結論：Kimi K3は約2.8T MoE・1Mコンテキストで Open-Weight 旗艦の水準を押し上げます。DeepSeekはコスト効率、GPT-5.6は Enterprise SLA とエコシステムが強みです。パラメータ見出しだけで主モデルを決めると、Agent予算が二〜三割膨らみやすい点にご注意ください。
導入前に抱えやすい三つの痛み
1パラメータ誇張の読み違い：総パラメータ約2.8Tでも、活性は概ね16/896 Experts（約50B）です。見出し数値だけでハード要件を見積もると、APIの reasoning コストを過小評価しがちです。
2Open-Weight の時間差：ウェイト公開は2026年7月27日頃案内です。それまでの Self-Host 前提設計は、API暫定運用との二重アーキテクチャになりやすいです。
3料金ポジションの誤解：K3は Input 約$3.00 / Output 約$15.00（1Mトークン、Cache Hit 約$0.30）のプレミアム帯です。DeepSeekは安価、GPT-5.6は支援体制が厚い——「最大モデル＝最適」は Agent 予算を圧迫します。
仕様比較：アーキテクチャと性能の要点
- Kimi K3：長時間コーディング、巨大コンテキスト、画像・動画を含む Agent 連鎖に向きます。
- DeepSeek：バッチ推論やコスト上限が厳しいワークロードで優位です。
- GPT-5.6：Codex 連携・SLA・監査要件が厳しい企業用途で選ばれやすいです。
| 指標 | Kimi K3 | DeepSeek V4-Pro | GPT-5.6 |
|---|---|---|---|
| 総パラメータ | 約2.8T MoE | 約1.6T MoE | 非公開 |
| 活性 / トークン | 約50B（16/896） | 高スパース | n/a |
| コンテキスト | 1,000,000 | 128K〜256K* | 最大約1.5M（Sol） |
| マルチモーダル | テキスト・画像・動画 | 主にテキスト | テキスト＋Vision |
| Reasoning | 常時（effort） | 任意 / 派生 | 階層型 |
| Open Weights | 7/27頃案内 | 利用可 | クローズド |
※DeepSeekの窓長は派生により異なります。数値は2026年7月20日時点の公開情報とコミュニティ集計に基づきます。
API・料金・Agent アクセス比較
| 項目 | Kimi K3 | DeepSeek | GPT-5.6 |
|---|---|---|---|
| Model ID | kimi-k3 | 派生依存 | gpt-5.6 / Sol |
| SDK | OpenAI SDK 互換 | OpenAI系 | ネイティブ |
| Input / 1M | $3.00（Cache $0.30） | 低価格帯 | 約$3.20（Sol） |
| Output / 1M | $15.00 | より安価 | 約$9.10（Sol） |
| Function Calling | ✓ + JSON Schema | ✓ | ✓ |
| Agent / Tools | Kimi Work / Code | コミュニティ中心 | Codex + Agents |
K3は base_url を Moonshot に向けるだけで既存 GPT クライアントから移行しやすいです。1M全域で平坦な料金体系、Reasoning トークンは Output 課金として扱われます。本番前にリージョンとデータ処理契約をご確認ください。
意思決定マトリクス：どの場面で何を選ぶか
| シナリオ | 推奨 | 理由 | MacPull 目安 |
|---|---|---|---|
| 長時間コーディング / 1M | Kimi K3 | 窓長と Agent 志向 | 24GB・512GB |
| 予算制約バッチ | DeepSeek | トークン単価 | 16GB可 |
| Enterprise SLA / Codex | GPT-5.6 | 支援とエコシステム | 24GB推奨 |
| 画像・動画 Agent | Kimi K3 | ネイティブMM | 24GB+Snapshot |
| 三モデル A/B | 並列比較 | 隔離ステージ必須 | 24GB必須 |
関連：7月AI三強対決、GPT-5.6ハイライト。
公平比較のための選定・検証六手順
タスクスイート定義：長時間コーディング、Tool Call 付き Agent、マルチモーダル、レイテンシ、成功単価の五本を固定します（温度0.2）。
APIキー分離：Moonshot・DeepSeek・OpenAI を別シークレットストアへ。reasoning_effort と Cache Hit 率を毎回記録します。
リモート Lab 構築：MacPull M4（24GB推奨）を借り、OpenAI SDK 互換クライアントを各 base_url で入れます。
三モデル測定：同一プロンプトで p50/p95・トークン費用・成功率を JSON で版管理します。
TCOマトリクス：成功単価・必要コンテキスト・マルチモーダル要否を SLA と照合します。
主モデル決定：用途別に勝者を決め、フォールバックとロールバックを文書化し、Lab を常設 A/B として残します。
チーム共有に使える可引用情報
- 規模：Kimi K3 は約 2.8T MoE、活性は約 16/896 Expertsです。
- コンテキスト：1,000,000 トークン全域で平坦な料金案内です。
- API：Input 約 $3.00 / Output 約 $15.00（1M）、Cache Hit 約 $0.30。
- Lab：専用 M4 なら三API並列ベンチを 24時間以内に開始でき、月単位解約が可能です。