実データ検証

Kimi K3はローカルで動かせるのか？必要スペックを実ファイルサイズから検証【2026年7月】

「オープンウェイトなら自分のPCで動かせるはず」と考えて調べ始めた方向けの記事です。Hugging Faceの公開状況を実際に確認し、すでに公開されているKimiモデルの実ファイルサイズから必要スペックを計算しました。結論として個人PCでは動きませんが、その理由と現実的な代替を数字で示します。

先に結論

本記事の確認時点では、Kimi K3のウェイトはまだ公開されていません。Hugging Faceには公開予告のカウントダウンページがある状態です
公開されたとしても、個人PCで動かすことは現実的に不可能です。すでに公開されているKimiモデルのファイルサイズを見れば理由がはっきりします
実際に確認したところ、1世代前のKimi K2.7-Codeですらファイル合計595GB。K3はさらに大きい規模とされています
「ローカルで動かしたい」という目的がデータを外に出したくないことなのか、コストを抑えたいことなのかで、取るべき手段は変わります。記事後半で整理します

いまウェイトはどうなっているのか（実際に確認した結果）

確認日時と方法

2026年7月27日朝（日本時間）に、Hugging FaceのAPIとWebページの両方を直接確認しました。以下はその時点の事実です。状況は短期間で変わる可能性が高いため、必ずご自身でも確認してください（確認方法はこの章の最後に書きます）。

Moonshot AI公式アカウントで公開済みのモデル

Hugging FaceのMoonshot AI公式アカウントを更新日の新しい順に見ると、最新の公開モデルはKimi K2.7-Code（2026年6月15日）でした。K3はまだ一覧に出てきません。

K3のリポジトリページはすでに存在する

ただし moonshotai/Kimi-K3 というページ自体は存在します。アクセスすると公開予告とカウントダウンが表示されるだけで、モデルカードの技術情報もダウンロード可能なファイルもありませんでした。通知登録を促す内容です。

そこに書かれていた説明としては、「世界初のオープン3T級モデル」という表現と、Delta Attention・Attention Residuals というアーキテクチャ上の要素、ツール呼び出し対応、コード理解向けの長いコンテキストへの言及がありました。

公開日時の情報は錯綜しています

第三者のブログやメディアでは「7月27日 00:00 UTC公開」と報じているものが複数ありますが、私が確認した時点のカウントダウン表示とは時刻が一致しませんでした。数時間単位のずれがあります。

この記事では具体的な公開時刻を断定しません。正確な情報はMoonshot AIの公式アカウントで確認してください。第三者サイトの「◯月◯日公開」という記述は、そのまま信じない方が安全です。

自分で確認する方法

公開されたかどうかは、次のコマンドで一発で分かります。ブラウザでページを開くより確実です。

# Moonshot AI公式の公開モデルを更新日の新しい順に取得
curl -s "https://huggingface.co/api/models?author=moonshotai&sort=lastModified&direction=-1&limit=10" \
  | python3 -c "import json,sys; [print(m['lastModified'][:10], m['modelId']) for m in json.load(sys.stdin)]"

この一覧に Kimi-K3 系のリポジトリが現れ、かつ次章の方法でファイルサイズが取得できれば、実際に公開されたということです。

すでに公開されているモデルの実サイズ（ここが判断材料）

K3の詳細が出ていない今、いちばん確実な判断材料はすでに公開されているKimiモデルの実ファイルサイズです。Hugging FaceのAPIから実測しました。

モデル	公開日	ウェイト合計サイズ	ファイル数	月間ダウンロード
Kimi K2.7-Code	2026-06-15	595 GB	64	約73万
Kimi K2.6	2026-05-19	595 GB	64	約94万
Kimi K2-Instruct（FP8）	2026-04-23	1,029 GB	61	約19万

ここが本質です。1世代前のモデルでも595GB、その前の世代は1TBを超えています。K3は「3T級」とされているので、これより小さくなることは期待できません。

ファイルサイズを自分で確認する方法

数字は自分で取れます。他人の記事の値を信じる必要はありません。

curl -s "https://huggingface.co/api/models/moonshotai/Kimi-K2.7-Code?blobs=true" | python3 -c "
import json,sys
d=json.load(sys.stdin)
sf=[f for f in d['siblings'] if f['rfilename'].endswith('.safetensors')]
print(f'ファイル数: {len(sf)}')
print(f'合計: {sum(f[\"size\"] for f in sf)/1e9:.0f} GB')
"

K3が公開されたら、リポジトリ名を差し替えて同じコマンドを実行すれば、実際のサイズが分かります。

必要スペックの計算：どれだけ足りないのか

モデルを動かすには、ウェイト全体をGPUメモリ（VRAM）に載せる必要があります。別記事で解説した計算式を使います。

必要VRAM(GB) ≈ ウェイトのサイズ(GB) × 1.2

（1.2はKVキャッシュや実行時オーバーヘッドの係数。
　コンテキストを長く取るほどこの余裕は増える）

すでに公開されているK2.7-Code（595GB）の場合

必要VRAMは 595 × 1.2 ≒ 714GB です。主要GPUのメモリ容量で割ります。

GPU	1枚のメモリ	必要枚数（714GB）
NVIDIA H200	141 GB	6枚
NVIDIA H100	80 GB	9枚
RTX 5090（コンシューマ最上位）	32 GB	23枚

すでに公開されているモデルでも、コンシューマ最上位GPUが23枚必要です。1枚でも高価なカードを23枚積める個人はほぼいません。しかも複数GPUをまとめて1つのモデルに使うには、それを繋ぐマザーボードや電源も必要です。

K3が「3T級」だとすると

K3の実サイズは未公開なので、パラメータ数から概算します。3兆パラメータを4bit量子化した場合、単純計算で約1,500GB。オーバーヘッドを含めると約1,800GB（1.8TB）です。

GPU	必要枚数（1,800GB想定）	クラウドでの月額目安
H200（141GB）	約13枚 → 2ノード（16枚）	約1,430万円/月
H100（80GB）	約23枚 → 3ノード（24枚）	約2,850万円/月

月額の目安は、GCPの公開オンデマンド料金をもとにした別記事の試算から引いています（GPU代のみ、24時間365日稼働の場合）。ストレージ・ネットワーク・運用の人件費は含みません。

量子化しても解決しません

「4bitに圧縮すれば動くのでは」という発想は自然ですが、上の表はすでに4bit量子化を前提にした数字です。それでも1.8TB必要です。

さらに量子化を進めると精度が落ちます。「せっかく最上位モデルを使うのに、精度を犠牲にして無理やり載せる」のは本末転倒になりがちです。圧縮は数十GB級のモデルを個人PCに載せるための技術で、TB級モデルを個人PCに載せるためのものではありません。

では「ローカルで動かしたい」目的別に何をするか

ここが実務的にいちばん大事な部分です。「ローカルで動かしたい」の裏にある目的は人によって違い、目的が分かれば取るべき手段も変わります。

本当の目的	推奨する手段	理由
データを外部に出したくない	より小さいオープンモデルを自社環境で動かす	K3級は物理的に無理。数十GB級なら1〜2枚のGPUで動く。要件を満たす最小のモデルを選ぶ
APIのコストを抑えたい	API利用のまま最適化する	自前ホスティングの方が桁違いに高い。損益分岐点の計算は別記事参照
オフラインで使いたい	小型モデル（数B〜十数B級）	K3級は諦める。用途を絞れば小型でも実用になる
とにかくKimiのウェイトを触ってみたい	クラウドGPUを時間単位で借りる	数時間なら現実的な金額。買うのではなく借りる
単にKimi K3を使いたい	API・Web・CLIで使う	ローカル実行にこだわる理由がないなら、これが最短で最安

小さいモデルで済むなら選択肢はある

Moonshot AIは大規模モデル以外も公開しています。実際に公開されていて、ダウンロード数も多いものを挙げます。

モデル	特徴	月間ダウンロード
Kimi-VL-A3B-Instruct	視覚対応・アクティブパラメータ3B級	約38万
Kimi-VL-A3B-Thinking	上記の推論強化版	約16万
Moonlight-16B-A3B-Instruct	16B規模・アクティブ3B級	約4万
Kimi-Linear-48B-A3B-Base	48B規模・アクティブ3B級	約1千

これらは「A3B」＝アクティブパラメータが3B級のMoE（混合エキスパート）構成なので、全体規模のわりに動かしやすいのが特徴です。「Kimiを自分の環境で動かす」という体験が目的なら、ここから始めるのが現実的です。

最上位モデルと小型モデルは用途が違う

期待値の調整として書いておきます。3B級のモデルにK3と同じ働きを求めても無理です。要約・分類・簡単な変換のような限定された用途では十分実用になりますが、長時間の自律コーディングのような用途は最上位モデルの領域です。

「ローカルで動かす」と「最上位の性能を使う」は、現時点では両立しません。どちらを優先するかを先に決めてください。

公開されたら最初に確認すべき3点

ウェイトが公開されたとき、ダウンロードに走る前に確認したい項目です。

公式アカウントかどうか。個人が作った同名リポジトリが先に存在することがあります。moonshotai/ 配下であることを必ず確認してください。実際に検索すると、Moonshot AI以外のアカウントが作ったK3関連ページが複数見つかります
ライセンス。既存のKimiモデルは license: other（独自ライセンス）です。K2のライセンス条件をK3にそのまま当てはめないでください。商用利用の条件はモデルごとに異なる可能性があります。K3のリポジトリにあるライセンスファイル自体を読んでください
実際のファイルサイズ。前述のコマンドで確認できます。ダウンロードを始める前に、置く場所とネットワーク帯域が足りるかを計算してください。595GBのダウンロードは、回線によっては数日かかります

よくある質問

Q. Mac StudioのUnified Memoryなら動きませんか？

K3級には足りません。Apple Siliconは大きなメモリを推論に使える点で有利ですが、それでも上限は数百GBの範囲です。1.8TBには届きません。ただし前述の小型モデル（A3B系）であれば、Apple Siliconは有力な選択肢になります。なお現行Mac Studioの選択可能なメモリ構成は変動しており、購入検討時はApple公式の仕様ページで最新の構成を確認してください。

Q. CPUとシステムメモリにオフロードすれば動きますか？

技術的には可能ですが、実用速度にはなりません。GPUメモリとシステムメモリでは帯域が桁違いで、ウェイトの大部分をシステムメモリに置くと、1トークン出すのに数秒以上かかる状態になり得ます。「起動はした」と「使える」は別問題です。検証目的なら意味がありますが、業務利用は想定しないでください。

Q. なぜオープンウェイトとして公開するのに、動かせないサイズなのですか？

オープンウェイトの公開は「個人PCで動かせるようにする」ためだけのものではありません。研究目的での分析、企業や研究機関が自社インフラで動かす、他社がファインチューニングして派生モデルを作る、といった用途が主です。「オープン＝手元で動く」という前提そのものが、TB級モデルの時代には成立しなくなっています。

Q. 結局いま何をすればいいですか？

Kimi K3を使いたいだけなら、API・Web・CLIから使うのが最短です（セットアップ手順は別記事）。ローカル実行が目的なら、まず「なぜローカルなのか」を言語化してください。データを外に出せない要件であれば小型モデル、コスト削減が目的であればAPIの最適化、という具合に答えが変わります。この記事の目的別の表を使ってください。

まとめ

この記事の要点

確認時点でK3のウェイトは未公開。Hugging Faceには公開予告のカウントダウンページのみ
公開日時は第三者情報が錯綜している。公式アカウントで確認すること
すでに公開されているK2.7-Codeは実測595GB、K2-Instructは1,029GB
595GBでも必要VRAMは約714GB。コンシューマ最上位GPUで23枚相当
K3が3T級なら4bit量子化しても約1.8TB。H200で2ノード、月額1,400万円規模
量子化は解決策にならない。TB級を個人PCに載せる技術ではない
「ローカルで動かしたい」目的を言語化すると、多くの場合は別の手段が正解になる
Kimiを自分の環境で動かす体験がしたいなら、A3B系の小型モデルから始める

今日やれる最初の一歩は、この記事に載せたcurlコマンドを実行して、公開状況とファイルサイズを自分の目で確認することです。数字を自分で取れるようになると、「動かせる」「動かせない」を他人の記事に頼らず判断できます。そのうえで、自分の目的が本当にローカル実行を必要としているのかを考えてみてください。

本記事のHugging Faceの公開状況・ファイルサイズは2026年7月27日朝（日本時間）にAPIおよびWebページで直接確認したものです。ウェイトの公開状況は短期間で変わりますので、記事内のコマンドで最新状況をご確認ください。GPUの必要枚数はウェイトサイズからの概算であり、実際の要件は推論エンジンの実装・コンテキスト長・バッチサイズによって変動します。クラウド料金の目安は当サイト別記事の試算（2026年5月時点のGCP公開料金）に基づく参考値です。ライセンス条件は必ず各モデルのリポジトリでご確認ください。