Kimi K3 : le modèle open source de 2,8 billions de paramètres qui défie Claude et GPT

Kimi K3 est le plus grand LLM open source jamais publié : 2,8 billions (2,8T) de paramètres en architecture MoE sparse — environ 75 % de plus que DeepSeek V4 Pro (1,6T), 2,7× plus grand que le modèle open de Xiaomi (1,02T) et plus de sept fois la taille du modèle 397B d'Alibaba. Chaque forward pass active 16 experts sur 896 (sparsité 1,8 %).

K3 est déjà disponible sur kimi.com, l'app Kimi, Kimi Code et l'API Moonshot. Il cible le codage complexe, le raisonnement sur longs documents et le travail de connaissance avec compréhension native de l'image et de la vidéo.

Moonshot AI a perdu des parts de marché en 18 mois face à l'essor de DeepSeek. Kimi K3 est la contre-offensive — pas un gigantisme marketing, mais une déclaration technique soutenue par des métriques commerciales solides :

• 9 mois sur 12, les modèles Kimi ont détenu le record du plus grand modèle open source par nombre de paramètres
• ARR supérieur à 300 M$ (juin 2026) ; l'API représente plus de 70 % du revenu ; utilisateurs payants à l'étranger +400 %
• 6e tour de financement en 2026 à une valorisation pre-money de 31,5 Md$
• Sortie la veille de la WAIC 2026 (17–20 juillet, Shanghai) — signal fort à l'écosystème open source mondial

Erreurs fréquentes lors du choix de modèle en 2026 :

• Comparer uniquement les prix catalogue : K3 coûte 15 $/M en sortie — plus cher que DeepSeek — mais le contexte 1M et un taux de cache >90 % en codage abaissent le coût effectif d'entrée à ~0,55 $/M
• Ignorer le harness de benchmark : Moonshot utilise Kimi Code, OpenAI Codex, Anthropic Claude Code — reproductions indépendantes en cours
• Anticiper les poids ouverts avant le 27 juillet : le déploiement local exige 64+ accélérateurs — pas un LLM de laptop
• Sous-estimer la fenêtre de contexte : 200K chez Claude vs 1M chez K3 signifie souvent une perte de contexte en milieu de tâche agentique

Kimi Delta Attention (KDA)

L'attention complète scale quadratiquement avec la longueur du contexte — à 1M tokens, le cache KV devient prohibitif. KDA est un mécanisme d'attention linéaire hybride avec ratio 3:1 (trois couches linéaires, une couche full attention) :

• Réduction du cache KV jusqu'à 75 %
• Décodage jusqu'à 6,3× plus rapide à 1M tokens
• Égale ou bat les baselines full attention en contexte court, long et en scaling RL

Attention Residuals (AttnRes)

Les connexions résiduelles standard diluent les représentations des premières couches en profondeur. AttnRes permet un retrait sélectif à travers la profondeur — le modèle récupère des signaux de haute valeur des couches antérieures. Résultat : environ 25 % d'efficacité d'entraînement en plus pour moins de 2 % de compute supplémentaire.

Stable LatentMoE

896 experts, 16 actifs — une sparsité extrême qui exige un routage stable. Techniques associées de Moonshot :

Global : environ 2,5× meilleure efficacité de scaling vs Kimi K2 — même budget compute, intelligence supérieure.

Données auto-déclarées par Moonshot (16 juillet 2026). Harness différents par éditeur — valeurs directionnelles, pas classements définitifs.

Lecture : SWE Marathon (codage longue durée) — K3 mène à 42,0, +7 points sur Fable 5. OmniDocBench (compréhension documentaire multimodale) — également en tête. FrontierSWE et DeepSWE restent dominés par Fable 5 et GPT-5.6 Sol.

Artificial Analysis Intelligence Index v4.1 : Kimi K3 57,1 (4e place) — derrière Fable 5 (59,9) et GPT-5.6 Sol (58,9) ; écart de seulement 2,8 points avec le leader.

K3 aligne les tarifs standard de Sonnet 5 avec 5× plus de contexte. Taux de cache >90 % en codage — entrée effective souvent ~0,55 $/M (moyenne OpenRouter sur 7 jours). Vs Opus 4.8 : 60 % du coût d'entrée, 40 % du coût de sortie pour des scores comparables ou supérieurs sur plusieurs tests. API Chine : ¥20/M entrée, ¥100/M sortie, cache ¥2/M.

from openai import OpenAI

client = OpenAI(
    api_key="VOTRE_CLE_MOONSHOT",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "user", "content": "Analysez cette codebase et identifiez les goulots d'étranglement..."}
    ]
)
print(response.choices[0].message.content)

Clé API sur platform.kimi.ai. OpenRouter : ID moonshotai/kimi-k3 — tarifs officiels 3$/15$, sans majoration, contexte 1M complet. Voir aussi notre guide des tendances OpenRouter pour les stratégies de routage.

1. 01
   Créer un compte : kimi.com (connexion Google) pour test immédiat ou platform.kimi.ai pour la clé API — K3 tourne en effort de raisonnement max par défaut.
2. 02
   Choisir le canal d'accès : web/app, API Moonshot directe ou OpenRouter — selon votre facturation et conformité existantes.
3. 03
   Planifier la stratégie de cache : l'inférence Mooncake split-inference produit des taux de cache élevés — stabiliser les templates de prompt et versionner les system prompts.
4. 04
   Exploiter le contexte 1M : repos entiers, specs longues ou documents juridiques en un seul appel — tarif plat sans surcoût de longueur.
5. 05
   Définir un routage mixte : K3 pour codage long et analyse documentaire ; Fable 5 pour corrections FrontierSWE ; GPT-5.6 Sol pour agents terminal-heavy.
6. 06
   Marquer le 27 juillet : poids complets sur Hugging Face — quantisation MXFP4/NVFP4 et support day-0 attendus dans vLLM/SGLang/transformers.

Kimi K3 n'est pas un monument de paramètres. KDA, AttnRes et Stable LatentMoE résolvent de vrais problèmes de scale ; en codage long, BrowseComp et compréhension documentaire, K3 devance ou égale des flagship fermés. Avec 3$/15$, un contexte 1M et des poids ouverts le 27 juillet 2026, Moonshot envoie un signal : l'écosystème open source chinois rivalise à la frontière de l'intelligence — pas seulement sur le prix.

Dates clés : 17–20 juillet WAIC Shanghai (annonces attendues) → 27 juillet poids complets sur Hugging Face.

Les équipes intégrant Kimi K3 dans des pipelines d'agents ont souvent besoin d'hôtes de build stables en parallèle du routage API. Pools partagés à la minute et Mac domestiques apportent jitter réseau, concurrence voisine et coupures SSH longues — ce qui grignote les économies modèle. Pour des environnements agents 24/7 auditables, les nœuds Mac bare metal / cloud Mac multirégionaux NUKCLOUD offrent une capacité compute dédiée et des frontières locataires claires. Comparez les specs sur la page tarifs et provisionnez un nœud test via commander.

• Kimi K3 est-il gratuit ?
  Oui sur kimi.com avec compte gratuit. L'API nécessite une facturation pay-per-token (3$/15$ par million de tokens).
• Peut-on exécuter Kimi K3 en local ?
  À partir du 27 juillet 2026 avec les poids complets. La production exige 64+ accélérateurs (ex. H100) — pas de déploiement grand public.
• Comment K3 se compare-t-il à DeepSeek V4 Pro ?
  Presque le double de paramètres, 1M vs 128K de contexte, meilleurs benchmarks de codage — DeepSeek reste nettement moins cher (3,48 $/M en sortie).
• Le contexte 1M est-il utile ?
  Oui pour codebases entières, articles de recherche et agents longue mémoire. Le tarif plat rend le contexte complet viable.
• Kimi K3 est-il sur OpenRouter ?
  Oui — moonshotai/kimi-k3, tarifs officiels sans majoration, contexte 1M complet.
• Quand arrivent les modes low/high reasoning ?
  Moonshot annonce low et high dans des mises à jour ultérieures. Au lancement, seul max est disponible.

Données au 17 juillet 2026. Sources : blog Moonshot AI, plateforme API Kimi, Artificial Analysis, tarifs OpenRouter.