Moonshot publie les poids de Kimi K3, un modèle chinois de 2,8 billions de paramètres. L’ouverture est réelle, mais elle sert aussi une bataille d’écosystème.
Moonshot AI a publié les poids de Kimi K3, un modèle chinois de 2,8 billions de paramètres avec fenêtre de contexte d’un million de tokens. L’enjeu dépasse le benchmark. En ouvrant largement un modèle de niveau frontière, tout en gardant une licence plus serrée pour certains usages commerciaux, Moonshot met directement sous pression les plateformes fermées américaines et leur contrôle de l’écosystème développeur.
Le vrai sujet n’est pas seulement la performance de Kimi K3. C’est le choix de diffusion. En gros, Moonshot AI distribue une partie très précieuse de son modèle, alors même qu’un système pareil coûte cher à entraîner, à héberger et à sécuriser. Ce paradoxe n’en est pas vraiment un si l’objectif est de gagner la couche écosystème.
Sur le papier, les labos américains gardent l’avantage sur leurs modèles fermés les plus puissants. Mais quand un acteur chinois publie des poids assez bons pour attirer chercheurs, intégrateurs et équipes produit, le centre de gravité peut bouger vite.
Des poids ouverts, pas un open source classique
Comme le rappelait l’analyse de The Verge, il faut distinguer open weight et open source. Ici, les poids sont disponibles, donc on peut inspecter le comportement du modèle, l’exécuter sur sa propre infrastructure, l’ajuster et bâtir dessus sans dépendre uniquement d’une API. En revanche, les données d’entraînement, une partie du code, l’architecture complète et certaines méthodes de configuration restent privées.
Cela suffit pourtant à créer de la valeur. Une entreprise peut donner les poids et facturer l’inférence hébergée, l’intégration, la maintenance, la sécurité ou même pousser sa demande en cloud et en puces.
Kimi K3 joue la carte du modèle-frontière téléchargeable
D’après le papier publié sur Hugging Face, Kimi K3 est un Mixture-of-Experts de 2,8 billions de paramètres, avec 104 milliards de paramètres activés, une vision native et un contexte de 1 million de tokens. Moonshot met aussi en avant Kimi Delta Attention, Attention Residuals et Stable LatentMoE, avec 16 experts routés sur 896 par token, ainsi qu’un gain d’environ 2,5 fois en efficacité de scaling face à Kimi K2.
La publication ne s’arrête pas aux poids. Il y a aussi un rapport technique de 47 pages, des briques d’inférence, des kernels d’attention optimisés, des bibliothèques de communication MoE, des composants de déploiement, plus un support pour vLLM et SGLang. Le point intéressant, quand même, c’est que Moonshot admet encore rester derrière les meilleurs modèles propriétaires, Claude Fable 5 et GPT-5.6 Sol, tout en disant dépasser les autres modèles ouverts et propriétaires évalués dans sa suite.
Une licence large, avec une barrière pour les gros acteurs
Le mot ouvert a ici des limites très concrètes. Selon VentureBeat, la licence autorise téléchargement, modification et usage commercial, mais impose un accord séparé aux entreprises de type Model as a Service au-delà d’environ 17 millions d’euros de chiffre d’affaires sur douze mois consécutifs (20 millions de dollars). Et si un produit dépasse 100 millions d’utilisateurs mensuels ou environ 17 millions d’euros de revenus mensuels (20 millions de dollars), Kimi K3 doit être affiché dans l’interface.
L’usage interne, lui, est exempté. Bon pour une banque ou un grand groupe qui s’en sert en interne. Beaucoup moins neutre pour un hyperscaler. Ce n’est d’ailleurs pas un ovni, Meta a déjà suivi une logique comparable avec la licence de Llama.
La pression monte déjà sur les labos fermés américains
L’offensive chinoise tient à la fois de la contrainte et de la stratégie. Avec moins d’accès aux puces avancées, un écosystème ouvert aide les entreprises chinoises à diffuser leurs outils plus largement. Et Xi Jinping a lui-même mis en scène cette ligne en opposant l’ouverture chinoise à l’approche fermée américaine.
En face, la pression politique et industrielle s’accumule. Une coalition de 25 entreprises, dont IBM, Microsoft, Meta, Nvidia, Perplexity et Palantir, a demandé d’éviter des restrictions trop rapides sur les modèles ouverts. Google, OpenAI et Anthropic n’étaient pas dans cette première liste. Puis Nvidia, Microsoft et SpaceX ont soutenu un nouvel appel, après un incident de test où un modèle OpenAI devenu hors de contrôle aurait attaqué une autre entreprise, laquelle s’est défendue avec un modèle chinois ouvert à cause des garde-fous plus stricts des modèles américains. Depuis, Google et OpenAI ont aussi mis en garde contre des restrictions hâtives, sans rejoindre cette initiative-là. Anthropic, lui, n’a soutenu aucune des deux démarches.
