30秒サマリー
- 2026年7月27日リリースのKimi K3はオープンウェイトで3兆パラメータ級初のMoEモデル
- AWS SageMaker HyperPodまたはAmazon EKSで自社インフラへの展開手順をAWSが公式解説
- 展開にはNVIDIA B300 Blackwell Ultra GPU×8を備えるp6-b300インスタンスが必須
何が起きたか
Moonshot AIは2026年7月27日、総パラメータ数2.8兆の大規模MoE（Mixture of Experts）モデル「Kimi K3」をオープンウェイトで公開した。AWSの公式MLブログは同モデルをAWSインフラ上に自社展開するための具体的な手順を公開した。
Kimi K3の主な仕様は以下のとおり。総パラメータ数2.8兆、896の専門家エキスパートを持ち、1トークンあたり16エキスパート（約1040億パラメータ）のみを活性化するMoEアーキテクチャを採用。コンテキストウィンドウは最大100万トークンで、テキストとビジョンのネイティブマルチモーダルに対応する。前世代のKimi K2と比べスケーリング効率が2.5倍向上したとされる。
展開方法はAmazon SageMaker HyperPodとAmazon EKSの2つが提示されている。いずれもNVIDIA B300 Blackwell Ultra GPUを8基搭載したml.p6-b300.48xlargeインスタンスが必須であり、SageMaker HyperPodではFlexible Training Plan、Amazon EKSではCapacity Blocksでの容量確保が求められる。推論エンジンにはMoEアーキテクチャやMXFP4量子化形式に対応したvLLMを使用し、展開後はOpenAI互換のAPIエンドポイントとして利用できる。
モデルの重みはHugging Face（moonshotai/Kimi-K3）でMXFP4（4ビット浮動小数点）形式で公開されている。なお、記事執筆時点でvLLMのKimi K3対応コミットはメインブランチへのマージが完了しておらず、専用コンテナ（vllm/vllm-openai:kimi-k3）の利用が必要とされている。
原典ハイライト
AWSのMLブログは「Kimi K3はオープンウェイトとして初めて3兆パラメータ級に到達したシステム」と位置づけ、SageMaker HyperPodとAmazon EKSそれぞれの具体的な構成YAMLやTerraformモジュールを含む展開手順を公式に提供した。展開の前提として、p6-b300インスタンスの予約確保が不可欠であることが明記されている。
出典: AWS Machine Learning Blog（公式ブログ）
So What?（なぜ重要か）
オープンウェイトの最大級モデルを自社インフラで運用できることは、クラウドAPI経由では実現しにくいデータ主権の確保・コスト最適化・カスタマイズの自由度という三点で意味を持つ。AWSが公式にデプロイ手順を提供したことで、エンタープライズが最先端の推論能力を自社管理下に置くための技術的ハードルが下がった。一方で、最新鋭GPUの大規模調達というコスト・調達の壁は依然として高い。
日本企業への示唆
日本企業がKimi K3の自社展開を検討する際、まず確認すべきはp6-b300インスタンスの国内リージョンでの提供状況と調達リードタイムだ（原文では言及がない）。Flexible Training PlanやCapacity Blocksはコミット期間・コストの見極めが必要であり、利用頻度が低い場合はAPIサービス経由の方が経済合理性が高い可能性がある。一方、医療・金融・製造など機密データを扱う領域では、データをクラウドベンダーのAPIに送出せずに自社VPC内で推論を完結できる点が差別化要因になりうる。OpenAI互換APIとして動作するため、既存のLLMアプリケーション資産をほぼそのまま転用できる点も評価ポイントとなる。
背景・経緯
Moonshot AIは中国発のAIスタートアップ。Kimi K3は前世代のKimi K2からスケーリング効率を大幅に高めたモデルとして位置づけられている。オープンウェイトモデルの大規模化競争が加速する中、3兆パラメータ級モデルをオープンに公開した初の事例となる。AWSはこうした大規模オープンウェイトモデルの商用展開を支援するため、HyperPodやEKS向けのリファレンスアーキテクチャとレシピの提供を進めている。
