2026 KIMI K3
2.8T_OPEN_
SOURCE_LLM.
Synthèse : Lors du choix d'une API LLM, trois critères décisifs reviennent systématiquement : la profondeur du contexte, la performance réelle en programmation, et la disponibilité des poids pour l'auto-hébergement. Le 16 juillet 2026, Moonshot AI (月之暗面) a discrètement activé Kimi K3 dans sa documentation API. Ce guide professionnel couvre l'intégralité des éléments publiés : spécifications 2,8T, innovations KDA/AttnRes/Stable LatentMoE, tableaux de benchmarks, matrice tarifaire, quatre modes d'accès, calendrier open source du 27 juillet, matrice de sélection par cas d'usage et FAQ développeur.
Essentiel · Lecture 30 secondes
| Lancement | 2026-07-16 · déploiement discret · sans conférence de presse |
| Échelle | 2,8 billions de paramètres · plus grand modèle open source · +75 % vs DeepSeek V4 Pro (1,6T) |
| Capacités | 1M tokens de contexte · vision native · MoE 896 experts, 16 actifs |
| Tarification | Input $3/M · Output $15/M · cache $0,30/M |
| Open source | Poids complets le 2026-07-27 sur Hugging Face |
1. Pourquoi Kimi K3 mérite votre attention
- Réaffirmation technique après la montée de DeepSeek. En 18 mois, DeepSeek a significativement érodé les parts de marché de Moonshot. Kimi K3 reprend le titre du plus grand modèle open source avec 2,8T paramètres, à la veille de la WAIC 2026 — signal stratégique fort.
- Le contexte long devient opérationnel. L'attention complète fait exploser le cache KV à 1M tokens. KDA réduit ce cache de 75 % et accélère le décodage de 6,3× — rendant le million de tokens viable à $3/M fixe.
- Coder une fois ≠ coder pendant des heures. SWE Marathon évalue les sessions prolongées : K3 42,0, Claude Fable 5 35,0, GPT-5.6 Sol 39,0. Benchmark plus représentatif des workflows agent réels que SWE-bench ponctuel.
2. Définition : qu'est-ce que Kimi K3 ?
Le 16 juillet 2026, Moonshot AI a mis Kimi K3 en production sans fanfare : un article technique, une page tarifaire, un identifiant modèle kimi-k3 immédiatement exploitable.
Kimi K3 est le plus grand modèle d'IA open source au monde par nombre de paramètres : 2,8 billions (2,8T). Soit +75 % par rapport à DeepSeek V4 Pro (1,6T), 2,7× le modèle Xiaomi (1,02T), et plus de 7× Alibaba (397B).
Architecture MoE sparse : 896 experts, 16 activés par inférence. Fenêtre de contexte de 1 million de tokens (équivalent à cinq romans complets), compréhension visuelle native. Conçu pour le coding complexe, le raisonnement sur documents longs et le travail intellectuel.
En résumé : un LLM open source orienté programmation, avec vision native et mémoire étendue — 40 % moins cher que Claude Opus 4.8, poids complets promis pour le 27 juillet.
3. Contexte stratégique
- La série Kimi a occupé la première place open source 9 mois sur 12
- Date de lancement : veille de la WAIC 2026 (Conférence mondiale IA, Shanghai)
- ARR (juin 2026) : >300 M$ · 6e tour de financement · valorisation 31,5 Md$
- Revenus API : >70 % du chiffre d'affaires · utilisateurs payants internationaux : +400 %
Pour le contexte des modèles propriétaires : consultez notre analyse des fuites Claude Sonnet 5 / GPT-5.6 et GPT-5.6 Sol Ultra — preuve mathématique.
4. Architecture : trois innovations clés
4.1 Kimi Delta Attention (KDA)
L'attention Transformer standard croît quadratiquement avec la longueur du contexte. KDA est un mécanisme d'attention linéaire hybride :
- Alternance 3:1 entre couches d'attention linéaire et complète
- Réduction du cache KV jusqu'à 75 %
- À 1M tokens : décodage jusqu'à 6,3× plus rapide
- Performance supérieure à la baseline full-attention en contexte court, long et en scaling RL
Analogie : l'attention complète mémorise chaque détail ; KDA fonctionne comme un assistant efficace — index rapide, rappel précis à la demande.
4.2 Attention Residuals (AttnRes)
Récupération sélective à travers les profondeurs du réseau. Moonshot rapporte un gain d'efficacité d'entraînement d'environ 25 % pour moins de 2 % de surcoût computationnel.
4.3 Stable LatentMoE
896 experts, 16 actifs — sparsité 1,8 %. Technologies associées :
| Technologie | Rôle |
|---|---|
| Quantile Balancing | Allocation d'experts dérivée des quantiles du routeur — sans hyperparamètres heuristiques |
| Per-Head Muon | Optimisation indépendante par tête d'attention |
| Sigmoid Tanh Unit (SiTU) | Contrôle amélioré des fonctions d'activation |
| Gated MLA | Sélectivité attentionnelle accrue |
Résultat global : ~2,5× d'efficacité de scaling par rapport à Kimi K2.
5. Benchmarks : positionnement compétitif
| 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 d'analyse :
- SWE Marathon : K3 en tête (42,0) — proxy le plus fidèle des sessions coding prolongées
- Program Bench : K3 premier (77,8)
- FrontierSWE : Fable 5 domine (86,6) ; K3 (81,2) largement devant GPT-5.6 Sol (71,3)
- OmniDocBench : K3 premier (91,1) — synergie vision + contexte long
- Intelligence Index v4.1 : K3 57,1 (4e) — derrière Fable 5 (59,9) et GPT-5.6 Sol (58,9)
Note méthodologique : benchmarks auto-évalués par Moonshot. Harness d'inférence distincts (K3 : Kimi Code, GPT : Codex, Claude : Claude Code). Reproduction indépendante en cours.
6. Tarification : compétitive face aux modèles propriétaires
| Modèle | Input ($/M) | Output ($/M) | Cache input | 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 aligné sur Sonnet 5 ($3/$15) avec 5× plus de contexte
- Cache : $0,30/M — taux de hit >90 % en scénarios coding
- API Chine : ¥20/M input · ¥100/M output · cache ¥2/M
- kimi.com : compte gratuit ; forfaits prépayés dès ¥199 (offre jusqu'au 11 août)
7. Guide d'intégration : cinq voies d'accès
- Interface web Kimi : kimi.com — inscription Google, K3 en mode max reasoning par défaut.
- API officielle : clé sur platform.kimi.ai, interface compatible OpenAI :
- OpenRouter : ID modèle
moonshotai/kimi-k3— tarifs officiels, contexte 1M complet. - Cursor / routage multi-modèles : K3 comme modèle principal long contexte ; bugs repo complexes → Claude Fable 5 en fallback.
- À partir du 27 juillet : poids open source sur Hugging Face (super-nœud 64+ GPU pour la production).
8. Matrice de sélection par cas d'usage
| Cas d'usage | Modèle recommandé | Justification |
|---|---|---|
| Sessions coding prolongées | Kimi K3 | SWE Marathon #1 · contexte le plus long |
| Corrections de bugs repo complexes | Claude Fable 5 | FrontierSWE en tête |
| Agents terminal / toolchain | GPT-5.6 Sol | Terminal Bench 2.1 leader |
| Documents ultra-longs / multimodal | Kimi K3 | OmniDocBench #1 · vision native + 1M |
| Budget contraint | DeepSeek V4 Pro | Output $3,48/M |
| Auto-hébergement open source | Kimi K3 (dès 27/07) | Poids les plus performants disponibles |
9. Open source : engagement du 27 juillet
Moonshot confirme : 27 juillet 2026 — publication des poids complets. Kimi K3 deviendra :
- Le plus grand modèle open source téléchargeable
- Le premier modèle open source au-delà de 2T paramètres
- Nouvelle référence pour le fine-tuning communautaire
Entraînement quantization-aware : poids MXFP4, activations MXFP8. Variantes MXFP4/NVFP4 sur Hugging Face. Support attendu jour J pour vLLM et SGLang.
Calendrier : 17–20 juillet (WAIC) → 27 juillet (poids).
10. FAQ développeur
Q : Utilisation gratuite possible ?
R : Oui — compte gratuit kimi.com. API : $3/$15 par million de tokens.
Q : Déploiement local ?
R : Poids disponibles le 27 juillet. Production : 64+ accélérateurs requis.
Q : Comparaison avec DeepSeek V4 Pro ?
R : K3 : 2× paramètres, 1M vs 128K contexte, benchmarks supérieurs. DeepSeek : $3,48/M output — nettement moins cher.
Q : Le contexte 1M est-il utile ?
R : Oui pour codebase complète, documents juridiques, mémoire agent — tarif fixe sans surcoût.
Q : Modes low/high reasoning ?
R : Annoncés pour des mises à jour ultérieures. Seul max est disponible.
11. Perspective : un tournant pour l'écosystème open source
Kimi K3 n'est pas un exercice de taille paramétrique. KDA, AttnRes et Stable LatentMoE représentent de véritables avancées d'ingénierie. En coding long, compréhension documentaire et raisonnement, K3 rivalise avec des modèles propriétaires — à un prix raisonnable et avec un engagement open source complet.
À partir du 27 juillet, la communauté disposera de sa première base téléchargeable 2T+ — essentielle pour le déploiement on-premise, le fine-tuning vertical et les systèmes d'agents indépendants des API fermées. Pour les développeurs Mac : l'intégration K3 dans Cursor pour le coding long contexte est la voie la plus pragmatique ; suivez l'adaptation MLX/llama.cpp post-release — voir DeepSeek et infrastructure d'inférence.
12. Conclusion : API sur tout appareil, tests agent sur Mac distant
Inscription kimi.com, clé API, routage OpenRouter — Windows ou Linux suffisent. Pour Cursor + K3 long contexte, tests agent Xcode ou validation quantification MLX, Apple Silicon Unified Memory + Metal reste le chemin le moins frictionnel.
Architecture recommandée : usage API local, stress-tests Kimi Code, régressions SWE Marathon multi-repo et batch documents 1M sur un Mac mini M4 MACGPU distant — démarrage à la demande, accès SSH, charge agent isolée de votre machine principale.