Kimi K4、5.4兆パラメーターを目標に2027年発売か

Moonshotの次期フラッグシップモデル、規模がほぼ倍増する可能性

Moonshot AIは、Kimi K4のパラメーター数を5.4兆とし、2027年第2四半期または第3四半期の発売を目指していると報じられている。計画どおりなら、パラメーター数がそれぞれ2.8兆とされるKimi K3およびK3.1 Proのほぼ2倍となる。

報道されているスケジュールでは、K4に先立ち、より小規模なアップグレード版Kimi K3.5が投入される見通しで、2027年の旧正月ごろとなる可能性がある。より高速な製品としてKimi K3 Flashも2026年末までに登場し、Kimi K2.8に取って代わるとみられている。

Moonshotは、K4のパラメーター数や発売日を正式には発表していない。5.4兆という数字と2027年4月から9月の発売時期は、開発計画に関する報道に基づく。従来の推定では、K4は5兆から6兆パラメーターとされていた。

つまり、報じられている開発計画の中心は、モデルの規模と提供する製品の幅をともに広げることだ。Moonshotはまた、圧縮、自己蒸留、ポストトレーニングにも投資しているとされる。これらは、利用可能な計算資源でモデルの能力を高めることを狙った技術だ。

ユーザーにとって、この二つの取り組みはそれぞれ異なる意味を持つ。大型のフラッグシップモデルはより難しい作業に対応できる一方、軽量モデルなら日常的なリクエストをより速く、低コストで処理できる可能性がある。報じられたロードマップには規模と時期の目標が示されているが、今後の価格、測定された性能、利用条件は未定のままだ。

5.4兆という数字が意味するもの

パラメーターとは、モデルが学習を通じて獲得する数値設定のことだ。パターンを認識し、回答を生成する仕組みを左右する。パラメーターが多いモデルほど学習できる容量は大きいが、有用性は学習データや設計、調整方法にも左右される。

報じられているK4の5.4兆パラメーターは、K3の2.8兆から2.6兆増えることを意味する。これらの数字に基づくと、増加率は約93％で、K4の規模は約1.93倍となる。

K3.5の規模拡大は、これよりかなり小幅だ。報じられている3兆パラメーターは、K3を約7％上回る。この対比からは、K3.5で現行世代を改良した後、K4で大幅に規模を拡大するという、二つの異なる開発方針がうかがえる。

5.4兆という具体的な目標は、従来の推定である5兆から6兆の範囲内にある。ある報道では、この範囲を野村証券の見積もりとしている。新たな数字が従来の推定と一致していることで、報じられた計画の目標はより絞られたが、確認は依然としてMoonshotの発表待ちだ。

報じられた各モデルの投入時期

Moonshotの報道ベースのスケジュールは、2026年7月のK3投入から、2027年に見込まれるK4登場まで続く。この間のリリースでは、フラッグシップモデルの性能向上と、より軽量な製品への需要の両方に対応する見込みだ。

• 2026年1月10日：創業者の楊植麟氏が公開スピーチでK4の計画に言及したと報じられた。
• 2026年7月17日：パラメーター数2.8兆、コンテキストウィンドウ100万トークンのKimi K3が発売されたと報じられた。
• 2026年7月下旬：K4の学習準備が始まり、計算能力の増強に向けた取り組みも進められたと報じられた。
• 2026年末まで：Kimi K3 FlashがKimi K2.8の後継として登場する見通し。
• 2027年初め：パラメーター数3兆のKimi K3.5が登場する見通しで、旧正月ごろとなる可能性がある。
• 2027年第2四半期または第3四半期：パラメーター数5.4兆のKimi K4が発売目標と報じられている。

K4の発売時期として報じられた幅は、2027年4月から9月までだ。旧正月ごろとされるK3.5の登場時期も推定にすぎず、二つのフラッグシップモデルの間隔は不透明だ。

K3.5で学習データが注目される理由

Kimi K3.5では、ポストトレーニングに10兆トークンのデータを使う計画だと報じられている。トークンはモデルが処理する情報の単位で、多くの場合、単語または単語の一部を指す。トークン数が示すのは処理量であり、文書や事実の種類の数ではない。

ポストトレーニングは、モデルが初期の主要な学習を終えた後に行われる。指示に従う能力や回答の質を高め、特定のタスクをより確実に処理できるようにする。例示、フィードバック、反復練習などが役立つ。

予定されている10兆トークンという規模から、K3.5はパラメーター数の小幅な増加だけが注目点ではないことが分かる。Moonshotは基礎となる規模を少し拡大する一方、モデルの振る舞いを改善するためにも大規模な取り組みを進める構えのようだ。

報道では、トークンの内訳は示されていない。新たに収集するデータ、モデルが生成するデータ、繰り返し使うデータがそれぞれどれほどになるかは不明だ。この点は重要で、学習例の質と多様性がモデルの習得内容を左右する。

現時点では計算能力に余裕、モデル拡大で圧力も

Moonshotは、現在の開発計画を進めるのに十分な計算能力を確保していると報じられている。一方、さらなる拡大には限界があり、とりわけ高性能ハードウェアや大量の高品質データへのアクセスが制約になっているという。

この二つの状況は同時に成り立ち得る。進行中の開発には十分な設備があっても、より大型の後継モデルには、追加の半導体や電力、関連インフラが必要になる場合がある。

K4の準備は、K3の発売から2週間足らずの2026年7月下旬に始まったと報じられている。MoonshotはBlackwellアーキテクチャーを採用したNvidia製GPUの追加確保も目指しているとされた。これらの半導体は、AIの学習や運用に必要な多数の計算を実行するために設計されている。

K3の発売後、ユーザー向けサービスの提供という別の課題でも、計算能力への圧力が明らかになったと報じられた。7月19日、Moonshotは計算能力不足を理由に、新規の個人向けサブスクリプションを一時停止したとされた。顧客向けのモデル運用と、その後継モデルの学習はいずれも大きな資源を必要とする。

アメリカン・エンタープライズ研究所の研究者、ライアン・フェダシウク氏は、K3のサービスを支える半導体と関連するエネルギーインフラには、数十億ドル規模の投資が必要になるとの推計を示したと引用されている。この推計は大規模運用に必要な資源に関するもので、Moonshotがより大型のモデルを計画するうえで、継続的に考慮すべきコストを示している。

ハードウェアをより有効に活用するMoonshotの方針

Moonshotが重視していると報じられる技術には、モデル圧縮、自己蒸留、ポストトレーニングがある。いずれも、モデルの規模を拡大するという高コストの作業と並行して、性能や効率を向上させる手段となる。

圧縮は、有用な性能をできるだけ保ちながら、モデルが必要とする資源を減らすことを目指す。手法によって、メモリー使用量を減らしたり、応答を速めたり、導入コストを下げたりできる。

自己蒸留では、モデル自身の出力や学習済みの振る舞いを、追加学習の教材として使う。簡単に言えば、モデルが生成した例を使って、自身の別バージョンを改良できる。ただし、生成された回答には誤りが含まれる場合があるため、教材の選定と確認が重要だ。

ポストトレーニングは、モデルが持つ能力の活用方法を改善する。ユーザーにとっては、指示への対応が向上したり、タスクをより確実に完了できたりする形で効果が表れる可能性がある。Moonshotにとっては、性能向上のたびに大規模な計算システムを購入せずとも、実用性能を高められる点が魅力だ。

こうした手法を重視するという報道は、K3.5とK4が異なる役割を担う理由を説明する。K3.5はパラメーター数をほぼ維持したまま改良を進め、K4は容量の大幅な拡大を目指す。

K3 Flashは速度とコストに対応

Kimi K3 FlashはKimi K2.8の後継として、2026年末までに発売される計画だと報じられている。大型フラッグシップモデルの開発が続くなか、Moonshotの軽量製品群を拡充するモデルとなる。

軽量モデルは、定型的なリクエストへの回答や多数の短いタスクの処理など、日常的な作業を繰り返し行う場合に役立つ。そうした用途では、難しい問題への性能と同じくらい、待ち時間やリクエストごとのコストが重要になることがある。

報道では、DeepSeekのFlashシリーズも競合候補に挙がっており、V4.1 Flashに加え、今後登場する可能性があるV4.2またはV5.0 Flashが含まれる。ただし、比較はまだ先の話だ。K3 Flashのパラメーター数、価格、測定された性能は、報じられたロードマップでは明らかにされていない。

Moonshotはまた、Kimi K2.5とmoonshot-v1のAPIサービスを2026年8月31日に終了し、開発者にK3への移行を促したと報じられている。APIは、ソフトウェアがモデルにリクエストを送るための接続手段だ。製品の変更は、チャットボットを選ぶユーザーだけでなく、特定のモデルに依存するアプリケーションを維持する開発者にも影響する。

国際比較における位置づけ

報じられているK4の規模は、パラメーター数が5兆を超えるとされるMythosやFableと比較されている。5.4兆となれば、K4はこれらのモデルについて説明されているのと同じ大まかな規模の範囲に入る。

実用上の能力を比較するには、さらに詳しい情報が必要だ。同じタスクでの性能、応答速度、運用コスト、作業をどれだけ確実に完了できるかといった点である。各リクエストに対してモデルのどの部分が使われるかなど、アーキテクチャーも重要になる。

報道では、Moonshotの開発スケジュールは主要な国際的な取り組みよりおよそ1年遅れているとされ、その理由として先端的な計算資源の制約と、高品質な学習データの蓄積が挙げられている。この評価は概算であり、共通のベンチマークや具体的な比較対象の発売時期は示されていない。

K3のコンテキストウィンドウが100万トークンと報じられている点も、比較に役立つ。コンテキストウィンドウとは、指示や文書を含め、モデルが一度のやり取りで考慮できる情報量を指す。パラメーター数とは別の能力で、長いファイルを扱う人にとって重要だ。

Moonshotの次の具体的な節目は、K3 Flashの発売、その後の2027年初めのK3.5、同年後半のK4となる見込みだ。正式な仕様や利用条件、比較可能な性能結果が公表されれば、各モデルを評価するために必要な情報をユーザーや開発者が得られる。

要点

• Kimi K4はパラメーター数5.4兆を目標とし、2027年4月から9月の発売が報じられている。
• 実現すれば、K3およびK3.1 Proのパラメーター数として報じられた2.8兆を約93％上回る。
• K3.5は2027年初めの投入が計画されているとされ、パラメーター数は3兆、ポストトレーニングデータは10兆トークンとなる見通し。
• K3 FlashはK2.8の後継として、2026年末までに登場する見込み。
• Moonshotは現在の開発に十分な計算能力を確保しているとされる一方、さらなる拡大はハードウェアとデータの必要性に制約されている。
• MoonshotはK4のパラメーター数や発売日を正式発表していない。