Kimi K3 : Qu'est-ce que c'est ? Le fleuron ouvert 2.8T de Moonshot

Moonshot AI a lancé Kimi K3 le 16 juillet 2026, le présentant comme « le premier modèle ouvert de classe 3T au monde ». C'est une grande affirmation, alors séparons le marketing de l'ingénierie. K3 est un modèle Mixture-of-Experts de 2,8 billions de paramètres avec une fenêtre de contexte d'un million de tokens, une pile d'attention rafraîchie et une grille tarifaire directement destinée aux équipes de codage. Il a été mis en ligne le même jour sur Kimi.com, Kimi Work, Kimi Code et l'API Kimi, avec une promesse de publication des poids complets d'ici le 27 juillet 2026. Ce guide est le centre de tout ce dont vous avez besoin pour l'évaluer : ce que c'est, comment il est construit, ce qu'il coûte, où il se classe et qui devrait réellement l'utiliser.

TL;DR : qu'est-ce que Kimi K3 ?

Kimi K3 est le modèle de langage étendu phare de Moonshot AI, lancé le 16 juillet 2026. Il utilise une architecture Mixture-of-Experts de 2,8 billions de paramètres qui active 16 des 896 experts par token, offre une fenêtre de contexte de 1 048 576 tokens (1M) et est servi via l'ID de modèle API kimi-k3. La tarification est de 0,30 $ par million de tokens d'entrée avec cache, 3,00 $ par million de tokens d'entrée sans cache et 15,00 $ par million de tokens de sortie. Sur l'index d'intelligence indépendant Artificial Analysis, il obtient un score de 57 et se classe 4e sur 189 modèles. Le propre article de lancement de Moonshot indique que K3 est toujours derrière Claude Fable 5 et GPT-5.6 Sol, il doit donc être considéré comme le modèle ouvert le plus puissant près de la frontière, et non la frontière elle-même. Les poids complets ouverts sont attendus vers le 27 juillet 2026.

Pourquoi Kimi K3 est important en ce moment

Tous les quelques mois, un laboratoire chinois lance un modèle qui redéfinit les attentes quant à ce que l'on peut exécuter sans contrat d'API propriétaire. Kimi K3 est ce modèle pour la mi-2026. Le titre n'est pas la suprématie brute des benchmarks. C'est la combinaison d'une qualité proche de la frontière, d'un prix agressif pour les accès en cache, et d'une promesse de publier les poids complets dans les onze jours suivant le lancement. Si cette promesse est tenue, K3 devient le modèle le plus performant que vous puissiez auto-héberger, ce qui change la donne pour quiconque évalue une facture d'API par rapport à un cluster GPU.

Si vous développez avec des API LLM, la question pratique est simple : pouvez-vous diriger votre client existant de style OpenAI vers kimi-k3 et obtenir une sortie utile sans réécrire votre pile ? La réponse est oui, car Moonshot fournit une API compatible avec le SDK OpenAI. Cela signifie également que vous pouvez tester et déboguer les appels K3 avec les outils que vous utilisez déjà. Apidog traite tout point de terminaison compatible OpenAI comme une requête de première classe, vous pouvez donc envoyer une complétion de chat en streaming à kimi-k3, inspecter les événements envoyés par le serveur token par token, et observer les appels d'outils se résoudre avant d'intégrer le modèle dans votre code de production.

Cet article est le pilier de l'écosystème Kimi K3 plus large. Pour des analyses approfondies, consultez le guide de l'API Kimi K3, la répartition des prix de Kimi K3, ou l'analyse des benchmarks de Kimi K3. Ici, nous couvrons l'ensemble du tableau.

L'identité : le modèle le plus performant de Moonshot

Moonshot AI positionne K3 comme « notre modèle le plus performant », une évolution par rapport à la ligne Kimi K2 que de nombreux développeurs connaissent déjà. Si vous avez utilisé Kimi K2 ou Kimi K2.7 Code, axé sur le codage, K3 est la prochaine génération de cette lignée, entièrement reconstruit à partir de la couche d'attention. L'affirmation qui retient le plus l'attention est « le premier modèle ouvert de classe 3T au monde ». Deux mots dans cette phrase sont importants.

« Ouvert » est une réalité pour un futur proche, pas pour le jour du lancement. Au moment de sa sortie, K3 est disponible via des produits hébergés et l'API payante, et Moonshot s'est engagé à publier les « poids complets du modèle d'ici le 27 juillet 2026 ». Donc, si vous prévoyez un déploiement local, considérez l'accès ouvert comme un événement programmé environ une semaine et demie après le lancement, et non comme quelque chose que vous pouvez télécharger dès le premier jour.

« Classe 3T » fait référence à l'échelle. Avec 2,8 billions de paramètres au total, K3 se situe dans la même catégorie de poids que les plus grands systèmes propriétaires, même si seule une fraction de ces paramètres s'active sur un token donné. Cette activation sparse est ce qui maintient l'inférence abordable, et c'est la raison pour laquelle la tarification est telle qu'elle est.

Architecture : les nouveautés sous le capot

K3 n'est pas une copie agrandie de K2. Moonshot a reconstruit le cœur avec plusieurs techniques spécifiques, et les choix de conception expliquent à la fois les gains de qualité et les chiffres de débit.

Kimi Delta Attention (KDA). Il s'agit d'un mécanisme d'attention linéaire hybride que Moonshot décrit comme une base efficace pour l'évolutivité de l'attention. L'attention de type linéaire permet de maîtriser la croissance de la mémoire et du calcul à mesure que les longueurs de contexte augmentent, ce qui rend une fenêtre de 1M de tokens pratique plutôt que théorique.

Résidus d'Attention (AttnRes). Moonshot présente cela comme un remplacement direct des connexions résiduelles standard. L'objectif déclaré est de récupérer sélectivement les représentations à travers la profondeur du réseau, afin que les informations des couches précédentes restent accessibles plus profondément dans la pile. En termes simples, cela aide le modèle à conserver le contexte au lieu de le diluer couche par couche.

Stable LatentMoE. Il s'agit de la couche de routage Mixture-of-Experts, et c'est là que réside l'histoire des « 2,8T au total, petite activation ». K3 dispose de 896 experts et en active 16 par token, en utilisant ce que Moonshot appelle le « Quantile Balancing » pour maintenir le routage stable pendant l'entraînement. L'activation sparse signifie que le modèle peut contenir des trillions de paramètres de connaissance tout en ne payant que le coût de calcul d'un réseau beaucoup plus petit au moment de l'inférence.

Moonshot fait également référence à des composants de support, notamment Per-Head Muon, une Unité Sigmoïde Tanh (SiTU) et Gated MLA, ainsi que des poids MXFP4 avec des activations MXFP8 pour la quantification.

Spécifications de Kimi K3 en un coup d'œil

Voici l'aperçu à mettre en favori. Chaque chiffre ci-dessous provient de l'article de lancement de Moonshot ou de la liste indépendante d'Artificial Analysis.

Ce tableau est la réponse rapide pour la plupart des recherches de « vérification des spécifications ». Pour un modèle de coût ligne par ligne par rapport à votre propre volume de tokens, le guide de tarification Kimi K3 détaille les chiffres.

La fenêtre de contexte de 1M, et pourquoi la tarification par cache-hit est la vraie histoire

Une fenêtre de contexte de 1 048 576 tokens permet d'intégrer une base de code entière, un long corpus de recherche ou une transcription de plusieurs heures dans une seule invite. C'est désormais un acquis à la frontière, mais la manière dont K3 tarifie le contexte long est ce qui le rend intéressant pour les charges de travail réelles.

Examinez à nouveau les prix d'entrée : 0,30 $ par million de tokens pour un cache-hit contre 3,00 $ pour un cache-miss. C'est un écart de 10 fois. La pile d'inférence de Moonshot, qu'elle appelle inférence désagrégée Mooncake, offrirait un taux de cache-hit supérieur à 90 % sur les charges de travail de codage. Si votre modèle d'utilisation réutilise un grand contexte partagé, une longue invite système, une grande arborescence de fichiers, un bloc d'instructions fixe, la plupart de vos tokens d'entrée seront facturés au tarif réduit. Pour les boucles de codage agentiques qui renvoient le même contexte de dépôt à chaque étape, cette différence s'accumule rapidement. C'est le levier qui rend K3 compétitif en termes de coûts, même si son prix de sortie par token se situe dans la fourchette normale de la frontière.

Le compromis se manifeste en termes de vitesse. Artificial Analysis a mesuré K3 à environ 62 tokens par seconde de sortie, en dessous de la médiane de 72,7 pour les modèles de raisonnement de sa catégorie de prix. Le temps avant le premier token est d'environ 1,99 seconde, ce qui est légèrement mieux que la médiane de la catégorie. K3 est donc un modèle qui « réfléchit beaucoup, diffuse régulièrement » plutôt qu'un modèle rapide, et son paramètre de raisonnement par défaut penche vers un effort de réflexion maximal. Si la latence est plus importante que la profondeur pour votre cas d'utilisation, comparez-le à une catégorie plus rapide avant de vous engager.

Positionnement honnête : fort, ouvert, pas la frontière absolue

C'est la partie de l'histoire que trop de publications de lancement omettent. Moonshot lui-même a clairement tracé la ligne. Le blog de lancement officiel de Kimi K3 déclare que si K3 « est toujours derrière les modèles propriétaires les plus puissants, Claude Fable 5 et GPT 5.6 Sol », il « a démontré des performances de niveau de frontière à travers notre suite d'évaluation ». Lisez cela deux fois, car c'est un rare exemple de franchise de la part d'un fournisseur de modèles.

Les chiffres indépendants confirment la nuance. Sur l'Artificial Analysis Intelligence Index, K3 obtient un score de 57 et se classe 4e sur 189 modèles. Cet index combine neuf évaluations couvrant les tâches agentiques, le codage, la science et le raisonnement, donc un classement parmi les cinq premiers est un signal authentique, pas une sélection arbitraire. Mais le 4e rang signifie également que trois modèles le précèdent, et Moonshot en nomme deux.

Alors, comment devrait-on percevoir K3 ? C'est le modèle à poids ouverts le plus puissant proche de la frontière, et l'un des modèles les plus performants que vous pouvez exécuter sans contrat propriétaire une fois les poids disponibles. Ce n'est pas le meilleur modèle au monde, et vous ne devriez pas le commercialiser ainsi auprès de vos parties prenantes. Si vous avez besoin du summum absolu pour une tâche de raisonnement difficile, la frontière fermée l'emporte toujours. Si vous avez besoin d'une qualité proche de la frontière avec une voie ouverte et un prix effectif bas, K3 est un sérieux concurrent. Pour une comparaison directe avec les leaders fermés, consultez Kimi K3 vs Claude Opus 4.8 et Kimi K3 vs GPT-5.6 Sol.

Où vous pouvez utiliser Kimi K3 aujourd'hui

K3 a été lancé sur toute la surface produit de Moonshot dès le premier jour. Voici la matrice de disponibilité.

Si vous travaillez dans le terminal, Kimi Code est le point d'entrée de l'agent de codage ; notre tutoriel CLI de Kimi Code couvre le modèle de configuration de l'ère K2, et le flux K3 est similaire. Si vous souhaitez comparer le comportement de codage avec le champion précédent de cette lignée, Kimi K3 vs Kimi K2.7 Code est la confrontation directe. Et si vous préférez ne pas payer du tout pendant votre évaluation, comment utiliser Kimi K3 gratuitement couvre les chemins sans coût.

Capacités exposées par l'API

Pour les développeurs, le modèle n'est que la moitié de l'histoire. La surface de l'API décide de ce que vous pouvez construire. Le point de terminaison de K3 prend en charge les fonctionnalités que l'on attend d'un modèle agentique sérieux :

• Mise en cache du contexte (le mécanisme derrière ce taux de 0,30 $ par cache-hit)
• Appels d'outils et contraintes de choix d'outils
• Mode JSON et sortie structurée
• Mode partiel pour les complétions contrôlées
• Recherche Internet
• Chargement dynamique d'outils
• Effort de raisonnement configurable, y compris un réglage « max »

Cet ensemble de fonctionnalités signifie que K3 s'intègre aux frameworks d'agents, aux pipelines d'extraction structurée et aux applications d'appel de fonctions sans traitement particulier. L'URL de base suit le modèle établi de Moonshot, le point de terminaison Kimi compatible OpenAI (confirmez l'URL de base exacte sur platform.kimi.ai avant de la coder en dur, car la console a migré vers le nouveau domaine au moment du lancement). Dirigez votre client OpenAI vers ce point de terminaison, définissez le modèle sur kimi-k3, et votre code existant pour les complétions de chat et les appels d'outils devrait fonctionner. Le guide complet des requêtes et réponses se trouve dans le guide de l'API Kimi K3.

Tester Kimi K3 avant de le déployer

Voici la partie où une spécification de modèle devient une intégration fonctionnelle. Avant d'intégrer kimi-k3 dans une boucle d'agent, vous voulez voir exactement ce que le point de terminaison renvoie : comment les tokens sont diffusés, si les appels d'outils se déclenchent comme prévu, et comment le modèle se comporte à un effort de raisonnement maximal. C'est un travail de test d'API, pas d'ingénierie d'invite.

C'est là qu'Apidog prend toute sa place dans le workflow. Parce que K3 parle le protocole OpenAI, vous pouvez ajouter son point de terminaison de complétions de chat comme requête dans Apidog, stocker votre clé comme variable d'environnement afin qu'elle n'atterrisse jamais dans une collection partagée, et lancer un appel avec stream: true. Apidog affiche le flux d'événements envoyés par le serveur afin que vous puissiez lire les morceaux delta au fur et à mesure qu'ils arrivent, ce qui est le moyen le plus rapide de confirmer que votre parseur de streaming gérera la sortie de K3. Lorsque vous envoyez une requête avec des outils définis, vous pouvez inspecter la charge utile tool_calls exacte renvoyée par le modèle et valider les arguments par rapport à votre schéma avant qu'une seule ligne de code d'agent ne soit exécutée.

Foire aux questions

Qu'est-ce que Kimi K3 ? Kimi K3 est le modèle de langage étendu phare de Moonshot AI, lancé le 16 juillet 2026. C'est un modèle Mixture-of-Experts de 2,8 billions de paramètres avec une fenêtre de contexte d'un million de tokens, servi via l'ID de modèle API kimi-k3 et les produits grand public et développeur de Moonshot. Moonshot le décrit comme « le premier modèle ouvert de classe 3T au monde ».

Combien de paramètres Kimi K3 possède-t-il ? K3 possède 2,8 billions de paramètres au total et utilise un routage Mixture-of-Experts qui active 16 des 896 experts par token. Moonshot n'a pas publié un nombre exact de paramètres actifs, il faut donc éviter de citer un chiffre spécifique de milliards actifs comme un fait. Le nombre précis qu'ils ont publié est « 16 des 896 experts ».

Combien coûte l'API Kimi K3 ? La tarification est de 0,30 $ par million de tokens d'entrée avec cache, 3,00 $ par million de tokens d'entrée sans cache et 15,00 $ par million de tokens de sortie. L'inférence Mooncake de Moonshot atteindrait un taux de cache-hit supérieur à 90 % sur les charges de travail de codage, de sorte que les coûts d'entrée effectifs sont faibles pour les tâches répétitives et gourmandes en contexte. Le modèle complet se trouve dans la répartition des prix.

Kimi K3 est-il open source ? Pas le jour du lancement. Moonshot s'est engagé à publier les poids complets du modèle d'ici le 27 juillet 2026. D'ici là, vous accédez à K3 via les produits hébergés et l'API payante. Une fois les poids disponibles, vous pourrez l'auto-héberger, ce qui est la base de la description « modèle ouvert de classe 3T ».

Kimi K3 est-il meilleur que Claude Fable 5 ou GPT-5.6 Sol ? Non, et Moonshot le dit directement. L'article de lancement déclare que K3 « est toujours derrière les modèles propriétaires les plus puissants, Claude Fable 5 et GPT 5.6 Sol », tout en qualifiant ses performances de niveau de frontière. Sur l'Artificial Analysis Intelligence Index, il obtient un score de 57 et se classe 4e sur 189, il est donc proche du sommet mais pas le premier.

Puis-je utiliser Kimi K3 avec le SDK OpenAI ? Oui. L'API de Moonshot est compatible avec le SDK OpenAI. Dirigez votre client vers le point de terminaison Kimi compatible OpenAI (confirmez l'URL de base exacte sur platform.kimi.ai), définissez le modèle sur kimi-k3, et votre code existant pour les complétions de chat et les appels d'outils devrait fonctionner. Vous pouvez vérifier les formes des requêtes et des réponses dans Apidog avant de l'intégrer à votre application.

Quelle est la vitesse de Kimi K3 ? Artificial Analysis a mesuré environ 62 tokens de sortie par seconde, en dessous de la médiane de la catégorie de prix de 72,7, avec un temps avant le premier token d'environ 1,99 seconde. K3 privilégie la profondeur à la vitesse, et son réglage de raisonnement par défaut utilise un effort de réflexion maximal. Comparez-le à un modèle plus rapide si la latence est votre contrainte.

Comment Kimi K3 se compare-t-il à Kimi K2.7 Code ? K3 est le produit phare de nouvelle génération au-dessus de la ligne K2, avec une pile d'attention reconstruite et une efficacité de mise à l'échelle environ 2,5 fois meilleure que K2 selon Moonshot. K2.7 Code reste une option solide spécifiquement pour le codage. La comparaison directe se trouve dans Kimi K3 vs Kimi K2.7 Code.