけなら十分に派手です。

私が気になったのは、その3日後に出た案内でした。Moonshotは7月19日、直前48時間の需要でGPU容量が限界に近づいたとして、新規契約を一時停止しました。新モデルに利用者が殺到すること自体は珍しくありません。しかし、登録を絞らなければ既存利用者を守れないとなると、モデル競争は性能表だけの話ではなくなります。

同じ時期にDeepSeekはV4系を展開し、Alibaba CloudではQwen3.8-Max-Previewが動き始めました。「中国製AIは安い」という説明だけでは、もう足りません。性能、価格、公開方法、供給網が一緒に変わっています。

私が見たかったのは、どのモデルが一位かではありません。AIモデルの選定表から中国勢を外すこと自体が、すでに判断ミスになっていないか。この問いです。

Kimi K3の数字は目を引く。ただし、出所はMoonshot自身だ

K3は、入力ごとに2.8兆パラメータをすべて動かすモデルではありません。MoE構成で、896個のエキスパートのうち16個だけを使います。巨大な容量を持ちながら、毎回すべての計算資源を使わない設計です。

Moonshotは、K3がコーディング、ブラウジング、自動化、知識労働の複数項目で上位モデルと競えると説明しています。根拠の一つとして、人の選好投票で順位が決まるFrontend Code Arenaも挙げています。ただし、どちらも第三者による追試を待って判断したい材料です。

ただし、この表をそのまま総合順位として読むのは無理があります。Kimi Code、Claude Code、Codexなど、モデルごとに異なる実行環境が使われ、推論量やフォールバックの条件も統一されていません。Moonshot自身も、総合的にはClaude Fable 5とGPT-5.6 Solにまだ届かないと書いています。

この但し書きがある分、むしろ資料には信頼がおけます。全項目で勝ったように見せるより、得意分野と実際の使用感を併記したほうが信用できます。逆に、この自社評価だけで「中国AIが世界一になった」と断言する記事は疑ってかかります。

K3の強みは、特定のベンチマークで首位を取ることより、対応できる仕事の幅にあります。長い文書、画像、コーディングツール、100万トークンのコンテキストを一つのモデルで扱えます。一方、推論履歴を正しく引き継がなかったり、セッション途中でモデルを切り替えたりすると不安定になるという制約もあります。先回りして動きすぎることがあるため、system promptやAGENTS.mdで境界を明確にするようMoonshotは勧めています。

オープンウェイトでも、ただで自由に使えるわけではない

K3の全ウェイトは7月27日に公開されました。研究者は中身を確認でき、推論事業者はK3を使ったサービスを作れます。しかし、K3は無条件のオープンソースではありません。

適用されるのは独自のKimi K3 Licenseです。研究、開発、幅広い商用利用を認める一方、一定規模を超えるModel-as-a-Service事業者には別契約を求めています。表示義務もあります。「ウェイトが公開された」と「何をしてもよい」は別の話です。

運用費も消えません。2.8兆パラメータのモデルを自社で動かすには、GPU、推論基盤、障害対応が必要です。Moonshotが推奨するのは64基以上のアクセラレーターをつないだsupernodeです。ファイルをダウンロードできても、一般企業が低コストで自社運用できるわけではありません。

オープンウェイトの本当の効果は、誰もが無料で動かせることより、複数の事業者が同じモデルを提供し、料金、地域、プライバシー、稼働率で競争できることにあります。

DeepSeekが先に変えたのは価格の基準だ

8月4日に公式価格を確認したところ、DeepSeek V4-Proはキャッシュ未使用の入力が100万トークン当たり0.435ドル、出力が0.87ドルでした。Kimi K3は同じ条件で入力3ドル、出力15ドルです。同じ中国勢でも差は大きい。

もちろん、単価だけでは選べません。必要なトークンが増え、応答が遅く、手直しが多ければ、最初の安さは簡単に消えます。それでも大量のテキスト処理では、これだけの差を無視できません。

OpenRouterの利用データにも動きが出ています。同社のプラットフォームで1月1日から6月14日までに処理した450兆トークン超を調べると、DeepSeek系の比率は1月の約9%から6月初めの約18%へ上がりました。これは世界の市場シェアではなく、OpenRouter内のトークン量です。それでも、複数モデルを同じAPIで選べる環境で、開発者がどこへ処理を移したかを見る材料にはなります。

導入稟議を書くなら、私はベンチマークの3点差よりこちらを先に見ます。月間の入力と出力、再試行、待ち時間、人が直す時間を入れると、実際の請求書では順位が逆転するからです。

Qwen3.8は、評価を急がないほうがいい

Qwen3.8-Max-PreviewはAlibaba Cloud Model StudioのToken Planで提供されています。公式ページで確認できるのは、preview版へのアクセス方法とAlibabaのツール群での利用範囲です。K3やDeepSeekと最終比較できるほどの技術情報は、まだ揃っていません。

名前にPreviewとある点は見落とせません。8月4日に公式ページを確認した範囲では、最終版のモデルカード、公開ウェイト、確定ライセンス、十分な独立評価を確認できませんでした。K3やDeepSeekと同じ表に置いて最終順位を決めるには早すぎます。

先に注目したいのはスコアより提供経路です。Alibaba CloudとModel Studioの既存顧客なら、大きく構成を変えずに試せます。これだけで普及を断定することはできませんが、評価を始めるまでの手間は小さくなります。モデルの性能と、日常業務へ入り込む経路は別の競争力です。

米国企業への直接的な圧力は価格にある

今回参照した料金表から確実に言えるのは、DeepSeek V4-ProがKimi K3より大幅に安いことです。米国モデルまで含めた比較には、同じ時点の公式料金とキャッシュ条件をそろえる必要があります。それでも、これほどの価格差があれば、性能だけで高い料金を説明するのは難しくなります。

OpenRouterの数字を世界市場のシェアとして扱うべきではありません。あくまで一つのプラットフォーム内の利用状況です。それでも、集計期間中にDeepSeek系の比率が約9％から18％へ伸びたことは、価格と性能が折り合えば利用先を変える人がいることを示しています。

オープンウェイトは選び方も広げます。一つのAPIだけに頼らず、同じモデルを扱う推論事業者を料金、提供地域、データ方針で比べられます。自社運用が見合う場面なら、ホスティングも選択肢になります。競争の軸はベンチマークの順位だけでなく、総費用と供給の安定性へ移っています。

私なら、今はこう分ける

用途最初に試す候補先に確認する条件
大量のテキストを低コストで処理DeepSeek V4-Pro出力長、待ち時間、再試行率、データ処理地域
長いコンテキスト、画像、コーディングを一つにまとめるKimi K3Kimi Code互換性、セッション途中のモデル変更、ライセンス、供給安定性
Alibaba Cloud内ですぐ試すQwen3.8-Max-Previewプレビュー中の変更、最終料金、モデルカード、ウェイト公開
顧客情報や規制対象データモデルより事業者を先に選ぶ保存地域、ログ保持、削除方針、契約上の責任

大量のテキスト処理なら、まずDeepSeekで費用を測ります。長いコンテキストと画像、コーディングをまとめたいならK3を試し、Moonshotが挙げた実行上の制約をそのまま検証項目にします。Qwen3.8はプレビュー終了と最終資料を待ってから標準候補にします。

モデルは一つに絞りません。価格も利用条件も変わります。自社で繰り返し扱う文書や依頼を二、三のモデルへ定期的に流し、正答率だけでなく完了コストと人の修正時間を残すほうが現実的です。

中国AIはどこまで来たのか

中国がAI競争に勝ったと断定する段階ではありません。Kimiの資料も最上位クローズドモデルとの差を認めています。DeepSeekは安いものの、すべての仕事で品質と効率が同じではありません。Qwen3.8はまだプレビュー段階です。

それでも、中国製モデルを「安い代替品」だけで括るのは難しくなりました。性能が上がり、価格が下がり、公開ウェイトとクラウド経由の流通も揃いつつあります。米国製品だけで候補を作れば、市場の重要な部分を見落とします。

国別の勝敗を決めたいわけではありません。中国製モデルも最初から候補に入れ、自社ベンチマークと独立評価、公開ウェイトと商用利用条件、トークン単価と仕事を終える総コストを分けて見ます。中国AIの一番大きな変化は、絶対的な一位が現れたことではありません。真剣に比較すべき選択肢が複数になったことです。

Kimi K3と主要AIモデルのコーディング、知識業務、自動化、ブラウジング、画像タスクを比較したベンチマーク
Moonshot AIがKimi K3の技術資料で公表した自社評価です。モデルごとに実行環境や条件が異なるため、独立した総合順位としては読めません。Moonshot AI, Kimi K3 technical report

参考にした資料