Dots vs Kimi K3：一方は図書館を丸ごと読み、もう一方は探しに出かける

この2つのうち、どちらか一方にしかできない特定の種類の仕事があり、何よりも先にそれに名前を付けておく価値がある。Kimi K3は、Moonshot AIが2026年7月15日に公開した、2.8兆パラメータのMixture-of-Expertsモデルで、1,048,576トークンのコンテキストウィンドウを持ち、テキストと画像を受け取ってテキストを返す。価格は入力100万トークンあたり$3.00、出力100万トークンあたり$15.00、キャッシュ読み取りは$0.30。Dotsは同社の常時稼働エージェントで、2026年9月29日のDevDayで発表され、独自のクラウドコンピュータとブラウザ、4,000以上のアプリへのコネクタ、ChatGPT、Slack、Teams内の居場所を備え、GPT-6 Astra上で動作し、ProとBusiness Premiumに含まれる。K3はアーカイブ全体を1回のリクエストに収め、それについての質問に答えられる。dotは、あなたがまだ思いついていない次の文書を取得しに行ける。読むことと取得することは別の仕事であり、間違った方を選ぶことが高くつく誤りだ。

Kimi K3が完全に保持する数

長文コンテキストの想起は、宣伝文句と実力を分ける指標です。なぜなら、大きなコンテキストウィンドウは主張するのは簡単で、使いこなすのは難しいからです。K3はこの指標で88.7を記録し、当社が掲載するモデルの中で最高値となっています。GPT-5.6 Solの84、MiniMax M3の83、Gemini 3.1 Proの82を上回ります。さらにGPQA Diamondで93.5、SciCodeで59.5を記録し、Artificial Analysis Coding Indexは76.2で計測された138モデル中9位、Intelligence Indexは43.6で145モデル中19位に位置します。これらはすべて第三者による数値で、発表記事から転載したものではなく、出典を添えて当社のカタログに掲載しています。

それが買い与えてくれるのは、単純に分解できない類のタスクだ。コードベース全体を読んでからそれについての質問に答える、1年分の契約書を新しいテンプレートと突き合わせて差分を取る、あるいは長いエージェント的セッションを、その中盤が記憶から抜け落ちることなく保持する、といったタスクである。K3はまさにそのために作られている——Moonshotはこれをプログラミングエージェントと長期的な知識労働向けに位置づけている——そしてサンプリングパラメータを完全に拒否するという点で異例だ。temperatureもtop_pもseedもない。推論の深さは、reasoning_effortと呼ばれる単一のダイヤルだけだ。これは意図的なトレードオフである。つまみは少なく、長いセッションを通じた一貫性はより高い。

マーケティング抜きで言う、ドットの役割

dotはカレンダーを備えたワーカーです。その入力はありふれたもの——あなたのメッセージ、あなたのアプリデータ、一文で説明したタスク——で、出力は別のどこかでの変化です。ファイルの移動、チケットの更新、あなたの承認後に下書きされ送信されるメッセージ、専用ブラウザで開かれるページ。OpenAIの発表資料は、1つのdotが複数のプロジェクトを同時に前進させ、フィードバックから学ぶと説明しており、正直に読めば、あなたが買っているのは知能ではなく、結合組織です。

つなぎの部分こそ、作るのにコストがかかる。人のブラウザのように振る舞うブラウザ、アプリベンダーが保守するコネクタ、アクティビティビュー、承認ゲート、自分のマシンからの分離——それらはどれも原理的には難しくなく、実際にはどれも面倒だ。サブスクリプションが支払っているのは、まさにそこだ。支払っていないのは、測定可能性である。

• コスト — ProまたはBusiness Premiumに含まれ、許容量は非公開（Dots）に対し、100万入力トークンあたり$3.00、100万出力トークンあたり$15.00、キャッシュ読み取り$0.30（Kimi K3）

• 1リクエストの上限 — ドットについては未記載、1,048,576トークンのコンテキストに対して、長文脈リコールではモバイルフレンドリーな88.7（Kimi K3）

• 入力と出力 — メッセージと連携アプリのデータを入力し、他のソフトウェア内の変更を出力（Dots）に対し、テキストと画像を入力し、テキストを出力（Kimi K3）

• サンプリング制御 — 公開なし（Dots）に対し、temperature なし、top_p なし、seed なし、推論の深さはreasoning_effortのみで設定（Kimi K3）

• 期待すべき速度 — ドットについては未文書化で、当社独自の7日間測定では、最初のトークンまでの中央値8.82秒、毎秒約39出力トークン（Kimi K3）

• 独立した証拠 — ベンダーのデモと能力表明のみで、ベンチマークなし（Dots）。一方、AA Coding Index 76.2で138中9位、GPQA Diamond 93.5、長文脈リコール88.7（Kimi K3）と対照的。

エージェントを買うことについて、誰も口にしないこと

未公開の利用枠があるサブスクリプションには、料金表にはない特性がある。安く済んだタスクと高くついたタスクの違いがわからないのだ。どのジョブも同じコストがかかる——限界的なものは一切ない——それがそうでなくなるその瞬間までは。そしてそのとき、答えは請求書ではなく上限としてやってくる。探索的な仕事をするチームにとって、それは利点である。プロジェクトにコストを配賦しなければならないチームにとって、それは会計上の穴である。

二次的な効果もある。呼び出しの限界費用が見えないと、その呼び出しが必要だったかどうかを問わなくなり、どのパイプラインでも最も安上がりな最適化、つまりリクエストをしないこと、が使えなくなる。従量課金モデルは、誰かが料金表を読むたびに、その問いを否応なく突きつける。

それらを代替案であるかのように見せかけることなく組み合わせること

うまく機能する形は、気づくドットと、読む長コンテキストモデルだ。仕事が届く——共有ドライブの文書、スレッド内のメッセージ——そしてドットが、それが重要かどうかを判断する。重要なら、その文書は、必要になりそうなものすべてを添えて、1回のリクエストでKimi K3に送られ、答えは、ソースの要約ではなく、ソースに完全に根拠づけられて返ってくる。ドットが追いかけと退屈な段取りを担い、モデルが読むことを担う。小刻みな呼び出しのループでは正しく組み立てられなかったほどの量で。

Kimi K3はOrcaRouter上でkimi/kimi-k3として、Moonshotの定価のまま、上乗せなしでルーティングされており、1つのキーの背後で200以上の他のモデルと同じカタログに並び、上流プロバイダーのいずれかが劣化したときには自動フェイルオーバーが働き、複数のモデルを1回の呼び出しに組み合わせるためのルーティングDSLも用意されています。ここまでがパイプラインの従量課金される半分であり、それ以上のものではありません。dotsはカタログに存在せず、そのためのエンドポイントもなく、リクエストを宛てる識別子も存在しません。読み取りレイヤーこそ自分で制御したい部分なのであれば——そして1年間動かし続けるつもりのものにとっては、たいていそうです——それこそ自分で所有すべきレイヤーです。

どの購入がお金を無駄にしますか

大きなコーパスを読ませるためにdotを買うのは無駄だ。dotは全体を保持するのではなく取得して要約するからであり、要約こそ、あなたが必要としていた細部が死に絶える場所だ。5つのアプリケーションをまたいでプロジェクトを追いかけるためにKimi K3を買うのも、裏返しの理由で無駄だ。呼べば答えるモデルは、あなたを呼んではくれない。

仕事が検索とロジスティクスなら、ワーカーを借りればいい。大規模な理解が仕事なら、メーターを買ってすべてを一度に与えればいい。この二つが重なる領域は、「agentic」という言葉が示唆するよりずっと小さく、しかもその重なりは、どちらの得意分野でもない。