XNews

Kimi K3のリリースと性能ベンチマーク

Kimi K3のリリースと性能ベンチマーク

Moonshot AIは、2.8兆パラメータのネイティブマルチモーダルモデル「Kimi K3」をリリースした。100万トークンのコンテキストウィンドウを備え、Kimi Delta Attentionにより長文脈でのデコードを最大6.3倍高速化、Attention Residualsにより追加コスト2%未満でトレーニング効率を約25%向上させる。DeepSWEソフトウェアエンジニアリングベンチマークでは、Kimi K3の最高スコアはpass@1で68.5%(GPT-5.6 Sol maxは72.7%)だったが、pass@2では82.0%(対81.0%)、pass@4では89.4%(対85.8%)と上回った。1ロールアウトあたりのコストはKimiが4.65ドル、Solが8.37ドル。100ドルあたりのタスク解決数はKimiが約14.7件、Solが5.3件。中央値レイテンシーはKimiが66分、Solが17分で、Kimiはより多くのステップを要する。言語の強みは異なり、KimiはRust、SolはPython/TypeScript/JavaScriptに強く、Goは互角。ドメイン別ではSolが8カテゴリ中5カテゴリで勝利。タスクレベルの相関は低く(0.46)、両モデルを合わせると113タスク中108タスク(95.6%)をカバーする。推奨されるカスケード戦略(Kimiを先に使用し、失敗時にSolを使用)では、タスクあたり7.30ドルで85.6%の解決率を達成。オープンウェイトは2026年7月27日までに公開予定。

Key insights

Kimi K3、複数回の試行でソフトウェアエンジニアリングにおいてGPT-5.6 Solに対抗

pass@1では劣るものの、pass@2およびpass@4ではKimi K3がSolを上回り、強力な反復改善能力を示している。両モデルの成功パターンの相関が低いため、高い補完性を有し、ベンチマークタスクの95.6%をカバーする。

コスト優位性は高いレイテンシーで相殺

Kimi K3の1ロールアウトあたりのコストはSolの約半分だが、中央値レイテンシーは約4倍長い(66分対17分)。ステップ数の多さは異なる推論行動を示唆しており、推論最適化によってレイテンシーの差を縮められる可能性がある。

長コンテキスト効率を狙ったアーキテクチャ革新

Delta Attentionは100万トークンのコンテキストでデコードを最大6.3倍高速化し、Attention Residualsは最小限のコストでトレーニング効率を約25%向上させる。これらの革新は、長期的なエージェント型コーディングにおける計算上のボトルネックに直接対処する。

Source posts