中国AIが米国を超えたは本当か　Kimi K3の実力とその影響

「中国と米国のAIの性能差は6〜9ヶ月という発言があったばかり。その翌日に、中国が米国を超えた」「中国はもはや米国の後追いではない」「AIは新しい時代に入った」。7月16日、中国AIスタートアップのMoonshot AI社が新モデルKimi K3を公開すると、X（旧twitter）上ではこうした声が一斉に噴き上がった。

「6〜9ヶ月の差」発言は、本当だ。Anthropicの国家安全保障政策責任者Tarun Chhabra氏が前日の7月15日、アスペン安全保障フォーラムで、モデルを平均すれば米国は6〜9ヶ月先行しているとの認識を示していた（South China Morning Post）。その翌日にリリースされたKimi K3が、特定の一部評価でFable 5を上回ったというのも事実だ。

しかし厳密に言えば、「超えた」わけではない。総合的なベンチマークでは依然として米国勢が優勢である。なので「肩を並べた」という表現の方が妥当かもしれない。しかし、それでもこれが大きな時代の転換期になるのは間違いなさそうだ。

常識崩壊で、事実以上に評価する大騒ぎ

X上の熱狂には、火種となる本物の実績がある。まず、それを正確に見ておきたい。

Kimi K3は2.8兆パラメータのMoE（混合エキスパート）モデルで、100万トークンのコンテキストウィンドウを持つ。いくつかの領域では、確かに首位に立った。X上で最も引用されたのは、コード生成の競技場であるArena.aiのフロントエンドコード部門での1位である。前世代のKimi K2.6が18位だったところから一気に首位へ駆け上がり、米国の最先端モデルと見なされているClaude Fable 5を上回ったのだ。長時間・高難度の情報探索を測るBrowseCompでは91.2点という最高記録を出し、実世界のタスク自動化を測る8つのベンチマークのうち4部門で1位を取った（VentureBeat）。オープンウェイトのモデルがフロンティアの一角で首位を奪うのは、ほとんど前例がない。

だが、「総合力で超えた」という話にはならない。独立系ベンチマークの英Artificial Analysis社の総合指標は、コーディング、知識、数学、推論など9つの評価を束ねたものだ。ここでKimi K3は57点で全体4位。Claude Fable 5（60点）、米・OpenAI社のGPT-5.6 Sol（59点）に及ばず、Claude Opus 4.8（56点）をわずか1点上回るにとどまった（The Decoder）。

また知識の正確性を測る評価で、K3の正答率は前世代の33%から46%へ確かに改善したものの、一方で事実をでっち上げるハルシネーション率は39%から51%へ上昇した。

さらにこうしたスコアはベンチマークごとに異なるエージェント環境を使い分けて計測されており、単純な横並び比較には注意がいる。また総合指標を解くのに費やした出力トークンは、同クラスの中央値の2倍を超え、K3は際立って「饒舌」だった（The Decoder）。饒舌ということは、無駄なテキスト出力が多く、それだけコストがかかるということだ。

コスト面では実は、K3が特別に安いわけではない。K3のAPI価格は入力100万トークンあたり3ドル、出力15ドルで、これは同クラスの中央値よりむしろ高い価格設定だ。安さを売りにするという中国モデルの一般的なビジネス戦略から脱却してきたわけだ。実際には戦略転換というより、これほどの高性能を低価格で実現すること自体が無理という話なのかもしれない。

ただArtificial Analysis社の試算によると、タスク単価は約0.94ドルで、Anthropicの前世代モデルのClaude Opus 4.8の1.80ドルのおよそ半分で、OpenAIの最先端モデルGPT-5.6 Solの1.04ドルとほぼ並ぶという（Simon Willison氏）。

つまり米国の最先端モデルに比べるとK3は勝っているところもあるし、劣っているところもある。圧勝したというより、並んだという表現の方が適切かもしれない。

それでも、米国と中国には半年以上の差があるというAI業界の常識が崩れたわけだ。Xのユーザーの多くが、この時代変化に衝撃を受け、その結果、事実以上にK3を高く評価して大騒ぎしているというのが今の状況なのだろう。

Kimi K３が崩す業界の３つの常識

企業向けAIソフトの米・atomicwork社CEOのVijay Rayapati氏は、K3の登場がこれまでの3つの「業界の常識」を覆したと指摘する。１つは上に挙げた「米国と中国には半年以上の差があるという常識だ。

同氏によると、残りの２つは、「米AI大手のモデルは高性能なので高い利益率を維持できる」という「常識」、現状はOpenAIとAnthropicの２強時代だという「常識」だ。

無料でダウンロードできるオープンウェイトモデルが、高いAPI使用料を支払わなけれならないクローズドの最先端モデルと、性能で横並びになれば、当然ながらクローズドモデルの料金に値下げ圧力がかかる。最先端を走り続ける限り高い利益率を維持できるとして、米AI大手は、最先端を走り続けるためのデータセンターなどへの高額投資を続けてきたわけだ。

しかしRayapati氏は、モデルの性能はもはや「モート」ではないと主張する。モートとは、敵の侵入を防ぐお城のお堀のこと。つまり競争優位性のことだ。最先端モデルを次々と開発することで、ライバル社と一定の差を開くことができる。そのことで高い利益率を得ることができる。

でも性能で中国に追いつかれてしまった。そうなると高い利益率を維持できなくなる。米国AI大手の今後の投資計画はどうなるのだろう。縮小せざるを得なくなるのだろうか。AIバブルの崩壊にまで発展するのだろうか。

AIスタックの密接続

ただ最先端を走り続ける限り高い利益率を維持できるというのは、業界の「常識」であって、当のAI大手がそう考えているとは限らない。いや当のAI大手の経営者たちは、別のモート作りに早くから取り組んでいた。

それがAIスタックの統合戦略である。AIモデルは、それ単体では動かない。AIモデルを訓練したり、実際に利用したりするには、データセンターの計算資源などインフラ層が不可欠だ。計算資源とは電力や半導体のこと。Googleは自社開発の半導体とデータセンター、AIモデルの接続を密にし、この３つの層の連携が非常にスムーズにいくように設計した。CEOのSundar Pichai氏は、この垂直統合されたAIスタックこそが同社の強みだと指摘する（Yahoo Finance/Benzinga）。GoogleのAIモデルのコストパフォーマンスや性能のよさは、この垂直統合の成果であるというわけだ。

一方Anthropicは、Claudeというモデルと、ハーネス（モデルを実務で動かすための道具・実行基盤）を統合したコーディングエージェントClaude Codeで大きく収益を上げている。OpenAIのCodexやSpaceXAIのGrok4.5の人気が高まっているのも、モデルとハーネスの接続を磨くことで性能が大きく向上したからだと言われている。

Kimi K3が７月27日にオープンウェイトでリリースされても、手に入るのはあくまで素のモデルである。実行基盤との密結合からくる性能のよさまでは手に入らない。

性能重視なら、モデル単体の性能より密結合を重視

AIモデルはモートなのか、モートではないのか。重要なのはモデルの性能なのか。実行基盤との結合なのか。これは今、AI業界でまだ決着がついていない論争だ。

ただ利用企業の状況を見ていると、性能で差をつけたい重要なタスクでは、モデルと実行基盤の密結合が重要になるようだ。多くの開発部署にとってコーディングの性能が最重要マターである。なのでClaude Codeのようなモデルと実行基盤が密に結合しているコーディングエージェントを求めているところが多い。どれだけK3が高性能でコスパがよくても、こうしたコーディングエージェントからすぐに乗り換えるとは考えにくい。

一方でチャットボット的な用途であれば、実行基盤との密な結合は不要だ。中国製モデルであってもコスパのいいオープンモデルを採用する動きは、米国企業の間で広まっているようだ。

１つの企業の中には、性能重視のタスクもコスパ重視のタスクも存在する。結局は、それぞれのタスクのモデルとハーネスが選ばれるようになるのだろう。

ただ「中国AIは米国より半年遅れている」という常識が崩壊したことの波紋は、ビジネス社会だけではなく、国際社会の地政学にも影響を与えることになるだろう。米国によるAIモデルや半導体の輸出規制は今後どう変化するのだろう。米国の同盟国である日本には、どのような影響が出るのだろう。中国AIが米国AIに追いついたという新しい「常識」に社会が対応できるようになるまで、まだしばらく時間がかかりそうだ。