Kimi K3, nouveau model frontier open weight

2,8 trillions de paramètres, le mot "open" dans tout votre feed, et un dossier vide sur Hugging Face.

Voilà l'histoire des dix prochains jours. Et elle mérite qu'on la lise sans se faire avoir par les captures d'écran.

Un modèle "open" que personne ne peut télécharger

Votre timeline est pleine de captures "Kimi K3 est open".

Vous ouvrez Hugging Face, vous tapez Kimi-K3, et là, rien de téléchargeable.

Ce trou, c'est toute l'histoire du moment.

Moonshot a bien sorti K3 le 16 juillet 2026. Mais dans ses produits et sur son API, pas en poids publics.

Les poids complets, c'est annoncé "d'ici le 27 juillet 2026". D'ici là, "open" est un mot de roadmap, pas un fichier sur votre disque.

Je précise tout de suite : je n'ai pas mis les mains dans les poids, pour la bonne raison qu'ils ne sont pas là. Ce qui suit, c'est ce que Moonshot annonce et ce que la couverture indépendante confirme. Le reste attendra le 27.

Ce que Moonshot a réellement annoncé

Voici les faits, tirés du post de lancement et recoupés avec VentureBeat, Axios et MarkTechPost.

Élément	État au 17 juillet 2026
Accès produit (Kimi.com, Kimi Work, Kimi Code, API)	En ligne
Identifiant API	kimi-k3
Échelle annoncée	2,8 trillions de paramètres, contexte 1M tokens, vision native
Reasoning au lancement	Max effort uniquement, modes low/high "plus tard"
Poids complets	Promis d'ici le 27 juillet 2026
Rapport technique	Attendu autour de la sortie des poids
Prix API (par million de tokens)	Cache hit 0,30 $, input 3 $, output 15 $

Deux lignes de plus comptent si votre question c'est "je peux le faire tourner chez moi".

Moonshot aligne son rollout avec ses partenaires d'inférence et les mainteneurs open source. Traduction : les poids ne tombent pas en mode YOLO, il faut que le support des stacks arrive aussi.

Et côté serving, ils recommandent des supernodes avec 64 accélérateurs ou plus. Ce n'est pas une note de bas de page pour PC gamer. C'est l'entreprise qui vous dit que ce truc est taillé pour du datacenter.

Open ou téléchargeable, ce n'est pas la même chose

Moonshot appelle K3 le premier modèle "open 3T-class". En langage de lancement, ça veut dire qu'ils comptent publier les poids et qu'ils positionnent l'archi à l'échelle des modèles ouverts.

Ça ne veut pas dire que les fichiers sont déjà sur Hugging Face. Ni qu'une licence est déjà publiée pour K3. Ni que tous les quants et GGUF que vous espérez sortiront le jour J.

"Open" fait vendre. Et entre le tweet et le dossier sur votre disque, il y a dix jours et 64 accélérateurs. Je m'explique.

Un modèle open weights, ça enlève le verrou du vendeur. Ça n'enlève pas la physique, l'électricité et les ops de cluster.

Sur les lignes précédentes (K2.5, K2.6, K2.7 Code), Moonshot a publié les poids sous une licence type MIT modifiée. C'est un précédent raisonnable, pas un contrat signé pour K3. Quand les poids tomberont, on lira le fichier LICENSE sur le vrai dépôt, pas un tweet qui dit "open source".

Non, vous ne ferez pas tourner 2,8 trillions de paramètres sur votre machine

Tout le monde attend le petit tableau "RTX 5090 / M4 Ultra". Je ne vais pas l'inventer, et personne de sérieux ne devrait.

Ce qu'on peut dire sans mentir sur les chiffres :

• 2,8 trillions de paramètres, c'est plus du double des modèles Kimi à 1T que beaucoup trouvaient déjà énormes.
• L'archi est un MoE sparse qui active 16 experts sur 896. Ça réduit le coût de serving par rapport à un dense de 2,8T, mais ça ne transforme pas K3 en jouet de laptop.
• Le training est quantization-aware dès le SFT, avec des poids MXFP4 et des activations MXFP8. Là encore, c'est bon pour le serving, pas pour votre carte unique.
• Nouvelles briques d'attention au passage : Kimi Delta Attention et Attention Residuals. Sur le papier, du decoding plus rapide en contexte long. Sur le papier, j'insiste.

Je tourne au quotidien sur du Ascend et je bricole en local avec vLLM, SGLang, llama.cpp. Je sais ce que coûte de sortir un MoE massif de sa boîte : ce n'est pas ollama pull et au lit.

Donc quand une miniature YouTube vous promet "télécharge K3 gratuit et fais-le tourner ce soir", posez la seule question qui compte : télécharger depuis où ? À l'heure où j'écris, la réponse honnête, c'est nulle part.

Le vrai plan de self-host, quand les poids seront là, ce sera : identifiant du dépôt, licence, flavors de quant, notes vLLM, et recettes de cluster minimales. Tant que ça n'existe pas, tout article "il vous faut juste X Go de VRAM" est de la fan fiction.

Et les benchmarks alors ?

Ils existent, ils sont flatteurs, et ils sont auto-reportés par Moonshot. Je les relaie comme tels.

Tous les scores K3 sont mesurés en reasoning max, avec des harnesses différents selon le benchmark (KimiCode, Claude Code ou Codex).

Benchmark	Kimi K3	Fable 5 (avec fallback)	GPT 5.6 Sol	Opus 4.8
SWE Marathon	42,0	35,0	39,0	40,0
Program Bench	77,8	76,8	77,6	71,9
FrontierSWE	81,2	86,6	71,3	66,7
DeepSWE	67,5	70,0	73,0	59,0
BrowseComp	91,2	88,0	90,4	84,3

Deux réserves méthodo à garder en tête, et elles sont importantes.

"Avec fallback" veut dire que les requêtes refusées par Fable 5 sous sa policy sont routées vers Opus 4.8. Le score de Fable 5 mélange donc deux modèles. C'est le genre de détail qu'on ne voit jamais dans les threads triomphants.

Et BrowseComp utilise une compaction de contexte déclenchée à 300K tokens. Sans cette gestion de contexte, K3 tombe à 90,4.

Résultat brut : K3 mène sur SWE Marathon, Program Bench, BrowseComp. Il passe derrière Fable 5 sur FrontierSWE, derrière GPT 5.6 Sol sur DeepSWE. Moonshot le dit lui-même, K3 reste globalement sous Fable 5 et GPT 5.6 Sol au sommet.

Côté indépendant, l'Arena place K3 au-dessus de la version standard d'Opus 4.8 et à égalité avec Sol sur le classement texte. C'est un signal, pas une preuve.

Ma position : on attend Artificial Analysis et les évals communautaires post-27 juillet, quand les poids seront inspectables. Un benchmark maison en reasoning max, ça pose une intention, ça ne clôt pas un débat.

Le vrai sujet pour un freelance, c'est le coût par tâche, pas le prix au token

Le prix au token de K3 fait envie face aux flagships occidentaux : 3 $ en input, 15 $ en output, 0,30 $ en cache hit.

Mais le prix au token, c'est la métrique qui trompe. La seule qui compte, c'est le coût par tâche accomplie.

Or au lancement, le reasoning est en max uniquement. Même un "hello world" peut cramer une quantité surprenante de tokens de raisonnement.

Donc le chiffre à surveiller, ce n'est pas le prix affiché, c'est votre taux de cache hit. Moonshot annonce plus de 90 % de cache hit sur les workloads de code, mais ça, ça dépend de la façon dont vous structurez vos prompts.

Concrètement, pour que le cache morde :

• stabilisez vos préfixes (system prompt plus digest de repo) pour qu'ils ne changent pas d'un appel à l'autre,
• loggez tokens, dollars et taux de succès à côté de vos modèles actuels sur les mêmes tâches,
• traitez vos premiers essais comme un budget de pilote, pas comme une aire de jeu illimitée.

C'est la vieille histoire que je répète : l'intelligence devient une commodité, ce qui garde de la valeur c'est votre intégration dans le workflow. Un modèle moins cher au token qui vous fait exploser le nombre de tokens par tâche n'est pas moins cher du tout.