Intern-S2-397B 対 Kimi K3：397Bの科学モデルと2.8Tの推論巨人

Intern-S2-397BとKimi K3は、2026年の残りを定義することになるオープンウェイトの線引きの両側に位置している。ダウンロード可能な科学特化モデルと、独立した評価で実証された長文脈汎用モデルである。Intern-S2-397Bは、InternLMが2026年9月13日にApache-2.0の下でリリースした4030億パラメータの科学的マルチモーダルモデルであり、料金表も独立したスコアもなく、科学文献の生のページで訓練された視覚経路を持つ。Kimi K3は、Moonshot AIの2.8兆パラメータのMixture-of-Experts旗艦モデルで、2026年7月にローンチし、入力トークン100万あたり3.00ドル、出力トークン100万あたり15.00ドルで提供され、7月27日にModified MITライセンスの下で重みを公開し、6週間の独立評価を経ている。この対決で異例なのは、両モデルが同じ長期的野心——大きく雑然としたタスクを最後までやり抜くこと——を持ちながら、それを正反対の方向で解決している点だ。

どちらも野心的だが、仕組みは正反対

野心は共通している。各モデルは、タスクが長いときに走り続ける存在でありたいと願っている。それを実現する方法はそれぞれ異なり、その違いはアーキテクチャによるものだ。

Kimi K3の回答はコンテキストである。入力と出力の両方で1,048,576トークンのウィンドウがあれば、リポジトリ全体、データルーム全体、あるいは50ステップのエージェントループが1つの会話の中に収まり得る。MoonshotのMooncake推論スタックはコーディングワークロードにおいてキャッシュヒット率90%超を維持していると報じられており、これによって出力100万トークンあたり15ドルという価格が実用上成立するのである。Kimi K3はトップレベルのreasoning_effort制御を公開し、サンプリングパラメータを一切受け付けず、デフォルトで最大深度の推論を行い、マルチターンのツールループでは事前のreasoning_contentとtool_callsをそのまま再送することを期待する——さもなければ品質が劣化する。

Intern-S2-397Bの回答は、特化と重みレベル制御です。そのコンテキスト――256Kのテキスト推論と64Kのマルチモーダルで、いずれもモデルカードの数値――は、別カテゴリのウィンドウであり、かなりのボリュームの論文や長時間の研究セッションには十分ですが、100万トークンのワーキングセットには足りません。代わりに提供するのは、科学文献をネイティブに読む視覚経路――図、レイアウト、記号表記、散文をまとめて扱う――と、予測を生成する時系列入力、さらにデフォルトで有効でリクエストごとに切り替え可能な思考です。長いタスクが科学分野なら、このモデルはまさにそのために訓練されています。長いタスクがコードベースなら、これに100万トークンのウィンドウを持つモデルではありません。

• コンテキスト — Kimi K3: 入力・出力ともに1,048,576トークン 対 Intern-S2-397B: テキスト256K / マルチモーダル64K

• 規模 — Kimi K3：総2.8T、トークンあたり約104Bがアクティブ 対 Intern-S2-397B：総403B、512エキスパート／10アクティブ。

• コントロールサーフェス — Kimi K3: reasoning_effort ダイヤル、サンプリングパラメータなし 対 Intern-S2-397B: enable_thinking トグルに加え、Apache-2.0 のもとでの完全な重みレベルの制御。

• 入力 — Kimi K3：テキスト、画像 vs Intern-S2-397B：テキスト、画像、時系列。

• ウェイト — Kimi K3：Modified MITの下で公開（7月27日）対 Intern-S2-397B：Apache-2.0の下で公開（9月13日）。

• 独立した証拠 — Kimi K3：6週間にわたる第三者スコアあり vs Intern-S2-397B：まだなし。

証拠の非対称性こそが本当の違いだ

Kimi K3は独立系の厳しい検証をくぐり抜け、基盤として使えるスコアを出した。Artificial Analysisは、現在のIntelligence Indexで40点台半ばに位置づけており、GPQA Diamondは90点台前半、HLEは40点台半ば、独立に測定された長文脈リコールは88.7、コーディングスコアは70点台半ばとなっている。Frontend Code Arenaでは首位（Eloは1670台）に立ち、BrowseCompでは91.2を記録——その長期ホライズン検索ベンチマークにおける最高値だ。ただしMoonshot自身は、K3が「依然として最も強力なプロプライエタリモデルには及ばない」と注意を促しており、ローンチ日時点のいくつかの項目は依然としてベンダー報告のままである。

Intern-S2-397Bの証拠は、あなたがこれを読む数時間前に公開された、OpenCompass、VLMEvalKit、AgentCompassを通して実行された自身のローンチテーブルである。すべての数値はベンダー自身のもので、再現されていない：MMLU Pro 89.77、MMMU Pro 81.68、HMMT-2026 93.56、SWE-bench-Pro 68.54、そしてTerminalBench 2.1は64.04 — カード上では、この数値が旧世代のクローズドモデルに大差で負けている。その科学的領域の行は、専門特化モデルの主張を裏付ける数値である：Biology-Instructionsで55.71、SciReasoner 1.5で63.28、Mol-Instructionsで53.95、MolecularIQで62.35。二つの証拠基盤は交わらない。だからこそ、この対決を誠実に位置づけるなら「どちらが勝つか」ではなく「あなたのワークロードにはどちらの種類の証拠が必要か」である。

それぞれのコスト、オープンウェイト版

両モデルはオープンウェイトであるため、コストの論点は、通常の従量課金か無料かという話から、2つのホスティング提案の比較へと変わる。Kimi K3には公開されているAPI価格がある——Moonshotのリスト価格では100万トークンあたり$3.00 / $15.00で、OrcaRouterでは0%のマークアップでパススルーされ、さらにキャッシュ読み取りの価格が上乗せされる——しかもダウンロードも可能だ。提供にはスーパーノード級のハードウェア、64台以上のアクセラレータを必要とする、96シャードのオープンウェイトリリースである。セルフホストするK3の現実的な利用者層は、データセンター予算を持つチームだ。Intern-S2-397Bには公開されたAPI価格がまったくない。モデルカードは公式のIntern APIを指しており、実際の経済性はセルフホスト側にある。BF16で188シャードにまたがる約807 GBの重み、本格的なマルチGPUノードが必要で、FP8ビルドではフットプリントが約半分に削減される。

ルーティングすれば、両モデルは同じシームを通じて呼び出せます：Kimi K3 は OrcaRouter 上で Moonshot の定価、マークアップ 0%。一方、Intern-S2-397B はルーティングされておらず——真新しい Apache-2.0 チェックポイントで、そこへの経路はベンダー自身の API かセルフホスト型デプロイになります。この組み合わせにおけるルーティングの価値は、長コンテキストの汎用トラフィックをすでにお持ちのキーに載せ、科学系のバッチ処理を自社で動かすモデルに載せ、その間で自動フェイルオーバーさせることにあります。DSL はその境界を、二つ目の統合ではなく設定に変えます。

評決

長文脈の汎用作業——リポジトリ全体のコーディング、持続的なエージェントループ、100万トークンの作業記憶を要するナレッジワーク——にKimi K3を選ぶべきであり、その背後に独立したスコアボードを求めるならなおさらだ。あらゆる意味でより証拠に裏付けられたモデルであり、オープンウェイトも本物（Modified MIT、7月27日）で、すでにスーパーノード級のインフラを運用しているなら、キャッシュ併用時のトークンあたりの経済性は有利だ。

科学的なタスク、つまり図表の多い論文、分子図、スキャンした文献、時系列信号、そして自社の境界内に留めなければならないデータや、独自の成果でファインチューニングしたい重みを扱うなら、Intern-S2-397B を選びましょう。Apache-2.0 ならそれが可能ですが、レンタルの API ではできません。また、モデルカードに記載された科学分野の行は、汎用モデルがこれまでチューニングされてきたものとは別種です。ハードウェアの予算を確保し、自分で評価を実行し、InternLM の外部の誰かが一つでも再現するまでは、それについて公表されたあらゆる数値を主張として扱ってください。