Kimi K3、2.8兆パラメータの中国製LLM登場—ペリカンベンチマークで何が見えるか

要約

Moonshot AI が Kimi K3 を発表、2.8 兆パラメータの「オープン 3T 級モデル」として、DeepSeek v4 Pro の 1.6T を上回る規模を実現した。Artificial Analysis の評価では Kimi K3 のコスト当たりタスク性能は GPT-5.6 Sol や Opus 4.8 max と競争し、特にフロントエンドコード生成では Claude Fable 5 を上回る。Simon Willison が独自のペリカン (ペリカンが自転車に乗る SVG 生成) ベンチマークで K3 を試した結果、推論トークンの高消費 (出力 3,417 トークンに対し推論 13,241 トークン、25 セント) と 95 入力トークンのカウント (隠れたシステムプロンプト推定 85 トークン) が明らかになった。Willison は、21 ヶ月前に開発したペリカンテストが今日の LLM 比較に最適とは限らず、エージェント tool calling や長文会話での信頼性の方が重要だと指摘している。