Kimi K3 vs Qwen 3.8徹底比較！実務で選ぶべきはどっち？

この記事のまとめ

Kimi K3とQwen 3.8は、いずれも中国発の巨大言語モデルです。実務で選ぶ際のポイントを整理しました。

Kimi K3は2.8兆パラメータのオープンモデルで、独立評価スコアと長時間コーディングに強みがあります。
Qwen 3.8は2.4兆パラメータで、画像・動画・ドキュメントを扱う多モーダルが特徴です。
料金はKimi K3が従量課金、Qwen 3.8はToken Planでプレビュー中は割引が適用されます。
ベンチマーク公開状況やインフラ要件に差があり、用途に合わせた選択が現実的です。

Kimi K3とQwen 3.8の基本概要

Kimi K3のスペックと立ち位置

Kimi K3は、Moonshot AIが公開した大規模言語モデルです。

2.8兆パラメータを備えたオープンモデルとして発表され、1M（100万）トークンのコンテキスト長とネイティブな視覚理解を備えています。単純なスケール拡張ではなく、アテンション機構と専門家混合（Mixture-of-Experts、MoE）の2つのアーキテクチャ的な工夫を盛り込んだ点が特徴です（参照*1）。パラメータ規模の観点では、世界最大のオープンソースAIモデルとして紹介されています（参照*2）。

私が注目したのは、オープンウェイトであることと100万トークンのコンテキスト長の組み合わせです。長文を反復処理する業務や、大規模なコードベースを扱う開発現場では、この設計が実際の使い勝手に直結します。発表直後から開発者コミュニティの需要が集中したのも、規模だけでなくオープン性への期待が大きかったからだと見ています。

Qwen 3.8のスペックと立ち位置

Qwen 3.8は、Alibabaが公開した多モーダル対応の大規模言語モデルです。

2.4兆パラメータを備え、Qwenシリーズとしては初めて1兆パラメータを超えた多モーダルモデルとして紹介されています。テキストに加えて画像、動画、ドキュメントを同じモデルで扱える点が打ち出されました（参照*3）。開発チームは、性能面でFable 5に次ぐ位置にあると主張しています（参照*2）。

多モーダル入力を1つのモデルで処理できる設計は、実務の観点から見ると、ワークフローの統合という意味で魅力があります。ただし、AlibbabaがMoonshot AIに36%を出資しているという資本関係（参照*4）を踏まえると、両者の競合は純粋な技術競争というより、グループ全体でのAI訴求という側面も読める点は押さえておくべきでしょう。

中国AIラッシュの背景

Kimi K3とQwen 3.8は、数日の間隔で相次いで発表されました。

7月16日にKimi K3が公表され、その3日後にAlibabaがQwen 3.8のプレビューを提示した流れが報じられています（参照*2）。Moonshot AIにはAlibabaが36%を出資しており、両社は資本関係を持ちながら別ブランドでフロンティアモデルを競って公表しています（参照*4）。

新モデルが出るたびに「世界最高水準」という言葉が並ぶのは、AI業界では珍しくありません。私自身、GPT-5やClaudeの新バージョンが出るたびに手元のタスクで実力を確かめることにしていますが、宣伝文句と実用性の間には必ずギャップがあります。中国発モデルの連続公開は、フロンティア競争の裾野が広がっていることを示す点では意義がありますが、だからこそ個々のモデルを自前の業務で検証する姿勢が重要です。

パラメータ規模とアーキテクチャ比較

2.8兆 vs 2.4兆パラメータの意味

両モデルの総パラメータ数は近い水準にありますが、意味合いは同じではありません。

Kimi K3は2.8兆パラメータで、オープンソースとして最大規模と位置づけられています（参照*2）。Qwen 3.8は2.4兆パラメータで、公開されたモデルの中ではKimi K3に次ぐ規模として紹介されています（参照*4）。ただしQwen 3.8は、推論時にいくつのパラメータが実際に動くかという活性パラメータ数を開示していません（参照*4）。

スパースなMoE構成では、活性パラメータ数が推論効率や必要な計算資源を左右します。つまり、総パラメータ数だけを見て「大きいほど性能が高い」と判断するのは、実務上の判断としては粗すぎます。活性パラメータ数を開示していないQwen 3.8については、実行コストや推論速度を自前で確認するまで評価を保留するのが正直なところです。

Kimi Delta AttentionとMoE設計

Kimi K3の中核は、独自のアテンション機構と専門家混合の組み合わせです。

Kimi Delta Attention（KDA）は、線形アテンションを土台に、短い畳み込みとL2正規化キー、ゲート付きの状態更新を用いる方式です。K3のアテンション層のうち4層に3層がKDAで構成され、フィードフォワード部は896人の専門家の中から上位16人を選ぶルーティングを採用しています（参照*1）。Stable LatentMoEと呼ばれる枠組みで16/896の専門家を効率的に活性化させ、K2と比べて全体のスケーリング効率がおよそ2.5倍に高まったとされています（参照*5）。100万トークン級の長文では、変化した部分だけを処理する設計により、デコード速度が6.3倍速くなると説明されています（参照*6）。

私が生成AIを実務で使ってきた経験から言うと、長文処理の速度差は体感上の使いやすさに直結します。議事録の要約や長いコードベースの解析を繰り返す用途では、デコード速度6.3倍という数字はカタログスペック以上の意味を持ちます。ただし、この数字は公式の説明によるものであり、独立した検証ではないという点は念頭に置く必要があります。

Qwen 3.8のマルチモーダル基盤

Qwen 3.8は、多モーダル入力に対応したスパースMoE構造を採用しています。

同モデルはスパースな専門家混合（Mixture-of-Experts、MoE）構造の上に構築され、Qwenチームとして初めて1兆パラメータを超えた多モーダルモデルと位置づけられています。テキスト、画像、動画、ドキュメントを1つのモデルで扱える設計です（参照*4）。

多モーダル基盤を1つのモデルに統合することで、テキスト以外の入力を含む業務フローを一元的に処理できる余地が広がります。ドキュメントや動画を扱う開発者にとって、アーキテクチャ上の適合性は選定の重要な観点です。ただし、統合型のマルチモーダルモデルが各モダリティで専用モデルに匹敵するかは別問題で、実際の業務データで試してから判断するのが筋だと考えています。

ベンチマークと性能評価の比較

Kimi K3の独立評価スコア

Kimi K3には、第三者機関による独立評価スコアが提示されています。

Artificial Analysisという第三者ベンチマーク会社の評価で、K3はIntelligence Indexで57点を獲得し、189モデル中4位にランクインしました。この順位は、Claude Fable 5とOpenAIのGPT-5.6 Solの2構成に次ぐもので、Claude Opus 4.8、GPT-5.5、Claude Sonnet 5、GLM-5.2を上回っています（参照*7）。同じIntelligence Indexの評価では、比較可能なモデルの平均スコアが31であるのに対しK3は57で、平均を大きく上回っています。ただし評価時のトークン生成量は1億3,000万で、平均の6,300万に比べて冗長で、生成速度は毎秒37トークンと遅い部類に入ります（参照*8）。

第三者による独立評価があるという点は、Qwen 3.8との比較で重要な差です。私がモデルを検証する際も、開発元の自己評価より第三者のベンチマークを優先して見ます。ただし、スコアが高くても生成速度が毎秒37トークンという遅さは、リアルタイムでやり取りするチャット用途には向きません。バッチ処理や非同期の長文生成に絞って使うなら強みが出る、という整理が現実的です。

Qwen 3.8の未公表問題

Qwen 3.8は、公開時点でベンチマークスコアが提示されていません。

Fable 5に次ぐという主張を裏付けるベンチマークスコアは示されておらず、独立評価による検証もなされていないと報じられています。前世代のQwen3.7-Maxは5月に完全なベンチマーク結果を公開し、Artificial Analysis Intelligence Indexで56.6を獲得していたのに対し、Qwen 3.8のプレビューはモデルカード、活性パラメータ数、ベンチマークデータのいずれも公開されていない状態です（参照*3）。前世代の参考値として、Qwen3.7-MaxはGPQA Diamondで92.4%、SWE-bench Verifiedで80.4%、Terminal-Bench 2.0で69.7%を記録していました（参照*4）。

「Fable 5に次ぐ」という主張を検証できるデータがない状態というのは、率直に言って信頼性の問題です。私自身、新モデルが出るたびに宣伝文句より手元のタスクで実力を確かめることにしていますが、そもそも比較の土台となるスコアがなければ検証の出発点も定まりません。プレビュー段階での試用にとどめ、正式公開後にベンチマークデータが揃ってから評価を進めるのが堅実な判断です。

料金体系とアクセス方法の違い

Kimi K3のAPI従量課金

Kimi K3は、トークン単位の従量課金モデルで提供されています。

API料金は、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ドルに設定されています。この水準は、現時点で中国系AI研究機関のうち最も高い部類に入りますが、Anthropicのタスク単価と比較すると依然として低い水準だとMoonshotは説明しています。完全なモデルウェイトの公開は7月27日に予定されています（参照*7）。キャッシュの扱いにも料金差があり、キャッシュヒット時の入力は100万トークンあたり0.30ドル、キャッシュミス時の入力は3.00ドル、出力は15.00ドルに設定されています（参照*6）。

従量課金は、利用量が読めない検証段階には向いています。一方で、長文処理を大量に繰り返すと出力コストが積み上がりやすい点には注意が必要です。キャッシュヒット時の料金が0.30ドルと大幅に安いため、同じプロンプトを繰り返す用途では、キャッシュを効かせる設計にするかどうかで実際の費用が10倍近く変わります。コスト試算の段階でこの差を見落とさないようにすべきです。

Qwen 3.8のToken Plan構造

Qwen 3.8は、サブスクリプション型のToken Planに組み込まれています。

プレビューはToken Planのサブスクリプション階層に統合されており、Liteプランは週2,500クレジットで6ドル、Proプランは週40,000クレジットで68ドルという価格が設定されています。Proプランは6〜8個の同時エージェントに対応し、両プランともOpenAIおよびAnthropicのAPIプロトコルとの互換性を備えるため、既存の開発ワークフローを組み直さずに導入できるとされています（参照*4）。試用期間には限定的な特典として、Qwen3.8-Max-Previewのモデル呼び出しがクレジット消費90%オフとなり、実質10倍の利用が可能になるほか、夜間時間帯には98%オフの専用レートが提供されています（参照*9）。

OpenAI・AnthropicのAPIプロトコルとの互換性は、実務上の導入ハードルを下げる点で評価できます。既存の開発環境でそのまま試せるため、社内PoCのコストを抑えやすい。試用期間の大幅割引も、検証フェーズには好都合です。ただし、割引が終わった後の実コストと、定額クレジットが業務量に対して十分かどうかは、事前に試算しておくべきでしょう。

実務用途別の選び方

長時間コーディングとエージェント

長時間のコーディングタスクでは、両モデルの得意領域が分かれます。

Kimi K3は、長時間にわたるエンジニアリングタスクを最小限の人的監督で継続できる能力を備えると説明されています。大規模なコードベースを理解し、ターミナルツールを連携させて動かすことができ、ソフトウェアエンジニアリングと視覚的な推論を組み合わせたタスクにも強いとされています（参照*5）。Qwen 3.8については、前世代のQwen3.7-Maxと比較して、コーディングと専門的な生産性の領域で大きな改善があり、フルスタック開発やデータ分析、Officeワークフローといった複雑で長時間にわたるタスクで総合能力を示しているとチームが説明しています（参照*9）。

私がAI導入支援をしてきた経験で言うと、長時間タスクの「最小限の人的監督で継続できる」という説明は、実際に試してみないと信頼性が判断できない部類の主張です。エージェント運用の観点では、Qwen 3.8のProプランが6〜8個の同時エージェントに対応する点も選定要素になります。並列度を優先するならQwen 3.8、長いコンテキストの中での安定性を優先するならKimi K3、という仮説を立てて小規模な検証から始めるのが現実的です。

ドキュメント・画像・動画処理

ドキュメントや映像を扱う業務では、多モーダル設計の違いが表れます。

Kimi K3はネイティブな多モーダル構造を持ち、テキスト、画像、動画を同じモデル内で理解できるため、モーションデザインやアニメーション、動画編集で強みを発揮すると説明されています（参照*6）。Qwen 3.8はテキストに加え、画像、動画、ドキュメントを処理でき、Qwenチームとして初めて1兆パラメータを超えた多モーダルモデルとして紹介されています（参照*4）。

扱う入力の中心を整理してから比較するのが選定を進める上での基本です。動画・映像編集寄りの用途ではKimi K3、PDFや業務書類を含む幅広い入力形式を扱う用途ではQwen 3.8が候補に上がります。ただし、両モデルとも「対応している」と「得意である」の間には距離があります。業務で実際に使うファイル形式を使って試すまで、仕様表だけを根拠に決定するのは避けたほうが無難です。

オフィスワークとデータ分析

オフィス業務やデータ分析では、Qwen 3.8が明確に用途を打ち出しています。

Qwenチームは、Qwen 3.8が前世代を超えてコーディング、フルスタック開発、データ分析、オフィスワークフローで性能向上を示すと説明しました（参照*4）。一方で、コーディング系のベンチマーク順位が実タスクの結果を予測しないという指摘もあります。Kimi-K2.5を3ビット量子化した構成が、SWE-Bench Proでより高いスコアを持つモデルを上回る、より仕様に沿った出力を生成した例も報告されています（参照*10）。

ここで重要なのは、ベンチマークの順位と業務適合度は別物だという点です。私がコンサルティング支援の中でAI導入を手伝う際も、ベンチマーク値だけで選んだモデルが現場のタスクでは期待通りに動かないという場面を繰り返し見てきました。実際の業務データで小規模な検証を行い、両モデルの出力を比較することが、選定の唯一の正解に近い方法です。

導入時の注意点とリスク

運用インフラと供給不安

導入検討の前に、供給と運用コストの現状を確認しておく必要があります。

Kimi K3は公開直後の需要増によりキャパシティが逼迫し、Moonshotは新規サブスクリプションの受付を一時停止し、既存の加入者を優先する対応を取ったと報じられています（参照*2）。ローカル運用の面では、K3の2.8兆パラメータのモデルウェイトを実用的な品質で動かすために、1.4〜2テラバイトのオンボードメモリが必要になると試算されています。この規模の計算環境を用意するには数十万ドル単位のコストがかかり、電力、冷却、人件費は別に発生します（参照*11）。

「オープンウェイトだから自社で動かせる」と考えるのは早計です。生成AI導入支援を続けてきた経験から言うと、モデル選定よりも運用インフラと体制の整備のほうが詰まりやすい。Kimi K3のように規模が大きいほど、その傾向は顕著です。API経由で使うのが現実的な選択肢となる場合がほとんどで、供給制限の状況も含めてアクセスの安定性を確認してから導入計画に組み込むべきです。

オープンウェイト公開の不確実性

Qwen 3.8のオープンウェイト公開には、まだ不確実な要素が残っています。

オープンウェイトは「近日中」と告知されているものの、具体的な日付やライセンス条件は公表されていません。プレビュー版は現時点でAlibabaのToken Planサブスクリプションと、QoderおよびQoderWorkの開発者プラットフォームから利用でき、試用期間中は標準料金の10%で提供されています（参照*3）。AlibabaのMax階層のモデルはこれまでクローズドソースにとどまっていたため、オープンウェイトの約束は従来の慣行からの転換にあたります（参照*4）。

ライセンス条件が確定していない段階で長期運用計画に組み込むのは、ビジネスリスクの観点から避けるべきです。「近日中」という告知は、公開のタイミングも条件も変わり得る余地を残しています。当面はプレビューでの検証にとどめ、正式公開後にライセンスと条件を確認してから本格導入を判断するのが現実的な進め方です。

おわりに

Kimi K3とQwen 3.8は、いずれも中国発の巨大モデルとして注目を集めていますが、性格は異なります。Kimi K3は独立評価スコアと長時間コーディングを軸に強みが示され、Qwen 3.8は多モーダル入力とサブスクリプション型の柔軟な料金体系を打ち出しています。

私が両モデルを見て感じるのは、「どちらが優れているか」より「どちらが自分の業務に合っているか」を問う必要があるという点です。独立評価があるKimi K3と、ベンチマーク未公開のQwen 3.8では、現時点での検証可能性に明確な差があります。まずKimi K3でタスクを試し、Qwen 3.8は正式公開後にデータが揃ってから比較する、という順番が合理的だと考えています。いずれにせよ、小さな検証から始めて業務に合うモデルを見極める姿勢が、プレビュー段階の情報に振り回されないための基本です。

監修者

安達裕哉（あだちゆうや）

デロイトトーマツコンサルティングにて品質マネジメント、人事などの分野でコンサルティングに従事しその後、監査法人トーマツの中小企業向けコンサルティング部門の立ち上げに参画。大阪支社長、東京支社長を歴任したのち2013年5月にwebマーケティング、コンテンツ制作を行う「ティネクト株式会社」を設立。ビジネスメディア「Books&Apps」を運営。
2023年7月に生成AIコンサルティング、およびAIメディア運営を行う「ワークワンダース株式会社」を設立。ICJ2号ファンドによる調達を実施(1.3億円)。
著書「頭のいい人が話す前に考えていること」が、95万部（2026年6月時点）を売り上げる。
（”2023年・2024年上半期に日本で一番売れたビジネス書”（トーハン調べ／日販調べ））