{"id":1571,"date":"2026-07-17T00:45:41","date_gmt":"2026-07-17T00:45:41","guid":{"rendered":"https:\/\/convly.ai\/?p=1571"},"modified":"2026-07-17T00:45:41","modified_gmt":"2026-07-17T00:45:41","slug":"kimi-k3-explained-2026","status":"publish","type":"post","link":"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/","title":{"rendered":"Kimi K3 expliqu\u00e9 : le mod\u00e8le ouvert de 2,8 T de Moonshot qui surpasse Opus 4.8"},"content":{"rendered":"<p>Moonshot AI a lanc\u00e9 Kimi K3 le 16 juillet 2026, et le chiffre phare est difficile \u00e0 ignorer : 2,8 billions de param\u00e8tres, ce que l\u2019entreprise pr\u00e9sente comme le plus grand mod\u00e8le open source jamais publi\u00e9. Les poids ne sont pas encore publics \u2014 ils sont pr\u00e9vus pour le 27 juillet \u2014 mais le mod\u00e8le est d\u00e9j\u00e0 disponible dans les applications Kimi, dans Kimi Code et sur OpenRouter. Ce sont toutefois ses performances qui constituent la v\u00e9ritable histoire.<\/p>\n<p>Sur l\u2019Indice d\u2019intelligence d\u2019Artificial Analysis, K3 obtient un score de <strong>57<\/strong>. That puts it above Claude Opus 4.8 (56) and behind only GPT-5.6 Sol (59) and Claude Fable 5 (60) \u2014 the first time an open-weight model has been measured inside the frontier group rather than a tier below it. The twist is the price tag. K3 lists at $3.00 per million input tokens and $15.00 per million output, roughly three times what Kimi K2.6 charged. The era of frontier Chinese models at rock-bottom prices looks like it is ending. Here is what is real, what is vendor-reported, and where K3 actually fits.<\/p>\n<div class=\"convly-tldr\">\n<h3>Points cl\u00e9s<\/h3>\n<ul>\n<li><strong>2,8 billions de param\u00e8tres, 16 experts actifs sur 896.<\/strong> Une architecture creuse de type Mixture-of-Experts reposant sur le cadre \u00ab Stable LatentMoE \u00bb de Moonshot \u2014 le plus vaste mod\u00e8le ouvert annonc\u00e9 \u00e0 ce jour.<\/li>\n<li><strong>57 sur l\u2019Indice d\u2019intelligence AA<\/strong> \u2014 above Claude Opus 4.8 (56), below GPT-5.6 Sol (59) and Claude Fable 5 (60). The strongest open-weight score yet recorded.<\/li>\n<li><strong>Contexte maximal de 1 million de jetons, vision native int\u00e9gr\u00e9e, raisonnement toujours activ\u00e9.<\/strong> L\u2019effort cognitif maximal est le mode par d\u00e9faut ; des modes \u00e0 faible et \u00e0 fort effort cognitif sont pr\u00e9vus dans de futures mises \u00e0 jour.<\/li>\n<li><strong>Deux nouveaux composants architecturaux :<\/strong> Kimi Delta Attention (jusqu\u2019\u00e0 6,3\u00d7 plus rapide pour le d\u00e9codage sur des contextes d\u2019un million de tokens) et Attention Residuals (environ 25 % d\u2019efficacit\u00e9 accrue \u00e0 l\u2019entra\u00eenement pour moins de 2 % de co\u00fbt suppl\u00e9mentaire).<\/li>\n<li><strong>N\u2019est plus bon march\u00e9.<\/strong> 3,00 $ en entr\u00e9e \/ 15,00 $ en sortie par million de tokens (0,30 $ en cas de cache hit) \u2014 environ 3\u00d7 le tarif de K2.6 (0,95 $ \/ 4,00 $) et exactement le prix catalogue de Claude Sonnet 5.<\/li>\n<li><strong>Poids pr\u00e9vus pour le 27 juillet 2026.<\/strong> D\u2019ici l\u00e0, le mod\u00e8le sera disponible uniquement via API \u2014 et avec environ 1,4 To en quantification 4 bits, le terme \u00ab ouvert \u00bb ne signifiera pas \u00ab ex\u00e9cutable \u00bb pour quasiment personne.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a5a5c5f228ff\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Basculer<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a5a5c5f228ff\"  aria-label=\"Basculer\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/#What_Kimi_K3_actually_is\" >Ce qu\u2019est r\u00e9ellement Kimi K3<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/#The_architecture_how_you_train_28T_without_the_bill_exploding\" >L\u2019architecture : comment entra\u00eener un mod\u00e8le de 2,8 T sans que la facture explose<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/#Benchmarks_where_it_wins_where_it_doesnt\" >R\u00e9sultats aux benchmarks : o\u00f9 il excelle, o\u00f9 il ne l\u2019emporte pas<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/#The_price_story_the_cheap-Chinese-AI_era_is_ending\" >L\u2019\u00e9volution des prix : l\u2019\u00e8re de l\u2019IA chinoise bon march\u00e9 touche \u00e0 sa fin<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/#Intelligence_per_dollar_our_take\" >Intelligence par dollar : notre analyse<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/#%E2%80%9COpen_weights%E2%80%9D_does_not_mean_you_can_run_it\" >\u00ab Poids ouverts \u00bb ne signifie pas que vous pouvez l\u2019ex\u00e9cuter<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/#Who_should_use_K3\" >Qui devrait utiliser K3<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/fr\/kimi-k3-explained-2026\/#FAQ\" >FAQ<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_Kimi_K3_actually_is\"><\/span>Ce qu\u2019est r\u00e9ellement Kimi K3<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>K3 est le mod\u00e8le phare g\u00e9n\u00e9raliste de Moonshot, et non un mod\u00e8le sp\u00e9cialis\u00e9. Il s\u2019agit d\u2019un changement d\u00e9lib\u00e9r\u00e9 de cap par rapport \u00e0 <a href=\"\/fr\/kimi-k2-7-code-explained-2026\/\">Kimi K2.7 Code<\/a>, que la soci\u00e9t\u00e9 avait s\u00e9par\u00e9 un mois plus t\u00f4t sous la forme d\u2019une version d\u00e9di\u00e9e au codage uniquement. K3 est con\u00e7u pour accomplir toutes les t\u00e2ches : conversation, traitement de documents longs, vision par ordinateur, et \u2014 ce qui semble clairement constituer la priorit\u00e9 absolue de Moonshot \u2014 les t\u00e2ches agentic \u00e0 long horizon, o\u00f9 un mod\u00e8le planifie, appelle des outils, lit les r\u00e9sultats obtenus et poursuit son ex\u00e9cution.<\/p>\n<p>L\u2019\u00e9chelle est le premier \u00e9l\u00e9ment \u00e0 comprendre, et la parcimonie (sparsity) le second. Parmi les 2,8 billions de param\u00e8tres au total, seuls 16 des 896 experts sont activ\u00e9s pour chaque token trait\u00e9. C\u2019est ce m\u00e9canisme qui maintient les co\u00fbts et la latence d\u2019inf\u00e9rence dans une fourchette \u00e9conomiquement viable pour un service API ; un mod\u00e8le dense de 2,8 T serait tout simplement impossible \u00e0 exploiter sur le plan \u00e9conomique. Le compromis porte sur la m\u00e9moire : chacun des 2,8 billions de param\u00e8tres doit n\u00e9anmoins r\u00e9sider en VRAM, qu\u2019il soit activ\u00e9 ou non.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Sp\u00e9cifications<\/th>\n<th>Kimi K3<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>D\u00e9veloppeur<\/td>\n<td>Moonshot AI<\/td>\n<\/tr>\n<tr>\n<td>Nombre total de param\u00e8tres<\/td>\n<td>2,8 billions (MoE)<\/td>\n<\/tr>\n<tr>\n<td>Actifs par jeton<\/td>\n<td>16 des 896 experts<\/td>\n<\/tr>\n<tr>\n<td>Fen\u00eatre de contexte<\/td>\n<td>1 million de tokens<\/td>\n<\/tr>\n<tr>\n<td>Modalit\u00e9<\/td>\n<td>Texte, vision \u2192 texte<\/td>\n<\/tr>\n<tr>\n<td>Raisonnement<\/td>\n<td>Toujours actif (effort maximal par d\u00e9faut)<\/td>\n<\/tr>\n<tr>\n<td>Quantification<\/td>\n<td>Poids MXFP4, activations MXFP8<\/td>\n<\/tr>\n<tr>\n<td>Prix de l\u2019entr\u00e9e<\/td>\n<td>3,00 $ \/ 1 million (0,30 $ en cas de cache hit)<\/td>\n<\/tr>\n<tr>\n<td>Prix de la sortie<\/td>\n<td>15,00 $ \/ 1 million<\/td>\n<\/tr>\n<tr>\n<td>Vitesse de sortie<\/td>\n<td>Environ 62 tokens\/seconde<\/td>\n<\/tr>\n<tr>\n<td>Date de sortie<\/td>\n<td>16 juillet 2026<\/td>\n<\/tr>\n<tr>\n<td>Poids ouverts<\/td>\n<td>Pr\u00e9vu pour le 27 juillet 2026<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Les sp\u00e9cifications compl\u00e8tes et les tarifs en temps r\u00e9el figurent sur la <a href=\"\/fr\/model\/kimi-k3\/\">fiche technique de Kimi K3<\/a> dans notre <a href=\"\/fr\/models\/\">Base de donn\u00e9es de mod\u00e8les d\u2019IA<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_architecture_how_you_train_28T_without_the_bill_exploding\"><\/span>L\u2019architecture : comment entra\u00eener un mod\u00e8le de 2,8 T sans que la facture explose<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Deux travaux de recherche internes de Moonshot soutiennent cette sortie, tous deux visant le m\u00eame probl\u00e8me : l\u2019augmentation classique de la taille d\u2019un transformeur implique un co\u00fbt accru pour chaque token suppl\u00e9mentaire de contexte et chaque couche suppl\u00e9mentaire de profondeur.<\/p>\n<p><strong>Kimi Delta Attention (KDA)<\/strong> est un m\u00e9canisme d\u2019attention lin\u00e9aire hybride. Le co\u00fbt de l\u2019attention standard augmente quadratiquement avec la longueur de la s\u00e9quence, ce qui explique pr\u00e9cis\u00e9ment pourquoi les contextes d\u2019un million de tokens ont \u00e9t\u00e9 jusqu\u2019ici lents et co\u00fbteux partout o\u00f9 ils ont \u00e9t\u00e9 d\u00e9ploy\u00e9s. Moonshot indique que la KDA permet un d\u00e9codage jusqu\u2019\u00e0 <strong>6,3\u00d7 plus rapide<\/strong> sur des contextes d\u2019un million de tokens \u2014 la diff\u00e9rence entre une fen\u00eatre de 1 million de tokens qui n\u2019existe que sur une fiche technique et une fen\u00eatre r\u00e9ellement utilisable.<\/p>\n<p><strong>Attention Residuals (AttnRes)<\/strong> est d\u00e9crite comme un remplacement direct des connexions r\u00e9siduelles classiques, am\u00e9liorant le flux du signal \u00e0 travers la profondeur du r\u00e9seau. Moonshot annonce une efficacit\u00e9 d\u2019entra\u00eenement augment\u00e9e d\u2019environ <strong>25 % pour moins de 2 % de co\u00fbt suppl\u00e9mentaire<\/strong>. Coupl\u00e9e au cadre Stable LatentMoE, \u00e0 la Gated MLA et \u00e0 une nouvelle fonction d\u2019activation (SiTU), la soci\u00e9t\u00e9 affirme une am\u00e9lioration globale de l\u2019efficacit\u00e9 d\u2019entra\u00eenement d\u2019environ <strong>2,5\u00d7 par rapport \u00e0 Kimi K2<\/strong>.<\/p>\n<p>Ces chiffres d\u2019efficacit\u00e9 proviennent du fournisseur et n\u2019ont pas encore \u00e9t\u00e9 reproduits de fa\u00e7on ind\u00e9pendante. Toutefois, ils \u00e9clairent la strat\u00e9gie adopt\u00e9e : atteindre 2,8 T ne consiste pas \u00e0 acqu\u00e9rir davantage de GPU que Google \u2014 les restrictions \u00e0 l\u2019exportation rendent cette voie inaccessible \u00e0 un laboratoire chinois. Il s\u2019agit plut\u00f4t d\u2019optimiser l\u2019usage de chaque heure-GPU.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Benchmarks_where_it_wins_where_it_doesnt\"><\/span>R\u00e9sultats aux benchmarks : o\u00f9 il excelle, o\u00f9 il ne l\u2019emporte pas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Les performances les plus remarquables de K3 se situent principalement dans les domaines agentic et du raisonnement, plut\u00f4t que dans la simple conversation.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Benchmark<\/th>\n<th>Kimi K3<\/th>\n<th>Ce qu\u2019il mesure<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>GPQA Diamond<\/td>\n<td>93.5%<\/td>\n<td>Raisonnement scientifique de niveau dipl\u00f4me universitaire \u2014 meilleur r\u00e9sultat publi\u00e9 \u00e0 ce jour pour un mod\u00e8le \u00e0 poids ouverts au moment de la sortie<\/td>\n<\/tr>\n<tr>\n<td>BrowseComp<\/td>\n<td>91.2%<\/td>\n<td>Agents de recherche web \u2014 meilleur score publi\u00e9 sur le tableau de bord au moment de la sortie<\/td>\n<\/tr>\n<tr>\n<td>Terminal-Bench 2.1<\/td>\n<td>88.3%<\/td>\n<td>T\u00e2ches d\u2019agent en ligne de commande \/ shell<\/td>\n<\/tr>\n<tr>\n<td>MCP Atlas<\/td>\n<td>84.2%<\/td>\n<td>Utilisation d\u2019outils via le Model Context Protocol<\/td>\n<\/tr>\n<tr>\n<td>MMMU-Pro<\/td>\n<td>81.6%<\/td>\n<td>Compr\u00e9hension multimodale<\/td>\n<\/tr>\n<tr>\n<td>DeepSWE<\/td>\n<td>67.5<\/td>\n<td>Ing\u00e9nierie logicielle<\/td>\n<\/tr>\n<tr>\n<td>L\u2019examen final de l\u2019humanit\u00e9 (avec outils)<\/td>\n<td>56.0%<\/td>\n<td>Jeu de tests de raisonnement g\u00e9n\u00e9ral le plus difficile<\/td>\n<\/tr>\n<tr>\n<td>AA Intelligence Index<\/td>\n<td>57<\/td>\n<td>Indice composite \u2014 4\u1d49 sur 189 mod\u00e8les suivis<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Deux signaux ind\u00e9pendants se distinguent nettement. Lors de tests aveugles sur Arena, les d\u00e9veloppeurs ont pr\u00e9f\u00e9r\u00e9 Kimi \u00e0 <em>tous<\/em> les principaux mod\u00e8les am\u00e9ricains pour le codage front-end, y compris Fable 5 et GPT-5.6 Sol. En mati\u00e8re d\u2019automatisation de t\u00e2ches r\u00e9elles, K3 s\u2019est class\u00e9 premier sur quatre des huit benchmarks (dont Automation Bench, SpreadsheetBench 2 et BrowseComp), et deuxi\u00e8me derri\u00e8re Fable 5 sur la plupart des autres.<\/p>\n<p>Le bilan honn\u00eate : K3 reste globalement inf\u00e9rieur \u00e0 Fable 5 et \u00e0 GPT-5.6 Sol, mais il devance essentiellement tous les autres mod\u00e8les mesur\u00e9s \u00e0 ce jour. Pour un mod\u00e8le \u00e0 poids ouverts, cela n\u2019avait jamais \u00e9t\u00e9 le cas auparavant.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_price_story_the_cheap-Chinese-AI_era_is_ending\"><\/span>L\u2019\u00e9volution des prix : l\u2019\u00e8re de l\u2019IA chinoise bon march\u00e9 touche \u00e0 sa fin<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>C\u2019est la partie qui re\u00e7oit le moins d\u2019attention, mais qui compte le plus. Les laboratoires chinois se sont forg\u00e9 une r\u00e9putation en proposant des API occidentales \u00e0 un dixi\u00e8me de leur prix. K3 ne suit pas cette strat\u00e9gie.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Mod\u00e8le<\/th>\n<th>Entr\u00e9e \/ 1 million<\/th>\n<th>Sortie \/ 1 million<\/th>\n<th>Cache hit<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Kimi K3<\/strong><\/td>\n<td>$3.00<\/td>\n<td>$15.00<\/td>\n<td>$0.30<\/td>\n<\/tr>\n<tr>\n<td>Kimi K2.6 (pr\u00e9d\u00e9cesseur)<\/td>\n<td>$0.95<\/td>\n<td>$4.00<\/td>\n<td>$0.16<\/td>\n<\/tr>\n<tr>\n<td>Claude Sonnet 5<\/td>\n<td>$3.00<\/td>\n<td>$15.00<\/td>\n<td>\u2014<\/td>\n<\/tr>\n<tr>\n<td>Claude Opus 4.8<\/td>\n<td>$5.00<\/td>\n<td>$25.00<\/td>\n<td>\u2014<\/td>\n<\/tr>\n<tr>\n<td>GPT-5.6 Sol<\/td>\n<td>$0.50<\/td>\n<td>$30.00<\/td>\n<td>\u2014<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>K3 co\u00fbte environ trois fois plus cher que son pr\u00e9d\u00e9cesseur direct et est affich\u00e9 au m\u00eame prix exact que Claude Sonnet 5. Sur une base par t\u00e2che, l\u2019\u00e9cart se r\u00e9duit encore davantage : les moyennes mesur\u00e9es placent K3 \u00e0 environ 0,94 $ par t\u00e2che, GPT-5.6 Sol \u00e0 1,04 $ et Opus 4.8 \u00e0 1,80 $. K3 reste donc moins cher \u2014 mais il ne se distingue plus par un avantage de prix de l\u2019ordre de 10\u00d7 ; il rivalise d\u00e9sormais sur la valeur ajout\u00e9e marginale. Le raisonnement de pointe semble avoir un co\u00fbt similaire, quel que soit l\u2019entra\u00eeneur.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Intelligence_per_dollar_our_take\"><\/span>Intelligence par dollar : notre analyse<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le prix brut est une m\u00e9trique inadapt\u00e9e. Ce qui compte, c\u2019est la quantit\u00e9 de capacit\u00e9 achet\u00e9e pour chaque dollar. En utilisant le prix pond\u00e9r\u00e9 et les scores d\u2019intelligence issus de notre <a href=\"\/fr\/ai-price-performance-index-2026\/\">Indice 2026 de rapport performance-prix en IA<\/a>, voici o\u00f9 se situe K3 :<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Mod\u00e8le<\/th>\n<th>Intelligence<\/th>\n<th>Co\u00fbt combin\u00e9 par million de dollars<\/th>\n<th>Intelligence par dollar<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Kimi K3<\/strong><\/td>\n<td>57<\/td>\n<td>$9.00<\/td>\n<td>6.3<\/td>\n<\/tr>\n<tr>\n<td>Claude Opus 4.8<\/td>\n<td>55.7<\/td>\n<td>$15.00<\/td>\n<td>3.7<\/td>\n<\/tr>\n<tr>\n<td>GLM 5.2<\/td>\n<td>51.1<\/td>\n<td>$2.90<\/td>\n<td>17.6<\/td>\n<\/tr>\n<tr>\n<td>DeepSeek V4-Flash<\/td>\n<td>40.3<\/td>\n<td>$0.21<\/td>\n<td>192<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Trois conclusions d\u00e9coulent de ce tableau. K3 offre environ <strong>1,7\u00d7 plus d\u2019intelligence par dollar que Claude Opus 4.8<\/strong> tout en obtenant un score l\u00e9g\u00e8rement sup\u00e9rieur \u2014 une offre v\u00e9ritablement meilleure dans la cat\u00e9gorie haut de gamme. Cependant, <a href=\"\/fr\/glm-5-2-explained-2026\/\">GLM 5.2<\/a> renvoie encore <strong>2,8\u00d7 plus de capacit\u00e9 par dollar que K3<\/strong> at six points lower intelligence, and DeepSeek V4-Flash returns about <strong>30\u00d7 plus<\/strong>. K3 est le mod\u00e8le ouvert le plus intelligent disponible ; il n\u2019est toutefois nullement le meilleur rapport qualit\u00e9-prix. Si vous payez des tarifs de pointe, assurez-vous d\u2019avoir r\u00e9ellement besoin d\u2019un raisonnement de pointe. Calculez vos propres chiffres dans le <a href=\"\/fr\/ai-api-cost-calculator\/\">Calculateur de co\u00fbt des API IA<\/a>, ou consultez le classement complet sur le <a href=\"\/fr\/llm-leaderboard\/\">classement des LLM<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"%E2%80%9COpen_weights%E2%80%9D_does_not_mean_you_can_run_it\"><\/span>\u00ab Poids ouverts \u00bb ne signifie pas que vous pouvez l\u2019ex\u00e9cuter<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Lorsque les poids seront publi\u00e9s le 27 juillet, attendez-vous \u00e0 une vague de titres affirmant que n\u2019importe qui pourra ex\u00e9cuter un mod\u00e8le de pointe chez soi. V\u00e9rifiez d\u2019abord les calculs.<\/p>\n<p>Avec 2,8 billions de param\u00e8tres en pr\u00e9cision native 4 bits (MXFP4), les poids seuls repr\u00e9sentent environ <strong>1,4 To<\/strong>. Ajoutez-y un cache KV dimensionn\u00e9 pour une fen\u00eatre contextuelle proche de 1 million de tokens, et la capacit\u00e9 requise augmente encore. R\u00e9ellement, cela correspond \u00e0 environ <strong>16 GPU de classe H200 r\u00e9partis sur deux n\u0153uds<\/strong> \u2014 plusieurs centaines de milliers de dollars de mat\u00e9riel, sans compter la consommation \u00e9lectrique ni les infrastructures r\u00e9seau. \u00c0 titre de comparaison, K2.7 Code, avec 1 trillion de param\u00e8tres, n\u00e9cessitait environ 595 Go et huit GPU de 80 Go chacun \u2014 d\u00e9j\u00e0 hors de port\u00e9e pour la plupart des particuliers.<\/p>\n<p>\u00c0 qui s\u2019adresse donc r\u00e9ellement la publication des poids ? Aux d\u00e9ploiements souverains, aux entreprises r\u00e9glement\u00e9es qui ne peuvent pas envoyer leurs donn\u00e9es vers une API, aux laboratoires de recherche, et aux fournisseurs de services cloud qui l\u2019h\u00e9bergeront pour le compte de tous les autres. Il subsiste certes un \u00e9cart significatif par rapport \u00e0 un mod\u00e8le ferm\u00e9 \u2014 vous pouvez l\u2019auditer, le fine-tuner et l\u2019ex\u00e9cuter enti\u00e8rement dans vos propres infrastructures \u2014 mais il ne s\u2019agit pas d\u2019une solution pour GPU grand public. Si vous souhaitez savoir pr\u00e9cis\u00e9ment ce que votre mat\u00e9riel peut r\u00e9ellement supporter, notre <a href=\"\/fr\/llm-vram-calculator\/\">Calculateur de VRAM pour LLM<\/a> effectue les calculs sp\u00e9cifiques \u00e0 chaque mod\u00e8le, tandis que le <a href=\"\/fr\/self-hosting-vs-api-calculator\/\">Calculateur auto-h\u00e9bergement contre API<\/a> montre \u00e0 partir de quel seuil poss\u00e9der des GPU devient plus \u00e9conomique que de payer \u00e0 l\u2019usage.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Who_should_use_K3\"><\/span>Qui devrait utiliser K3<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Utilisez-le si<\/strong> vous ex\u00e9cutez des charges de travail agentic \u2014 automatisation de navigateur, cha\u00eenes d\u2019outils multi-\u00e9tapes, programmation \u00e0 long horizon \u2014 o\u00f9 ses scores sur BrowseComp, Terminal-Bench et MCP Atlas se traduisent par moins d\u2019\u00e9checs. Il constitue \u00e9galement le choix \u00e9vident si vous recherchez un raisonnement de niveau frontalier assorti d\u2019une trajectoire cr\u00e9dible vers l\u2019auto-h\u00e9bergement ult\u00e9rieur, ou si la qualit\u00e9 du code front-end est primordiale (les d\u00e9veloppeurs l\u2019ont pr\u00e9f\u00e9r\u00e9 \u00e0 Fable 5 lors d\u2019un test \u00e0 l\u2019aveugle).<\/p>\n<p><strong>\u00c9vitez-le si<\/strong> your work is ordinary chat, summarization, classification or retrieval. At $3\/$15 you would be paying frontier rates for tasks that GLM 5.2 or DeepSeek V4-Flash handle at a fraction of the cost. And skip it if you assumed &#8220;open&#8221; meant you could download it this week \u2014 the weights are still nine days out at the time of writing, and 1.4 TB when they arrive.<\/p>\n<p>Le point essentiel, que le tableau de benchmarks souligne discr\u00e8tement, est le suivant : un mod\u00e8le \u00e0 poids ouverts vient d\u2019obtenir un score sup\u00e9rieur \u00e0 celui de Claude Opus 4.8. L\u2019\u00e9cart qui existait auparavant entre l\u2019IA ouverte et l\u2019IA ferm\u00e9e de pointe ne se mesure d\u00e9sormais plus qu\u2019en quelques points d\u2019indice et quelques mois \u2014 et non plus en g\u00e9n\u00e9rations.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"FAQ\"><\/span>FAQ<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Kimi K3 est-il meilleur que Claude Opus 4.8 ?<\/h3>\n<p>Sur l\u2019Artificial Analysis Intelligence Index, oui \u2014 K3 obtient 57 contre 56 pour Opus 4.8, et co\u00fbte 3 $\/15 $ par million de tokens, contre 5 $\/25 $ pour Opus. Il reste toutefois derri\u00e8re GPT-5.6 Sol (59) et Claude Fable 5 (60).<\/p>\n<h3>Kimi K3 est-il open source ?<\/h3>\n<p>Les poids sont pr\u00e9vus pour une publication publique le 27 juillet 2026, conform\u00e9ment au pr\u00e9c\u00e9dent de licence MIT modifi\u00e9e \u00e9tabli par Moonshot pour les versions ant\u00e9rieures de Kimi. Jusqu\u2019\u00e0 cette date, K3 sera uniquement accessible via API, \u00e0 travers les applications Kimi, Kimi Code et OpenRouter.<\/p>\n<h3>Combien co\u00fbte Kimi K3 ?<\/h3>\n<p>3,00 $ par million de tokens d\u2019entr\u00e9e, 15,00 $ par million de tokens de sortie, et 0,30 $ par million de tokens pour les \u00ab cache hits \u00bb. Cela repr\u00e9sente environ trois fois le prix de Kimi K2.6 et correspond exactement au tarif catalogue de Claude Sonnet 5.<\/p>\n<h3>Puis-je ex\u00e9cuter Kimi K3 localement ?<\/h3>\n<p>Presque certainement pas. Avec ses 2,8 billions de param\u00e8tres, les poids en 4 bits repr\u00e9sentent environ 1,4 To \u2014 soit l\u2019\u00e9quivalent de quelque 16 GPU de classe H200 r\u00e9partis sur deux n\u0153uds, sans compter aucun cache KV destin\u00e9 \u00e0 sa fen\u00eatre contextuelle de 1 million de tokens. Il s\u2019agit d\u2019un mod\u00e8le con\u00e7u pour centre de donn\u00e9es, et non pour poste de travail.<\/p>\n<h3>Quelle est la taille de Kimi K3 ?<\/h3>\n<p>2,8 billions de param\u00e8tres 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\u2019il s\u2019agit du plus grand mod\u00e8le open source publi\u00e9 \u00e0 ce jour.<\/p>","protected":false},"excerpt":{"rendered":"<p>A 2.8T-parameter open MoE scoring 57 on the AA Intelligence Index &#8211; above Claude Opus 4.8. The specs, the benchmarks, the new $3\/$15 pricing, and whether you can run it.<\/p>","protected":false},"author":1,"featured_media":1572,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[3],"tags":[609,919,750,782,619,423,766],"class_list":["post-1571","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-llms","tag-chinese-ai","tag-kimi-k3","tag-llms","tag-moe","tag-moonshot-ai","tag-open-source-ai","tag-open-weights"],"_links":{"self":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/1571","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/comments?post=1571"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/1571\/revisions"}],"predecessor-version":[{"id":1573,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/1571\/revisions\/1573"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/media\/1572"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/media?parent=1571"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/categories?post=1571"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/tags?post=1571"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}