Moonshot lance Kimi K3, le plus grand modèle d'IA ouvert jamais publié
Kimi K3 bat des records de taille et domine plusieurs benchmarks de code. Moonshot admet qu'il reste derrière Claude et GPT sur les tâches les plus dures.
Le 16 juillet 2026, le laboratoire chinois Moonshot AI a lancé Kimi K3, un modèle d’intelligence artificielle construit sur 2 800 milliards de paramètres, les réglages internes qu’un modèle apprend pendant son entraînement. C’est le plus grand modèle en accès ouvert jamais publié. En quelques heures, les réseaux sociaux avaient déjà tranché : il battrait Claude Fable 5, le modèle phare d’Anthropic. Les notes de lancement de Moonshot racontaient une histoire plus mesurée : le nouveau modèle est très compétitif, mais il reste un écart notable avec Claude Fable 5 et GPT 5.6 Sol sur les tâches les plus difficiles.
Pour qui hésite à construire sur Kimi K3, le signal utile est la fiche technique elle-même, benchmark par benchmark, y compris les endroits où Moonshot reconnaît perdre.
Ce que Moonshot a réellement publié
Kimi K3 est un modèle mixture-of-experts : au lieu d’un seul bloc dense de paramètres, il repose sur une large collection de composants spécialisés plus petits. Seuls 16 de ses 896 experts s’activent pour chaque mot qu’il génère, ce qui permet à un modèle de cette taille de tourner à une vitesse encore utilisable. Il traite texte, images et vidéo à travers le même réseau plutôt que de greffer un outil séparé sur un modèle de texte, et il tient jusqu’à un million de tokens de contexte, à peu près la longueur de plusieurs longs romans, dans une seule conversation.
Les poids complets du modèle, les paramètres entraînés que d’autres développeurs peuvent télécharger et faire tourner sur leur propre matériel, ne sont pas encore publics. Moonshot s’est engagé à les publier d’ici le 27 juillet 2026. En attendant, le modèle est utilisable via les propres produits de Moonshot : l’interface de chat Kimi.com, un espace de travail pour agents appelé Kimi Work, un outil de code baptisé Kimi Code, et une API payante. Le tarif officiel de l’API est de 0,30 dollar par million de tokens pour une requête mise en cache, 3 dollars pour une nouvelle requête, et 15 dollars par million de tokens générés, une requête en cache étant une requête que le modèle a déjà traitée et peut réutiliser pour répondre plus vite et moins cher la fois suivante. Le lancement est tombé la veille de l’ouverture de la World AI Conference à Shanghai, un calendrier qui ressemble moins à une coïncidence qu’à une entreprise qui choisit son moment.
L’écart entre ce qu’on a dit et ce que Moonshot a dit
En quelques heures, des affirmations ont circulé sur les réseaux sociaux disant que Kimi K3 avait tout simplement battu Fable 5 et GPT 5.6 Sol. La page de lancement de Moonshot racontait une histoire plus précise : sur ses propres chiffres, le modèle montre encore « un écart notable dans l’expérience utilisateur par rapport à Claude Fable 5 et GPT 5.6 Sol », dit littéralement Moonshot.
Une fiche technique qui inclut les tests qu’elle perd est plus rare que ce que laisse penser le marketing de la plupart des lancements produits. Moonshot a publié un tableau de scores mitigé plutôt qu’un sans-faute, et ce mélange est plus utile à lire que la hype ou que le rejet réflexe qui suit souvent ce genre de sortie.
Là où Kimi K3 domine réellement
Sur deux des propres benchmarks de code de Moonshot, Program Bench et SWE Marathon, Kimi K3 se classe premier, devant Claude Opus, les deux modèles GPT testés, et GLM, un modèle chinois concurrent également en accès ouvert. Sur Terminal Bench, il est pratiquement à égalité avec GPT 5.6 Sol en tête, devant Opus et Fable 5.
Une mesure indépendante va dans le même sens. LMArena, un site où deux réponses d’IA sont montrées côte à côte sans révéler quel modèle a écrit laquelle, les internautes votant ensuite pour la meilleure, place Kimi K3 en première position sur le code, devant Fable 5, un bond de 17 places par rapport au modèle précédent de Moonshot en quelques mois seulement. Une démonstration publiée peu après le lancement a soumis aux deux modèles la même tâche de code exigeante, en un seul prompt, une simulation en temps réel avec de nombreuses pièces mobiles, et a jugé le résultat de Kimi K3 le plus techniquement ambitieux des deux, cohérent avec les classements spécifiques au code cités plus haut, même si un seul test ne prouve rien à lui seul.
Là où il perd encore
Sur les benchmarks Deep SWE et Frontier SWE, Fable 5 et GPT 5.6 Sol devancent tous les deux Kimi K3. Sur un benchmark plus général, l’histoire se répète : Fable 5 est nettement en tête, même si Kimi K3 reste proche d’un groupe d’autres modèles plutôt que largement distancé.
Il y a aussi un piège technique plus spécifique. Moonshot a entraîné Kimi K3 en conservant intacte toute sa chaîne de raisonnement interne entre chaque étape, et l’entreprise a prévenu que si l’outil qui fait tourner le modèle ne renvoie pas tout cet historique de raisonnement, la qualité des réponses peut devenir imprévisible. Moonshot recommande d’ailleurs son propre outillage pour cette raison. Une démonstration a illustré exactement ce risque : soumis à un test purement visuel, trois camions-citernes identiques que seule la façon dont le liquide bougeait à l’intérieur permettait de distinguer, celui qui freinait, Kimi K3 a trouvé le bon camion seulement après près de 20 000 tokens de raisonnement interne répétitif, la même question posée encore et encore avant de trancher par élimination. La réponse finale rédigée était propre et sûre d’elle, sans aucune trace de cette répétition, ce qui résume le risque en une phrase : une réponse soignée peut cacher un raisonnement instable en dessous.
L’idée à retenir
Le point qui dure, c’est que le consensus formé en quelques heures est allé plus vite que quiconque n’a réellement pu tester le modèle, alors que les propres chiffres publiés par Moonshot, y compris ses défaites, se sont révélés le compte-rendu le plus fiable. Un modèle peut être solide en code et rester en retrait des modèles propriétaires les plus avancés sur le raisonnement profond, et les deux étaient vrais pour Kimi K3 dès le premier jour.
Pour qui envisage d’intégrer Kimi K3 dans un flux de code, c’est un candidat sérieux à tester précisément pour cet usage, là où ses propres benchmarks et les classements externes s’accordent à le juger solide, et là où son tarif se situe bien en dessous de ce que facturent des modèles propriétaires comme Claude Fable 5. Reste à savoir si cet écart de prix vaut le compromis qui va avec, une question à laquelle un vrai test de construction face à Fable 5 répond mieux que la hype ou le démenti du jour de lancement. Ce que « ouvert » veut vraiment dire pour un modèle comme celui-ci, et pourquoi la licence compte plus que le nombre de paramètres, est détaillé ici.
FAQ
Quand les poids de Kimi K3 seront-ils vraiment publics ? Moonshot s’est engagé à publier les poids complets du modèle d’ici le 27 juillet 2026. En attendant, le modèle n’est accessible que via les produits hébergés et l’API de Moonshot, pas quelque chose que vous pouvez télécharger et faire tourner vous-même.
Kimi K3 est-il meilleur que Claude Fable 5 ? Pas de manière générale. Il domine sur plusieurs benchmarks de code et sur un classement indépendant jugé par des humains. Sur les benchmarks de raisonnement plus profond, les propres notes de lancement de Moonshot disent que Fable 5 et GPT 5.6 Sol restent devant. Le vainqueur dépend de la tâche.
Combien coûte l’utilisation de Kimi K3 via l’API ? Le tarif officiel de Moonshot est de 0,30 dollar par million de tokens pour une requête en cache, 3 dollars par million pour une nouvelle, et 15 dollars par million de tokens générés. C’est bien en dessous de ce que facturent les modèles propriétaires de pointe pour un usage équivalent.
Kimi K3 est-il open source ? Non. Il est open-weight, ce qui veut dire que les paramètres entraînés seront téléchargeables une fois publiés, pas open source, ce qui impliquerait aussi de publier la méthode d’entraînement et les données. Moonshot ne s’est engagé sur aucune des deux.
Une petite équipe peut-elle raisonnablement faire tourner Kimi K3 sur son propre matériel ? Techniquement, oui une fois les poids publiés. En pratique, non pour la plupart des équipes. Un modèle de 2 800 milliards de paramètres a besoin de matériel de niveau data center rien que pour fonctionner, donc la plupart des gens continueront à passer par l’API hébergée de Moonshot plutôt que de l’héberger eux-mêmes.
Kimi K3 est un vrai bond en avant pour ce qu’un laboratoire hors de la poignée habituelle d’entreprises américaines a réussi à publier, et il remporte plusieurs benchmarks de code sans partage. Ce n’est pas, de l’aveu même de Moonshot, un remplacement complet des modèles occidentaux les plus avancés, pas encore. La leçon à retenir tient moins à un rang de classement qu’à une habitude : lire les réserves de l’éditeur avant les avis qui arrivent dans l’heure qui suit.
