Kimi K3 レビュー：DeepSeek V4 Pro・V4.1 Flash と 5 つの実タスクで比較

Kimi K3 は Moonshot AI のフラッグシップモデルで、2026 年 7 月 16 日に公開されました。総パラメータ 2.8T、重みはオープン、画像入力に対応し、コンテキストは 100 万トークンです。DeepSeek の 2 モデルに使ったのと同じ 5 つのタスクを試したところ、すべて正解しました。

課題は速度と料金です。既定設定の Kimi K3 は、どのタスクでも DeepSeek V4.1 Flash より 2〜4.4 倍遅く、定価では 12〜32 倍高くつきました。

先に結論から

• Kimi K3 は正確です。5 タスクすべてをクリアし、コーディングの 30 テストは 30/30、25 万トークンのログ検索も当てました。
• 常に思考し、既定では最大の強度で動くので、初期設定のままでは速くも安くもありません。
• 同じ 5 タスクを DeepSeek V4.1 Flash もすべて正解し、時間も費用もごくわずかで済みました。
• おすすめは、日常の API 作業なら DeepSeek V4.1 Flash、オープンウェイトのフロンティアモデルや、ブラウジングとツール呼び出しが多いエージェントの強みが欲しいなら Kimi K3 です。

3 モデルはどれも OmniaKey で使えます：Kimi K3、DeepSeek V4.1 Flash、DeepSeek V4 Pro。

Kimi K3 とは

Moonshot がこれまでに公開した中で最大のモデルで、重みもオープンです。Moonshot の公開記事と API ドキュメントにある事実は次のとおりです（2026 年 10 月 18 日確認）。

Moonshot は自社の位置づけを率直に語っています。K3 の総合性能について「依然として最も強力なクローズドモデル Claude Fable 5 と GPT 5.6 Sol に及ばない」としています。

実測ではどうだったか

5 タスクすべて正解しました。課題は DeepSeek V4.1 Flash 1017 のレビューで使ったものと同じです。

• パーサー： Python とまったく同じ規則で動く算術式の evaluate() を書くタスクです。独自の 30 テストで採点します。
• 請求書： ドイツ語と英語が混じり、ヨーロッパ式の数字表記を使ったメールから 10 項目を抽出します。
• ツール呼び出し： 2 都市の天気と現地時間。正解は 1 回の応答で 4 つの呼び出しを出すことです。
• 長いログ： 25 万トークンのログから、現在有効なバッジコードを 3 つ見つけます。古いコードは飛ばします。
• グラフ： 画像から最高値、最低値、平均、1 つの差分を読み取ります。

実施方法：Kimi K3 は 2026 年 10 月 18 日、DeepSeek の 2 モデルは 10 月 17 日に、各タスク 1 回、既定設定で、OmniaKey の OpenAI 互換エンドポイントから呼びました。コストは各応答のトークン数に各社の定価を掛けたものです（DeepSeek はオフピーク料金）。OmniaKey は 3 モデルすべての API を販売しているため、テストもそこを通しています。価格はすべて各社のもので、当社の価格ではありません。1 タスク 1 回、1 日違いの実行はスポットチェックであり、ベンチマークではありません。

V4 Pro と比べると、Kimi K3 はパーサーを 7 倍速く書き（176 秒 対 20.7 分）、コストはほぼ同じでした。残り 3 つの共通タスクでは V4 Pro のほうが安く、うち 2 つでは速くもありました。

なぜ Kimi K3 は遅くて高いのか

理由は 2 つあります。K3 は常に思考し、指定しなければ API は最大の強度で動きます。Moonshot の API では reasoning_effort に low、high、max を指定できます。定価も DeepSeek V4.1 Flash の 20 倍（入力）、25 倍（出力）です。

価格は Moonshot の料金ページと DeepSeek の料金ページ（オフピーク）から、2026 年 10 月 18 日に確認しました。Moonshot によると、コーディング作業では入力の 90% 以上がキャッシュに当たり、長いコーディングセッションの費用を大きく下げます。今回のテストは 1 回だけの呼び出しだったので、キャッシュヒットはありませんでした。

Kimi K3 と DeepSeek、どちらを使うべきか

ほとんどの作業は DeepSeek V4.1 Flash、Kimi K3 は限られた用途で。

Moonshot 自身のベンチマークはどうか

Moonshot のモデルカードでは、K3 がいくつかのエージェントテストで Claude Fable 5 と GPT-5.6 Sol を上回っています。BrowseComp は 91.2（88.0 と 90.4 に対して）、MCPMark は 94.5（87.4 と 92.9）、SWE-Marathon は 42.0（35.0 と 39.0）です。一方、FrontierSWE は 81.2 対 86.6、GDPval-AA は 1686 対 1747、ツールなしの HLE は 43.5 対 53.3 で Fable 5 に負けています。

ベンダーの表は慎重に読んでください。Moonshot のモデルカードでは K3 の ProgramBench が 77.8 ですが、DeepSeek の表では同名テストの K3 は 17.5 です。自分のタスクを同じ条件で各モデルに実行した結果のほうが、判断の材料になります。

Kimi K3 の呼び出し方

from openai import OpenAI

client = OpenAI(api_key="YOUR_OMNIAKEY_KEY", base_url="https://api.omniakey.com/v1")

stream = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Write a Python function that parses ISO 8601 durations."}],
    max_tokens=32000,                 # K3 は常に思考するので、長い回答の余地を残す
    stream=True,                      # 思考が長引くとプロキシのタイムアウトを超えることがある
)
for chunk in stream:
    delta = chunk.choices[0].delta if chunk.choices else None
    if delta and delta.content:
        print(delta.content, end="")

1. OmniaKey のダッシュボードでキーを作り、YOUR_OMNIAKEY_KEY の代わりに貼り付けます。
2. ストリーミングを有効にして実行します。パーサーのタスクは 3 分近くかかりました。
3. モデルを比べるときは、model だけを deepseek-flash か deepseek-v4-pro に変えます。

まとめ

Kimi K3 は正確で強いオープンモデルです。こちらが出したタスクはすべてクリアしました。ただ、日常の API 作業なら DeepSeek V4.1 Flash が同じ答えを 2〜4 倍速く、はるかに安い費用で出します。まずは Flash から始めてください。フロンティア規模のオープンウェイトや、一日中ブラウジングしてツールを呼ぶエージェントが必要なときに Kimi K3 を選べば十分です。

よくある質問

Kimi K3 はオープンソースですか？

重みは Kimi K3 License で公開されています。MIT に似たライセンスです。ホスト型サービスとして販売し、12 か月の売上が 2,000 万ドルを超える企業は、Moonshot と別に取り決めを結ぶ必要があります。大規模な製品では「Kimi K3」のブランド表示も求められます。

Kimi K3 の料金は？

Moonshot の国際プラットフォームでは、100 万入力トークンあたり 3.00 ドル、キャッシュ入力 0.30 ドル、出力 15.00 ドルです。中国プラットフォームは同じ項目が 20 元、2 元、100 元です。コンテキスト長による段階はありません。

Kimi K3 の思考はオフにできますか？

できません。Moonshot のドキュメントは K3 が常に思考すると明記しており、強度を low、high、max に設定できるだけです。

コーディングでは Kimi K3 が DeepSeek V4 Pro より優れていますか？

パーサーのタスクでは両方とも 30 テストすべて合格しましたが、Kimi K3 は 176 秒、V4 Pro は 20.7 分で、費用はほぼ同じでした。乗り換える前に、自分のコーディング課題をいくつか両方で試してください。