Kimi K3の​オープンウェイトとは​何か​ ──​「世界最大の​AIが​無料」の​中身と、​自社で​動かす条件を​解説

2026年7月27日、中国のAI企業 Moonshot AI が「Kimi K3」というAIモデルの重み（weights＝AIの中身そのもの）を公開しました。2.8兆パラメータ、公開されているAIとしては世界最大です。誰でも無料でダウンロードできる、というニュースが流れました。

これは本当です。ただし「無料」が指しているのはライセンス（使っていい権利）であって、動かす費用ではありません。実際にダウンロードすると、ファイルの合計は約1.56テラバイト。一般的なAIサーバー1台（GPU8枚）のメモリには載りません。

では中小企業には関係のない話かというと、そうでもありません。先に結論を書きます。中身が公開されたことの実利は「自分で動かせること」よりも、「同じAIを複数の会社から、同じ値段で買えるようになること」のほうが大きい。 AIの提供元にサービスを止められたり、値上げされたり、規約を変えられたりしたときに、乗り換え先がある状態になる。業務にAIを組み込もうとしている会社にとっては、性能の数字より現実的な意味を持ちます。

01 何が​起きたのか ──​「発表」と​「重み公開」は​別の​日だった

まず時系列を分けておきます。ここが混ざったまま報じられているためです。

2026年7月16日、Moonshot AI が Kimi K3 を発表しました。この日から Kimi のサービスとAPIで使えるようになっています。公式ブログには、完全なモデル重みは2026年7月27日までに公開すると書かれていました^[1]。そして7月27日、予告どおり Hugging Face（AIモデルの公開場所）に重みが置かれました。筆者が確認した時点で、リポジトリの最終更新は2026年7月27日16時29分（UTC）＝日本時間7月28日の未明です^[2]。

つまり「モデルが出た日」と「中身が公開された日」は11日ずれています。7月27日に起きたのは後者です。

実際に何が置かれたのかを、Hugging Face のAPIから機械的に数えました。ページの表示ではなく、ファイル一覧を取得して合計した実測値です^[2]。

02 どんな​モデルなのか ──​「2.8兆」の​実際の​意味

スペックのうち、意味のあるものだけ拾います^[3]。

項目	値	どういう意味か
総パラメータ	2.8兆	AIの「脳細胞の数」。公開モデルとして世界最大
実際に動くパラメータ	1,040億	1回の処理で使うのは全体の約3.7%だけ
専門家の数	896個中16個を選択（＋共通2個）	質問ごとに担当者だけ起こす仕組み（MoE）
文脈の長さ	1,048,576トークン	大きな資料や大量のコードを一度に読める
画像の理解	標準搭載（MoonViT-V2）	後付けではなく最初から画像も扱える

ここが誤解されやすいところです。2.8兆パラメータのモデルが、毎回2.8兆個ぶんの計算をしているわけではありません。 質問の内容に応じて896人の専門家のうち16人だけを呼び出す設計（MoE＝混合エキスパート）なので、1回あたりの計算量は1,040億パラメータ級、つまり中規模モデル並みです。

ただしメモリには全員分を置いておく必要があります。 だから「計算は中規模、置き場所は世界最大」という、いびつな形になる。04章につながる、この記事で一番重要な性質です。

性能は「最上位に並んだ」わけではない

公式ブログには、こう書かれています。

総合的な性能は、最も強力なプロプライエタリ（非公開）モデルである Claude Fable 5 と GPT-5.6 Sol にはなお及ばない^[1]

ベンダーが自社の発表でここまで書くのは珍しいので、そのまま受け取ってよいと思います。念のため、公式が載せた評価表（45項目・比較相手は Claude Fable 5／GPT-5.6 Sol／Claude Opus 4.8／GPT-5.5／GLM-5.2）を1行ずつ集計したところ、Kimi K3が首位だったのは45項目中14項目、同点が1項目でした^[3]。

得意な領域ははっきりしています。Webを調べて回る作業（BrowseComp 91.2）、ツールを正しく呼ぶ作業（MCPMark-Verified 94.5）、長時間かかる開発作業（SWE-Marathon 42.0）、文書や表の読み取り（OmniDocBench 91.1）では首位でした。「全部で勝つモデル」ではなく、手を動かす作業で最上位と同じ土俵に立った、中身の見えるモデルという理解が実態に近いです。

03 ​「無料」の​中身 ──ライセンスを​読むと、​中小企業には​ほぼ制限が​ない

重みが公開されていても、ライセンス次第では商用利用が禁止されていたり、条件が厳しかったりします。原文を読みました^[4]。

Kimi K3 License はMITライセンスに近い書き方で、使用・複製・改変・再配布・販売・追加学習・派生物の作成が原則自由と書かれています。そのうえで、条件が2つ付いています。

4項目めには、こう書かれています。

上記の条件は、社内利用（ソフトウェアやその出力、能力を第三者に提供しない使い方）には適用されない^[4]

読み替えると、自社の業務でこのAIを使う分には、条件は何もないということです。中小企業が社内の文書処理や開発支援に使うケースは、ライセンス上まったく自由。制限がかかるのは「このモデルを他社に売って商売する」規模の話で、しかも閾値は年商30億円規模です。ここは素直に「無料」と言ってよい部分です。

04 自社で​動かす条件 ──1.56TBが、​どれくらいの​壁なのか

では自社サーバーに置けるのか。ここが現実的な壁です。

先ほどの1.56TBは、すべてGPUの高速メモリに載せる必要があるものです。ハードディスクの容量ではありません。AI向けGPUの代表格である NVIDIA H200 のメモリは1枚あたり141GB。これを8枚積んだ標準的なサーバー1台で約1.13TBです^[5]。

1.56TB ÷ 141GB ＝ 11.1枚。つまり最低でも12枚、8枚積みのサーバーなら2台以上必要です。しかもこれは重みを置くだけの計算で、実際には会話の履歴を保持する領域が別に要ります。

一応、Moonshot 側も動かしやすさの手当てはしています。K3は学習の途中からMXFP4という4ビット形式で訓練されているので、後から無理に圧縮する必要がなく、公開されている重みがそのまま省メモリ形式です^[3]。それでもなお1.56TBある、という話です。

05 では​何が​嬉しいのか ──​「同じ​AIを、​複数の​会社から​買える」

自社で動かせないなら、重みが公開されたことに意味はないのか。あります。

中身が公開されると、Moonshot 以外の会社も同じモデルを動かして売れるようになります。 実際、AIモデルの中継サービス OpenRouter で提供状況を確認したところ、7つの提供口が並んでいました（Moonshot AI 本家に加えて BaseTen／Fireworks／Together／Nebius／DigitalOcean）。価格は本家と同じ入力100万トークンあたり3.00ドル／出力15.00ドルで横並び、1口だけ4.50ドル／22.50ドルの上位枠がある、という状態です^[6]。本家の公式料金も同額で、キャッシュが効いた入力は0.30ドルまで下がります^[7]。

これが実務上どう効くか。提供元が1社ではないので、止まっても乗り換えられる。値上げされても他の口に移れて、同じモデルなので出力の傾向が変わらない。そして同じものを複数社が売るので、価格は下がりやすい。AIを業務に組み込むときの最大のリスクは、性能不足より供給停止です。

これは非公開モデルでは成立しません。Claude も GPT も Gemini も、提供元は1社です。「中身が公開されている」ことの実利は、性能そのものより、この乗り換え可能性のほうにあります。

関連記事 ｜ 1週間前の解説Inklingとは何か ──元OpenAI CTOの新ラボが「最強は狙わない」と明言して公開した、オープンウェイトAIを解説 →

ただし、APIで使うなら規約を読む必要がある

もうひとつ、日本の会社が気にすべき点があります。Kimi のAPIを使う場合の、入力したデータの扱いです。利用規約には、はっきりこう書かれています。

当社は、サービスの提供・維持・開発・サポート・改善のためにコンテンツを利用することがある。顧客コンテンツのモデル学習・改善への利用に制限を求める顧客は、Moonshot AI に連絡して法人向けの取り決めや別途の書面契約を協議されたい。書面で別途明示的に合意しない限り、顧客コンテンツは上記の目的で利用されうる。^[8]

つまり既定では、入力した内容が学習に使われる可能性があり、止めたければ個別に契約が必要ということです。プライバシーポリシーによれば、運営主体はシンガポール法人（MOONSHOT AI PTE. LTD.）で、サーバーもシンガポールにあります^[9]。

ここで04章の話が戻ってきます。「機微なデータを扱うから、入力を社外に出したくない」という要件がある会社にとってだけは、1.56TBを自前で抱える理由が生まれる。 逆に言えば、その要件がないなら、APIかホスティング業者経由で使うほうが合理的です。

06 使う​前に​確認する​こと ──チェックリストと、​私たちの​作り方

• 社内利用ならライセンスは実質フリー。第三者にモデル機能を提供する規模のビジネスでなければ、条件は付かない^[4]
• APIで使うなら、入力データの学習利用は既定でオン。止めたい場合は別途契約が要る^[8]
• 性能は「全部で最上位」ではない。調べる・ツールを呼ぶ・長時間の開発作業は強く、難問の推論では最上位に届かない^[3]
• 自社ホストは1.56TB＝GPU12枚以上が前提。「無料でダウンロードできる」と「自社で動かせる」は別の話
• 乗り換えられる状態で作る。同じモデルが複数社から同価格で出ていることが最大の利点なので、特定の提供元に固有の機能へ依存しない作りにしておく

最後の1点は、私たちが実際に作るときに気をつけていることでもあります。CAGでは案件のシステムを、モデルを差し替えられる形（呼び出し部分を1か所にまとめる）で組んでいます。理由は思想的なものではなく、この1年でモデルの世代交代が何度も起き、そのたびに乗り換えたほうが安く速くなったからです。中身が公開されるモデルが増えるほど、この作り方の価値は上がります。

APIで使う vs 自社ホストする

	APIで使う	自社ホストする
初期費用	なし	GPU12枚以上（1.56TB分のメモリ）
従量費用	入力$3.00／出力$15.00（100万トークン）	電力・保守・運用人件費
入力データ	既定で学習利用の可能性あり（要別途契約）	社外に出ない
サーバー所在	シンガポール（Moonshot AI PTE. LTD.）	自社
提供停止リスク	提供口が7つあり乗り換え可能	なし（自分で持っている）
向いている会社	ほとんどの中小企業	入力を社外に出せない要件がある会社