Kimi K3でのKimi Codeを使ったコーディング方法

Moonshot AIは、単一のプロンプトでは完結しないコーディング作業のためにKimi K3を開発しました。その目的は、長期的視点に立ったエンジニアリングです。大規模なリポジトリにモデルを適用し、ファイルを読み込み、ツールを実行し、テストを実施し、返ってくるログやスクリーンショットを読み取り、タスクが完了するまで反復します。これはオートコンプリートとは異なる役割であり、モデルを包み込むコーディングエージェントが必要です。Moonshotは「Kimi Code」というエージェントを提供しています。このガイドでは、Kimi Code内でK3を実行する方法、実際のエイジェンティックループがどのようなものか、Claude CodeやCursorと並べてどのように位置づけられるか、そして正直なところどこが不十分かについて説明します。

TL;DR: コーディングのためのKimi K3の実行

Kimi K3は、2026年7月16日にリリースされたMoonshot AIのフラッグシップモデルで、100万トークンのコンテキストウィンドウを持ち、リポジトリ規模の作業に特化したアーキテクチャを備えています。MoonshotのターミナルおよびIDEコーディングエージェントであるKimi Codeを介してこれを使ってコーディングします。/modelコマンドでモデルを選択し、タスクを与えます。K3は、大規模なコードベースのナビゲーション、ツールの使用、デバッグ、および画像、ログ、テスト、ランタイムフィードバックに対する反復作業に優れています。90%を超えるキャッシュヒット率が報告されているため、キャッシュを多用するループでは低コストですが、約62トークン/秒と最速ではありません。Moonshot自身も、生の能力ではClaude Fable 5やGPT-5.6 Solにまだ及ばないと述べています。K3がAPIを構築する際、Apidogは生成されたエンドポイントを叩き、その動作を確認するための最速の方法です。モデルの背景については、Kimi K3とは何かから始めてください。

Kimi Codeとは

Kimi CodeはMoonshotのコーディングエージェントです。ターミナルで実行され（そしてIDEと統合され）、ファイルの読み書き、シェルコマンドの実行を行い、単に質問に答えるだけでなく、あなたの代わりに完全なエンジニアリングセッションを推進します。プロジェクトディレクトリ内でそれを開き、あなたが望むものを記述すると、それは計画を立て、編集し、実行し、ループ内で自身の作業をチェックします。モデル単体ではテキストとツールエンジンですが、Kimi Codeはファイルシステム、シェル、テスト出力、スクリーンショットを提供し、それらに対して作業を行わせるハーネス（結合部分）です。このハーネスが「コードに優れたモデル」を「チケットを完了できるエージェント」に変えます。

Kimi CodeはK3と共に新しいものではありません。以前のKimi K2ラインも同じエージェントで動作していました。私たちのKimi Code CLIガイドは、基礎からのインストール手順を網羅しており、Kimi CLIの使用方法はより広範なコマンドラインリファレンスです。この記事では、CLIがインストールされていることを前提とし、K3の操作に焦点を当てています。

Kimi CodeでKimi K3を実行する

Moonshotがツールを更新するにつれて、正確なインストールコマンドとフラグは変更されるため、以下の手順はワークフローの概要として捉え、正確な構文は公式のKimiドキュメントまたはKimi Code CLIガイドで確認してください。コマンドは代表的なものであり、正確ではありません。

1. エージェントのインストールと認証。 コマンドラインツールを一度インストールし、Kimi APIにアクセスできるようにサインインします。KimiアカウントとKimi開発者プラットフォームからのAPIキーが必要です。誤ってコミットしてしまう可能性のある設定ファイルに貼り付けるのではなく、環境変数としてキーを保存してください。

# 代表的な例であり、正確ではありません。最新の構文は公式ドキュメントで確認してください。
export KIMI_API_KEY="your-key-here"
kimi-code   # 現在のディレクトリでエージェントを起動する

2. プロジェクト内で開く。 リポジトリに移動し、そこでエージェントを起動します。Kimi Codeは現在のディレクトリを作業ルートとして扱い、プロジェクト構造を読み込んでコンテキストを構築するため、どこで起動するかが重要です。

3. モデルとしてK3を選択する。 セッション内で、/modelコマンドでアクティブなモデルを切り替え、kimi-k3を選択します。これは、同じタスクでK3と、コーディングに特化したKimi K2.7 Codeのような古いモデルを切り替える場合と同じメカニズムです。

/model kimi-k3

4. 推論の労力を設定する。 K3は、「最大」設定を含む、設定可能な推論の労力を公開しています。困難なデバッグや大規模なリファクタリングでは、より多くの思考が役立ちます。迅速な編集の場合、不必要な深さに費用を払わないように、それを下げてください。

モデルが選択され、エージェントがリポジトリを指したら、作業を与える準備ができています。Kimi CodeをインストールせずにK3を試す、または無料で利用するには、Kimi K3を無料で使う方法で無料のパスについて説明しています。

実践的なエイジェンティックコーディングワークフロー

バグを修正する場合でも、機能をリリースする場合でも、パターンは同じです。K3に具体的なタスクを与え、コンテキストを収集させ、客観的なものに対して結果を証明させます。

リポジトリに適用し、明確なタスクを与える

曖昧な指示は曖昧な作業を生み出します。「認証モジュールを改善する」という代わりに、エージェントが検証できるタスクを与えます。「パスワードフィールドが空の場合、/loginエンドポイントは500を返します。これを再現し、原因を見つけ、修正し、空のパスワードケースをカバーするテストを追加してください。」具体的でテスト可能な目標は、出力品質に対する最大のレバレッジです。それはエージェントが自身をチェックするためのゴールラインを与えます。

K3の1Mトークンコンテキストは、「リポジトリ全体に適用する」ことを現実的にします。エージェントはコードベースの大部分を一度に保持し、あなたが正しいファイルを供給することなく、ルートハンドラからサービスレイヤーへの呼び出しをトレースします。Moonshotは、大規模リポジトリのナビゲーションをK3の核となる強みとして挙げています。

ツールを使用させ、フィードバックを読み取る

ここでエージェントがその価値を発揮します。K3はツールコールをサポートしているため、Kimi Code内でテストスイートを実行したり、コードベースをgrepしたり、ビルドを実行したり、実行中のサービスにアクセスしたりして、返ってくるものを読み取ることができます。

1. エージェントは関連ファイルを読み込み、仮説を形成します。
2. 編集を行います。
3. テストまたはアプリを実行します。
4. 失敗した出力、スタックトレース、またはログ行を読み取ります。
5. チェックが通過するまで修正し、繰り返します。

MoonshotはK3を「大規模リポジトリのナビゲーション、ツールの使用、デバッグ、および画像、ログ、テスト、ランタイムフィードバックに対する反復作業において特に優れている」と評しています。このループがワークフローの核心です。あなたはモデルに最初の推測で正解を出すことを求めているのではなく、人間のエンジニアのように実行し、観察し、修正することを求めています。

画像とランタイム出力に対する反復

フィードバックはテキストに限定されません。Moonshotは、K3の機能範囲の一部としてビジュアル推論を強調しています。エージェントはスクリーンショットを読み取ってフロントエンドの変更が正しくレンダリングされたことを確認したり、キャプチャされた画像を使用してゲーム開発やCAD作業をガイドしたりできます。したがって、UIループは次のようになります。CSSを変更し、レンダリングし、スクリーンショットを撮り、調整します。バックエンド作業の場合、フィードバックはテストレポート、ログストリーム、またはHTTPレスポンスであり、ループは同じです。

テストでループの信頼性を保つ

テストは自律的なループが逸脱するのを防ぎます。合格するスイートを目標とすることで、エージェントは明確な「完了」と「破損」の信号を得ます。それがなければ、長時間の実行で迷走し、3ファイル離れた場所で何かをひっそりと壊す可能性があります。まずテストを書き、K3が合格するまで反復させます。

コーディングにおけるKimi K3 vs Claude Code vs Cursor

Kimi CodeにおけるK3だけがエイジェンティックコーディングのセットアップではありません。2026年半ばにおける、コードベースに対してエージェントを実行する最も一般的な3つの方法を正直に比較します。

いくつかの要点。難しいタスクで最高の生の信頼性を求めるなら、Moonshot自身がK3よりも優れていると認めるモデルは、Claude CodeのFable 5です。洗練されたエディター内でエージェントを使いたい場合は、CursorやClineスタイルのツールの方が適しており、私たちのClaude Code、Cline、CursorにおけるGLM-5.2ガイドが示すように、それらを通じて他のオープンモデルを実行することもできます。K3の強みは、非常に大きなコンテキスト、強力なリポジトリナビゲーション、そしてトークンごとのフロンティアモデルでコストがかさむ長期的な反復ループに対応した価格設定です。ウェイトが公開されれば、これら3つのうち自己ホスト可能な唯一のものです。

強みと正直な限界

K3の得意なこと

リポジトリ規模のコンテキスト。 1Mトークンのウィンドウにより、エージェントは大規模なコードベースを一度に視界に収めることができ、モノレポ作業で小さなコンテキストモデルが直面する「どのファイルを渡せばいいのか」という問題を軽減します。

ツール使用と長期的な自律性。 K3は、最小限の手助けで長期にわたるエンジニアリングセッションを維持し、ターミナルツールを調整し、実際の出力に対して自身を修正するように調整されています。それが、チケットをクローズすることとスニペットを提案することの違いです。

キャッシュを多用するループにおけるコスト。 エイジェンティックコーディングは、各ステップで同じコンテキスト（ファイルツリー、システムプロンプト、指示）を再送します。K3のキャッシュヒット時の入力価格は100万トークンあたり$0.30ですが、ミスヒット時は$3.00と10倍の差があり、MoonshotのMooncake推論はコーディングワークロードで90%以上のキャッシュヒット率を達成していると報告されています。したがって、他の場所でエージェントループを高価にするパターンが、K3では低コストで済みます。全詳細はKimi K3の価格内訳にあります。

K3の弱点

フロンティアモデルではないとMoonshot自身が認めている。 リリース記事では、K3が「最も強力なプロプライエタリモデルであるClaude Fable 5とGPT-5.6 Solに依然として及ばない」と明確に述べています。Moonshotが公開したコーディングベンチマークでは、結果は僅差ですが一貫しています。Terminal Bench 2.1ではK3が88.3点に対しGPT-5.6 Solは88.8点、DeepSWEではFable 5の70.0点、GPT-5.6 Solの73.0点に対し67.5点でした。競争力はありますが、トップではありません。詳細はKimi K3ベンチマークの分析を参照してください。

高速ではない。 Artificial Analysisのリストによると、K3は1秒あたり約62トークンを出力し、その価格帯の中央値を下回っており、デフォルトでは最大の思考労力に傾いています。出力ストリームを監視する対話型ループでは、それが顕著です。品質の最後の数点よりも速度が重要であれば、まずより高速なモデルをベンチマークしてください。

「オープン」は予定されたイベント。 全ウェイトはリリース日ではなく、2026年7月27日頃に公開される予定です。自己ホストに依存する計画がある場合、それは今すぐ切り替えられるスイッチではなく、注目すべき日付です。

直接比較については、Kimi K3 vs Claude Opus 4.8、Kimi K3 vs GPT-5.6 Sol、および系譜における以前のコーディングチャンピオンからのアップグレードをカバーするKimi K3 vs Kimi K2.7 Codeを参照してください。

実世界のユースケース

K3は、上記のワークフローが構築された作業で輝きます。つまり、モノレポ全体にわたる大規模なリファクタリングで、1Mのコンテキストが影響範囲全体を一度に表示し、ビルドがグリーンになるまで編集を継続できる場合。長いデバッグセッションで、失敗を再現し、スタックトレースを読み取り、パッチを適用し、あなたの介入なしに再実行できる場合。そしてAPIを構築する際に、ハンドラ、ルート、そしてしばしばテストを足場として構築し、検証のために専用のAPIツールに引き渡す場合です。

K3が構築するAPIの検証

Kimi Code内でK3がAPIを構築または修正する際、その自身のテストはコードが動作することを示します。しかし、エンドポイントが実際のクライアントが期待するように動作するかどうかは示しません。つまり、正しいステータスコード、適切なレスポンス形式、健全なエラーハンドリング、不正なトークンを拒否する認証などです。これはAPIテストの仕事です。

ここでApidogが役立ちます。生成されたエンドポイントに実際の要求を送信し、レスポンスボディとヘッダーを検査し、ステータスコードとJSON形式に関するアサーションを追加します。エージェントがOpenAPI仕様を生成した場合、それをインポートするとApidogがリクエストコレクションを構築してくれるため、推測ではなく契約に基づいて検証できます。キーはApidogの環境変数に保管し、共有コレクションに漏洩しないようにしてください。

ApidogはMCPインターフェースを公開しているため、APIツールをエージェントのコンテキストに直接組み込むこともできます。私たちのApidogのMCPクライアントによるビジュアルデバッグに関するガイドでその方法を示しており、VS Code内のApidogはK3が書いたコードの隣でテストループを保持します。グリーンテストランだけを信頼するのではなく、モデルの出力が生成された瞬間に検証するためにApidogをダウンロードしてください。

まとめ

Kimi K3は、大規模リポジトリ、長期的な自律ループ、テスト、ログ、スクリーンショットに対する継続的な反復といった、そのために構築されたものに特化して利用する場合、Kimi Code内で真に有能なコーディングエージェントです。1Mのコンテキストとキャッシュヒット価格設定により、他の場所ではすぐに高価になるような、根気のいる多段階の作業に実用的です。利用可能な中で絶対的に最高のコーダーではありませんが、Moonshotがそれを認めていることは評価されるべきです。しかし、多くの実際の作業ではその差は小さく、コストとオープン性の利点は現実的です。具体的でテスト可能なタスクから始め、K3に反復させ、出荷する前にApidogでそれが生成するAPIを検証してください。モデルの背景については、Kimi K3とは何かの記事とKimi K3 APIガイドから始めてください。

よくある質問

Kimi K3をコーディングに使うには？ MoonshotのターミナルおよびIDEコーディングエージェントであるKimi Code内で実行します。エージェントをインストールし、プロジェクトディレクトリで開き、/model kimi-k3でモデルを選択し、具体的でテスト可能なタスクを与え、ファイルを読み込み、ツールを実行し、反復させます。詳細なインストール手順は、Kimi Code CLIガイドにあります。

Kimi K3はエイジェンティックコーディングに適していますか？ はい。大規模なリポジトリのナビゲーション、ツールの使用、デバッグ、そして1Mトークンのコンテキストでのテスト、ログ、ランタイムフィードバックに対する反復といった、エイジェンティックコーディングが必要とするものに特化して調整されています。コーディングベンチマークでは競争力がありますが、Fable 5やGPT-5.6 Solにはわずかに劣ります。

Kimi K3はエージェントワークフローでのツール呼び出しをサポートしていますか？ はい。K3 APIは、ツールコール、ツール選択の制約、JSONモード、構造化出力、インターネット検索、動的ツールロード、設定可能な推論の労力をサポートしており、これによりKimi Code内でテストを実行し、シェルコマンドを実行し、完全なエージェントループを調整することができます。Kimi K3 APIガイドは開発者側の詳細をカバーしています。

Kimi K3が書いたAPIをテストできますか？ はい、そしてそうすべきです。エージェント自身のテストはコードが動作することを確認しますが、エンドポイントが実際のクライアントが期待する正しいステータスコード、レスポンス形式、認証動作を返すかどうかは確認しません。Apidogで生成されたエンドポイントに実際の要求を送信し、アサーションを追加し、エージェントが生成したOpenAPI仕様をインポートして契約に対して検証してください。