Kimi K3 とコーディングエージェント：ハーネス・コンテキスト・検証
本番の K3 はまずハーネスの問題です。権限、1M コンテキストに何を入れるか、マージ前のゲート — ベンチマークの繰り返しではありません。
エージェント実行は緑に見えました。誰かが diff に migrations/ があることに気づくまで。K3 が「暴走」したのではありません — 書き込みスコープをリポジトリルートのままにし、90 万トークンのログをコンテキストに詰めてモデルに「なんとかして」と期待したのです。モデルは依頼どおり、間違ったレイヤを自信満々に編集しました。
だからこの記事があります。Kimi K3 ローンチノート はスペック向け；ここでは K3 の外側のループ — Moonshot API または Kimi Code、1M コンテキストの規律、マージ前ゲート — を扱います。DevCove スナップショット 2026-07-25：K3 rank #7、index 57、同表で 約 161s ファーストチャンク — batch/エージェント を想定し、ラッパーがレイテンシを隠さない限り IDE の即応チャット向きではありません。
ハーネス構成（ホワイトボードに描くもの）
┌──────────────────────────────────────────────┐
│ 人間：スコープ + 受け入れテスト │
├────────────────────┬─────────────────────────┤
│ コンテキスト供給 │ ツール面 │
│ （選んだパス） │ （shell、MCP、ネット） │
├────────────────────┴─────────────────────────┤
│ K3（API で推論ティアを明示） │
├──────────────────────────────────────────────┤
│ CI + 人による diff review（必須） │
└──────────────────────────────────────────────┘
ハーネスが弱ければ、どの frontier も壊れて見えます。モデルを替える前に箱を直してください。
| レイヤ | 悪いデフォルト | より良いデフォルト |
|---|---|---|
| スコープ | 「サービスを直して」 | 変更 許可 パッケージとファイルを明示 |
| コンテキスト | リポ丸ごと貼り | spec スライス + 失敗テスト + ADR 1 本 |
| ツール | 無制限 shell | 許可リスト；破壊コマンドは人 |
| 出力 | 巨大な複数ファイル dump | ステップごとに小パッチ |
1M コンテキスト：予算であり埋立地ではない
K3 の 105 万ウィンドウは「全部アップロード」を誘います。ノイズ in、ノイズ out — MoE スケールが規律を生みません。
| 入れる | 入れない |
|---|---|
| ユーザーストーリ + 非目標 | node_modules や生成 SDK 丸ごと |
| アーキテクチャのアンカー 1 つ | 優先なし README 五十本 |
| 直近 CI 失敗の抜粋 | ログ履歴全体 |
| ゴールデンテスト例 | スイート全体を inline |
エージェントタスクごとに コンテキスト組み立て を 15 分で打ち切ります。キュレーションが修正より長ければ、そのタスクはエージェント向きにスコープされていません。
Kimi Code vs HTTP API
| 経路 | 選ぶとき |
|---|---|
| Kimi Code | Moonshot のターミナルエージェント既定が欲しい |
HTTP API（kimi-k3） | 社内オーケストレータに組み込む |
| サードパーティ IDE | 公式サポートがある場合のみ — データ residency を確認 |
セキュリティ review は 権限 向けで、リーダーボード順位向けではありません。コーディング benchmark で高得点でも本番 DB アクセスは自動承認されません。
検証ループ（省略不可）
Verification gates for AI coding agents から借用：
タスクチケット
→ スコープ付きツールのエージェント（K3）
→ unit + integration テスト
→ lint / types
→ 人が diff を読む（要約ではない）
→ release ブランチで ship checklist
K3 は旧デフォルトモデルより パッチが広がる ことがあります。広いパッチは 広い review であり、速い merge ではありません。
それでも Opus を選ぶとき
Claude Code が既に承認済みなら、同スナップショットの対話ループでは Opus 5 high の方が速く感じることが多い — Kimi K3 vs Claude Opus 5 を参照。Moonshot が 契約上入っている、1M でのタスク単価 が効く、Kimi Code が ops に合う — そのとき K3 を試します。
Ops ルール： rate limit で GitHub スナップショットを部分上書きしない — 最後の良い stars/models を保持；エージェント retry も同じ忍耐（モデルが「だいたい動く」からゲートを外さない）。
リンク： モデルランキング · 方法論ピラー · Ship checklist
Evidence date: 2026-07-25 DevCove スナップショット；本番前に Moonshot doc で API フィールドを確認してください。