Kimi K3のウェイトはオープンでローカル実行できますか？

MoonshotAI | 1,048,576 token context | $0.30/M input, $11.94/M output. Kimi K3 is a 2.8T parameter open-weight multimodal reasoning model from Moonshot AI. It is suited for complex coding, knowledge work, and long-horizon agentic workflows, and is particularly strong at navigating large repositories, using tools, debugging, and iterating against images, logs, tests, and runtime feedback. Its architecture uses KDA and Attention Residuals for computational efficiency.

このモデルのガイド

オープンウェイト、オープンソース、API専用：実際に何ができるのか

2026年10月のAIモデルの選び方：クローズドソースの最新情報とダウンロードすべきオープンウェイトモデル

ローカルAIに実際どれくらいのVRAMが必要？

OllamaのインストールとローカルAIの実行方法（Windows、Mac、Linux）

GGUFファイルとは？量子化モデルの解説（Q4、Q8、fp8、NF4）

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

Kimi K3はMoonshot AIの2.8兆パラメータのオープンウェイトマルチモーダル推論モデルで、新しいKDAとAttention Residualsアーキテクチャを採用し、トークンごとに1040億パラメータを活性化します。テキスト、画像、動画をネイティブに扱い、100万トークンのコンテキストウィンドウで長期的なエージェント作業、複数段階のコーディング、大規模リポジトリのナビゲーション、ツール多用の研究パイプラインに特化しています。真剣なエンジニアリングや知識作業向けの最先端オープンモデルを求めるなら、これを評価すべきです。

得意分野

大規模リポジトリにわたる長期エージェントコーディングを最小限の監督で持続可能
テキスト、画像、動画を単一モデルでネイティブに理解
100万トークンのコンテキストウィンドウで深いドキュメント・コードベース作業に対応
2.8兆パラメータのMoEアーキテクチャでトークンごとに1040億活性化し最先端の推論を実現
Moonshot AIが研究・展開用にオープンウェイトを公開

注意点

出力は100万トークンあたり10ドルと高価で、長期エージェントループではコストが急増する。
2.8兆パラメータのためローカル展開には非常に高いハードウェア要件があり、多くのユーザーはAPI利用になる。
Kimi K3ライセンスの下でウェイトが公開されており、標準的なオープンソースライセンスではないため、商用利用前に規約を確認すべき。

最適な用途

試してみるプロンプト

失敗したテストスイートのデバッグ

Pythonリポジトリで最近のリファクタリング後に統合テストが失敗しています。エラーログと関連ファイルを示します。根本原因を特定し、コードベースを辿り、なぜ元の変更がテストを壊したか説明しつつ最小限の修正案を提案してください。

システム設計の推論

1秒間に5万リクエストを処理し、ユーザー別・エンドポイント別制限をサポートし、Redis障害時に優雅に劣化し、p99レイテンシを2ms以内に抑えるパブリックAPIのレート制限サービスを設計してください。アーキテクチャの決定と各段階でのトレードオフを説明してください。

スクリーンショットのバグ分析

ウェブアプリのダッシュボードのスクリーンショットを添付します。右上パネルのチャートが正しく描画されず、バーが重なり軸ラベルが切れています。原因となるCSSやチャートライブラリの設定を診断し、修正済みの設定を教えてください。

比較する

Kimi Latest
API専用モデル
1,048,576トークンのコンテキスト · $0.29/M 入力、$24.00/M 出力
Kimi K2 Thinking
オープンウェイトモデル
262,144トークンのコンテキスト · $0.60/M 入力、$2.50/M 出力
Kimi K2.7 Code
オープンウェイトモデル
262,144トークンのコンテキスト · $0.67/M 入力、$3.35/M 出力
Kimi K2.5
オープンウェイトモデル
262,144トークンのコンテキスト · $0.50/M 入力、$2.50/M 出力

moonshotaiの他のテキストモデル

よくある質問

Kimi K3のウェイトはオープンでローカル実行できますか？: はい。Moonshot AIが完全なモデルウェイトを公開しており、ダウンロードしてセルフホスト可能です。ただし2.8兆パラメータのため非常に高いハードウェア要件があり、多くはAPI経由での利用になるでしょう。
Kimi K3の料金とコンテキストウィンドウは？: API経由で入力トークン100万あたり0.73ドル、出力トークン100万あたり10.00ドル、コンテキストウィンドウは1,048,576トークン（約100万トークン）です。
Kimi K3は他の最先端推論モデルとどう違いますか？: 3兆パラメータクラスで初の公開モデルであり、新しいKDAとAttention Residualsアーキテクチャを採用。一般的なチャットモデルに推論機能を付加したものではなく、長期的なエージェントワークフローとネイティブビジョン対応に特化しています。

キャプテンの評価
現時点で最も高性能なオープンウェイトモデルで、エージェントや本格的なエンジニアリング作業向け。ただし出力コストは長時間の利用で負担になります。

Hugging Faceのモデルカード

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #16 Hottest Text / LLM model · #16 Hottest Text / LLM text model

Not this creator?

Get your own badge

Kimi K3 の人気トレンド

16 Jul 2026以降のヒートスコア

ヒートスコア

9,095°

今週

▲

23.9%

9,067° 当時、9,095° 今

今月

▲

189%

8,954° 当時、9,095° 今

過去1年

n/a

まだリリース/追跡されていません

7,000°

基準値

スケールは0°から9,999°までです。7,000°未満はまだどのソースも報告していないモデル用に確保されており、リストを完全に保つために仮の数値が割り当てられています。7,000°が実際のデータが始まる地点で、実データがほとんどないモデルはここに位置し、それより上の度数が測定値です。基準値自体はモデルについて何も示さず、上の度数だけがモデル間の違いを示します。

+1,767°

OpenRouterトークン

このモデルは過去30日間にOpenRouter経由で7,787,431,365,488トークンを処理しました。プロンプトと回答の合計です。10,000,000トークンごとに1ダウンロードとしてカウントし、合計778,743です。最終日のトークンは採用率に加算されます。出典：OpenRouter (openrouter.ai/rankings)。

+328°

普及率

ソースの2回の読み取り間で測定された1日あたり約23,609回のダウンロードです。生涯平均からの推測ではありません。速度はダウンロード項目の4分の1の重みで、新しい急増を示しつつ、1日の急激な増加が何年もの使用を上回らないようにしています。

詳細な内訳を表示

このサイトのすべての数字は確認できます。このモデルのヒートスコアは9,095°で、ここでは一つずつ要素を積み上げていき、各段階の合計を示しています：基準値、各ソースが加える度数、モデルの種類によるボーナス、そして重みの年齢による減算。色は上のチャートの帯を表しています。最後の用語集で全ての用語を定義しています。

1
基準値から始めます。
なぜ7,000°でゼロではないのか：スケールは0°から9,999°までで、7,000°未満はまだどのソースも報告していないモデル用に確保されており、仮の数値が割り当てられてリストを完全に保ち、データのあるモデルより上位にならないようにしています。7,000°が実際のデータが始まる地点です。実データがほとんどないモデルはここに位置し、それ以降が測定値で、基準値の上には10段階の10倍増が300°ずつあります。基準値はすべてのモデルで同じなので、何も決めません。違いを決めるのはその上の度数です。
7,000°
累計合計
2
ダウンロード数を加算します。
合計でOpenRouterトークンから778,743のダウンロード相当数。ダウンロード数が10倍になると同じ300°が加算されるので、サイズは重要ですがスコアを独占することはありません。
+1,767°
8,767°
累計合計
3
普及率を追加します。
現在、2回の計測間で約23,609ダウンロード/日で、重みは4分の1です。
+328°
9,095°
累計合計
=
ヒートスコア。
このモデルがこのサイトのすべてのリストでどの位置にいるか。これ以外の調整はありません。
9,095°

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。

このモデルの人気がカタログ全体と比べてどう動いたかを示してるよ。期間ごとのダウンロード数、いいね数、使用数の伸びを、同じ期間の普通のモデルの伸びと比べてる。熱スコアもその時点のものだよ。普通の伸びより上なら人気が上がってる、下なら下がってるってこと。過去のデータは今日の合計、モデルの初日、ダウンロード速度の2回の計測から再構成してる。期間の初めに存在しなかったモデルはn/aになるよ。

類似モデル