Kimi K3, en chiffres, au 17 juillet 2026 :
2,8 billions de paramètres. Le plus grand modèle open-weight jamais construit, 75 % plus grand que DeepSeek V4 Pro.
896 experts dans l'architecture. 16 activés par jeton.
1 000 000 de jetons de contexte. Vision native. Un mode de raisonnement, réglé en permanence au maximum.
3 $ par million de jetons en entrée, 15 $ par million en sortie. L'entrée en cache tombe à 0,30 $, et la pile de service de Moonshot maintient des taux de succès du cache au-dessus de 90 % dans les sessions de codage.
Sur les tests de codage front-end indépendants d'Arena, K3 a battu Claude Fable 5 et GPT-5.6 Sol. Dans le classement textuel plus large d'Arena, il a devancé Opus 4.8 tout en coûtant 40 % de moins par tâche.
Les poids complets seront publiés le 27 juillet sous licence MIT modifiée. Premier modèle de classe 3T ouvert de l'histoire.
Moonshot AI, le laboratoire de Pékin derrière tout cela, a dépassé les 200 millions de dollars de revenus annualisés en avril. Le 16 juillet, ils ont sorti K3, et les marchés ont connu leur deuxième « moment DeepSeek » en 18 mois.
Voilà les chiffres. Passons maintenant à l'histoire qui se cache derrière, car les chiffres seuls ne rendent pas compte de l'étrangeté de cette sortie.
Un retour que personne n'avait programmé
Il y a dix-huit mois, Moonshot semblait fini. DeepSeek a mangé leur marché grand public, leur histoire en entreprise a calé, et la marque Kimi ressemblait à une note de bas de page dans la course à l'IA en Chine. Le fondateur Yang Zhilin, ancien chercheur chez Google, a maintenu le laboratoire focalisé sur une seule chose : les modèles de codage agentiques avec des fenêtres de contexte absurdes.
K2 est arrivé en juillet 2025 comme un codeur open-weight solide. K2.5 et K2.6 ont suivi au printemps 2026, et en avril, Artificial Analysis classait K2.6 comme le modèle open-weight le plus fort sur leur indice d'intelligence. Respectable. Toujours un cran en dessous de la frontière fermée.
K3 a fermé ce cran. Moonshot a programmé le lancement quelques jours avant la Conférence mondiale sur l'intelligence artificielle à Shanghai, et le message sous-jacent aux benchmarks était brutal : trois ans de contrôles à l'exportation des GPU n'ont pas empêché un laboratoire de taille moyenne de Pékin d'atteindre la frontière, puis de donner les poids à quiconque possède un lien de téléchargement.
Anthropic a accusé Moonshot et d'autres laboratoires chinois de distillation à l'échelle industrielle, prétendument en s'entraînant sur des millions d'échanges avec des modèles américains de pointe. Moonshot conteste ces accusations. Les deux peuvent être importants à la fois : le combat sur la provenance est réel, tout comme l'artefact qui sera sur Hugging Face dans 10 jours.
Ce que 2,8 billions de paramètres achètent réellement
Le chiffre phare induit en erreur si on le lit comme une simple masse brute. K3 est un modèle mixte d'experts parcimonieux : 896 sous-réseaux spécialisés, 16 activés par jeton. Vous obtenez la capacité de connaissance d'un modèle de 2,8 T avec le coût d'inférence de quelque chose de bien plus petit.
Deux inventions internes portent la conception. Kimi Delta Attention, un mécanisme d'attention linéaire hybride, est la raison pour laquelle la fenêtre de contexte de 1 M existe à un prix que vous pouvez supporter. Attention Residuals, un remplacement direct des connexions résiduelles standard, est ce qui, selon Moonshot, génère des gains d'échelle constants. Les deux ont été publiés en tant que recherche ouverte sur GitHub avant que le modèle ne soit livré, ce qui a apporté à K3 une crédibilité auprès des chercheurs avant même qu'un seul benchmark ne soit déposé.
La traduction pratique : ce modèle lit une base de code entière, une année de documents ou 50 transcriptions vidéo en une seule invite, garde tout cela dans son attention de travail et raisonne sur l'ensemble. Les pipelines RAG, les stratégies de découpage, les bases de données d'embedding, toute l'industrie de la récupération construite pour compenser les petites fenêtres de contexte, tout cela devient optionnel pour une classe croissante de tâches.
Ajoutez la vision native et la surface d'entrée s'élargit encore. Captures d'écran, schémas, photos de tableau blanc, graphiques. Les victoires de K3 sur Arena sont venues spécifiquement dans le codage front-end, la discipline exacte où voir un design et écrire le code pour celui-ci vivent dans le même cerveau.
L'économie est la véritable arme
Mettez de côté les benchmarks. La grille tarifaire est l'endroit où K3 fait des dégâts.
3 $ en entrée, 15 $ en sortie, place K3 au sommet de la tarification des laboratoires chinois et environ à la moitié du coût par tâche d'Opus 4.8. Ensuite, la mise en cache réécrit les maths. À 0,30 $ par million de jetons d'entrée mis en cache avec des taux de succès de plus de 90 % dans les longues sessions de codage, le coût effectif d'entrée d'un agent qui ne cesse de relire le même référentiel s'effondre d'environ 4x.
Les agents à long horizon vivent ou meurent grâce à cela. Un agent qui travaille dans un référentiel pendant 6 heures relit le même contexte des milliers de fois. Selon la plupart des modèles de tarification, cette boucle vous ruine. Avec l'économie de cache de K3, cela coûte le prix d'un déjeuner.
Moonshot affirme également que K3 dépense 21 % de jetons de sortie en moins que K2.6 sur des tâches équivalentes. Leur chiffre, issu de leur tableau d'évaluation, donc à prendre avec des pincettes. Des testeurs indépendants ont trouvé la pression inverse à la petite extrémité : le mode de raisonnement maximum toujours activé a brûlé 13 241 jetons de réflexion sur un dessin SVG trivial, soit environ 0,25 $ pour une seule requête jetable. K3 n'a pas de mode économique. Vous ne pouvez pas lui demander de penser moins.
Cela trace la ligne d'utilisation honnête. Les tâches simples, à volume élevé et sensibles à la latence ne sont pas le bon domicile pour ce modèle. Les longues sessions sur un contexte massif, où le cache absorbe le coût d'entrée et où la tâche justifie le raisonnement maximum, sont l'endroit où la tarification passe de chère à injuste.
Le 27 juillet change la catégorie
Jusqu'à présent, une règle prévalait dans l'industrie : la capacité de pointe vit derrière une API. Vous la louez, le fournisseur peut la renégocier, la déprécier ou modifier discrètement son comportement, et votre entreprise absorbe quoi qu'il arrive.
Le 27 juillet, les poids de K3 atterrissent sous licence MIT modifiée. Téléchargez une fois et aucun laboratoire sur terre ne peut reprendre la capacité. Affinez-la sur votre domaine. Exécutez-la en mode déconnecté. Servez-la depuis votre propre matériel. Les gouvernements, les hôpitaux, les banques et tous les fondateurs qui ont perdu le sommeil à cause des avis de dépréciation de modèles disposent désormais d'une solution de repli de classe frontière qui ne répond à personne.
Presque personne n'hébergera lui-même 2,8 billions de paramètres. La facture matérielle pour servir un modèle de cette taille, même parcimonieux, se situe bien au-delà de la portée du hobbyiste. Cela passe à côté du sujet. Le fait que les poids existent publiquement plafonne définitivement ce que quiconque peut facturer pour des modèles fermés de force similaire, et garantit un marché d'hôtes tiers bon marché en compétition pour servir K3 à des marges de commodité. Vous bénéficiez de la sortie ouverte même si vous ne téléchargez jamais un seul fragment.
Que construire avec cela ce mois-ci
Un modèle avec 1 M de contexte, vision native, scores de codage de pointe et coûts de cache en chute libre n'est pas une mise à niveau de chat. Il récompense une forme de travail différente.
Nourrissez-le d'éléments complets. Des référentiels entiers pour révision, des dossiers de contrat complets pour audit, une bibliothèque de contenu de concurrents complète pour démantèlement. Tout ce que vous aviez l'habitude de découper en morceaux, arrêtez de le découper.
Exécutez-le longtemps. Le positionnement officiel de K3 est les longues sessions d'ingénierie avec une supervision minimale : naviguer dans le dépôt, orchestrer les outils de terminal, continuer. Mettez en file d'attente de vraies tâches de plusieurs heures le soir et inspectez le travail terminé le matin, avec le cache qui absorbe le coût de chaque relecture.
Pointez la caméra sur les problèmes. Capturez d'écran la page d'accueil d'un concurrent et demandez la reconstruction. Photographiez le tableau blanc et demandez l'implémentation. La vision plus les scores front-end de pointe font de l'écran-à-code le terrain de jeu du modèle.
Et gardez un œil sur le compteur. Acheminez vos appels triviaux et à haute fréquence vers un petit modèle bon marché, car K3 dépensera volontiers un quart de dollar à réfléchir intensément à rien.
La frontière était un abonnement. Dans 10 jours, elle devient un fichier. Planifiez en conséquence.
Merci d'avoir lu jusqu'ici.
Je décortique les modèles d'IA, les workflows d'agents et les systèmes qui les sous-tendent, avec des chiffres réels et des mises en garde honnêtes. Si cela vous a été utile, un suivi signifie que l'analyse de la sortie des poids du 27 juillet atterrira dans votre fil le jour même.
