Moonshot AI の Kimi Agent と K3 モデルの検証結果

「Kimi Agent」は単一の製品ではなく、広範なファミリーを指す名称です。その中身を理解せずに評価するのは早計です。Kimi K3 はその基盤となるモデルで、北京に拠点を置くアリババの支援を受けた研究所「Moonshot AI」が開発しました。これは 2.8 兆パラメータを持つ混合専門家（MoE）モデルであり、1 トークンあたり 896 の専門家のうち 16 が活性化します。また、100 万トークンのコンテキストウィンドウを備えています。

Agent Swarmは、その上に構築されたアーキテクチャです。単一のタスクを順次処理するのではなく、1 つのタスクに対して数十から数百もの調整されたサブエージェントを瞬時に立ち上げるシステムです。

Goal機能は、自律的な多段階目標の実行に対応しています。自然言語で目標を設定するだけで、エージェントが計画を立てて実行します。OK Computerは、Kimi のチャットインターフェースに直接組み込まれたエージェントモードで、1 つのプロンプトから複数ページのウェブサイトやスライドデッキを生成します。

Kimi Workは、2026 年 6 月 10 日にリリースされた、macOS（Apple Silicon）および Windows 向けの独立したデスクトップアプリです。WebBridge と呼ばれるブラウザ制御拡張機能を通じてコンピュータに直接アクセスし、人間が操作するように検索やスクロール、フォーム入力を自動で行います。Kimi Clawはクラウド版の counterpart で、マシンがスリープ状態になってもタスクを継続して実行します。ローカル版である Kimi Work は、ノート PC の蓋を閉じると即座にタスクが停止してしまうためです。Kimi Codeは、コーディング専用のコマンドラインインターフェース（CLI）です。

**

アーキテクチャの主張：Agent Swarm

キミエージェントの試行と発見

「エージェント・スウォーム」が今回の目玉機能です。ムーンショット社による説明は、他社のマーケティング文書に比べて非常に具体的で信頼性が高いと言えます。

この機能は2026年1月27日、Kimi K2.5 と同時にリリースされました。これは事前定義された役割や手動で作成したワークフローに依存せず、サブエージェント同士の協働を調整する「スケールアウト・アーキテクチャ」として紹介されています。

そして2026年4月20日に公開されたK2.6では、実用的な能力の飛躍が実現しました。単一のタスク内で最大300もの並列サブエージェントインスタンスを起動し、4,000回以上のツール呼び出しを処理可能になったのです。ムーンショット社は、従来の単一エージェントが順次処理するよりも4.5倍高速であると主張しています。

現在ではこの「エージェント・スウォーム」はK3でも稼働しており、大規模な並列検索におけるさらなる改善が図られています。ただし、具体的な数値についてはK2.6の時点での発表を踏襲したままです。

特筆すべきは、ムーンショット社がこのアーキテクチャに関する「失敗事例」を正直に文書化している点です。成功例だけでなく、以下の2つの典型的な問題点を明記しています。

1. シリアル・コラプス（Serial Collapse）：オーケストレーターがタスクを分割して配分しても、サブエージェント同士が互いにブロックし合い、結果として並列処理の恩恵を受けられない状態。
2. フェイク・パラレリズム（Fake Parallelism）：表面上は作業が分散されているように見えるが、実際には依存関係が強すぎて並列化によるメリットが得られない状態。

これは「タスクを分割して並列処理すべきか」という判断を下す際の有用な意思決定フレームワークであり、キミエージェント固有の注意点というだけでなく、広く応用可能な知見です。ベンダーが自社の失敗事例を能力数値とともに公開するのは極めて稀なことだと言えるでしょう。

使い始めと体験

有料プランなしで確認できる範囲についてご紹介します。kimi.com での登録には Google アカウントが必要ですが、所要時間は約 10 秒です。クレジットカードの登録も不要で利用を開始できます。

無料枠でも実用的な機能は使えますが、制限は明確にあります。TechRadar Pro の手動レビューによると、無料プランでは同時に実行できるエージェントタスクは 1 つまでとなっています。一方、本格的なエージェント機能（特にスケールした Agent Swarm の活用）を利用するには、月額 39 ドル以上の有料プランへのアップグレードが必要です。

もし「並列で動くサブエージェント」のアーキテクチャに魅力を感じて Kimi を選んだのであれば、この制限は大きな障壁となるでしょう。同時に実行できるタスクが 1 つだけでは、複数のサブエージェントを並行して動かす意義が薄れてしまいます。

API を実際に使ってみる

Moonshot の Kimi API は OpenAI と互換性があるため、標準的な openai Python SDK をそのまま利用できます。設定変更はベース URL とモデル名のみで済みます。

事前準備:

• Python 3.9 以上
• platform.moonshot.ai から取得した Moonshot API キー
• pip install openai で SDK をインストール

export MOONSHOT_API_KEY=your-key-here

# run_task.py
import os
import json
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

MODEL = "kimi-k3"

TOOLS = [{
    "type": "function",
    "function": {
        "name": "count_words",
        "description": "Counts the number of words in a block of text.",
        "parameters": {
            "type": "object",
            "properties": {"text": {"type": "string"}},
            "required": ["text"],
        },
    },
}]

def count_words(text: str) -> int:
    return len(text.split())

def run_task(task: str, max_turns: int = 6) -> dict:
    """Runs a task through Kimi K3, executing any tool calls it makes,
    and returns a small report of what happened."""
    messages = [{"role": "user", "content": task}]
    total_prompt_tokens = 0
    total_completion_tokens = 0
    turns_used = 0

    for turn in range(max_turns):
        turns_used = turn + 1
        response = client.chat.completions.create(
            model=MODEL,
            max_tokens=1024,
            tools=TOOLS,
            messages=messages,
            reasoning_effort="max",  # K3 replaced the old `thinking` param with this
        )

        usage = response.usage
        total_prompt_tokens += usage.prompt_tokens
        total_completion_tokens += usage.completion_tokens

        message = response.choices[0].message
        if response.choices[0].finish_reason != "tool_calls":
            return {
                "answer": message.content,
                "turns_used": turns_used,
                "prompt_tokens": total_prompt_tokens,
                "completion_tokens": total_completion_tokens,
            }

        messages.append(message.model_dump(exclude_none=True))
        for tool_call in message.tool_calls:
            if tool_call.function.name == "count_words":
                args = json.loads(tool_call.function.arguments)
                result = count_words(args["text"])
                messages.append({
                    "role": "tool",
                    "tool_call_id": tool_call.id,
                    "content": str(result),
                })

    return {"answer": None, "turns_used": turns_used, "error": "Hit max_turns without finishing"}

if __name__ == "__main__":
    task = (
        "Write a two-sentence description of what a mixture-of-experts "
        "model is, then use the count_words tool to tell me exactly how "
        "many words your description contains."
    )
    report = run_task(task)
    print(json.dumps(report, indent=2))

この仕組みの概要: Moonshot の API は標準的な OpenAI チャット完了契約に従っているため、ツール呼び出しはカスタム形式ではなく、慣れ親しんだ message.tool_calls という形状で届きます。また、finish_reason == "tool_calls" が、ツールを実行してループに戻るべきか、それとも応答を返すべきかを判断するシグナルとなります。

K3 特有の重要な変更点として、K2 ラインで使われていた古い thinking パラメータは K3 では廃止され、代わりに reasoning_effort が導入されました。現時点では「max」のみがサポートされており（詳細はこちら）、将来的にはさらにレベルが増える予定です。

実行方法: API キーを環境変数に設定した後、python run_task.py を実行してください。

価格設定について、Kimi の提案の核心となる部分ですが、K3 は 100 万トークンのコンテキスト全体で一律に「入力トークン 100 万あたり 3 ドル、出力トークン 100 万あたり 15 ドル」です。価格詳細はこちら。長さによる段階的な料金体系はなく、これは K2.6 の価格と比べて約 5 倍の引き上げとなります。これは重要な転換点で、Kimi シリーズが築いてきた「圧倒的に安価」という立ち位置から Moonshot が離れようとしていることを示しています。

ただし、自動プレフィックスキャッシュ（Automatic prefix caching）を利用すると、キャッシュされた入力に対する料金は 100 万トークンあたり 0.3 ドルに低下します。これは、特に長文コンテキストや多段階の会話において、コスト構造を大きく変える効果があります。

独立したテスターたちが実際に発見したこと

好意的側面として、TechRadar の実機テストでは、文書処理に強い結果が示されました。長い PDF 2 つを会話に投入し、特定のセクションを相互参照させるよう指示すると、回答は正確で整理されており、追跡質問にも耐えうるものでした。これは Kimi の最大の強みである「長文脈の扱い」であり、無料プランでも利用可能です。

同レビューでは、Python のリファクタリングタスクに Kimi Code をテストしましたが、出力はクリーンで、構造的な推論も質問に対して耐えうるものでした。Claude Code のような体系的な説明にはやや劣りますが、価格差を考慮すればこのトレードオフは妥当だと評価されています。

また、Hacker News のユーザーが同じスレッドで率直に評価したところ、K2.6 は生性能において Sonnet や Opus 4.0 に劣るとされました。さらに重要なのは、これは批評家ではなくベンダー自身からの情報である点です。Moonshot 社の K3 ローンチ資料では、K3 は内部比較において Claude Fable 5 や GPT-5.6 Sol に後れを取っていると率直に明記されており、「最先端を完全に制覇した」というよりは、強力でありながら劇的に安価な選択肢として位置づけられています。

まとめると、矛盾する点ではなく一貫した姿が見えてきます。Kimi は長文ドキュメントの処理において真に能力を発揮し、コストパフォーマンスの高いコーディングにも対応可能です。一方で、最も難易度が高くエージェント連携が複雑なタスクにおいては、Claude や GPT に劣ります。実はこの弱点こそが、Agent Swarm が販売するカテゴリそのものなのです。

知っておくべき粗い部分

本格的な業務導入を検討する前に知っておくべきポイントがいくつかあります。いずれも単独では採用を拒否する理由にはなりませんが、判断材料として必ず考慮すべき事項です。

2026 年7月20日、GPUの供給能力が限界に達したことを背景に、Moonshot社は新たな K3 のサブスクリプション受付を一時的に停止しました。これは噂話ではなく、急激な需要増加に伴うスケーリング上の課題を如実に示す事実です。

Moonshot 社自身のドキュメントでは、「過度な先回り行動」が K3 の特徴として指摘されています。具体的には、タスクの進行中に曖昧な状況に直面した際、ユーザーからの指示を待って確認するのではなく、モデル側で独断して判断を下してしまう挙動です。これは、長期かつ困難なタスクへの学習を強化した結果生じた直接的な帰結です。

さらに、実装環境との互換性に関する課題も存在します。Moonshot 社は、K3 はセッションを通じて推論履歴を保持するように設計されていると明言しています。もしエージェントのハーン（harness）がその履歴を正しく返却しない場合、あるいは会話中に異なるモデルで開始されたセッションを途中で K3 に切り替えた場合には、出力品質が低下するリスクがあります。このため、Moonshot 社は自社の検証済み互換ツールツールの利用を推奨し、会話中のモデル切り替えは避けるよう注意喚起しています。

最後に、規制の厳しい業界で利用する場合の注意点として、Kimi のホスト型 API は中国国内のサーバーを経由して動作します。これはモデル自体の能力とは無関係な、実務上の重要な考慮事項です。

ライセンスについて: K3 の完全な重み付けデータは、2026 年 7 月 27 日に独自の「Kimi K3 ライセンス」の下で公開されました。これはダウンロードして実行できるオープンウェイトモデルですが、OSI（Open Source Initiative）が認定するオープンソースライセンスではありません。「オープン」という言葉が単に「ダウンロード可能」という意味ではなく、特定の法的効力を持つ文脈で評価されている場合は、この点を理解しておく必要があります。

比較表

まとめ

正直なところ、結論は「ローンチ記事が語る楽観論」と「懐疑的なツイートが示す悲観論」の中間に位置します。Kimi の価格設定は確かに業界を揺るがすほど破壊的であり、無料プランでも長文ドキュメントの処理能力は本格的に強力です。また、「Agent Swarm」は、競合他社の同等機能よりもはるかに考え抜かれたアーキテクチャとして実在し、その失敗事例についても異例と言えるほど率直に説明されています。

一方で、最も困難なエージェント間の協調タスクにおける独立系のテスト結果を見ると、Agent Swarm が勝利するために存在するはずのこのカテゴリにおいて、Claude や GPT との間には明確な差が存在することが示されています。これは Moonshot 社自身のローンチ資料でも十分に否定されていない事実です。

もしあなたの業務が長文ドキュメントの分析、コスト意識の高い大量コード生成、あるいは本格的なエージェント機能を持つオープンウェイトモデルの利用を必要とするのであれば、Kimi はぜひ試す価値があります。しかし、最も過酷なマルチエージェント協調タスクが完璧に動作することに依存している場合、現時点での独立系の証拠は「待つべき」または「少なくとも Moonshot 社の数値や私の評価を信じる前に、自社のワークロードで独自の評価を行うべき」と示唆しています。

Shittu Olumide は、最先端の技術を活用して魅力的な物語を紡ぐことに情熱を注ぐソフトウェアエンジニアでありテクニカルライターです。細部への鋭い眼差しと複雑な概念をシンプルに解説する才能を持っています。Twitter では こちら でも活動しています。