Kimi K3 expliqué : le modèle ouvert de 2,8 T de Moonshot qui surpasse Opus 4.8

Moonshot AI a lancé Kimi K3 le 16 juillet 2026, et le chiffre phare est difficile à ignorer : 2,8 billions de paramètres, ce que l’entreprise présente comme le plus grand modèle open source jamais publié. Les poids ne sont pas encore publics — ils sont prévus pour le 27 juillet — mais le modèle est déjà disponible dans les applications Kimi, dans Kimi Code et sur OpenRouter. Ce sont toutefois ses performances qui constituent la véritable histoire.

Sur l’Indice d’intelligence d’Artificial Analysis, K3 obtient un score de 57. Cela le place au-dessus de Claude Opus 4.8 (56) et juste en dessous de GPT-5.6 Sol Sol (59) et Claude Fable 5 (60) — première fois qu’un modèle à poids ouverts est mesuré au sein du groupe des modèles de pointe, plutôt qu’à un niveau inférieur. La particularité réside toutefois dans son prix. K3 est affiché à 3,00 $ par million de jetons d’entrée et à 15,00 $ par million de jetons de sortie, soit environ trois fois le tarif de Kimi K2.6. L’ère des modèles chinois de pointe proposés à des prix dérisoires semble donc toucher à sa fin. Voici ce qui est vérifié, ce qui est déclaré par le fournisseur, et la place réelle occupée par K3.

Ce qu’est réellement Kimi K3

K3 est le modèle phare généraliste de Moonshot, et non un modèle spécialisé. Il s’agit d’un changement délibéré de cap par rapport à Kimi K2.7 Code, que la société avait séparé un mois plus tôt sous la forme d’une version dédiée au codage uniquement. K3 est conçu pour accomplir toutes les tâches : conversation, traitement de documents longs, vision par ordinateur, et — ce qui semble clairement constituer la priorité absolue de Moonshot — les tâches agentic à long horizon, où un modèle planifie, appelle des outils, lit les résultats obtenus et poursuit son exécution.

L’échelle est le premier élément à comprendre, et la parcimonie (sparsity) le second. Parmi les 2,8 billions de paramètres au total, seuls 16 des 896 experts sont activés pour chaque token traité. C’est ce mécanisme qui maintient les coûts et la latence d’inférence dans une fourchette économiquement viable pour un service API ; un modèle dense de 2,8 T serait tout simplement impossible à exploiter sur le plan économique. Le compromis porte sur la mémoire : chacun des 2,8 billions de paramètres doit néanmoins résider en VRAM, qu’il soit activé ou non.

Les spécifications complètes et les tarifs en temps réel figurent sur la fiche technique de Kimi K3 dans notre Base de données de modèles d’IA.

L’architecture : comment entraîner un modèle de 2,8 T sans que la facture explose

Deux travaux de recherche internes de Moonshot soutiennent cette sortie, tous deux visant le même problème : l’augmentation classique de la taille d’un transformeur implique un coût accru pour chaque token supplémentaire de contexte et chaque couche supplémentaire de profondeur.

Kimi Delta Attention (KDA) est un mécanisme d’attention linéaire hybride. Le coût de l’attention standard augmente quadratiquement avec la longueur de la séquence, ce qui explique précisément pourquoi les contextes d’un million de tokens ont été jusqu’ici lents et coûteux partout où ils ont été déployés. Moonshot indique que la KDA permet un décodage jusqu’à 6,3× plus rapide sur des contextes d’un million de tokens — la différence entre une fenêtre de 1 million de tokens qui n’existe que sur une fiche technique et une fenêtre réellement utilisable.

Attention Residuals (AttnRes) est décrite comme un remplacement direct des connexions résiduelles classiques, améliorant le flux du signal à travers la profondeur du réseau. Moonshot annonce une efficacité d’entraînement augmentée d’environ 25 % pour moins de 2 % de coût supplémentaire. Couplée au cadre Stable LatentMoE, à la Gated MLA et à une nouvelle fonction d’activation (SiTU), la société affirme une amélioration globale de l’efficacité d’entraînement d’environ 2,5× par rapport à Kimi K2.

Ces chiffres d’efficacité proviennent du fournisseur et n’ont pas encore été reproduits de façon indépendante. Toutefois, ils éclairent la stratégie adoptée : atteindre 2,8 T ne consiste pas à acquérir davantage de GPU que Google — les restrictions à l’exportation rendent cette voie inaccessible à un laboratoire chinois. Il s’agit plutôt d’optimiser l’usage de chaque heure-GPU.

Résultats aux benchmarks : où il excelle, où il ne l’emporte pas

Les performances les plus remarquables de K3 se situent principalement dans les domaines agentic et du raisonnement, plutôt que dans la simple conversation.

Deux signaux indépendants se distinguent nettement. Lors de tests aveugles sur Arena, les développeurs ont préféré Kimi à tous les principaux modèles américains pour le codage front-end, y compris Fable 5 et GPT-5.6 Sol. En matière d’automatisation de tâches réelles, K3 s’est classé premier sur quatre des huit benchmarks (dont Automation Bench, SpreadsheetBench 2 et BrowseComp), et deuxième derrière Fable 5 sur la plupart des autres.

Le bilan honnête : K3 reste globalement inférieur à Fable 5 et à GPT-5.6 Sol, mais il devance essentiellement tous les autres modèles mesurés à ce jour. Pour un modèle à poids ouverts, cela n’avait jamais été le cas auparavant.

L’évolution des prix : l’ère de l’IA chinoise bon marché touche à sa fin

C’est la partie qui reçoit le moins d’attention, mais qui compte le plus. Les laboratoires chinois se sont forgé une réputation en proposant des API occidentales à un dixième de leur prix. K3 ne suit pas cette stratégie.

K3 coûte environ trois fois plus cher que son prédécesseur direct et est affiché au même prix exact que Claude Sonnet 5. Sur une base par tâche, l’écart se réduit encore davantage : les moyennes mesurées placent K3 à environ 0,94 $ par tâche, GPT-5.6 Sol à 1,04 $ et Opus 4.8 à 1,80 $. K3 reste donc moins cher — mais il ne se distingue plus par un avantage de prix de l’ordre de 10× ; il rivalise désormais sur la valeur ajoutée marginale. Le raisonnement de pointe semble avoir un coût similaire, quel que soit l’entraîneur.

Intelligence par dollar : notre analyse

Le prix brut est une métrique inadaptée. Ce qui compte, c’est la quantité de capacité achetée pour chaque dollar. En utilisant le prix pondéré et les scores d’intelligence issus de notre Indice 2026 de rapport performance-prix en IA, voici où se situe K3 :

Trois conclusions découlent de ce tableau. K3 offre environ 1,7× plus d’intelligence par dollar que Claude Opus 4.8 tout en obtenant un score légèrement supérieur — une offre véritablement meilleure dans la catégorie haut de gamme. Cependant, GLM 5.2 renvoie encore 2,8× plus de capacité par dollar que K3 avec six points de moins en intelligence, et DeepSeek V4-Flash fournit environ 30× plus. K3 est le modèle ouvert le plus intelligent disponible ; il n’est toutefois nullement le meilleur rapport qualité-prix. Si vous payez des tarifs de pointe, assurez-vous d’avoir réellement besoin d’un raisonnement de pointe. Calculez vos propres chiffres dans le Calculateur de coût des API IA, ou consultez le classement complet sur le classement des LLM.

« Poids ouverts » ne signifie pas que vous pouvez l’exécuter

Lorsque les poids seront publiés le 27 juillet, attendez-vous à une vague de titres affirmant que n’importe qui pourra exécuter un modèle de pointe chez soi. Vérifiez d’abord les calculs.

Avec 2,8 billions de paramètres en précision native 4 bits (MXFP4), les poids seuls représentent environ 1,4 To. Ajoutez-y un cache KV dimensionné pour une fenêtre contextuelle proche de 1 million de tokens, et la capacité requise augmente encore. Réellement, cela correspond à environ 16 GPU de classe H200 répartis sur deux nœuds — plusieurs centaines de milliers de dollars de matériel, sans compter la consommation électrique ni les infrastructures réseau. À titre de comparaison, K2.7 Code, avec 1 trillion de paramètres, nécessitait environ 595 Go et huit GPU de 80 Go chacun — déjà hors de portée pour la plupart des particuliers.

À qui s’adresse donc réellement la publication des poids ? Aux déploiements souverains, aux entreprises réglementées qui ne peuvent pas envoyer leurs données vers une API, aux laboratoires de recherche, et aux fournisseurs de services cloud qui l’hébergeront pour le compte de tous les autres. Il subsiste certes un écart significatif par rapport à un modèle fermé — vous pouvez l’auditer, le fine-tuner et l’exécuter entièrement dans vos propres infrastructures — mais il ne s’agit pas d’une solution pour GPU grand public. Si vous souhaitez savoir précisément ce que votre matériel peut réellement supporter, notre Calculateur de VRAM pour LLM effectue les calculs spécifiques à chaque modèle, tandis que le Calculateur auto-hébergement contre API montre à partir de quel seuil posséder des GPU devient plus économique que de payer à l’usage.

Qui devrait utiliser K3

Utilisez-le si vous exécutez des charges de travail agentic — automatisation de navigateur, chaînes d’outils multi-étapes, programmation à long horizon — où ses scores sur BrowseComp, Terminal-Bench et MCP Atlas se traduisent par moins d’échecs. Il constitue également le choix évident si vous recherchez un raisonnement de niveau frontalier assorti d’une trajectoire crédible vers l’auto-hébergement ultérieur, ou si la qualité du code front-end est primordiale (les développeurs l’ont préféré à Fable 5 lors d’un test à l’aveugle).

Évitez-le si votre travail consiste en des échanges conversationnels ordinaires, des résumés, des classifications ou des recherches. À 3 $/15 $, vous paieriez des tarifs de pointe pour des tâches que GLM 5.2 ou DeepSeek V4-Flash traitent à une fraction de ce coût. Évitez-le aussi si vous avez supposé qu’« ouvert » signifiait pouvoir le télécharger dès cette semaine — les poids ne seront disponibles que dans neuf jours à la date de rédaction de cet article, et ils pèseront 1,4 To une fois publiés.

Le point essentiel, que le tableau de benchmarks souligne discrètement, est le suivant : un modèle à poids ouverts vient d’obtenir un score supérieur à celui de Claude Opus 4.8. L’écart qui existait auparavant entre l’IA ouverte et l’IA fermée de pointe ne se mesure désormais plus qu’en quelques points d’indice et quelques mois — et non plus en générations.

FAQ

Kimi K3 est-il meilleur que Claude Opus 4.8 ?

Sur l’Artificial Analysis Intelligence Index, oui — K3 obtient 57 contre 56 pour Opus 4.8, et coûte 3 $/15 $ par million de tokens, contre 5 $/25 $ pour Opus. Il reste toutefois derrière GPT-5.6 Sol (59) et Claude Fable 5 (60).

Kimi K3 est-il open source ?

Les poids sont prévus pour une publication publique le 27 juillet 2026, conformément au précédent de licence MIT modifiée établi par Moonshot pour les versions antérieures de Kimi. Jusqu’à cette date, K3 sera uniquement accessible via API, à travers les applications Kimi, Kimi Code et OpenRouter.

Combien coûte Kimi K3 ?

3,00 $ par million de tokens d’entrée, 15,00 $ par million de tokens de sortie, et 0,30 $ par million de tokens pour les « cache hits ». Cela représente environ trois fois le prix de Kimi K2.6 et correspond exactement au tarif catalogue de Claude Sonnet 5.

Puis-je exécuter Kimi K3 localement ?

Presque certainement pas. Avec ses 2,8 billions de paramètres, les poids en 4 bits représentent environ 1,4 To — soit l’équivalent de quelque 16 GPU de classe H200 répartis sur deux nœuds, sans compter aucun cache KV destiné à sa fenêtre contextuelle de 1 million de tokens. Il s’agit d’un modèle conçu pour centre de données, et non pour poste de travail.

Quelle est la taille de Kimi K3 ?

2,8 billions de paramètres au total, selon une architecture Mixture-of-Experts (MoE), avec seulement 16 experts actifs parmi les 896 disponibles pour chaque token. Moonshot affirme ainsi qu’il s’agit du plus grand modèle open source publié à ce jour.