Moonshot AIは、単一プロンプトでは完結しないコーディング作業向けにKimi K3を開発しました。対象は、リポジトリを読み込み、ファイルを編集し、ツールとテストを実行し、ログやスクリーンショットを確認して、完了まで反復する長期的なエンジニアリング作業です。Kimi K3を実務で使うには、モデル単体ではなく、ファイルシステム・シェル・テスト出力を接続するコーディングエージェントが必要です。Moonshotでは、この役割をKimi Codeが担います。
TL;DR: Kimi K3をコーディングで使う手順
Kimi K3は、2026年7月16日にリリースされたMoonshot AIのフラッグシップモデルです。100万トークンのコンテキストウィンドウを持ち、リポジトリ規模の作業に対応するアーキテクチャを備えています。
実際にコーディングへ使う流れは次のとおりです。
- Kimi Codeをインストールして認証する
- 対象リポジトリのルートでKimi Codeを起動する
-
/modelでkimi-k3を選択する - 再現条件・完了条件・テスト条件を含むタスクを渡す
- エージェントに調査、編集、テスト、修正を反復させる
- APIを変更した場合は、実リクエストで契約どおりに動くことを確認する
K3は大規模コードベースの探索、ツール利用、デバッグ、ログ・テスト・ランタイム出力への反復に適しています。Moonshotは90%を超えるキャッシュヒット率を報告しており、同じコンテキストを繰り返し使うエージェントループではコスト面の利点があります。一方で、約62トークン/秒と最速のモデルではなく、Moonshot自身も生の能力ではClaude Fable 5やGPT-5.6 Solにまだ及ばないとしています。
K3でAPIを実装したら、Apidogでエンドポイントを呼び出し、レスポンスを検証すると効率的です。モデルの概要は、Kimi K3とは何かから確認できます。
Kimi Codeとは
Kimi Codeは、Moonshotのコーディングエージェントです。ターミナルで実行でき、IDEとも統合されます。単にコードの質問へ回答するのではなく、プロジェクト内で次の作業を実行します。
- ファイルの読み取りと編集
- シェルコマンドの実行
- テスト・ビルドの実行
- ログやエラー出力の解析
- 修正後の再検証
Kimi Codeは、モデルにファイルシステム、シェル、テスト結果、スクリーンショットなどを提供するハーネスです。このハーネスにより、「コードを書けるモデル」が「チケットを完了まで進めるエージェント」になります。
Kimi CodeはK3専用の新機能ではありません。以前のKimi K2系モデルでも同じエージェントを利用できます。セットアップはKimi Code CLIガイド、コマンドライン操作の詳細はKimi CLIの使用方法を参照してください。
Kimi CodeでKimi K3を実行する
Moonshotのツールは更新されるため、インストールコマンドやフラグは変更される可能性があります。以下は実装フローの例です。正確な構文は公式KimiドキュメントまたはKimi Code CLIガイドで確認してください。
1. エージェントをインストールして認証する
Kimi Codeをインストールし、Kimi APIへアクセスできるように認証します。Kimiアカウントと、Kimi開発者プラットフォームで発行したAPIキーが必要です。
APIキーはリポジトリに含まれる設定ファイルへ直接書き込まず、環境変数で管理してください。
# 代表例です。最新の構文は公式ドキュメントを確認してください。
export KIMI_API_KEY="your-key-here"
# 現在のディレクトリでエージェントを起動
kimi-code
.env を使う場合も、必ず .gitignore に追加してください。
.env
.env.local
2. リポジトリのルートで起動する
Kimi Codeは、起動したカレントディレクトリを作業ルートとして扱います。意図しない場所で起動すると、必要なファイルや設定を読み取れません。
cd /path/to/your-repository
kimi-code
モノレポの場合は、次のどちらで作業させるかを明示してください。
- リポジトリ全体を対象にする: ルートディレクトリで起動する
- 特定アプリのみを対象にする: 対象アプリのディレクトリで起動する
3. K3を選択する
Kimi Codeのセッション内で、/model を使ってアクティブモデルを切り替えます。
/model kimi-k3
同じ操作で、コーディング向けのKimi K2.7 Codeなど、別モデルとの比較もできます。
4. タスクに応じて推論の労力を調整する
K3は推論の労力を設定でき、「最大」設定も利用できます。
使い分けの目安は次のとおりです。
| 作業 | 推奨 |
|---|---|
| 変数名の変更、軽微なUI修正 | 低めの推論労力 |
| 既存テストの修正 | 中程度 |
| 原因不明の障害調査 | 高め |
| 複数パッケージにまたがるリファクタリング | 高め〜最大 |
簡単な編集に高い推論設定を使うと、不要な時間とコストが発生します。まずは対象タスクの複雑さに合わせて設定してください。
Kimi CodeをインストールせずにK3を試したい場合や、無料利用の選択肢を確認したい場合は、Kimi K3を無料で使う方法を参照してください。
実践的なエイジェンティックコーディングワークフロー
K3を使ったバグ修正・機能開発・リファクタリングでは、次のループを作ることが重要です。
- 具体的な完了条件を伝える
- エージェントにコードと設定を調査させる
- 変更を実装させる
- テスト・ビルド・実行ログで検証させる
- 失敗したら原因を読み取り、再修正させる
- 人間が最終レビューする
曖昧な依頼ではなく、検証可能なタスクを渡す
次のような依頼は曖昧です。
認証モジュールを改善してください。
これでは、何を直したのか、どこまで直せば完了なのかをエージェントが判断できません。
代わりに、再現条件・期待結果・変更範囲・検証方法を含めます。
`/login` エンドポイントで password が空文字の場合に 500 が返ります。
以下を実施してください。
1. ローカルで問題を再現する
2. 例外の発生箇所と原因を特定する
3. 空の password に対して 4xx のバリデーションエラーを返すよう修正する
4. 空文字、未指定、正常値のケースをカバーするテストを追加する
5. 対象テストと既存テストを実行する
6. 変更したファイル、原因、テスト結果を最後に要約する
この形式なら、K3は実装だけでなく、テスト結果を完了条件として扱えます。
K3の100万トークンコンテキストは、リポジトリ全体の依存関係を追う作業で有効です。たとえば、ルートハンドラからサービス層、リポジトリ層、スキーマ、テストまでの流れを横断して確認できます。
ツール実行とフィードバックループを使わせる
K3の価値は、最初の回答で正しいパッチを出すことだけではありません。Kimi Code内でツールを使い、実行結果を読み取り、修正を繰り返せる点にあります。
典型的なループは次のとおりです。
- 関連ファイルを検索・読み取りする
- 原因について仮説を立てる
- コードを編集する
- テストまたはビルドを実行する
- スタックトレース、ログ、失敗メッセージを読む
- 修正する
- チェックが通るまで繰り返す
エージェントへの依頼には、実行してよいコマンドも含めると進行しやすくなります。
実装前に以下を確認してください。
- package.json の scripts
- テスト設定
- 既存の login 関連テスト
- エラーレスポンスの共通形式
変更後は次を実行してください。
- npm test -- login
- npm run lint
- npm run build
UI変更ではスクリーンショットを検証対象にする
フィードバックはテキストだけではありません。K3はビジュアル推論も機能範囲としており、スクリーンショットを使ったUI確認にも利用できます。
UI作業では、以下の完了条件をタスクに含めてください。
プロフィール画面のモバイル表示を修正してください。
完了条件:
- 375px 幅で横スクロールが発生しない
- 保存ボタンが画面外へはみ出さない
- エラーメッセージが入力欄の直下に表示される
- 変更後にスクリーンショットを確認する
- 既存のUIテストを実行する
バックエンドでは、スクリーンショットの代わりに以下をフィードバックとして使います。
- テストレポート
- アプリケーションログ
- HTTPレスポンス
- スタックトレース
- メトリクスやヘルスチェック結果
テストをエージェントのガードレールにする
自律的なループを安全に運用するには、テストが必要です。テストがなければ、エージェントは局所的な修正のために別の箇所を壊しても検知しにくくなります。
実務では次の順で進めると安全です。
- 失敗を再現するテストを追加する
- そのテストが失敗することを確認する
- K3に実装を修正させる
- 対象テストを通す
- 関連する回帰テスト・lint・buildを通す
- 差分を人間がレビューする
テスト作成から依頼する場合の例です。
実装を変更する前に、現在の不具合を再現する回帰テストを追加してください。
テストが失敗することを確認した後で修正を実装してください。
最後に、変更前は失敗し変更後は成功することを報告してください。
Kimi K3 vs Claude Code vs Cursor
Kimi CodeとK3だけがエイジェンティックコーディングの選択肢ではありません。2026年半ば時点で、コードベースに対してエージェントを実行する代表的な方法を比較します。
| 側面 | Kimi Code（Kimi K3） | Claude Code（Fable 5） | Cursor |
|---|---|---|---|
| フォームファクター | ターミナルおよびIDEコーディングエージェント | ターミナルコーディングエージェント | フルAIネイティブコードエディター |
| デフォルトモデル | Kimi K3、/modelで交換可能 |
Claude Fable 5、その他のClaudeモデル | 持ち込みモデルまたは組み込みのフロンティアモデル |
| コンテキストウィンドウ | 1Mトークン | 大規模、モデル依存 | 選択したモデルによる |
| リポジトリナビゲーション | 強力。大規模リポジトリと長期作業向け | 強力。エイジェンティックなファイル・シェルアクセス | エディター内のインデックス・検索が強力 |
| ツール使用 | ツールコール、シェル、テスト、スクリーンショット | ツールコール、シェル、MCP | エディター内ツール、ターミナル、MCP |
| コスト要因 | キャッシュを多用するループで低コスト（90%超のキャッシュヒット） | Claudeトークンごとに課金 | サブスクリプションとモデル使用料 |
| オープンウェイト | 2026年7月27日頃に公開予定 | クローズド | エディターはプロプライエタリ、モデルはさまざま |
| 最適な用途 | 長期・リポジトリ規模のエージェント実行を低予算で行う | 最高レベルの推論と信頼性を求める | エージェントをエディター内で使いたい |
選び方の目安は明確です。
- 難しいタスクで生の信頼性を優先するなら、Moonshot自身がK3より優れていると認めるモデルを使うClaude Codeが候補です。
- IDE中心で作業したいなら、CursorやClineスタイルのツールが適しています。Claude Code、Cline、CursorにおけるGLM-5.2のガイドでは、これらの環境で他のオープンモデルを使う方法も扱っています。
- 大規模リポジトリを長時間反復しながら扱い、コストも重視するなら、K3の1Mコンテキストとキャッシュ特性が有効です。
ウェイトが予定どおり公開されれば、K3はこの3つの中で自己ホスト可能な選択肢になります。
強みと正直な限界
K3が得意なこと
リポジトリ規模のコンテキスト
1Mトークンのコンテキストウィンドウにより、大規模なコードベースを一度に扱いやすくなります。モノレポで「どのファイルを追加で渡すべきか」を繰り返す負担を軽減できます。
ツール使用と長期的な自律性
K3は、ターミナルツールを使い、実際の出力を読み、修正を続ける長期的なエンジニアリングセッション向けに調整されています。コードスニペットの提案ではなく、テストが通る変更を目標にできます。
キャッシュを多用するループでのコスト
エイジェンティックコーディングでは、ファイルツリー、システムプロンプト、タスク指示といった同じコンテキストが各ステップで再利用されます。K3のキャッシュヒット時の入力価格は100万トークンあたり$0.30、ミスヒット時は$3.00です。MoonshotのMooncake推論は、コーディングワークロードで90%以上のキャッシュヒット率を達成していると報告されています。
価格の詳細は、Kimi K3の価格内訳を参照してください。
K3の弱点
Moonshot自身がフロンティア最上位ではないと認めている
Moonshotはリリース記事で、K3がClaude Fable 5とGPT-5.6 Solに依然として及ばないと明記しています。Moonshot公開のコーディングベンチマークでは、Terminal Bench 2.1でK3は88.3点、GPT-5.6 Solは88.8点でした。DeepSWEではK3が67.5点、Fable 5が70.0点、GPT-5.6 Solが73.0点です。
競争力はありますが、最上位ではありません。詳しくはKimi K3ベンチマークの分析を確認してください。
高速ではない
Artificial Analysisによると、K3の出力は1秒あたり約62トークンです。価格帯の中央値を下回り、デフォルトでは最大の思考労力に傾いています。出力を待ちながら対話するワークフローでは、この速度が影響する場合があります。
オープンウェイトは将来の予定
全ウェイトはリリース日ではなく、2026年7月27日頃に公開予定です。自己ホストを前提にした導入計画では、現時点で利用可能な機能と公開予定の機能を分けて判断してください。
比較記事も参考になります。
実世界で向くユースケース
K3は、次のような作業で特に活用しやすいモデルです。
モノレポ全体にまたがるリファクタリング
複数パッケージ、共有ライブラリ、型定義、テスト、CI設定にまたがる変更では、影響範囲を広く把握する必要があります。K3には、対象範囲と完了条件を明確に渡してください。
monorepo 内の deprecated な HTTP クライアントを新しいクライアントへ移行してください。
対象:
- packages/api
- apps/web
- apps/admin
完了条件:
- deprecated クライアントへの import が残っていない
- 各パッケージの型チェックが通る
- 関連テストが通る
- 変更箇所と未対応箇所があれば一覧で報告する
長時間のデバッグ
再現しにくい障害では、エージェントに再現・観察・修正・再実行のループを任せられます。
CI環境でのみ発生するタイムアウトを調査してください。
- ローカルとCI設定の差分を確認する
- タイムアウトが発生するテストを特定する
- ログから待機箇所を調査する
- 根本原因を修正する
- タイムアウト時間を単に延長する回避策は使わない
- 修正後に対象テストを複数回実行する
API実装の足場作成と検証
K3は、ルート、ハンドラ、サービス、スキーマ、テストをまとめて実装する作業に使えます。ただし、ユニットテストが通ることと、実際のHTTP APIがクライアント契約どおりに動くことは別です。
API変更後は、実リクエストで次を確認してください。
- ステータスコード
- レスポンスボディ
- JSONスキーマ
- 認証・認可
- バリデーションエラー
- ヘッダー
- OpenAPI仕様との整合性
K3が構築したAPIを検証する
Kimi Code内でK3がAPIを実装・修正した場合、エージェント自身のテストはコードが動作することを示します。しかし、実際のクライアントが期待する契約まで保証するものではありません。
たとえば、以下は別途検証が必要です。
- 正しいHTTPステータスコードを返すか
- レスポンス形式がクライアント契約と一致するか
- 不正な入力で適切なエラーを返すか
- 無効なトークンを拒否するか
- 必要なヘッダーが返るか
ここでApidogを使うと、生成されたエンドポイントへ実際のリクエストを送り、レスポンスボディ・ヘッダー・ステータスコードを確認できます。JSON形式やステータスコードへのアサーションも追加できます。
K3がOpenAPI仕様を生成した場合は、それをApidogへインポートしてリクエストコレクションを作成し、推測ではなくAPI契約に基づいて検証してください。
K3への依頼例:
OpenAPI仕様を更新してください。
その後、以下のケースを検証できるリクエストを用意してください。
- 正常な認証済みリクエスト
- 未認証リクエスト
- 不正なトークン
- 必須パラメータ欠落
- 不正なJSONボディ
APIキーやトークンは、共有コレクションへ直接書き込まず、Apidogの環境変数で管理してください。
ApidogはMCPインターフェースも公開しているため、APIツールをエージェントのコンテキストへ組み込むこともできます。ApidogのMCPクライアントによるビジュアルデバッグではその方法を紹介しています。VS Code内のApidogを使えば、K3が書いたコードの近くでAPIテストループを維持できます。
Apidogをダウンロードして、生成直後のAPIを実リクエストで確認してください。
まとめ
Kimi K3は、大規模リポジトリ、長期的なエージェントループ、テスト・ログ・スクリーンショットへの継続的な反復といった用途でKimi Codeと組み合わせると有効です。1Mトークンのコンテキストとキャッシュヒット時の価格設定により、他モデルでは高コストになりやすい多段階の作業にも適用しやすくなります。
一方で、K3は絶対的に最高性能のコーディングモデルではありません。難易度が高く、速度や最高レベルの推論精度を最優先する場合は、Claude Codeや他モデルも比較してください。
導入時は、次の実践から始めるのがおすすめです。
- 具体的でテスト可能なタスクを渡す
- 変更前に再現テストを用意する
- K3に調査・実装・テスト・修正を反復させる
- 差分を人間がレビューする
- API変更はApidogで実リクエスト検証する
モデルの背景は、Kimi K3とは何かとKimi K3 APIガイドから確認できます。
よくある質問
Kimi K3をコーディングに使うには？
MoonshotのターミナルおよびIDEコーディングエージェントであるKimi Code内で実行します。エージェントをインストールし、プロジェクトディレクトリで起動してから、/model kimi-k3 でモデルを選択します。その後、再現条件・実装条件・テスト条件を含む具体的なタスクを渡し、ファイル読取、ツール実行、修正、テストを反復させます。
詳細な導入手順は、Kimi Code CLIガイドを参照してください。
Kimi K3はエイジェンティックコーディングに適していますか？
はい。K3は大規模リポジトリの探索、ツールの使用、デバッグ、テスト・ログ・ランタイムフィードバックへの反復といった、エイジェンティックコーディングで必要となる作業向けに調整されています。100万トークンのコンテキストも、大規模なコードベースを扱う際に有効です。
ただし、コーディングベンチマークではFable 5やGPT-5.6 Solにわずかに劣ります。
Kimi K3はエージェントワークフローでツール呼び出しをサポートしていますか？
はい。K3 APIは、ツールコール、ツール選択の制約、JSONモード、構造化出力、インターネット検索、動的ツールロード、設定可能な推論の労力をサポートしています。これにより、Kimi Code内でテスト、シェルコマンド、エージェントループを実行できます。
開発者向けの詳細は、Kimi K3 APIガイドを確認してください。
Kimi K3が書いたAPIをテストできますか？
はい。むしろ、実リクエストで検証すべきです。エージェント自身のテストはコード内部の動作を確認できますが、エンドポイントが実クライアントの期待どおりのステータスコード、レスポンス形式、認証動作を返すかは別途確認が必要です。
Apidogでエンドポイントへ実際にリクエストを送り、ステータスコード・レスポンス・ヘッダーへのアサーションを追加してください。OpenAPI仕様をインポートすれば、API契約に基づく検証も行えます。
Top comments (0)