Kimi K3のオープンウェイトは個人で動くか｜1.56TBの現実と使い方

「僕自身もオープンウェイトと聞いてローカルで動かしてみたくなって調べたのですが、結論から言うと個人の環境では無理でした」

オープンウェイトという言葉を聞くと、LM Studioのようなツールで自分のパソコンにモデルを置いて動かす姿を思い浮かべる方が多いと思います。ところが今回のKimi K3に関しては、そのイメージのまま手を出すと確実につまずきます。重みは確かに公開されましたが、それを動かす側の条件が個人の想定を大きく超えているからです。

こんにちは、ルーティンラボ（@rutinelabo）です。今回はMoonshot AIが2026年7月27日に公開したKimi K3のオープンウェイトについて、何が公開されたのか、なぜ個人では動かせないのか、そして結局どこで使うのが正解なのかを順番に見ていきます。モデル自体の性能検証は、こちらの記事で詳しく扱っています：Kimi K3を実機検証｜Fable 5超えのフロントエンド性能と料金を解説

LINE友だち登録して情報Get

Kimi K3のオープンウェイトとは｜史上最大の公開モデル

Kimi K3は中国のMoonshot AIが開発した大規模言語モデルです。モデル自体の発表は2026年7月16日でしたが、その11日後にあたる7月27日に、モデルの中身であるウェイトがHuggingFaceで公開されました。総パラメータ2.8兆という規模は、これまで一般公開されたモデルのなかで最大級にあたります。

ここで押さえておきたいのは、公開されたのはオープンソースではなくオープンウェイトだという点です。学習に使ったデータや訓練コードまで含めて全部が公開されたわけではなく、あくまで完成したモデルの重みが配布された状態を指します。Moonshot AI自身もオープンソースとは名乗っておらず、独自のライセンスを設定しています。

ライセンスには商用利用の条件がついていて、モデルを提供する事業で12か月の総収入が2,000万ドルを超える場合はMoonshot AIとの個別契約が必要になります。個人や中小規模の利用であれば、この条件に触れることはまずありません。

オープンウェイトで何が変わったのか

この規模のモデルが公開された意味は、個人よりも企業側に大きく効いてきます。これまでKimi K3クラスの性能を持つオープンウェイトのモデルは存在しなかったため、選択肢そのものが増えた形です。

つまり今回の公開は、個人が自宅で動かすためというより、企業や研究機関が自分たちの環境に高性能なモデルを持ち込めるようになったという話です。

結論｜個人のパソコンで動かすのはほぼ無理

先に結論をお伝えします。Kimi K3を個人の環境で動かすのは、現時点ではほぼ不可能です。理由はシンプルで、モデルが大きすぎるからです。

フルの重みは1.56TBあります。これはストレージに1.56TBの空きが必要というだけの話ではありません。モデルを動かすにはその全体をメモリに載せる必要があるため、実質的に1.5TB規模のメモリが要求されます。一般的なパソコンのメモリは16GBから64GB程度なので、桁が2つ以上違う世界です。

さらに公式が推奨している構成は、アクセラレータを64基以上搭載したスーパーノードです。これは個人が用意できる規模ではなく、データセンターを構えるような企業が前提になっている数字といえます。

要するにKimi K3は、賢い代わりにとてつもなく重いモデルです。クラウド上で動かしてもらったものを使わせてもらう、という前提で付き合うのが現実的な距離感になります。

なぜ圧縮しても小さくならないのか

大きなモデルが公開されたとき、いつもなら量子化という手が使えます。モデルの数値の精度をあえて落として容量を削る方法で、16bitのモデルを4bitに落とせばおおよそ4分の1になります。ところがKimi K3では、この定石がほとんど効きません。

理由は、Kimi K3が学習の段階からすでに4bitで作られているからです。量子化認識学習と呼ばれる手法で、最初から圧縮された状態を前提に訓練されています。つまり削れる分をすでに削り切った状態で配布されているため、あとから縮めようとしても伸びしろが残っていないわけです。

実際にコミュニティが公開している量子化版のサイズを並べると、その効きの悪さがはっきり見えます。

1bitという限界まで潰しても約650GBです。フルの1.56TBから6割ほどしか減っていません。しかも精度を犠牲にしているので、無理に小さくするほど本来の賢さは失われていきます。

64基以上のアクセラレータとは何なのか

公式の推奨に出てくる「64基以上のアクセラレータを持つスーパーノード」という表現は、初めて見ると意味がつかみにくいと思います。ここは身近なものに置き換えると理解しやすくなります。

ハイスペックなゲーミングパソコンをイメージしてください。ああいったマシンには高性能なGPUの基板が1枚、多くても2枚入っています。それが64個以上必要だ、というのが今回の推奨構成です。ラックに並べて冷却まで含めて設計する世界の話になります。

日本語メディアの試算では、実用的な速度で動かすならNVIDIAのH200を12〜16基積んだサーバーが必要とされ、総額は1億円から2億円規模と見られています。仮に個人でその環境を整えられたとしても、そこから得られる利益がコストを上回ることはまず考えられません。

2.8兆パラメータを噛み砕くと｜本棚と896人の専門家

ニュースでよく見る2.8兆パラメータという数字も、イメージを持っておくと理解が進みます。本を1冊だけ読んだAIと、膨大な量の本を読んだAIでは、後者のほうが賢いというのは直感的にわかると思います。パラメータの数はその蔵書量に近いものだと考えてください。

ただし重要なのは、その2.8兆すべてが毎回いっせいに動いているわけではないという点です。Kimi K3の中には896人の専門家が待機していて、処理の内容に応じて必要な専門家だけが呼び出されます。実際に1回の処理で使われるのは16人ぶん、パラメータにして1,040億です。

この仕組みのおかげで、巨大な知識量を持ちながら処理そのものは現実的な範囲に収まっています。とはいえ待機している専門家全員をメモリに置いておく必要があるため、結局のところ容量の問題は消えません。

今すぐ使える4つの入り口

自分で動かすのは無理でも、Kimi K3を使う方法はいくつも用意されています。重みを持たなくても性能はそのまま使えるので、実際にはこちらが本命の付き合い方になります。

step
1Cursorから使う

コードエディタのCursorには、公開初日からKimi K3が搭載されました。Cursorを普段使っている方は、モデルの選択欄から切り替えるだけで試せます。個人的にもCursorは優秀なエディタだと感じているので、すでに使っている方にはいちばん手軽な入り口になります。

step
2Kimi公式のサブスクプランで使う

Kimiの公式サービスにログインすれば、サブスクプランの範囲内でそのまま利用できます。無料プランも用意されていて、基本的な対話であれば費用をかけずに触れます。まず性能を確かめたいという段階なら、ここから入るのがいちばん安全です。

step
3公式APIを取得して使う

自分のツールやスクリプトに組み込みたい場合は、Kimi公式からAPIキーを取得します。従量課金なので、使った分だけの支払いで済むのが利点です。

step
4OpenRouter経由で使う

さまざまなモデルをまとめて扱えるOpenRouterからも利用できます。サイト上でAPIキーを取得し、モデル一覧からKimi K3を選ぶだけです。ほかのモデルと同じ画面で切り替えられるので、比較しながら使いたい方に向いています。

料金｜入力3ドル・出力15ドルは高いのか

公式APIの価格は、100万トークンあたり入力3ドル、出力15ドルです。最近の高性能モデルの相場からすると、特別に安くも高くもない適正な価格帯といえます。

個人的にKimi K3を勧めたいのは、Fable 5のクレジット消費が気になっているユーザーの方です。エージェントを組んで長時間動かすような使い方でも精度を保ってくれるので、コストと性能のバランスが取りやすくなります。

逆に、もう少し軽くてそこまでの賢さは要らないという場合は、Grok 4.5のような選択肢もあります。このあたりは用途と好みの問題なので、両方触ってみるのがいちばん早いと思います。

実際どこまで作れるのか｜ワンショット生成の実力

ここからは実際に作らせたものを見ていきます。今回試したものはすべてワンショット、つまり一度の指示だけで出力させたものです。

まず3Dのゲームです。3D表現はAIにとって難易度が高い領域なのですが、指示を一度投げただけで問題なく動くものが出てきました。仕上がりのクオリティもかなり高い部類に入ります。

個人的にいちばん驚いたのが2Dアクションゲームでした。

同じお題をOpus 4.8で作らせたものと並べると、ゲーム内のデザイン力に明確な差が出ました。単に動くだけでなく、見た目の作り込みまで含めて仕上げてくれる点がKimi K3の強みだと感じています。2Dシューティングゲームも試しましたが、敵の強さはさておきゲームとしてしっかり成立していました。

ゲーム以外の作業でも実力は変わりません。

余白の取り方など細かい部分で気になる箇所はありましたが、一度の指示でここまで出てくるなら、たたき台を作る用途では十分すぎる性能です。

他モデルとの位置づけ｜どのくらい賢いのか

性能の位置づけも整理しておきます。総合的な知能を測る指標では、Kimi K3はFable 5やGPT-5.6 Solには一歩届かず、4番手につけています。

ただし総合点だけで判断すると見誤ります。プログラム生成を測るProgram Benchでは77.8点で全モデル中1位、長時間かかる開発タスクを測るSWE Marathonでも42.0点で1位につけています。総合ではOpus 5に一歩届かないものの、コーディングと長丁場の作業に限れば上位モデルを上回るという構図です。

Grok 4.5との直接比較では、6つのベンチマークでKimi K3が上回り、逆にGrok 4.5が上回った項目はありませんでした。順位としては1つ上のクラスと考えて差し支えありません。

一方で弱点も公表されています。Moonshot AI自身が、Fable 5やGPT-5.6 Solと比べたときに使い心地の面で明確な差があると認めています。出力速度も毎秒32.4トークンと、比較対象の中央値である63.8トークンの半分程度です。賢さと引き換えに待ち時間が長くなる点は、導入前に知っておいたほうがいい要素だと思います。

まとめ｜賢いが重い、だから借りて使う

Kimi K3のオープンウェイト公開は、専門用語が多くて難しく見えますが、要点はとてもシンプルです。

オープンウェイトという言葉から自宅で動かす姿を想像していた方には、拍子抜けする結論かもしれません。ただ今回の公開が意味しているのは、誰でも提供できるようになったこと、そして誰でも中身を調べられるようになったことです。企業や研究の現場にとっては、選択肢が一気に広がった大きな出来事でした。

まずはサブスクの無料プランで触ってみて、手応えがあればCursorやAPIに広げていくのがいちばん無駄のない進め方だと思います。Kimi K3でどんなプログラムを作ったか、どんな処理を任せているかがあれば、ぜひコメントで教えてください。

同じ時期に登場した他のモデルについては、こちらの記事でも検証しています：Qwen3.8を実機検証｜Fable 5に次ぐは本当か？料金と使い方も解説