2026年7月、Moonshot AIが発表したKimi K3は、2.8兆パラメータ、100万トークンのコンテキスト長、画像や映像も扱えるマルチモーダル機能を備え、最先端のクローズドモデルに迫る性能を示しました。しかもコードとモデルの重みが公開され、米国企業が主導してきたAIモデル競争に大きな変化をもたらしています。その一方で、米政府高官はAnthropicのClaude Fable 5をKimi K3の開発に利用したと主張しました。Kimi K3の何が画期的なのか、「蒸留」とはどのような技術なのか、疑惑はどこまで確認できるのかを整理します。
【関連記事】GPT-Realtime-2.1とGPT-Liveがもたらす「会話するエージェント」という新しい体験
「Kimi K3」はなぜ衝撃的だったのか
Kimi K3の特徴として最初に目を引くのは、2.8兆という総パラメータ数です。ただし、モデルの価値は規模だけでは説明できません。巨大なモデルを現実的に動かす構造、長時間の仕事を任せるためのエージェント能力、テキスト以外の情報も扱う仕組み、100万トークンの長いコンテキスト、モデルの重みを公開する方針が組み合わさったことに大きな意味があります。
2.8兆のパラメータを動かす
Kimi K3は、総パラメータ数が2.8兆、推論時に使う有効パラメータ数が1040億のMixture of Experts（MoE）モデルです。MoEは、モデル内部に複数の「エキスパート（専門家）」を用意し、入力に応じて必要な一部だけを動かす構造です。Kimi K3では896のエキスパートから、トークンごとに16のエキスパートと2つの共有エキスパートを使います。2.8兆のパラメータを毎回すべて動かすのではなく、必要な部分を選ぶことで、モデルの規模と推論時の計算量を両立させています。
この仕組みを支えるのがStable LatentMoEです。エキスパートの数を増やして一部だけを選ぶ構造では、特定のエキスパートに処理が偏ったり、学習が不安定になったりする問題が生じます。Moonshot AIは、エキスパートの割り振りと最適化の方法を工夫し、Kimi K2と比べて全体のスケーリング効率が約2.5倍になったと説明しています。単にモデルを巨大化したのではなく、増えた計算資源を性能へ結び付けるための設計が加えられています。
さらにKimi K3は、Kimi Delta Attention（KDA）とAttention Residuals（AttnRes）を採用しました。KDAは長い入力を扱う際の注意機構を効率化し、AttnResは深い層を通して情報を一様に積み上げるのではなく、必要な表現を選んで取り出せるようにする技術です。93層のうち69層がKDA、24層がGated MLAで構成されています。これらは、長い文脈と深いモデルの中で情報を効率よく流し、大規模な学習を安定させるための独自設計です。
「大きな仕事を任せる」ためのエージェントスキル
Kimi K3は1,048,576トークン、一般的な表現では約100万トークンのコンテキスト長に対応します。コンテキスト長とは、モデルが一度に参照できる情報量の上限です。長い仕様書、大規模なコードベース、多数の調査資料を同じ作業の中で扱える余地が広がります。さらにテキスト、画像、映像を同じモデルで扱えるため、文章を読むだけでなく、画面や制作物を確認しながら処理を続けられます。
Moonshot AIは、Kimi K3が長時間にわたってコードベースを調べ、ターミナルのツールを操作する例を公開しています。GPUカーネルの最適化やコンパイラ開発、CADを使う設計、文献調査とダッシュボード作成、映像制作なども紹介しました。1つの質問に答えて終わるのではなく、複数の情報源とツールを使い、途中の結果を確認しながら作業を進める設計です。
これらはMoonshot AIによる自社評価と事例であり、第三者が同じ条件で再現した結果ではありません。それでも、モデルの競争軸が一問一答の正確さから、長い工程を自律的に進めて仕事を完了できるかへ移っていることは分かります。100万トークンとマルチモーダル機能は、カタログ上の大きな数字ではなく、長時間動くエージェントを支える基盤として位置付けられています。
「重み」を公開すること意味
Moonshot AIは、Kimi K3の総合性能がClaude Fable 5やGPT-5.6 Solにはまだ及ばないと説明しています。その一方で、同社の評価ではコーディング、知識業務、エージェント、マルチモーダルの複数の項目で最先端水準の結果を示しました。少なくとも公式発表は、米国の最上位モデルを全面的に超えたという内容ではなく、総合力では差を認めながら、個別の領域で競争できる位置まで近づいたという評価です。ベンチマークの数字を読む際には、評価環境の違いも考える必要があります。Kimi K3の公式評価では、モデルごとにKimi Code、Claude Code、Codexなど異なるエージェント環境が使われる場合があります。推論時の設定も統一されておらず、Fable 5ではフォールバックを含む条件が注記されています。個別のスコアには意味がありますが、異なる条件で得られた数字を1列に並べ、単一の順位だけでモデル全体の優劣を決めることはできません。
Kimi K3が衝撃を与えたのは、最先端に迫る巨大モデルのコードと重みが公開されたことです。クローズドモデルは提供企業のサービスを通じて使うことが基本ですが、重みが公開されれば、企業や研究機関が自ら検証し、用途に合わせて改変し、自社の環境へ配備できます。サービス提供者の説明だけでなく、外部の開発者がモデルの構造や挙動を確かめられる点にも価値があります。
ただし、重みが公開されていることと、誰でも手元のPCで動かせることは同じではありません。 Moonshot AIは、自前で配備する場合に64基以上のアクセラレーターを備えた構成を推奨しています。Kimi K3は重みが公開されていますが、運用には大規模な設備が必要です。それでも、米国以外の企業が最先端水準に迫るモデルを開発し、重みまで公開した事実は、性能競争だけでなく、クローズドモデルを中心とする事業構造にも影響を与えます。
「蒸留」とは何か
Kimi K3をめぐる議論では、「蒸留」という言葉が他社AIのコピーと同じ意味で使われがちです。しかし、知識蒸留はもともと、高性能なモデルの知識を運用しやすい別のモデルへ移すために広く使われてきた技術です。一般的なモデル開発手法と、他社のAPIから許可なく能力を抽出する行為を分けなければ、疑惑の争点も見えなくなります。
「教師モデルの出力」を教材にする
知識蒸留の基本的な考え方は、2015年にGeoffrey Hintonらが発表した研究によって広く知られるようになりました。複数のモデルを組み合わせた大規模な仕組みは高い性能を得やすい一方、そのままでは計算量が多く、幅広い利用者へ提供するのが難しくなります。そこで、大規模な仕組みが持つ知識を1つの導入しやすいモデルへ圧縮します。知識を渡す側を「教師モデル」、学ぶ側を「生徒モデル」と呼びますが、これは役割を示す名称です。
通常の学習では、たとえば画像を見せて「これは猫である」という正解を教えます。蒸留では、教師モデルが猫に80％、キツネに15％、犬に5％と判断したような出力の分布も教材にします。生徒モデルは正解だけでなく、教師が別の候補をどの程度似ていると見たかまで学べます。単純な正解ラベルには表れない判断の細部を移せるため、小さなモデルでも教師に近い振る舞いを再現しやすくなります。
自社の高性能モデルを教師として、安価で高速な小型モデルを作ることは、知識蒸留の代表的な用途です。利用許諾を得たモデルや、条件を守って使えるデータを教師にする場合もあります。したがって、蒸留という技術自体は不正でも盗用でもありません。 今回の疑惑で使われる「蒸留」は、巨大なモデルを小型化する古典的な手法だけでなく、外部のLLMから特定の能力を取り出す行為まで含む広い意味を持っています。
回答や「推論の仕方」も学習データになる
LLMでは、APIへ質問を送り、その回答を集めるだけでも新たな学習データを作れます。一般的な質問への回答だけでなく、プログラムのコード、ツールの選び方、作業の手順、結果の採点、推論を説明した文章などを大量に取得すれば、別のモデルへ特定の振る舞いを学ばせる教材になります。集めた出力を教師データとして使うほか、別のモデルの回答を評価する役割や、強化学習用の課題作成に使うこともできます。
対象モデルの内部構造やパラメータを直接入手する必要はありません。公開されたAPIへ繰り返し入力し、入力と出力の組を十分に集めれば、対象モデルに近い機能を持つ代替モデルを作れる場合があります。2016年にFlorian Tramèrらが発表した研究は、内部のパラメータや元の学習データを知らなくても、予測APIへのブラックボックス型のアクセスからモデルの機能を抽出できることを示しました。サービスとして公開しながら、モデルの能力を完全に秘匿することには構造的な難しさがあります。
古典的な知識蒸留と、他社APIからのモデル抽出には重なる部分がありますが、両者は同じではありません。前者は教師モデルの知識を別のモデルへ移す学習方法を指します。後者は外部から問い合わせを重ね、許可なく対象モデルの機能を複製するというセキュリティ上の問題です。Kimi K3をめぐってAnthropicや米政府高官が使う「蒸留」は、ブラックボックス型の能力抽出を含む広義の表現として理解する必要があります。
「技術」と「使われ方」を区別する
蒸留と混同されやすい技術には、ファインチューニング、量子化、MoEがあります。これらの関係は次のように整理できます。
- 蒸留：教師モデルの出力や判断の傾向を教材として、生徒モデルへ能力を移す。
- ファインチューニング：追加のデータを使い、既存モデルの重みを特定の目的に合わせて更新する。蒸留で作ったデータを使う場合もある。
- 量子化：モデル内の数値を低い精度で表現し、計算量やメモリ消費を抑える。
- MoE：複数のエキスパートから必要な一部を動かし、モデル規模と計算効率を両立する。
自社モデルの出力や、利用許諾を得た教師モデルを使う蒸留は、一般的な開発手法です。問題になるのは、他社サービスのアクセス制限を回避したのか、不正なアカウントや代理サービスを使ったのか、利用規約に反して競合モデルの訓練へ使ったのか、通常の利用を超える規模で特定の能力を抽出したのかという点です。同じ技術でも、教師モデルとの関係やデータの取得方法によって評価は変わります。
さらに、技術的な蒸留、サービスの契約違反、知的財産権の侵害は、それぞれ判断基準が異なります。出力を学習に使ったという技術上の事実が確認されたとしても、それだけで法的な盗用まで確定するわけではありません。反対に、一般的な技術であることを理由に、アクセス制限の回避や規約違反まで正当化することもできません。蒸留の是非は名称ではなく、取得方法、許諾、目的、規模から判断する必要があります。
「Kimi K3」の「蒸留疑惑」はどこまで確認できるのか
Kimi K3をめぐっては、Anthropicの発表、米政府高官の発言、Moonshot AIの反論が報じられています。ただし、これらは同じ時期に同じ証拠から出た情報ではありません。各資料が示している内容と、そこからは確認できない内容を時系列で分ける必要があります。
Anthropicが公表した「不正な能力抽出」
Anthropicは2026年2月23日、DeepSeek、Moonshot AI、MiniMaxの3社がClaudeの能力を不正に抽出する大規模な活動を行ったと発表しました。3社の合計では約2万4000の不正アカウントを通じて1600万回を超えるやり取りが生成されたとしています。このうち、Moonshot AIに関連付けたやり取りは340万回を超え、数百の不正アカウントと複数のアクセス経路が使われたと説明しています。Anthropicによると、Moonshot AIの活動はエージェントの推論とツール利用、コーディングとデータ分析、コンピューター操作エージェント、画像認識を対象としていました。活動の後期には、Claudeの推論を説明した文章を取り出し、再構成しようとする問い合わせもあったとしています。単に大量の一般的な質問を送ったのではなく、Claudeが得意とする能力を狙って教材化するための利用だったというのがAnthropicの主張です。
Anthropicは、IPアドレスの相関、リクエストのメタデータ、インフラ上の指標、業界関係者からの情報などを使い、各社へ高い確度で帰属させたと説明しています。ただし、公開されているのはAnthropicによる調査結果の概要です。個々のリクエストを記録した生データや、第三者が調査を再現した結果までは示されていません。当事者企業による具体的な主張として重みはありますが、外部から全過程を検証できる資料ではありません。
もう1つ重要なのは、発表の時期と対象です。Anthropicの資料はMoonshot AIについて「Kimi models」と記載しているだけで、Kimi K3を特定していません。発表日はClaude Fable 5が公開された6月9日より3か月以上前です。したがって、2月の発表だけでは、Fable 5の能力をKimi K3へ移したことは立証できません。 一方で、Moonshot AIがClaudeの能力を大規模に収集していたというAnthropicの主張まで、根拠のない噂として扱うのも適切ではありません。
「Fable 5」と「Kimi K3」を結び付けた米政府高官の発言
Claude Fable 5は2026年6月9日に公開され、米政府による輸出管理を受けて6月12日に提供が停止されました。輸出管理は6月30日に解除され、7月1日に世界向けの提供が再開されました。Kimi K3の発表日は7月16日です。Fable 5の再提供からKimi K3の発表までの期間は短く、疑惑を検討する材料にはなります。ただし、「期間が短いから蒸留は不可能だった」とは断定できません。モデルの基本的な学習が終わった後でも、出力の調整やエージェント能力の強化といった後学習は行えます。Anthropicの発表によると、一部の企業はFable 5を正式発表前に評価していましたが、Moonshot AIがアーリーアクセスを得ていたことを示す公開資料はありません。公開日の近さだけで、疑惑の真偽をどちらかに決めることはできません。
7月22日、米科学技術政策局長のMichael Kratsiosは、米政府がMoonshot AIによるFableの蒸留とK3開発への利用を示す情報を持っていると発言しました。Moonshot AIが米国モデルを大規模に蒸留するための内部基盤を構築し、検出を避けるために複数のアクセス方法を切り替えたとも主張しています。これはFable 5とKimi K3を直接結び付けた発言です。
しかし、Kratsiosはその投稿で、根拠となる通信記録や技術分析など、第三者が検証できる資料を公開していません。米政府が情報を持っていないと断定することはできませんが、現時点の公開情報だけで主張の中身を確かめることもできません。Anthropicの2月発表は大規模なClaude利用に関する資料であり、7月のFable 5固有の主張をそのまま裏付けるものではありません。
「技術的成果」と「疑惑」を区別する
Moonshot AIは、Kimi K3の性能向上は基盤となるアーキテクチャへの独自の変更によるもので、既存モデルの蒸留によって再現したものではないと反論しています。これとは別に、KDA、AttnRes、Stable LatentMoEをはじめとするモデル構造、技術報告書、モデルの重みは公開されており、Kimi K3に独自の研究開発が含まれていることを確認できます。ただし、独自のアーキテクチャが存在しても、外部モデルの出力を後学習に使っていない証明にはなりません。モデルの基本構造を自社で設計しながら、回答の改善やエージェント能力の強化に他のモデルの出力を使うことは技術的に両立します。反対に、外部モデルの出力を使った可能性だけを理由に、2.8兆パラメータのモデル構造、学習基盤、推論環境まで含めたKimi K3全体をコピーと断定することもできません。
モデルの重みと技術報告書は、構造や挙動を外部から検証する材料になります。しかし、学習に使ったデータの来歴を完全に再構成できるわけではありません。公開資料から確認できるのは、AnthropicがMoonshot AIによる340万回超のClaude利用を主張していること、KratsiosがFable 5とKimi K3を直接結び付けていること、Moonshot AIが蒸留による性能獲得を否定していることです。
この3点から先へ進み、Fable 5からKimi K3への蒸留を確定事実とするには、米政府側が保有するとされる情報の開示や、第三者が検証できる追加資料が必要です。現状では、Fable 5固有の疑惑は立証されたとはいえません。一方、Anthropicが公表した大規模な能力抽出の主張は具体的であり、単なる憶測として無視することもできません。Kimi K3の「技術的な成果」と「疑惑の証拠」は、どちらか一方で他方を打ち消すようなものではなく、別々に評価する必要があります。
まとめ
Kimi K3の衝撃は、2.8兆という規模だけから生まれたものではありません。MoEをはじめとする独自のアーキテクチャ、100万トークンのコンテキスト長、画像や映像を扱う機能、長時間のエージェント処理、そしてコードと重みの公開が組み合わさっています。最先端のクローズドモデルを全面的に超えたとはいえませんが、米国以外の企業が最先端水準へ接近し、外部で検証・改変・配備できる形にしたことには大きな意味があります。
蒸留は、高性能な教師モデルの知識を別のモデルへ移す一般的で有用な技術です。問題になるのは技術の名称ではなく、不正なアカウントや代理サービスを使ったのか、アクセス制限を回避したのか、どの程度の規模で競合モデルの訓練へ利用したのかという取得方法と目的です。技術的な蒸留、契約違反、知的財産権侵害も分けて判断しなければなりません。
Anthropicの2月発表は、Moonshot AIによる大規模なClaudeの能力抽出を具体的に主張していますが、Fable 5とKimi K3は特定していません。両モデルを直接結び付けた米政府高官は検証可能な根拠を公開しておらず、Moonshot AIは疑惑を否定しています。Kimi K3の独自技術を認めることと、能力抽出の疑惑を検証することは両立します。技術的な成果と証拠の確かさを分け、公開されていない因果関係まで確定事実にしない姿勢が求められます。
参考文献
Kimi K3: Open Frontier Intelligence 技術報告書
Stealing Machine Learning Models via Prediction APIs
Detecting and preventing distillation attacks
この記事を書いた人
