Quand les poids de Kimi K3 seront-ils publiés ?

Le 27 juillet 2026 sur Hugging Face, sous licence Modified MIT, avec un rapport technique détaillant l'architecture, l'entraînement et l'évaluation. L'API est disponible depuis le 16 juillet.

Kimi K3 est-il vraiment open source ?

Non au sens strict : Moonshot publie les open weights (poids complets) sous Modified MIT, mais pas le code d'entraînement ni les données. La communauté anglophone distingue open weights et open source.

Combien coûte Kimi K3 via l'API ?

3 $/M tokens en entrée, 15 $/M en sortie, 0,30 $/M en cache hit. Artificial Analysis estime le coût par tâche à 0,94 $, soit 65,8 % de moins que Claude Fable 5.

Peut-on exécuter Kimi K3 sur un GPU grand public ?

Non. Les poids quantifiés en 4-bit représentent environ 1,4 To. Moonshot recommande un déploiement sur supernœud avec 64+ accélérateurs (parallélisme expert + tensoriel). L'API reste la voie pragmatique pour la majorité.

Kimi K3 surpasse-t-il Claude Fable 5 ou GPT-5.6 Sol ?

Globalement non : l'Intelligence Index d'Artificial Analysis place K3 à 57,1 (3e/189), derrière Fable 5 (59,9) et Sol (58,9). K3 excelle en sessions de codage prolongées, automatisation et contexte 1M, à environ un tiers du coût de Fable 5.

Quelle licence s'applique aux poids de Kimi K3 ?

Modified MIT. Le texte intégral sera publié le 27 juillet sur Hugging Face. Vérifiez les clauses de redistribution et d'usage commercial avant tout déploiement en production.

Kimi K3 : sortie des poids ouverts le 27 juillet — 2,8T, licence Modified MIT

Synthèse : Moonshot AI (月之暗面) publiera le 27 juillet 2026 les poids complets de Kimi K3 — un modèle MoE de 2,8 billions de paramètres avec une fenêtre de contexte d'1 048 576 tokens — sous licence Modified MIT sur Hugging Face. L'API est en ligne depuis le 16 juillet ; cette publication marque la distinction entre accès cloud et souveraineté technique. À cinq jours du téléchargement, voici l'essentiel : chronologie, spécifications, benchmarks, tarification, nuance open weights / open source, exigences matérielles (1,4 To), checklist du 27 juillet, portée industrielle et FAQ.

Essentiel · Lecture 30 secondes

API en ligne	2026-07-16 · Kimi App, Kimi Work, Kimi Code, API `kimi-k3`
Poids ouverts	2026-07-27 · Hugging Face · licence Modified MIT · rapport technique
Échelle	2,8T paramètres · plus grand modèle open weights jamais publié
Intelligence	AA Index 57,1 (3e/189) · ~1/3 du coût de Fable 5 par tâche
Auto-hébergement	~1,4 To en 4-bit · 64+ accélérateurs recommandés

1. Chronologie : deux dates, deux réalités

La confusion la plus fréquente concerne la différence entre la mise en service API et la publication des poids. Ce ne sont pas la même chose — et la distinction conditionne votre stratégie d'intégration.

Date	Événement	Ce que vous pouvez faire
2026-07-16	Lancement API et produits Kimi ; évaluation indépendante d'Artificial Analysis	Appeler `kimi-k3` via API, kimi.com, OpenRouter — sans téléchargement local
2026-07-17	Ouverture du WAIC à Shanghai ; Xinhua qualifie K3 de jalon national	Contexte industriel et annonces complémentaires possibles
2026-07-27	Poids complets + rapport technique + support vLLM (KDA, prefix caching)	Téléchargement HF, fine-tuning, déploiement on-premise — sous contraintes matérielles

Pour l'architecture KDA, AttnRes et Stable LatentMoE en profondeur, consultez notre guide développeur Kimi K3 du 17 juillet.

2. Spécifications essentielles

Paramètre	Valeur
Paramètres totaux	2,8 billions (2,8T)
Architecture	MoE sparse Stable LatentMoE — 896 experts, 16 actifs par token (1,8 %)
Attention	Kimi Delta Attention (KDA) + Attention Residuals (AttnRes) + Gated MLA
Contexte	1 048 576 tokens (~1M)
Modalités	Texte + image (vision native) ; vidéo côté produit ; sortie texte
Format des poids	MXFP4 (poids) + MXFP8 (activations) — entraînement natif basse précision
Efficacité d'extension	~2,5× vs Kimi K2 à budget compute équivalent
Décodage long contexte	KDA : jusqu'à 6,3× plus rapide à 1M tokens ; KV cache −75 %
ID API	`kimi-k3`
Licence (poids)	Modified MIT — texte complet le 27 juillet

3. Benchmarks : où K3 excelle, où il cède

3.1 Intelligence globale (Artificial Analysis, 16 juillet)

Modèle	Intelligence Index	Rang
Claude Fable 5	59,9	1
GPT-5.6 Sol	58,9	2
Kimi K3	57,1	3 / 189

L'écart avec le leader se compte en 2,8 points — plus en "frontière adjacente" qu'en "modèle de second rang". Moonshot a rarement reconnu publiquement ce retard, listant aussi les faiblesses connues (sensibilité au contenu de raisonnement renvoyé par le harness, sur-initiative en cas d'intention floue, taux d'hallucination supérieur à K2.6).

3.2 Tableau comparatif détaillé

Benchmark	Kimi K3	Claude Fable 5	GPT-5.6 Sol
Frontend Code Arena	1er (préférence devs)	—	—
SWE Marathon	42,0	35,0	39,0
Program Bench	77,8	76,8	77,6
Terminal Bench 2.1	88,3	84,6	88,8
FrontierSWE	81,2	86,6	71,3
BrowseComp	91,2	88,0	90,4
Automation Bench	30,8	29,1	29,7
DeepSWE	67,5	70,0	73,0
GDPval v2 Elo	1668–1687	1760	1748
GPQA-Diamond	93,5	92,6	94,1

Données croisées Moonshot + Artificial Analysis. Harness distincts (Kimi Code, Claude Code, Codex) — utiles en orientation, non définitifs.

4. Tarification API et coût réel

Poste	Prix ($/M tokens)
Entrée (cache miss)	3,00
Entrée (cache hit, automatique)	0,30
Sortie	15,00

Moonshot aligne volontairement ses tarifs sur les standards occidentaux — le positionnement le plus élevé parmi les éditeurs chinois, mais nettement inférieur à Claude Opus 4.8 en coût par tâche.

Artificial Analysis : coût moyen par tâche 0,94 $ — −65,8 % vs Fable 5, −9,4 % vs GPT-5.6 Sol
Cache hit > 90 % sur les workloads de codage (architecture Mooncake split-inference) — coût effectif d'entrée proche de 0,55 $/M
Comparaison : DeepSeek V4 Pro à 3,48 $/M en sortie — bien moins cher, mais contexte 128K et 1,6T paramètres

5. Open weights vs open source : une nuance indispensable

Le 27 juillet, Moonshot publie les open weights — l'intégralité des poids du modèle — et non un projet open source au sens strict. La distinction compte pour les équipes juridiques, les chercheurs et la communauté r/LocalLLaMA.

Dimension	Open weights (K3)	Open source (idéal)
Poids du modèle	Oui — 2,8T téléchargeables	Oui
Code d'entraînement	Non	Oui
Données d'entraînement	Non	Oui (ou documentées)
Licence	Modified MIT	MIT / Apache 2.0 typique
Usage	Inférence, fine-tuning, déploiement privé	Reproduction complète

La licence Modified MIT sera publiée en intégralité le 27 juillet. Vérifiez les clauses de redistribution commerciale et les restrictions éventuelles avant tout déploiement en production.

6. Exigences matérielles : la vérité sur 1,4 To

Les titres promettant un déploiement « sur votre laptop » sont trompeurs. Kimi K3 appartient à la catégorie des supernœuds d'inférence — pas des modèles consumer.

Paramètre	Valeur
Poids quantifiés 4-bit	~1,4 To
Recommandation officielle	64+ accélérateurs (ex. NVIDIA H100) — parallélisme expert + tensoriel
Référence K2.7 Code (1T, INT4)	~577 Go VRAM — K3 = 2,8× cette échelle
Quantisation native	MXFP4 / NVFP4 — support day-0 attendu dans `transformers`, `vLLM`, `SGLang`

Quand l'auto-hébergement se justifie :

Exigence stricte de souveraineté des données (pas d'egress vers API cloud)
Fine-tuning sur corpus propriétaire à volume élevé
Volume d'inférence suffisant pour amortir le coût matériel

Pour la majorité des équipes, l'API à 3 $/15 $ reste la réponse correcte jusqu'à preuve du contraire.

7. Checklist du 27 juillet

À utiliser dès la publication des poids — copiez cette liste dans votre runbook de déploiement.

Repository Hugging Face Moonshot : fichiers de poids complets (pas de shards manquants)
Texte intégral de la licence Modified MIT — relecture juridique
Versions quantifiées MXFP4 / NVFP4 disponibles
Rapport technique publié (architecture, entraînement, évaluation)
Commandes de lancement vLLM / SGLang documentées (KDA, prefix caching)
Configuration matérielle minimale viable confirmée par Moonshot ou partenaires
Reproduction indépendante du contexte 1M (pas seulement les benchmarks courts)
Suivi communautaire Ollama / GGUF (comme pour la série K2)

8. Portée industrielle : pourquoi le 27 juillet compte

Écart open/closed quasi clos au sommet. De « centaines de points » à « deux-trois points » sur l'Intelligence Index — la prime des modèles fermés ne se justifie plus uniquement par la capacité brute.
Résilience réglementaire. En juin 2026, les modèles Fable/Mythos d'Anthropic ont été brièvement retirés pour les utilisateurs étrangers avant rétablissement le 1er juillet. Les poids open source, une fois publiés, ne peuvent être « éteints » par une directive export.
Écosystème chinois convergent. GLM-5.2 (Z.ai), DeepSeek V4 Pro (1,6T), MiniMax M3 — K3 en est le sommet à 2,8T.
Retour en force de Moonshot. Après le choc DeepSeek R1 début 2025 (7e place domestique), la lignée K2 → K2.5 → K3 reconstruit la crédibilité open weights.

Le 27 juillet offrira à la communauté sa première base téléchargeable au-delà de 2T — fondation pour agents, fine-tuning vertical et déploiements corporate sans dépendance API fermée.

9. Accès immédiat : API en attendant les poids

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": "Analysez ce dépôt et identifiez les goulots d'étranglement..."}]
)
print(response.choices[0].message.content)

kimi.com — compte gratuit, raisonnement max par défaut
platform.kimi.ai — clé API, compatible OpenAI
OpenRouter — moonshotai/kimi-k3, tarifs officiels, contexte 1M

10. Questions fréquentes

Q : Quand les poids seront-ils disponibles ?
R : Le 27 juillet 2026 sur Hugging Face, avec rapport technique et support vLLM. L'API est en ligne depuis le 16 juillet.

Q : K3 est-il open source ?
R : Open weights oui, open source strict non. Licence Modified MIT ; pas de code ni de données d'entraînement.

Q : Quel est le coût API ?
R : 3 $/M entrée, 15 $/M sortie, 0,30 $/M cache hit. Coût par tâche estimé à 0,94 $ (Artificial Analysis).

Q : Puis-je l'exécuter sur mon MacBook ?
R : Non pour l'inférence complète (~1,4 To en 4-bit). Surveillez les quantifications communautaires MLX/GGUF post-release pour des variantes distillées.

Q : K3 bat-il Fable 5 ou GPT-5.6 Sol ?
R : Globalement non (57,1 vs 59,9 / 58,9). Oui sur SWE Marathon, Frontend Code Arena, BrowseComp — à ~1/3 du coût de Fable 5.

Q : Quelle licence s'applique ?
R : Modified MIT — texte complet le 27 juillet. Relisez avant déploiement commercial.

11. Conclusion : API dès aujourd'hui, tests agent sur Mac distant

Inscription kimi.com, clé API, routage OpenRouter — tout environnement convient. Pour Cursor + Kimi K3 en contexte 1M, régressions SWE Marathon ou validation quantification MLX, Apple Silicon Unified Memory + Metal demeure le chemin le moins frictionnel.

Avant le 27 juillet, isolez les workloads agent lourds sur un Mac mini M4 MACGPU distant — démarrage à la demande, accès SSH — afin de préserver la réactivité de votre machine principale pendant que la communauté prépare l'infrastructure de déploiement 1,4 To.