Moonshot AIのKimi K3がAmazon Bedrockで利用可能になり、コーディングとナレッジワーク向けの新しい選択肢となりました。Moonshot AIによると、Kimi K3は同社で最も高性能なモデルであり、パラメータ数が2.8兆に到達した最初のオープンモデルです。ネイティブのビジョン機能と100万トークンのコンテキストウィンドウを備え、Kimi K2に比べてスケーリング効率が約2.5倍向上しています。この進歩により、大規模なリポジトリ、ドキュメント、画像にまたがって持続的なコンテキストを必要とする長時間実行のコーディングやナレッジワークのワークフローに適しています。
オープンウェイトモデルは、大規模にAIを構築・展開する際の経済性を変えつつあります。知能と効率が急速に向上しているため、企業はワークロードごとに性能、速度、コストの適切なバランスを選択できます。AWSは、組織が本番運用に必要な信頼性とセキュリティを備えたうえでオープンウェイトの技術革新を採用できる未来に向けて構築を進めています。
明示的プロンプトキャッシュの仕組みと課金
Kimi K3は、Amazon Bedrockのオープンウェイトモデルとして初めて明示的なプロンプトキャッシュをサポートしており、モデル呼び出しをまたいでコンテキストを再利用する際のレイテンシと入力コストの削減に役立ちます。明示的なプロンプトキャッシュでは、再利用できるプロンプトの接頭部分(prefix)を指定し、後続のリクエストがキャッシュ済みの内容を使えるようにします。Amazon Bedrock上のKimi K3では、サポートされる入力コンテンツに`prompt_cache_breakpoint`を追加することで、再利用できるプロンプトの接頭部分の終わりを正確に指定できます。この位置は、少なくとも1,024トークンより後でなければなりません。長時間続くコーディングやナレッジのワークフローでは、リポジトリの指示、ツール定義、参考ドキュメントのような変わらないコンテキストを繰り返し送ることが多いです。リクエストがキャッシュ済みのprefixに一致すると、Amazon Bedrockは応答のレイテンシと入力トークンのコストを下げられます。キャッシュにヒットした後続のリクエストでは、入力トークンは割引料金で課金され、分あたりの入力トークン数のクォータにも数えられません。明示モードでは、キャッシュに書き込まれるトークンは高い料金で課金されますが、その後少なくとも30分間キャッシュに保持されます。
Kimi K3の提供開始は、AWSがAmazon Bedrockにおいてオープンウェイトモデルに継続的に投資していることの表れです。Amazon Bedrockには2025年以降、DeepSeek、Google、MiniMax、Mistral AI、Moonshot AI、NVIDIA、OpenAI、Qwenなどのプロバイダーによるオープンウェイトモデルが数十種類追加されており、この選択肢の拡大を支えているのは、それらのモデルを大規模に提供する推論技術の継続的な進歩です。
2026年にBedrockは、ツール呼び出し(tool calling)、構造化出力(structured output)、推論(reasoning)、レスポンスのストリーミング、およびResponses APIとChat Completions APIのサポートを追加しました。これらの機能はモデルごとの統合ではなくプラットフォーム機能であるため、新しいオープンウェイトモデルはAmazon Bedrockで利用可能になった時点でこれらの恩恵を受けられます。
Amazon Bedrockのすべてのオープンウェイトモデルと同様に、Kimi K3もセキュリティ体制を変えずに採用できます。データはAWSのデータ境界内で処理され、プロバイダーと共有されることはなく、基盤モデルの学習にも使われません。推論リクエストではゼロデータ保持(Zero data retention)が常に有効であり、ゼロオペレーターアクセス(zero operator access)により、推論中はAWSのオペレーターでさえプロンプトとコンプリーションにアクセスできません。
クロスリージョン推論プロファイルと利用できる環境
Kimi K3はクロスリージョン推論(cross-Region inference)経由で呼び出すことができます。リージョン制約のないワークロードには、各リクエストが世界中のサポートされる商用AWSリージョンのいずれかにルーティングされるグローバルプロファイル `global.moonshotai.kimi-k3` の使用が推奨されます。一方、米国の地理的プロファイル `us.moonshotai.kimi-k3` は、データレジデンシー要件のために処理を米国の地理的範囲内に保ちます。なお、グローバルクロスリージョン推論のコストは、地理的プロファイルより約10%低くなります。
Moonshot AIのKimi K3は、9月21日からAmazon Bedrockにおいて、US Geo(us.)とGlobal(global.)のクロスリージョン推論の推論プロファイルを通じて利用可能です。Kimi K3はAPIを直接使うほかに、Amazon Bedrockを具体的にサポートする、あるいは一般にOpenAI互換のモデルプロバイダーをサポートする、幅広いコーディングアシスタント、パーソナルエージェント、エージェント型フレームワークから利用できます。
Kimi K3 on Amazon Bedrockを使うための前提条件は、Amazon Bedrockにアクセスできる有効なAWSアカウント、Python 3.10以降、およびモデルを呼び出すためのAWS IAM権限です。Kimi K3を呼び出すために必要なAWS IAM権限は、`bedrock:InvokeModel`、`bedrock:InvokeModelWithResponseStream`、および `bedrock:CallWithBearerToken` です。Amazon Bedrockへの認証には、OpenAI SDKとPython用のaws-bedrock-token-generatorライブラリを使って短期のベアラートークンを生成する方法があります。
コーディングエージェントの例として、OpenCodeが挙げられます。OpenCodeはオープンソースでモデルに依存せず、Converse APIを使うネイティブなamazon-bedrockモデルプロバイダーを備えています。`amazon-bedrock`プロバイダーを設定するには、ユーザーレベルまたはプロジェクトレベルの`opencode.json`設定ファイルに記述します。たとえば、`~/.config/opencode.json`ファイルに最小限の設定を記述する方法があります。設定すると、利用可能なAmazon Bedrockのモデルが自動検出され、`/models`コマンドで選択できます。プロバイダーの設定後は、`/models`コマンドでモデルを`global.moonshotai.kimi-k3`に切り替えて開発を始められます。
汎用的な生産性のためのオープンソースのアシスタントであるHermes Agentは、デスクトップアプリ、一般的なメッセージングアプリ、ターミナルのいずれからも利用でき、Amazon Bedrock上のモデルをネイティブにサポートしています。Hermes Agentはディープリサーチやタスク自動化といったユースケースをサポートしており、これらはKimi K3も高い性能を発揮しうる用途です。HermesでプロバイダーにAmazon Bedrockを選ぶには、ターミナルで`hermes model`を実行し、一覧を「AWS Bedrock」までスクロールします（Hermesは「Amazon Bedrock」を「AWS Bedrock」と誤って表示しています）。Hermes AgentでAmazon Bedrockを設定する際、プロンプトが表示されたら、Hermesがリクエストを送信する送信元のAWSリージョンを選択します。Hermes Agentのモデル選択では、自動検出されたモデル一覧からKimi K3を選びます。一覧にない場合は、カスタムモデル名として`global.moonshotai.kimi-k3`を入力します。
汎用的な生産性向上のためのオープンソースのアシスタントの一例であるHermes AgentでKimi K3を使うには、Amazon Bedrockプロバイダーの設定とモデルの設定を済ませる必要があります。認証情報の選択では、環境に設定済みのAWS Command Line Interfaceの認証情報を使うデフォルトの認証情報チェーン(推奨)か、Amazon Bedrock APIキーの生成のどちらかを選べます。環境で複数のAWS認証情報を名前付きプロファイルで管理している場合、記事執筆時点では、Hermesには `AWS_PROFILE` 環境変数を設定するか、デフォルトプロファイルを使う必要がありますが、代わりにAPIキーに切り替えることも可能です。設定が完了すれば、HermesでのエージェントワークフローにKimi K3を使い始めることができ、記事の例では、パーソナライズされた学習計画をエージェントに作らせています。Hermesの設定ファイルでAWSプロファイルを指定するサポートについては、未解決の課題報告(issue)で更新を確認できます。
Kimi K3は、まとまった規模の機能を構築でき、長時間にわたるタスクにも取り組めます。AWSは、OpenCodeを用いてKimi K3を使い、ブラウザ上で動く単一ファイルのゲームを作る例を紹介しています。また、AWSは、Hermes AgentでKimi K3を使い、エージェントにパーソナライズされた学習計画を作らせる例も紹介しています。
Kimi K3を試す方法
Kimi K3を試すには、Amazon Bedrockコンソールで Test > Playground を開き、モデルとして Kimi K3 を選択して最初のプロンプトをテストできます。また、GitHub上のMoonshot AI on AWSサンプルリポジトリを参照することでも、Kimi K3を試すことが可能です。プログラムからは `bedrock-runtime` エンドポイントでモデルを呼び出せます。このエンドポイントは、OpenAI互換のResponses APIとChat Completions API、およびAmazon BedrockのInvoke APIとConverse APIをサポートしています。対応リージョンの全一覧はBedrockのドキュメントで確認でき、料金はAmazon Bedrockの料金ページで確認できます。