Kimi

Kimiの中核は、大量のテキストを一度に保持する力だ。K2系列は128Kのトークン窓から256Kへと拡大し、完全な技術文書や中規模のコードベースを収める。この長文コンテキストAIの挙動により、密度の高い素材を扱うときの「話を見失った」瞬間が減る。そしてこれが他のすべての土台になる。

チャットの枠を越え、Kimiは本物のエージェント型AIモデルとして動く。目標を受け取ると手順に分解し、途中でツールを呼び、ウェブを閲覧する。Moonshotの思考モデルは、人の見張りなしで長いツール呼び出しの連鎖をこなすとしている。利用者にとっては質問する側から仕事を割り振る側への移行であり、ここが普通のチャットボットから最も遠い点だ。

モデルはソフトウェア作業向けに調整されており、MoonshotはSWE-benchのようなコーディングのベンチマークで強い結果を報告している。フロントエンドの生成と定型的な編集をうまくこなすAIコーディングアシスタントと考えればいい。複数ファイルにまたがる厄介なリファクタリングを任せて離席はしないが、日常的なコーディング作業なら持ちこたえる。

Kimiはタスクの一環としてウェブを検索し、ページを読み、見つけた内容を書き起こす。答えが学習データにない質問で役立つ。出力は行き着いた情報源の質に左右されるので、引用は確認したい。

プロンプトからスライド、文書、表計算、簡単なウェブサイトといった構造化された成果物を作れる。どれも専用ツールほど磨かれてはいないが、速い初稿にはなる。社内作業向けで、顧客向けはあなたの手直しなしには厳しい。

開発者は同じモデルをAPI経由で得られる。既存のOpenAI系クライアントを最小限の変更で接続できる互換性がある。料金はトークン単位で、上位のクローズドモデルより安い。エージェントのワークフローを大量に回すなら見逃せない点だ。