Test Kimi K3 : 2,8 billions de paramètres – plus grand modèle open source
Dans la nuit du 16 juillet 2026, Moonshot AI a discrètement affiché une bannière en tête de sa documentation API : « 🎉 Kimi K3 est en ligne ! » – sans conférence de presse, mais avec le plus grand modèle IA open source au monde. Cet article s'adresse aux développeurs IA et décideurs : architecture KDA, contexte 1M tokens, comparaisons de benchmarks, tarification, quatre voies d'accès et plan de poids ouverts du 27 juillet, avec runbook en 5 étapes et matrice de choix.
Sommaire
Points de friction : pourquoi K3 oblige à réévaluer le choix de modèle
- L'écart open source / closed source se réduit : K3 atteint 57,1 points sur Artificial Analysis Intelligence Index v4.1 (4e), à seulement 2,8 points de Claude Fable 5 (59,9).
- Long contexte vs facture réelle : K3 offre 1M tokens à tarif fixe avec >90 % de cache en coding — coût effectif jusqu'à $0,30/M.
- Risque fournisseur unique : la leçon de l'interdiction export Claude Fable 5 montre le risque de lier les agents à une seule API fermée. K3 promet des poids complets le 27 juillet.
I. Qu'est-ce que Kimi K3 ?
Kimi K3 est le plus grand modèle IA open source avec 2,8 billions (2,8T) de paramètres — près de 75 % de plus que DeepSeek V4 Pro (1,6T), 2,7× Xiaomi (1,02T), plus de 7× Alibaba (397B).
Architecture MoE sparse : 16 experts sur 896 activés par inférence, 1 million de tokens de contexte, vision native — conçu pour le code complexe, le raisonnement sur longs documents et le travail intellectuel.
| Spécification | Détail |
|---|---|
| Paramètres totaux | 2,8 billions |
| Architecture | Kimi Delta Attention (KDA) + Attention Residuals + Stable LatentMoE |
| Experts actifs | 16 / 896 (sparsité 1,8 %) |
| Fenêtre de contexte | 1 048 576 tokens (1M) |
| Modalités d'entrée | Texte, image, vidéo |
| Mode de raisonnement | max uniquement au lancement (low/high à venir) |
| ID modèle API | kimi-k3 |
| Poids ouverts | 27 juillet 2026 |
En une phrase : Kimi K3 est une IA de code open source avec vision image/vidéo et mémoire ultra-longue — ~40 % moins cher que Claude Opus 4.8, poids complets le 27 juillet.
II. Contexte : pourquoi cette sortie compte
Moonshot AI a subi la montée de DeepSeek ces 18 derniers mois. K3 est une contre-attaque marquante :
- 9 mois sur 12, Kimi détenait le record open source par taille ;
- Sortie à la veille de la WAIC 2026 (17–20 juillet) ;
- ARR >300 M$ (juin 2026), 6e tour, valorisation 31,5 Md$ ;
- Revenus API >70 %, utilisateurs payants étrangers +400 %.
III. Architecture : trois innovations
3.1 Kimi Delta Attention (KDA)
L'attention complète scale quadratiquement — à 1M tokens le KV-cache devient critique.
KDA est un mécanisme d'attention linéaire hybride :
- Ratio 3:1 couches linéaires / full attention ;
- KV-cache réduit jusqu'à 75 % ;
- Décodage jusqu'à 6,3× plus rapide à 1M tokens ;
- Égale ou bat les baselines full attention.
Analogie : l'attention complète mémorise tout ; KDA indexe vite et rappelle précisément au besoin.
3.2 Attention Residuals (AttnRes)
Récupération sélective des représentations des couches précoces — ~25 % d'efficacité d'entraînement en plus pour <2 % de compute additionnel.
3.3 Stable LatentMoE
896 experts, 16 actifs — sparsité 1,8 %.
| Technologie | Rôle |
|---|---|
| Quantile Balancing | Allocation d'experts depuis les quantiles du routeur |
| Per-Head Muon | Optimisation par tête d'attention |
| Sigmoid Tanh Unit (SiTU) | Contrôle d'activation amélioré |
| Gated MLA | Sélectivité d'attention accrue |
Vs Kimi K2 : ~2,5× meilleure efficacité de scaling.
IV. Benchmarks
| Benchmark | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro (vision) | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench | 91.1 | 89.8 | 85.8 | 87.9 | — |
Points clés :
- SWE Marathon : K3 42,0 — sessions de code de plusieurs heures ;
- Program Bench : 77,8 vs 76,8 Fable 5 ;
- FrontierSWE : Fable 5 86,6, K3 81,2, GPT-5.6 Sol 71,3 ;
- OmniDocBench : K3 premier (91,1) ;
- Index global : K3 57,1 (4e), écart de 2,8 points avec le leader.
⚠️ Note : données auto-déclarées Moonshot, harness différents.
V. Tarification
| Modèle | Entrée ($/M token) | Sortie ($/M token) | Entrée cache | Contexte |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00 (Promo $2) | $15.00 (Promo $10) | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.5 | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
- K3 = Sonnet 5 ($3/$15) mais 5× le contexte ;
- Cache $0,30/M, >90 % en coding — effectif ~$0,55/M (OpenRouter) ;
- API Chine : ¥20/M entrée, ¥100/M sortie, cache ¥2/M ;
- kimi.com gratuit ; forfait prépayé ¥199 (jusqu'au 11 août).
VI. Quatre voies d'accès
Méthode 1 : Web/App Kimi
kimi.com — inscription Google, K3 en effort max.
Méthode 2 : API officielle
Clé API sur platform.kimi.ai.
Méthode 3 : OpenRouter
ID : moonshotai/kimi-k3 — tarifs officiels, contexte 1M complet.
Méthode 4 : Poids ouverts le 27 juillet
Hugging Face, supernœud 64+ accélérateurs. MXFP4/MXFP8 ; support vLLM, SGLang jour J attendu.
VII. Matrice de choix
| Scénario | Choix | Raison |
|---|---|---|
| Sessions de code longues (SWE Marathon) | Kimi K3 | Premier au benchmark, plus long contexte |
| Corrections de bugs sur gros dépôts | Claude Fable 5 | FrontierSWE / SWE-bench Pro largement en tête |
| Agents terminal / toolchain | GPT-5.6 Sol | Terminal Bench et Coding Agent Index leaders |
| Analyse de documents ultra-longs / multimodal | Kimi K3 | OmniDocBench premier, vision + 1M |
| Production sensible au coût | DeepSeek V4 Pro | Sortie à $3,48/M seulement |
| Self-hosting open source (après 7/27) | Kimi K3 | Poids ouverts les plus capables, première classe >2T |
| Raisonnement le plus profond (HLE-Full) | Claude Fable 5 | HLE-Full 53,3 vs K3 43,5 |
VIII. Promesse open source : 27 juillet
Poids complets le 27 juillet (Modified MIT). Kimi K3 deviendra :
- le plus grand modèle open source téléchargeable ;
- le premier au-delà de 2 billions de paramètres ;
- nouvelle base de fine-tuning pour la communauté.
Faits citables (EEAT)
- Paramètres : 2,8T, ~75 % de plus que DeepSeek V4 Pro.
- Sparsité : 16/896 experts (1,8 %).
- KDA : KV-cache −75 %, décodage ×6,3 à 1M.
- Cache : >90 % en coding, ~$0,55/M effectif.
- Index : Artificial Analysis v4.1 : 57,1.
IX. Runbook en 5 étapes
X. FAQ
Q : Kimi K3 est-il gratuit ?
R : Oui sur kimi.com ; API $3/$15 par MTok.
Q : Déploiement local ?
R : Poids le 27 juillet ; 64+ accélélateurs en production.
Q : K3 ou DeepSeek V4 Pro ?
R : K3 plus grand et plus fort ; DeepSeek moins cher ($3,48/M sortie).
Q : Contexte 1M utile ?
R : Oui pour codebase, docs juridiques/recherche, mémoire agent — sans surcoût.
Q : Modes low/high ?
R : Annoncés ultérieurement ; seul max aujourd'hui.
Q : Benchmarks fiables ?
R : Auto-déclarés — valider par pilote et tests indépendants.
Conclusion
Kimi K3 n'est pas du paramétrage de façade. KDA, AttnRes et Stable LatentMoE sont de vraies innovations ; en code long et compréhension documentaire, K3 rivalise avec les flagship fermés — à prix raisonnable et avec promesse open source complète.
Dates : 17–20 juillet (WAIC) → 27 juillet (poids complets).
Faire tourner des agents Kimi K3 sur laptop ou VPS Linux implique interruptions veille, clés API mélangées au code prod, et pas de toolchain Apple (Xcode, Fastlane, notarytool) sur la même machine. Pour des agents 7×24 avec Kimi Code + K3 et CI iOS ou passerelle OpenClaw, louer un nœud Mac cloud VPSMAC M4 — macOS natif, SSH + launchd — est plus stable qu'un laptop ou VPS Linux pour une stratégie hybride en production.
Références : Blog technique Moonshot · API Kimi · Artificial Analysis · OpenRouter
Données au 16 juillet 2026. Benchmarks auto-déclarés par Moonshot ; capacités et tarifs peuvent évoluer — vérifier la documentation officielle avant mise en production.