Kimi K3はFable級…（競合は警戒すべき）

하이라이트

• Kimi K3は2.8兆パラメータを持ち、100万トークンのコンテキストウィンドウを備えた世界初の3兆クラスオープンモデルである。

• コーディング指標においてスコア76.2を記録し、Fable 5に肉薄する性能を達成した。

• API利用価格は入力100万トークンあたり3ドル、出力100万トークンあたり15ドルである。

• 3.jsを用いたF1レースゲーム作成テストにおいて、Kimi K3は35分で完全に動作するアプリを生成した。

• 個人財務管理ダッシュボード作成において、Kimi K3はフロントエンドとバックエンドを備えたフルスタックアプリを56分で構築した。

• 概念実証として、オープンソースツールを活用し48時間の自律走行でチップ設計・最適化・検証を実行した。

타임라인

1. 00:00 - 02:36

   Kimi K3の技術仕様とベンチマーク

   2.8兆パラメータの巨大モデルであり、長期のコーディングや複雑な推論を目的として設計されている。自社および外部のベンチマーク結果は概ね一致しており、特にコーディング指標で76.2点を記録。ローカル環境での動作は困難だが、API経由での利用コストはOpus 4.8の半額程度に抑えられている。

   • Kimi K3はKimi Delta Retention and Attention Residualsアーキテクチャを採用している。
   • サードパーティのベンチマークにおいても、コーディングおよび知能指標で主要な競合モデルに迫る3位にランクインした。
   • フロンティア級モデルと比較してタスクあたりのコスト効率が高い。
2. 02:36 - 05:15

   コード生成能力の検証

   Open RouterおよびKimi Codeの両方でテストを行い、いずれも複雑な3.jsアプリを完動させた。他の競合モデルがトラックのデザインミスや操作系の不備を出す中で、衝突判定や周回管理を含む安定したコードを生成した。特にGLM 5.2と比較すると、生成の完結性と正確性の面で明らかな優位性が見られた。

   • 3.jsでF1レースゲームを1ファイルで実装するテストにおいて、物理挙動を含む機能的なアプリを生成した。
   • Fable 5やGPT 5.6と比較しても、機能性と完成度の面で同等のパフォーマンスを示した。
   • 既存のコード生成モデルと比較して、バグの少なさと一貫性が高い。
3. 05:15 - 10:36

   フルスタックアプリと自律開発の実力

   指示内容を汲み取り、フロントエンドのルーティングやバックエンドのDB構築まで自律的に完結させた。特にNext.jsやDrizzleなどの現代的なライブラリ選択の適性が高い。さらに、ソフトウェア分野だけでなく、オープンソースツールを用いたハードウェアのチップ設計にも対応可能な能力が示されている。

   • 認証機能なしの個人財務管理ダッシュボード作成テストでは、ReactとExpress.jsを用いたフルスタック構成を生成した。
   • プロンプトによる指示がなくてもNode SQLiteを用いたデータ永続化を選択し、高いコード品質を見せた。
   • 自律的にチップ設計ツールを操作し、48時間で設計・検証を完遂する実証実験が行われた。