Dans la nuit du 16 juillet 2026, Moonshot AI a discrètement ajouté « Kimi K3 est en ligne » en tête de sa documentation API — sans keynote, sans fanfare — et a livré le plus vaste modèle IA open source au monde avec 2,8 billions de paramètres. Pour les développeurs IA et les responsables produit qui comparent les API de pointe, cet article couvre : spécifications et contexte de lancement de K3, architecture KDA / AttnRes / Stable LatentMoE, benchmarks complets face à Claude Fable 5 et GPT-5.6 Sol, tarification et quatre modes d'accès, matrice de choix par scénario, plan d'ouverture des poids complets le 27 juillet, plus une checklist en six étapes et une FAQ.
Kimi K3 est le modèle sparse Mixture-of-Experts (MoE) de 2,8 billions (2,8T) de paramètres publié par Moonshot AI — environ 75 % plus vaste que l'ancien recordman DeepSeek V4 Pro (1,6T), 2,7 fois le modèle open source de Xiaomi (1,02T) et plus de sept fois celui d'Alibaba (397B). À l'inférence, il active 16 experts sur 896 (sparsité 1,8 %), associe un contexte d'un million de tokens et une compréhension visuelle native, et vise le code complexe, le raisonnement sur documents longs et le travail de connaissance.
En une phrase : Kimi K3 est une IA de programmation open source, nativement multimodale et dotée d'une mémoire étendue, 40 % moins chère que Claude Opus 4.8 — avec les poids complets sur Hugging Face le 27 juillet.
Record de taille : la série Kimi a occupé le plafond open source en paramètres pendant 9 des 12 derniers mois
Calendrier WAIC : le lancement tombe la veille de la World Artificial Intelligence Conference 2026 (WAIC) (17–20 juillet) — un signal stratégique assumé
Dynamique commerciale : l'ARR a dépassé 300 M$ en juin 2026 ; un sixième tour de financement clôturé à une valorisation pré-money de 31,5 Md$
Revenus API-first : l'API représente plus de 70 % du chiffre d'affaires ; les utilisateurs payants à l'étranger ont progressé de 400 %
Contre-offensive post-DeepSeek : après une perte significative de parts de marché sur 18 mois, K3 réaffirme une souveraineté technique — pas seulement en taille, mais en architecture
Engagement open source total : l'annonce officielle WeChat confirme la publication des poids complets sur Hugging Face le 27 juillet
Kimi K3 n'est pas un empilement brut de paramètres. Des choix d'ingénierie apportent environ 2,5 fois plus d'efficacité de montée en charge par rapport à Kimi K2.
L'attention complète fait croître la mémoire du cache KV de façon quadratique sur les longs contextes. KDA alterne couches d'attention linéaire et complète selon un ratio 3:1 : trois couches linéaires peu coûteuses traitent la structure locale ; une couche d'attention complète préserve le flux d'information global. Résultat : jusqu'à 75 % de mémoire cache KV en moins, un décodage jusqu'à 6,3 fois plus rapide à 1M tokens, et de meilleures performances que les baselines purement full-attention sur contextes courts, longs et en extension RL.
Les connexions résiduelles standard répartissent l'information uniformément en profondeur, diluant les représentations des premières couches dans les plus profondes. AttnRes introduit une récupération sélective — le modèle peut extraire directement, à travers la profondeur, des caractéristiques à forte valeur des couches antérieures. Gain d'environ 25 % en efficacité d'entraînement pour moins de 2 % de calcul supplémentaire.
| Technique | Rôle |
|---|---|
| Quantile Balancing | Dérive l'allocation d'experts à partir des quantiles des scores du routeur — sans hyperparamètres heuristiques |
| Per-Head Muon | Optimisation par tête d'attention pour un entraînement à grande échelle plus adaptatif |
| SiTU (Sigmoid Tanh Unit) | Contrôle amélioré des fonctions d'activation |
| Gated MLA | Sélectivité d'attention renforcée |
Attention : les chiffres de benchmark ci-dessous sont auto-déclarés par Moonshot AI. Chaque modèle a utilisé son propre harness d'inférence (K3 via Kimi Code, GPT via Codex, Claude via Claude Code). La reproduction indépendante par des tiers est encore en cours.
| 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 (documents) | 91.1 | 89.8 | 85.8 | 87.9 | — |
Points clés : K3 domine SWE Marathon (code long et soutenu) avec 42,0 ; devance légèrement Program Bench à 77,8 ; sur FrontierSWE, Fable 5 mène (86,6) tandis que K3 surpasse nettement GPT-5.6 Sol (71,3) ; OmniDocBench place K3 en tête à 91,1. Sur l'Artificial Analysis Intelligence Index v4.1, K3 obtient 57,1 — 4e rang, à seulement 2,8 points du leader, derrière Claude Fable 5 (59,9) et GPT-5.6 Sol (58,9).
| Modèle | Entrée ($/M) | Sortie ($/M) | Entrée cache hit | 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 aligne son tarif standard sur Claude Sonnet 5 (3 $ / 15 $) mais offre 5 fois plus de contexte. Les cache hits descendent à 0,30 $/M (un dixième du prix d'entrée catalogue) ; les workflows de code affichent des taux de cache hit supérieurs à 90 %. API Chine : 20 ¥/M entrée, 100 ¥/M sortie, 2 ¥/M cache hit. Les comptes consommateurs kimi.com sont gratuits avec K3 en effort d'inférence maximal ; forfaits prépayés dès 199 ¥ (promo jusqu'au 11 août).
Web / application (le plus simple) : rendez-vous sur kimi.com, créez un compte (Google pris en charge). K3 tourne en effort d'inférence maximal par défaut
Obtenir une clé API : créez-en une sur platform.kimi.ai
Configurer un client compatible OpenAI : définissez base_url sur https://api.moonshot.ai/v1, model sur kimi-k3
Passer par OpenRouter : ID modèle moonshotai/kimi-k3 — tarif officiel sans majoration, contexte 1M complet
Optimiser le cache : réutilisez prompts système et définitions d'outils dans les workflows de code ; l'inférence désagrégée Mooncake augmente le taux de cache hit
Noter le 27 juillet : poids complets sur Hugging Face — évaluez un déploiement privé (super-nœud 64+ accélérateurs requis)
from openai import OpenAI
client = OpenAI(
api_key="your_moonshot_api_key",
base_url="https://api.moonshot.ai/v1"
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "Analyse ce code pour moi..."}]
)
| Scénario | Modèle recommandé | Pourquoi |
|---|---|---|
| Sessions de code longues et soutenues | Kimi K3 | Leader SWE Marathon ; contexte le plus long |
| Correction de bugs au niveau dépôt | Claude Fable 5 | FrontierSWE / SWE-bench Pro en tête |
| Agents terminal / toolchain | GPT-5.6 Sol | Terminal Bench et Coding Agent Index leaders |
| Documents ultra-longs / multimodal | Kimi K3 | OmniDocBench n°1 ; vision native + contexte 1M |
| Charges sensibles au coût | DeepSeek V4 Pro | Sortie à 3,48 $/M — bien en dessous de K3 |
| Poids open source auto-hébergés (après 27/07) | Kimi K3 | Poids téléchargeables open source les plus performants à ce jour |
Ce que cela signale : l'écosystème IA open source chinois passe de la « guerre des prix » à un véritable défi à la frontière de l'intelligence — plus une course aux paramètres de façade, mais une innovation architecturale concrète.
Si vous envisagez d'intégrer Kimi K3 dans des pipelines d'agents locaux ou des sessions de code longues façon Kimi Code, exécuter des agents CLI sur un portable ou un VPS instable expose souvent à des limites mémoire, des coupures de session et l'absence de la chaîne Xcode/Metal ; un VPS Linux pur ne couvre ni la compilation iOS ni la signature. Pour les environnements de production exigeant des sessions SSH longues stables, un cache DerivedData et une automatisation CI/CD iOS, la location cloud Mac Mini de NodeMini est généralement la meilleure option — nœuds dédiés, provisionnement en quelques secondes, agents et builds sur un vrai Mac.
Oui. Inscrivez-vous sur kimi.com pour accéder gratuitement à K3 en effort d'inférence maximal. L'API est payante (3 $ / 15 $ par million de tokens). Pour un environnement d'agent stable, consultez les tarifs de location Mac Mini.
Les poids complets seront publiés sur Hugging Face le 27 juillet 2026. Un déploiement de production exige un super-nœud avec plus de 64 accélérateurs ; un portable ne peut pas héberger 2,8T paramètres. Fournisseurs d'inférence et laboratoires bien équipés sont le public réaliste de l'auto-hébergement.
K3 compte près de deux fois plus de paramètres (2,8T vs 1,6T), un contexte 1M vs 128K et de meilleurs scores sur plusieurs benchmarks. DeepSeek facture la sortie à seulement 3,48 $/M — nettement moins cher. Choisissez DeepSeek pour le coût ; K3 pour le code long et la compréhension documentaire.
Très utile pour l'analyse de dépôts entiers, les documents juridiques ou de recherche volumineux et la mémoire longue des agents. K3 facture au tarif unique sans surcoût de longueur ; KDA accélère le décodage jusqu'à 6,3 fois à 1M tokens. Pour l'ops : centre d'aide.
Moonshot AI indique que les modes low et high arriveront dans une mise à jour ultérieure. Seul le mode max est disponible aujourd'hui. Suivez la WAIC (17–20 juillet) et la publication des poids du 27 juillet pour les prochaines annonces.