Avec Kimi K3, Moonshot AI livre un modèle open-weight de 2,8 trillions de paramètres qui se rapproche du front américain. Le vrai signal est ailleurs.
Moonshot AI a lancé Kimi K3, un modèle open-weight de 2,8 trillions de paramètres avec fenêtre de contexte d’un million de tokens, et promet ses poids pour le 27 juillet. Sur le papier, il dépasse Claude Opus 4.8 et GPT-5.5 sur plusieurs tests. Dans les faits, son importance tient autant à son architecture, à son prix et à son statut ouvert qu’à ses scores.
L’annonce impressionne. Mais le point le plus utile pour vous n’est pas le superlatif sur la taille du modèle.
Avec Kimi K3, Moonshot AI montre surtout qu’un labo chinois peut approcher le front américain en open-weight, malgré des contraintes de puces bien réelles. Et que cette ouverture reste, en pratique, une ouverture pour entreprises, chercheurs et équipes bien équipées, pas pour le PC du coin.
Open-weight, oui. Accessible, beaucoup moins
Kimi K3 repose sur une architecture MoE. En clair, le modèle affiche 2,8 trillions de paramètres, mais n’active que 16 experts sur 896 à chaque requête. C’est ce qui lui permet de rester efficace en inférence, avec en plus deux briques maison, Kimi Delta Attention et Attention Residuals, que Moonshot crédite d’un décodage jusqu’à 6,3 fois plus rapide sur de très longs contextes et d’un gain d’environ 25% en efficacité d’entraînement.
Le modèle gère nativement texte, image et vidéo, avec une fenêtre de contexte de 1 million de tokens. Les poids doivent arriver le 27 juillet, comme l’explique cette analyse sur la sortie des poids. Mais open-weight ne veut pas dire local. Il faut toujours des serveurs GPU avec des centaines de gigaoctets de mémoire.
Des performances qui le mettent dans la conversation
Selon Moonshot, K3 surclasse Claude Opus 4.8, GPT-5.5 et plusieurs autres modèles sur des évaluations en code et en agents. Il reste derrière Claude Fable 5 et GPT-5.6 Sol, les deux références fermées du moment.
Les premiers tests tiers vont dans le même sens, sans tout valider encore. Artificial Analysis lui donne 1547 Elo sur une évaluation privée de travail cognitif long, derrière Fable 5. Sur BrowseComp, Moonshot annonce 91,2% en configuration mono-agent. Vous pouvez retrouver le cadrage initial dans la présentation détaillée de Memeburn. Le bémol, quand même, est net, les vérifications indépendantes complètes manquent encore et le taux d’hallucination aurait monté par rapport à K2.6.
Le prix raconte le repositionnement de Moonshot
La tarification est révélatrice. K3 coûte environ 3 euros (3$) par million de tokens en entrée et environ 15 euros (15$) en sortie. C’est à peu près la moitié d’Opus 4.8, mais trois à quatre fois plus que K2.6, facturé environ 1 euro (0,95$) et environ 4 euros (4$).
Du coup, Moonshot ne joue plus seulement la carte du moins cher. Il vise le meilleur modèle ouvert disponible. Ce virage colle à son retour en force après le choc DeepSeek R1 en 2025. L’entreprise, fondée en 2023 et soutenue par Alibaba et Tencent, visait en mai une valorisation de 30 milliards de dollars, soit environ 28 milliards d’euros, avec 200 millions de dollars d’ARR, soit environ 186 millions d’euros. Forbes rappelle aussi une récente levée à 31,5 milliards de dollars, soit environ 29 milliards d’euros.
La vraie bataille se joue entre capex, accès et souveraineté
Ce lancement remet au centre le débat entre modèles fermés et modèles ouverts. Quand l’accès à un modèle propriétaire peut être suspendu, comme on l’a vu avec Anthropic sur Fable 5, la possibilité d’héberger soi-même devient un argument concret pour les banques, la santé, les administrations et les grands groupes. Nvidia pousse d’ailleurs cette lecture, centrée sur sécurité, conformité et gouvernance des données.
Reste l’autre lecture, plus dure pour les labs américains. Des modèles open-weight proches du front compriment les marges des acteurs fermés et compliquent la justification de capex toujours plus lourds. La note de Bank of America, reprise par CNBC, insiste sur ce point, Moonshot progresse moins par accès illimité au hardware que par architecture et efficacité d’entraînement. Le marché chinois l’a compris très vite, avec la chute des actions de concurrents comme Zhipu, MiniMax et Z.ai juste après l’annonce.
