Pendant des années, la communauté des poids ouverts a vécu selon une règle simple : on pouvait avoir la confidentialité ou l’intelligence de pointe, mais pas les deux en même temps. Les meilleurs modèles téléchargeables et exécutables soi-même étaient toujours un cran en dessous des géants fermés. Suffisamment bons pour beaucoup de tâches, mais pas pour les difficiles.
Kimi K3 est le modèle qui donne l’impression que cette règle est dépassée.
Moonshot AI a publié les poids complets le 27 juillet 2026, et les chiffres sont saisissants. 2,8 billions de paramètres organisés en architecture mixture-of-experts — 896 experts, dont 16 s’activent à chaque token (104 milliards actifs). Un encodeur de vision intégré appelé MoonViT-V2 permet au modèle de lire captures d’écran, diagrammes, graphiques, documents et images vidéo de façon native. La fenêtre de contexte s’étend à un million de tokens, soit environ dix romans complets. Et le tout sous une licence Modified MIT qui autorise l’usage commercial.
La preuve indépendante corrobore la prétention de capacité. Artificial Analysis — l’entité la plus proche d’un arbitre neutre dans le domaine de l’IA — classe K3 à environ 80 sur 100 sur son Intelligence Index, le plaçant au 5e rang parmi 215 modèles dans le monde. Cela le met à trois points de Claude Fable 5, un modèle fermé qui coûte de l’argent réel. Aucun autre modèle à poids ouverts n’a atteint ce voisinage.
L’histoire de l’architecture
Le nombre brut de paramètres fait le titre, mais l’ingénierie en dessous mérite attention. K3 repose sur deux idées que Moonshot appelle Kimi Delta Attention (KDA) et Attention Residuals. KDA est un mécanisme d’attention efficace qui passe à l’échelle mieux que les approches standard ; les Attention Residuals récupèrent sélectivement l’information à travers la profondeur du modèle au lieu de l’accumuler uniformément. Ensemble, Moonshot annonce environ 2,5× d’amélioration de l’efficacité de passage à l’échelle par rapport à K2.
Ce que cela signifie en pratique : le modèle utilise son énorme budget de paramètres plus intelligemment qu’une simple montée en charge naïve. Il est aussi livré avec quantification MXFP4 native — les poids sont stockés en précision 4 bits avec activations 8 bits, et cette compression a été intégrée pendant l’entraînement plutôt qu’appliquée après coup. C’est pourquoi le modèle peut tourner sur « seulement » huit H100 au lieu de nécessiter tout un datacenter en pleine précision.
Pourquoi ce n’est pas le numéro 1 de cette catégorie
Voici la tension honnête. Kimi K3 est le modèle à poids ouverts le plus capable de la planète. C’est aussi le moins pratique de cette catégorie pour la plupart des lecteurs.
Les poids MXFP4 totalisent environ 1,4 téraoctet. La configuration expérimentale minimale décrite par Moonshot nécessite huit GPU H100 de 80 Go — 640 gigaoctets de VRAM, soit environ 200 000 dollars de matériel aux prix actuels. La production veut 64 accélérateurs ou plus répartis sur plusieurs nœuds reliés par des interconnexions à large bande passante. Ce n’est pas une station de travail. C’est un petit supercalculateur.
Contrastez cela avec GLM-5.2, l’actuel numéro 1 de cette catégorie. GLM-5.2 est un modèle de 744 milliards de paramètres (environ 40 milliards actifs) qui tient dans à peu près 241 gigaoctets avec une quantification agressive à 2 bits — à portée d’un Mac Studio avec 256 Go de mémoire unifiée ou d’une station de travail bi-GPU. Il porte une licence MIT irréprochable. Il bénéficie de mois de validation communautaire indépendante, y compris une première place au classement de programmation de Design Arena.
K3 gagne sur l’intelligence brute, la capacité multimodale et l’échelle pure. GLM-5.2 gagne sur tout ce qui détermine si une personne normale ou une petite équipe peut réellement l’utiliser. Pour une catégorie intitulée « Local / Private AI », cette différence pratique est décisive — c’est pourquoi K3 entre au rang 2, pas au rang 1.
Ce que K3 fait vraiment bien
En mettant de côté la question du matériel, le profil de capacité est impressionnant. Sur les évaluations internes de Moonshot, K3 atteint FrontierSWE 81.2 % (vraies tâches d’ingénierie logicielle sur de grands dépôts), Terminal-Bench 88.3 (compétence d’agent en ligne de commande) et GPQA Diamond 93.5 (raisonnement scientifique de niveau troisième cycle). Sur un benchmark d’optimisation de noyaux, Moonshot rapporte que K3 a largement surpassé GPT-5.6 Sol, GPT-5.5 et Opus 4.8 — bien que ce soient des chiffres d’entreprise qui attendent une confirmation indépendante.
La capacité multimodale native est la caractéristique qui sépare le plus clairement K3 de GLM-5.2 dans cette catégorie. GLM-5.2 ne gère que le texte et le code. K3 lit images, captures d’écran, graphiques et vidéo. Pour les flux auto-hébergés impliquant des entrées visuelles — analyser un PDF, déboguer une interface à partir d’une capture d’écran, examiner une visualisation de données — K3 le gère nativement sans ajouter un modèle de vision distinct. C’est un véritable avantage architectural pour les équipes qui construisent des pipelines multimodaux derrière leur propre pare-feu.
La réalité du déploiement
Si votre organisation exploite déjà un cluster de GPU — un laboratoire de recherche, une entreprise du cloud, une équipe IA d’entreprise — l’histoire du déploiement est étonnamment mature pour une sortie vieille d’un jour. vLLM a publié un aperçu de support à l’échelle de production le 22 juillet, avec des optimisations de prefix-caching KDA que Moonshot a reversées à la communauté open source. SGLang, Docker, Together AI et HuggingChat offrent tous des chemins immédiats pour servir le modèle. L’outillage n’est pas la barrière ; le matériel, oui.
Pour tous les autres, l’API Moonshot propose le même modèle à 3 dollars par million de tokens d’entrée et 15 dollars par million de tokens de sortie (avec entrée en cache à 0,30 dollar). C’est un prix raisonnable pour du travail de classe frontière, mais cela défait le but d’un classement d’« IA locale » : les données quittent votre machine.
Aspérités connues
Moonshot est admirablement transparent sur les limites de K3 dans sa propre documentation. Le modèle est sensible au mode d’historique de raisonnement — changer de moteur d’inférence en cours de session peut déstabiliser les sorties, ce qui compte pour les équipes qui font tourner plusieurs frameworks de service. Il peut aussi être excessivement proactif, prenant des décisions autonomes que l’utilisateur n’a pas sollicitées. Moonshot recommande des contraintes explicites dans les system prompts ou un fichier AGENTS.md pour garder le modèle dans son rail.
Il existe aussi une lacune notable d’expérience utilisateur comparé à des produits fermés aboutis comme Claude Fable 5 et GPT-5.6 Sol, comme le reconnaît Moonshot lui-même. L’intelligence brute est là ; la fluidité, pas encore.
En conclusion
Kimi K3 est le modèle qui prouve que la frontière des poids ouverts est arrivée. Un cerveau téléchargeable qui rivalise avec les meilleurs modèles fermés, lit images et vidéos, et porte une licence commerciale n’est plus une hypothèse — c’est un fichier sur Hugging Face. La physique de le faire tourner (1,4 téraoctet, huit H100 minimum) signifie que la plupart des lecteurs l’admireront de loin ou l’atteindront via une API plutôt que sur leurs propres serveurs. Mais pour les équipes qui ont l’infrastructure, et pour tous ceux qui suivent la trajectoire de l’IA ouverte, K3 est le nouveau plafond — et le plafond vient de monter de façon spectaculaire.
