Moonshot AIのオープンウェイトモデルであるKimi K3が、Snowflake Cortex AIでプライベートプレビューとして利用可能になりました。Cortex AIにK3が加わることで、チームは作業に適したモデルを選ぶための選択肢をさらに得られます。複雑なタスクにフロンティアレベルの推論を活用することも、コストの高いプロプライエタリモデルを最も効果が大きい用途に限定して使うことも可能です。
提供開始時点では、プレビューをご利用のお客様はSnowflake Cortex AI関数およびSnowflake Cortex推論を通じてKimi K3を利用できます。Snowflake CoCo、Snowflake Cortex Agents、Snowflake CoWorkへの対応も近日中に予定しています。
Moonshotが公開した評価では、K3は動作するGPUコンパイラーをゼロから自律的に構築し、複雑な天体物理学の研究を2時間で再現し、大規模なリポジトリにわたる複数日のコーディングセッションを継続しました。これらの結果は、多くのステップを要し、複数の種類の入力を使用し、コンテキストを引き継ぐ必要がある作業向けに設計されたモデルであることを示しています。以下のセクションでは、Snowflake上でそれがどのような形になるかを説明します。
Kimi K3：長時間にわたる作業向けの設計
Kimi K3は2.8兆パラメータのMixture-of-Expertsモデルで、MoonshotのStable LatentMoEフレームワークを使用して、トークンごとに896個のエキスパートのうち16個をアクティブにします。Moonshotは、前世代のK2と比較してスケーリング効率が2.5倍向上したと報告しています。
実際には、このアーキテクチャは複数のステップを要し、複数の種類の入力を使用する作業を対象としています。Moonshotは、大規模なリポジトリを探索し、ターミナルツールをオーケストレーションし、スクリーンショットを使用して結果を改善する長時間のコーディングセッションを取り上げています。同社のリサーチ事例では、文献レビュー、実行可能なコード、検証、インタラクティブな可視化を組み合わせています。チームにとっては、これはリポジトリレベルの開発、リサーチの統合、そしてモデルが多数のターンにわたってコンテキストを引き継ぐ必要がある分析ワークフローに相当します。
これらの例はモデルレベルの機能を示したものです。利用可能な入力、ツール、コンテキストの上限、出力の処理は、使用するSnowflakeのサーフェスと構成によって異なります。
ソース：Moonshot AI、Kimi K3：オープンフロンティアインテリジェンス、およびHugging Face
SnowflakeのKimi K3でできること
Kimi K3により、Snowflakeのモデルの選択肢にオープンウェイトモデルが加わります。プライベートプレビュー期間中、チームは推論用の展開を別途セットアップすることなく、独自のタスクや品質要件に照らしてこのモデルを評価できます。
近日中に、Snowflake CoCo、Snowflake CoWork、Cortex AgentsでKimi K3がサポートされ、コーディング、リサーチ、データエージェントのワークフローにも評価の対象が広がる予定です。
- Snowflake CoCoで開発：リポジトリレベルの作業は、目の前のファイルだけでは完結しません。開発者は、複数のモジュールにわたって呼び出しを追跡し、既存のテストを理解し、変更を動作する結果まで仕上げる必要がある場合があります。Kimi K3は長時間のコーディングに重点を置いているため、CoCoで評価するのに適した領域です。
Kimi K3で新しいセッションを開始し、明確な受け入れ基準を設けた範囲の限定されたタスクを与えてください。このモデルは会話履歴の保持方法に影響を受けやすいため、Moonshotは進行中のセッションを別のモデルからK3に切り替えることを推奨していません。 - データエージェントにリサーチを取り入れる：Snowflake CoWorkとCortex Agentsでのサポートにより、チームはエージェントが利用できるデータやツールを活用したリサーチや分析のワークフローを評価できるようになります。たとえば、Kimi K3を使用して顧客リサーチのメモを比較し、相反する要件を特定し、各推奨事項の根拠となるエビデンスを添えた概要資料を作成できます。
ベンチマーク結果
以下は、コーディング、エージェント、推論、ビジュアルのベンチマークを含む、Moonshot AIが公開した評価テーブルの結果の抜粋です。方法論、ハーネスの詳細、脚注の全文については、Moonshot AIのKimi K3モデルカードをご覧ください。
| ベンチマーク | Kimi K3の結果 |
|---|---|
| DeepSWE | 67.5 |
| ProgramBench | 77.8 |
| Terminal-Bench 2.1 | 88.3 |
| FrontierSWE | 81.2 |
| BrowseComp | 91.2 |
| DeepSearchQA | 95.0 |
| ResearchRubrics | 76.2 |
| GDPval-AA v2 | 1686 |
| GPQA Diamond | 93.5 |
| AA-LCR | 74.7 |
| OmniDocBench | 91.1 |
| PerceptionBench | 58.5 |
ソース：Moonshot AI
Cortex AI関数でリサーチを要約
Cortex AI関数を使用すると、モデルの呼び出しをSQLで実行できます。アナリストはAI_COMPLETEを使用して、個別のAPIクライアントを作成することなく、リサーチメモを比較したり、ドキュメントのテキストを要約したりできます。この自己完結型の例では、架空の製品インタビューを使用しています。
SELECT AI_COMPLETE(
'kimi-k3',
'Compare these fictional product research notes. Interview A: export jobs time out on large reports. Interview B: users need scheduled exports. Interview C: report definitions are hard to reuse. Group the needs, explain how they differ, and propose follow-up questions. Use only the supplied notes.'
) AS research_summary;OpenAI SDKでKimi K3を呼び出す
Kimi K3はChat Completionsのリクエスト形式をサポートしているため、開発者はOpenAI SDKを使用してSnowflakeのCortex REST API経由でモデルを呼び出すことができます。SNOWFLAKE_PATにSnowflakeのプログラムによるアクセストークンを、SNOWFLAKE_ACCOUNT_URLにアカウントのHTTPS URLを設定します。
import os
from openai import OpenAI
account_url = os.environ["SNOWFLAKE_ACCOUNT_URL"].rstrip("/")
client = OpenAI(
api_key=os.environ["SNOWFLAKE_PAT"],
base_url=f"{account_url}/api/v2/cortex/v1",
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[{
"role": "user",
"content": (
"Compare these fictional product research notes. "
"Interview A: export jobs time out on large reports. "
"Interview B: users need scheduled exports. "
"Interview C: report definitions are hard to reuse. "
"Group the needs, explain how they differ, and propose "
"follow-up questions. Use only the supplied notes."
),
}],
)
print(response.choices[0].message.content)開始前に知っておくべきこと
- 会話履歴が重要です。K3は思考履歴を保持した状態でトレーニングされています。セッションの途中で別のモデルからK3に切り替えたり、思考内容を破棄するハーネスを使用したりすると、出力品質が低下する可能性があります。K3を評価する際は、新しいセッションを開始してください。
- モデルが自発的に動作する場合があります。K3は軽微な問題や曖昧な意図に遭遇すると、確認を求めるのではなくユーザーに代わって行動することがあります。システムプロンプトで明示的な制約を指定し、厳格な境界が必要な展開では、適切なエージェント承認権限を使用するようにしてください。
- Moonshotは、K3の全体的なユーザー体験は「最も強力なプロプライエタリモデルであるClaude Fable 5およびGPT 5.6 Solには依然として及ばない」と述べています。K3は、あらゆるワークロードをそのまま置き換えるものではなく、評価すべき有力なオープンウェイトの選択肢として扱ってください。
使用を開始する
タスクに最適なモデルは、タスクによって異なります。プライベートプレビューにおいて、Kimi K3は、個別のインフラストラクチャをプロビジョニングすることなく、Cortex AI関数およびCortex推論を通じて評価できる高度なオープンウェイトモデルをチームに提供します。モデルIDkimi-k3を使用し、すでに理解しているタスクを実行して比較してください。
この規模のオープンウェイトモデルは、かつては専用のインフラストラクチャと運用チームを必要としていました。現在では、モデルIDを切り替えるだけで利用できます。SnowflakeのマネージドAIプラットフォームに新しいモデルが加わるたびに、チームが評価できる範囲が広がります。K3は、完了までに多くのステップを要する作業向けに設計されたモデルを新たに加えます。
さらに詳しく
- Cortex Agentsでエージェント型アプリケーションを構築：Cortex Agentsの利用を開始し、エンタープライズデータに基づいたAIエクスペリエンスの構築方法をご確認ください。
- Snowflake CoWorkの利用を開始：Snowflake CoWorkの詳細を確認し、スタートガイドで実際にお試しください。
- Snowflake CoCoで構築を開始：Snowflake CoCoの詳細を確認し、CoCo Desktopスタートガイドで実際に操作してください。
Cortex REST APIを使用すると、任意のエンドポイントまたはSDKを通じて主要なフロンティアモデルにアクセスできます。すべての推論はSnowflakeの境界内で実行されるため、データはセキュアな状態でガバナンスの境界内に保持されます。詳しくは、Cortex REST APIをご確認ください。
将来の見通しに関する記述
このページには、Snowflakeが将来提供する製品に関する記述を含め、将来の見通しに関する記述が含まれていますが、これはいかなる製品の提供も約束するものではありません。実際の成果や提供物は異なる可能性があり、既知および未知のリスクおよび不確実性の影響を受けます。詳細については、最新の四半期報告書（10-Q）をご覧ください。
