中国のMoonshot AIが発表したKimi K3をめぐり、米国政府から重大な疑惑が持ち上がっている。

ホワイトハウス科学技術政策局のマイケル・クラツィオス局長は、Moonshot AIがAnthropicのClaude Fable 5を大規模に蒸留し、Kimi K3の開発へ利用したとの情報を持っていると主張した。

米財務長官のスコット・ベッセント氏も、中国製AIモデルから米国モデル由来の「ウォーターマーク」が見つかっているとして、知的財産の窃取が確認された場合は制裁もあり得ると発言している。

これに対し、中国側や一部のAI研究者からは反論が出ている。

Fable 5が再公開された7月1日からKimi K3の公開までは、わずか15日しかない。

2.8兆パラメータを持つ巨大モデルを、15日間の蒸留だけで作ることは技術的に不可能であり、米国が中国製AIの禁止を正当化するために作った疑惑ではないか、という主張だ。

確かに、Kimi K3をFable 5から15日でゼロから作ったという説明は成立しない。

だが、「15日しかないから、Fable 5の出力をK3の学習へ使うことも不可能」という反論も正しくない。

すでに事前学習を終えたモデルと蒸留基盤が存在するなら、15日間で特定能力を追加学習することは十分に可能である。

結論から言えば、現時点で最も妥当な整理はこうなる。

Kimi K3は、Moonshot AI独自のアーキテクチャ、事前学習、強化学習によって作られたモデルであり、Fable 5の蒸留だけでは説明できない。

一方で、Fable 5を含むClaude系モデルの出力が、K3のポストトレーニングへ利用された可能性は、15日という期間だけでは否定できない。

まず結論：15日でK3本体は作れないが、能力の後付けはできる

議論を整理するには、「Kimi K3を作る」という言葉が何を意味するのかを分ける必要がある。

開発工程15日で可能か
2.8兆パラメータのアーキテクチャ設計ほぼ不可能
巨大MoEモデルの事前学習不可能
分散学習基盤の構築ほぼ不可能
100万トークン対応の設計と検証ほぼ不可能
数百万件の教師データ生成可能
教師データの選別と整形可能
完成済みモデルへのSFT可能
特定分野の追加強化学習条件次第で可能
回答形式やコーディング傾向の移植可能
Fable 5の全能力を再現現実的ではない

2.8兆パラメータのモデルをゼロから設計し、事前学習し、評価し、製品として公開することは15日では不可能である。

しかし、すでに完成寸前のK3へ、Fable 5が生成したコード、回答、推論例、ツール操作履歴を学習させるだけなら話は変わる。

モデルの基礎を作る事前学習と、完成したモデルの振る舞いや能力を調整するポストトレーニングは、まったく別の工程だからだ。

「15日しかない」という日付自体が正確ではない

Claude Fable 5が最初に公開されたのは、2026年6月9日である。

Anthropicは6月12日にFable 5とMythos 5へのアクセスを一時停止し、7月1日に再公開した。

Kimi K3が発表されたのは7月16日である。

時系列を並べるとこうなる。

日付出来事
2026年6月9日Claude Fable 5を初公開
2026年6月12日Fable 5へのアクセスを一時停止
2026年7月1日Fable 5を再公開
2026年7月16日Kimi K3を発表

「15日」という数字は、Fable 5が再公開された7月1日からK3発表までを数えたものだ。

初回公開日である6月9日から数えれば、日付上の間隔は約37日ある。

もちろん、Fable 5へ37日間連続でアクセスできたわけではない。6月12日から7月1日までは提供が止まっていた。

それでも、Fable 5へアクセスできた期間は7月以降の15日間だけではない。

6月9日から12日までの初回公開期間も存在している。

したがって、「Fable 5はK3公開の15日前まで存在していなかった」という説明は誤りである。

15日という数字だけを使って蒸留の可能性を完全否定するのは、日付の切り取り方としてかなり都合がよい。

Kimi K3の基本設計はFable 5より前から存在している

Kimi K3は、総パラメータ数2.8兆、896個の専門家から16個を選択して動かす巨大なMoEモデルである。

ネイティブ画像入力と100万トークンのコンテキストへ対応し、Kimi Delta Attention、Attention Residuals、Stable LatentMoEなどの技術を採用している。

これらの技術は、Fable 5の公開後に突然作られたものではない。

Kimi Delta Attentionを中核とするKimi Linearの論文は、2025年10月に公開されている。

同論文では、従来のフルアテンションと比較してKVキャッシュ使用量を最大75％削減し、100万トークン時のデコード速度を最大6倍へ高められると報告されている。

Attention Residualsの論文も2026年3月16日に公開されている。

通常の残差接続が過去の全レイヤー出力を同じ重みで足し合わせるのに対し、Attention Residualsは必要な過去レイヤーを選択的に参照する仕組みである。

つまり、K3の中核となるアーキテクチャはFable 5が公開される数カ月前から研究されていた。

Fable 5へ質問を大量に投げても、Fable内部のパラメータ、注意機構、MoEルーター、学習用オプティマイザー、分散学習基盤は取得できない。

APIから得られるのは、入力に対する出力だけである。

K3の基本設計がFable 5のコピーであるという主張は、時間軸から見ても、蒸留で取得できる情報の範囲から見ても成立しない。

蒸留とはモデル本体を複製する技術ではない

蒸留とは、強い教師モデルが生成した出力を使い、別の生徒モデルを学習させる手法である。

代表的な流れはこうだ。

  1. 教師モデルへ大量の問題を入力する
  2. 回答や推論過程を取得する
  3. 正しい回答や質の高い回答だけを選別する
  4. 生徒モデルへ教師データを学習させる
  5. 必要に応じて強化学習を追加する

蒸留によって移しやすいのは、次のような能力である。

  • 問題の解き方
  • コードの書き方
  • 回答の構成
  • ツールの使い方
  • 推論の進め方
  • 自己検証の方法
  • 特定タスクへの対応パターン

反対に、蒸留だけでは直接取得できないものもある。

  • 教師モデルのパラメータ
  • 教師モデルの内部構造
  • 学習に使用した元データ
  • 分散学習方式
  • GPU通信の最適化
  • 独自の注意機構
  • モデルが持つ全知識
  • 教師モデルが出力しなかった潜在能力

蒸留は、完成した料理を何度も食べて作り方を推測する行為に近い。

味付けや調理手順の一部は学べる。

しかし、厨房の設備、食材の仕入れ先、調理器具の設計、料理人が過去に積み上げた経験を、そのまま取得できるわけではない。

「蒸留した」と「モデルを丸ごとコピーした」は同じ意味ではない。

15日あれば数百万件の教師データは生成できる

Anthropicは2026年2月、DeepSeek、Moonshot AI、MiniMaxの3社が、約2万4000件の不正アカウントを通じてClaudeと合計1600万回以上のやり取りを行ったと発表した。

このうちMoonshot AIに関連するとAnthropicが判断したやり取りは、340万回以上である。

対象には、エージェント推論、ツール利用、コーディング、データ分析、コンピューター操作、画像認識などが含まれていた。

Anthropicは、Moonshotが数百のアカウントと複数のアクセス経路を使い、後期にはClaudeの推論過程を再構築しようとする、より集中的な収集へ移行したと主張している。

これはAnthropic側の発表であり、Moonshotが認めた事実ではない。

だが、数百万件の教師データを短期間で生成できるかを考える材料にはなる。

仮に340万回のやり取りを15日間で実行する場合、システム全体で必要なのは毎秒約2.62リクエストである。

200アカウントへ分散すれば、1アカウントあたり約76秒に1回のリクエストで到達できる。

通信量として非現実的な数字ではない。

Anthropicは、MiniMaxがClaudeの新モデル公開後、24時間以内に収集トラフィックの約半分を新モデルへ切り替えたとも報告している。

事前に収集システム、問題セット、評価器、データベースが用意されていれば、新しい教師モデルへ切り替える作業自体は1日でも可能だ。

Moonshotが7月1日から蒸留基盤をゼロから作り始めたのであれば、15日は短い。

しかし、既存の収集基盤へFable 5を接続するだけなら、15日は決して短くない。

料金面でも技術的に不可能な規模ではない

Claude Fable 5の公式API料金は、入力100万トークンあたり10ドル、出力100万トークンあたり50ドルである。

仮に340万件の回答を生成し、1回答あたりの出力が平均2000トークンだった場合、出力料金は約34万ドルになる。

平均8000トークンなら約136万ドルである。入力料金やキャッシュ、再試行、データ選別コストは含んでいない。

個人にとっては馬鹿げた金額だ。

だが、数十億ドル規模の資金調達を行うAI企業にとって、技術的に不可能な額ではない。

また、教師データのすべてをFable 5で新しく作る必要もない。

過去のClaude、GPT、Gemini、自社モデル、公開データから作った既存データセットへ、Fable 5由来の高品質データを一部追加するだけでもよい。

必要なのは、K3の全学習データを15日で生成することではない。

K3の弱い部分を補う、数万件から数十万件の高品質データを作ることである。

その規模なら、15日という期間はさらに現実的になる。

15日でSFTすることは十分可能である

蒸留データを使う最も単純な方法が、教師ありファインチューニング、SFTである。

教師モデルが生成した入力と回答の組を、生徒モデルへ学習させる。

DeepSeek-R1では、約60万件の推論データと約20万件の非推論データ、合計約80万件を使い、QwenやLlamaベースの1.5Bから70Bまでのモデルを蒸留した。

その結果、蒸留された32Bモデルが一部の推論ベンチマークで、より大きな既存モデルを上回った。

つまり、数十万から数百万件の教師データでも、特定分野の性能を大きく改善できる。

Kimi K3は2.8兆パラメータのMoEモデルだが、毎回すべてのパラメータを更新する必要はない。

一部の層、専門家、アダプター、あるいは最終段階のチェックポイントだけを追加学習する方法もある。

学習用クラスタとデータパイプラインが準備済みなら、SFTそのものを15日以内に回すことは十分可能である。

問題は「15日で学習できるか」ではない。

Fable 5から、K3の総合性能を説明できるほど大量かつ高品質な能力を取得できたかである。

ただしSFTだけでK3級のモデルは作れない

Fable 5の回答を大量に学習させれば、K3がFable 5と同等になるわけではない。

SFTで移りやすいのは、回答形式、推論の癖、問題解決パターン、コードの書き方などである。

モデルが教師の「話し方」を覚える効果は大きい。

一方、現在のフロンティアモデルでは、長時間エージェント、複雑なツール操作、自己修正、未知の問題への対応力を伸ばすため、大規模な強化学習が重要になっている。

TechCrunchの取材に対し、Allen Institute for AIのNathan Lambert氏は、現在のモデルがフロンティアへ近づくほど、SFTによる単純な蒸留の影響は小さくなると指摘している。

Fable級の能力を本格的に移すには、教師モデルによる採点や強化学習まで必要になり、数千万規模のエージェント処理が必要になる可能性がある。

その規模をFable 5のAPIだけで短期間に行えば、費用と処理時間の両方が問題になる。

Kimi K3の長時間エージェント性能、100万トークン処理、画像理解、巨大MoEの安定運用を、Fable 5のSFTデータだけで説明することはできない。

K3の強さの土台は、独自の事前学習、アーキテクチャ、学習データ、強化学習環境にある。

蒸留データが使われていたとしても、それはK3全体を作った主役ではなく、最後の性能を引き上げる部品の一つと考える方が自然である。

最も現実的なのは「独自開発＋複数モデルからの蒸留」

現実のフロンティアモデル開発は、「完全自力」か「完全コピー」かの二択ではない。

最も現実的な開発経路は、次のような組み合わせである。

  1. Moonshot独自のデータでK3を事前学習する
  2. Kimi Delta AttentionやAttention Residualsを使ってアーキテクチャを構築する
  3. 自社モデルで大量の合成データを生成する
  4. 公開モデルや他社APIから高品質な回答を収集する
  5. 人間やAI評価器でデータを選別する
  6. SFTで回答形式や問題解決パターンを学習する
  7. 独自環境で強化学習を行う
  8. Fable 5公開後、弱点分野だけ追加データを取得する
  9. 最終チェックポイントへ反映する

この流れなら、K3の基本設計がFable 5より前から存在している事実と、Fable 5由来のデータが短期間で使われた可能性は両立する。

「Fable 5がなければK3は存在しなかった」とは言えない。

同時に、「15日しかないから、Fable 5は一切使われていない」とも言えない。

米政府はFable 5固有の証拠を公開していない

米政府の主張には、もう一つ大きな問題がある。

現時点で、Kimi K3がFable 5を蒸留したことを第三者が検証できる具体的な証拠は公開されていない。

クラツィオス局長は、Moonshotが複数のアクセス方法を切り替えられる大規模な蒸留基盤を作ったと主張した。

しかし、情報源、対象アカウント、アクセス時期、取得したデータ、K3の学習へ使われたことを示す証拠は明らかにしていない。

ベッセント財務長官が言及した「ウォーターマーク」が何を意味するのかも不明である。

TechCrunchの取材に対しても、米政府はウォーターマークの内容や技術的根拠を説明していない。

Anthropicが2月に公表した340万件のやり取りは、Moonshotが過去のClaudeモデルから能力を抽出しようとしたという疑惑を裏付ける材料にはなる。

しかし、それだけでFable 5の出力がKimi K3へ使われたことまで証明できるわけではない。

過去にClaudeを蒸留しようとした疑惑と、K3がFable 5を蒸留して作られたという主張は別である。

両者を一本の線で結ぶには、追加の証拠が必要だ。

Kimi K3の強さを蒸留だけで説明するのは米国自身への過大評価である

Kimi K3の性能が出るたびに、「米国モデルをコピーしたから強い」と説明するのは簡単だ。

だが、その説明は中国AI企業の技術力を過小評価し、同時に米国モデルの影響を過大評価している。

Kimi Delta Attentionは、長文処理におけるKVキャッシュと計算量を削減する独自技術である。

Attention Residualsは、モデルの深さ方向における情報伝達そのものを作り替えている。

896個の専門家から16個を安定して選択する巨大MoE、量子化を前提とした学習、64基以上のアクセラレーターを使う推奨推論構成も、教師モデルの回答から取得できる技術ではない。

TechCrunchの取材に応じた研究者も、中国の研究チームは米国モデルの後ろを追っているだけではなく、独自の研究とエンジニアリングを行っていると指摘している。

蒸留が使われていた可能性を認めることと、K3の技術的成果を認めることは矛盾しない。

他社の優れた回答から学習しながら、独自のアーキテクチャと学習基盤を構築する。

むしろ、これが現在のAI開発の実態に近い。

蒸留そのものを禁止することは現実的ではない

Anthropic自身も、蒸留は広く使われている正当な学習手法であり、フロンティアAI企業が自社の大型モデルから小型モデルを作るため日常的に利用していると説明している。

OpenAI、Anthropic、Google、Meta、中国のAI企業を問わず、現在のモデル開発では合成データ、AIによる採点、自己蒸留、教師モデルによるデータ生成が使われている。

インターネット上には、すでに複数のAIモデルが生成した文章、コード、画像、評価データが大量に存在する。

今後、新しいモデルが他のAIによる生成物を一切学習せずに開発される可能性は低い。

NVIDIAのジェンスン・フアンCEOも、蒸留、AIからの学習、多様な知識源からの学習は知能の基本であると述べている。

同氏は、企業が契約や個人情報保護に違反した場合は、その違反行為を処罰すべきだが、モデルそのものを禁止すべきではないと主張した。

この整理は技術的には妥当である。

蒸留技術と、不正アクセスや利用規約違反は分けて考える必要があるが。

問題は蒸留ではなく、データの取得方法である

蒸留をすべて技術窃取として扱えば、AI産業そのものが成立しなくなる。

一方で、他社APIの制限を偽アカウントで回避し、規約に反して数百万件の出力を取得してよいわけでもない。

整理すべきなのは次の違いだ。

行為評価
自社モデルから小型モデルを作る一般的な蒸留
公開ウェイトモデルから学習データを作るライセンス条件による
APIを正規契約の範囲内で研究利用する利用規約による
教師モデルの回答を合成データへ使う業界で広く行われる
偽アカウントで地域制限を回避する契約・規約上の問題
支払い元や利用者を隠して大量取得する不正アクセスの可能性
蒸留疑惑を理由にモデル全体を禁止する過剰規制になり得る

Anthropicの主張が事実なら、問題はMoonshotがAIから学んだことではない。

数百の不正アカウントを使い、地域制限や利用規約を回避したとされる点である。

処罰や規制を行うなら、具体的な契約違反、不正アクセス、データ窃取を対象にすべきだ。

「中国モデルが強くなったから、蒸留という技術自体を危険視する」という議論は、競争政策と知的財産保護を混同している。

K3のウェイト公開だけでは蒸留の有無は簡単に分からない

Moonshot AIは、Kimi K3の完全なモデルウェイトを7月27日までに公開し、アーキテクチャ、学習、評価の詳細も技術報告書で説明するとしている。

ウェイトと技術報告書が公開されれば、第三者はモデル構造、専門家配置、量子化方式、推論効率、学習方法を詳しく検証できる。

ただし、ウェイトを調べただけで、Fable 5の出力が学習データへ含まれていたかを完全に判定できるとは限らない。

教師モデルの固有表現、誤答、癖、拒否パターン、特定プロンプトへの反応が強く残っていれば、統計的な痕跡が見つかる可能性はある。

しかし、複数モデルの出力を混ぜ、回答をフィルタリングし、独自の強化学習を重ねれば、教師モデルの痕跡は薄くなる。

米政府が主張するウォーターマークが、どの程度の精度で蒸留後のモデルへ残るものなのかも公開されていない。

したがって、ウェイト公開後も「蒸留した」「蒸留していない」を即座に断定できるとは限らない。

まとめ：米政府も中国側も話を単純化しすぎている

Kimi K3をFable 5から15日でゼロから作ることは不可能である。

K3の2.8兆パラメータ、Kimi Delta Attention、Attention Residuals、巨大MoE、100万トークン対応は、Fable 5が公開される前から開発されていた。

K3の総合性能をFable 5の蒸留だけで説明することはできない。

ここまでは、中国側の反論が正しい。

しかし、完成寸前のK3へFable 5由来のデータを追加し、コーディング、エージェント、ツール利用、回答形式などを15日間で改善することは技術的に可能である。

数百万件のデータ生成も、複数アカウントと並列処理基盤があれば時間的には成立する。

「15日しかないから、Fable 5を一切利用できなかった」という反論も成立しない。

一方、米政府はFable 5固有の蒸留を示す検証可能な証拠を公開していない。

現時点で確認できるのは、米政府がそう主張し、Anthropicが過去のMoonshotによる大規模なClaude出力収集を告発しているという事実までだ。

K3がFable 5を不正に蒸留したことが、公開情報によって証明されたわけではない。

最も現実的な見方はこうである。

Kimi K3はMoonshot独自の事前学習、アーキテクチャ、強化学習によって作られた。

そのうえで、Claudeを含む複数の外部モデルから得た合成データが、ポストトレーニングへ使われた可能性がある。

蒸留はK3を生み出した唯一の技術ではない。

だが、K3の最後の数％を押し上げる手段として使われた可能性は否定できない。

したがって、GearTuneとしての結論はこれだ。

「15日でKimi K3を作った」はあり得ない。

「15日では何も蒸留できない」も間違いである。

そして、具体的な証拠を出さずにK3全体を米国モデルのコピーとして扱うことも、技術分析ではない。

蒸留を禁止して競争相手を排除するのではなく、不正アクセスや契約違反があるなら、その行為を証拠に基づいて処罰すべきだ。

モデルが強いこと自体は、罪ではない。

GearTuneをチェックして最新ニュースをお見逃しなく。