Kimi K2.5完全ガイド -- 1兆パラメータMoEモデルが100体AIエージェントを同時に動かす

エージェント100体、同時稼働。しかもオープンソース。

2026年1月27日、北京のAIスタートアップMoonshot AIが次世代モデル「Kimi K2.5」をリリースした。1兆パラメータのMixture-of-Experts（MoE）アーキテクチャ、テキスト・コード・画像のマルチモーダル処理、そして最大100のサブエージェントを並列実行する「Agent Swarm」機能。フロンティアモデルの性能を持ちながらオープンソースで提供されるこのモデルは、GPT-5.4やClaude Sonnet 4.5といった西側のトップモデルに正面から挑む存在だ。

Kimi K2.5とは何か

Kimi K2.5は、Moonshot AIが開発した大規模言語モデルだ。Moonshot AIは2023年に設立された中国のAIスタートアップで、以前のバージョンである「Kimi」チャットボットが中国国内で大きなユーザーベースを獲得している。

K2.5のアーキテクチャはMoE（Mixture-of-Experts）と呼ばれる設計を採用している。総パラメータ数は1兆だが、1回の推論でアクティブになるのは約320億（32B）パラメータだ。つまり、膨大な知識の引き出しを持ちつつ、実際の計算コストは32Bモデル相当に抑えられる。効率と性能を両立させる仕組みだ。

事前学習には15兆トークンの混合ビジュアル・テキストデータが使われた。テキストだけでなく画像データも含む大規模なデータセットで訓練されたことで、マルチモーダル（複数のデータ形式を横断的に扱う能力）の精度が高い。

4つのモードと使い分け

K2.5の大きな特徴は、用途に応じて切り替えられる4つの動作モードを備えている点だ。

Instant -- 即時応答モード

通常の会話や簡単な質問に対して即座に回答する。レイテンシが低く、日常的なチャット用途に適している。

Thinking -- 推論モード

複雑な問題に対して段階的に思考プロセスを展開する。数学の問題やロジックパズル、コードのデバッグなど、深い思考が必要なタスクに使う。OpenAIのo1系モデルやClaudeの拡張思考に相当する機能だ。

Agent -- エージェントモード

単一のエージェントとしてツールを使いながら自律的にタスクを遂行する。Web検索、ファイル操作、コード実行などを組み合わせて、ユーザーの指示を完了まで導く。

Agent Swarm -- 群体エージェントモード

K2.5の最も野心的な機能がこれだ。最大100のサブエージェントを同時に並列実行し、大規模で複雑なタスクを分割して処理する。例えば、100件の企業リサーチを同時に走らせる、大量のコードファイルを並列にレビューする、といった使い方が想定されている。

従来のAIエージェントが1つのタスクを直列で処理していたのに対し、Agent Swarmは文字通り「群れ」として動く。タスクの分解、並列実行、結果の統合をモデル自身が管理する点が革新的だ。

ベンチマーク -- GPT-5.4、Claude Sonnet 4.5と並ぶ水準

Moonshot AIが公開したベンチマーク結果では、K2.5はフロンティアモデルに匹敵する性能を示している。

プログラミング能力の指標であるHumanEval（コード生成の正確性を測るテスト）ではトップティアのスコアを記録。汎用的な推論タスクでもGPT-5.4やClaude Sonnet 4.5と同等の水準だとされている。

ただし、これらのベンチマーク結果はMoonshot AI自身による発表であり、独立した第三者による大規模な検証はまだ途上だ。ベンチマークスコアと実運用での体感品質が必ずしも一致しないことは、多くのモデルで経験済みの事実でもある。数字は参考程度に留めておくのが賢明だろう。

料金 -- Claude Opus比で76%低い

K2.5のAPI料金は以下の通り。

• 入力: $0.60 / 100万トークン
• 出力: $3.00 / 100万トークン

Claude Opus 4.6（入力$15/M、出力$75/M）と比較すると、入力コストは25分の1、出力コストも25分の1。Moonshot AIは「Opus比で76%低い」と控えめに表現しているが、実際のコスト差はそれ以上に大きい。

さらに、Webチャット版はkimi.comで無料で利用できる。Agent Swarm機能まで含めて無料で試せるのは、個人ユーザーにとって大きな魅力だ。

API利用においても、開発段階のプロトタイピングや個人プロジェクトであれば十分に手が届く価格設定と言える。

使い方

K2.5を使うには、主に3つの方法がある。

Webチャット（kimi.com）: ブラウザから直接アクセスして利用できる。アカウント登録のみで無料。4つのモードすべてを試せる。日本語にも対応している。

API: 開発者向けにREST APIが提供されている。OpenAI互換のインターフェースを採用しているため、既存のコードからの移行が比較的容易だ。

オープンソース（HuggingFace / GitHub）: モデルの重みが公開されており、ローカル環境での実行やファインチューニングが可能。32Bのアクティブパラメータ数であれば、量子化を施せば高性能なコンシューマGPU環境でも推論を回せる。

メリット

コストパフォーマンスの高さ: API料金がフロンティアモデルの中で最も安い部類に入る。大量のAPIコールが必要なプロダクション環境では、この差は無視できない。

Agent Swarmの独自性: 最大100のサブエージェントを並列実行できる機能は、2026年4月時点で他のモデルにない明確な差別化要素だ。大規模な並列タスク処理を必要とするユースケースでは第一候補になる。

オープンソース: モデルの重みが公開されているため、オンプレミス環境での運用やカスタマイズが可能。データを外部に送信したくない企業にとっては重要なポイントだ。

マルチモーダル対応: テキスト、コード、画像を統合的に処理できる。事前学習段階からマルチモーダルデータで訓練されているため、後付けのビジョン機能より一貫した処理が期待できる。

デメリット

ベンチマーク未検証: 公表されているスコアの多くはMoonshot AI自身による発表であり、独立検証が不十分。実運用での品質は自分の目で確かめる必要がある。

日本語性能の不確定さ: 中国語と英語では高い性能を発揮するが、日本語タスクでの精度については十分なデータが出ていない。特に専門的な日本語テキスト処理では、事前に検証したほうがよい。

Agent Swarmの安定性: 100のサブエージェントを並列実行するという設計は野心的だが、実際の運用ではエラーハンドリングやタスク間の整合性に課題が出る可能性がある。新機能ゆえの不安定さは想定しておくべきだ。

中国発モデルのリスク: データプライバシーに関する懸念は、DeepSeekと同様にKimiにも当てはまる。中国のデータセキュリティ法の下でのユーザーデータの扱いについて、透明性が十分とは言い難い。ビジネスクリティカルな用途では、このリスクを許容できるか検討が必要だ。

エコシステムの成熟度: Claude CodeやGitHub Copilotのような周辺ツールとの統合は、OpenAIやAnthropicのモデルと比べるとまだ発展途上だ。

まとめ

Kimi K2.5は、1兆パラメータのMoEアーキテクチャ、4つの動作モード、最大100エージェントの並列実行、そしてオープンソース公開という、2026年のAIモデル戦線において極めて意欲的なプロダクトだ。

特にAgent Swarm機能は、AIエージェントの使い方を「1対1の対話」から「群体による並列処理」へ拡張する可能性を持っている。コスト面でもフロンティアモデルの中では最も手頃な部類であり、プロトタイピングや大量処理のユースケースでは有力な選択肢になる。

一方で、ベンチマークの独立検証、日本語性能、データプライバシーといった課題は残る。万能の銀の弾丸ではなく、用途とリスク許容度に応じて使い分けるべきモデルだ。

まずはkimi.comの無料チャットでAgent Swarmを試してみるのが、最も手軽な第一歩だろう。オープンソースで公開されている以上、気に入ればローカルで動かすことも可能だ。選択肢が増えることは、ユーザーにとって間違いなくプラスだ。