Kimi K3 rapproche l’IA open source des modèles fermés

Pour un agent d’IA traitant des centaines de milliers de tokens, le principal atout du Kimi K3 n’est pas seulement sa taille. Le modèle de Moonshot AI combine 2,8 milliards de paramètres avec une fenêtre de contexte d’un million de tokens, et une analyse de BOCOM International le place près des capacités des principaux systèmes open source.

La comparaison est inhabituellement serrée. Selon le rapport, K3 obtient un score d’environ 57 sur des indices composites d’intelligence de tiers comme Artificial Analysis, contre environ 59 pour GPT-5.6 Sol et environ 60 pour Claude Opus 5/Fable 5. L’écart s’accompagne d’un prix estimé inférieur : environ 0,86 dollar par tâche, soit près de 70 % de celui de GPT-5.6 Sol et 30 à 40 % de celui des modèles phares d’Anthropic.

L’architecture est conçue pour réduire le coût du traitement des longs contextes. KDA et MLA à portes gèrent des séquences d’un million de tokens, tandis que les résidus d’attention permettent une récupération sélective entre les couches. Un système Mixture-of-Experts latent stable — une conception qui fait passer chaque token par une partie seulement d’un modèle plus vaste — combine 896 experts, dont 16 actifs à la fois, et 104,2 milliards de paramètres activés par token.

Les travaux de Moonshot sur ses systèmes expliquent en partie ces performances. Son infrastructure MoonEP utilise des copies redondantes des experts et équilibre la distribution des tokens entre les GPU, afin de remédier aux charges de travail inégales qui peuvent surcharger certaines puces tandis que d’autres restent inactives. Le rapport affirme que cette approche pousse l’utilisation des clusters vers leur limite physique et réduit les coûts d’entraînement, ce qui aide à rendre gérable un modèle de l’ampleur de K3.

Qu’est-ce que cela change en pratique ? Si les estimations de coût et de capacités du rapport se confirment, les entreprises pourraient faire fonctionner des applications plus performantes fondées sur des agents sans payer les tarifs associés aux principaux modèles fermés. Cela compte surtout pour les tâches qui recherchent à répétition de grandes quantités d’informations ou conservent des contextes de travail très longs. Mais les chiffres restent ceux cités par BOCOM International et des indices de tiers ; aucun test indépendant de déploiement n’est présenté ici.

Le pari commercial est déjà considérable. Moonshot a bouclé une série F de 3,5 milliards de dollars, portant sa valorisation à 75 % de plus, entre 35 et 50 milliards de dollars, depuis mai. Une valorisation pré-IPO de 50 milliards de dollars devrait reposer en partie sur la possibilité que l’ARR de Kimi atteigne environ 1 milliard de dollars au cours des 6 à 12 prochains mois. Le rapport considère que l’accès aux capacités de calcul et la possibilité de continuer à itérer — plutôt que le seul nombre de paramètres — constituent le principal défi à venir.