Kimi K3 : le nouveau modèle d’IA chinois à la frontière de l’open source

Kimi K3 est un modèle « Mixture of Experts » de 2 800 milliards de paramètres, soit le plus grand modèle open-weight publié à ce jour – environ 75 % plus grand que DeepSeek V4 Pro, sorti en avril (1 600 milliards de paramètres). Il est doté d’un contexte d’un million de tokens, et de capacités visuelles natives.

Moonshot, l’entreprise chinoise derrière Kimi, prévoit de publier ses poids le 27 juillet.

• K3 combine plusieurs innovations architecturales, dont une variante initialement introduite par Nvidia, qui se traduit notamment par une sparsité accrue et viable.
• Ces choix d’architecture sont destinés à rendre exploitable un modèle de cette taille. Moonshot revendique des gains d’efficacité algorithmique environ 2,5 fois supérieurs à ceux de K2.6 : la conversion du compute d’entraînement en capacités pour le modèle est plus performante, c’est-à-dire qu’un niveau de performance donné peut être atteint avec moins de compute.

Seuls 16 experts parmi 896 sont activés pour chaque token, soit une sparsité environ deux fois plus élevée que K2.6 ou DeepSeek V4 Pro. Cette forte sparsité permet d’augmenter la capacité totale du modèle sans faire croître proportionnellement le calcul utilisé à chaque inférence. Le nombre exact de paramètres actifs n’a toutefois pas été publié. 

• À cette échelle, la plupart des utilisateurs pourraient passer par des fournisseurs d’inférence spécialisés ou l’API de Moonshot pour utiliser le modèle.
• L’ouverture garde sa valeur géopolitique (auditabilité, commoditisation des modèles fermés), mais à cette échelle l’accès aux poids est plus complexe.
• À court terme, l’échelle favorise un contrôle économique effectif par les acteurs disposant de l’infrastructure appropriée.

Le coût moyen par tâche sur le benchmark d’Artificial Analysis est de 0,94 dollar, un montant proche de celui de GPT-5.6 Sol (1,04 dollar) et deux fois moins élevé que celui d’Opus 4.8 (1,80 dollar), mais supérieur à celui des pairs open-weight : GLM-5.2 (0,32 dollar) et DeepSeek V4 Pro (0,04 dollar). Ce coût est également en forte hausse par rapport à celui de K2.6. Avec K3, Moonshot ne s’inscrit donc pas dans une logique open-weight low-cost, mais se positionne au niveau tarifaire des modèles propriétaires.

K3 atteint la frontière des modèles ouverts en démontrant des capacités agentiques avancées.

• Sur l’Artificial Analysis Intelligence Index, K3 atteint 57 points, derrière Claude Fable 5 à 60 et GPT-5.6 Sol à 59, mais au niveau immédiat de la frontière propriétaire. Il s’agit donc d’un modèle de frontière au sens de ces évaluations agrégées, sans être le meilleur modèle généraliste disponible.
• K3 est plus efficace que K2.6 sur l’Artificial Analysis Index : il utilise 21 % de tokens de sortie en moins, tout en obtenant un score supérieur. GPT-5.6 Sol demeure en revanche environ deux à trois fois plus efficace en tokens que K3.

En optimisation de kernels GPU, K3 s’est montré supérieur à Opus 4.8, GPT-5.6 Sol et GPT-5.5 dans le protocole de Moonshot.

• La comparaison directe avec Fable 5 est difficile en raison de son recours au mécanisme de fallback (utilisation d’un modèle moins performant sur les tâches d’IA les plus avancées).
• Ces résultats sur les kernels constituent néanmoins un signal important : ils portent sur une tâche technique longue, interactive et vérifiable.
• Sur GDPval v2, qui évalue la qualité de livrables produits sur 220 tâches professionnelles réalistes couvrant 44 métiers, K3 dépasse GLM-5.2, GPT-5.5 et Claude Opus 4.8, mais reste derrière Fable 5.
• Sur les 35 benchmarks présentés par Moonshot, K3 se situe globalement entre Claude Opus 4.8 et Fable 5.

L’extrapolation des tendances observées sur les benchmarks d’Artificial Analysis ne suffit pas, à elle seule, à mesurer précisément l’écart avec la frontière américaine. Moonshot note que l’expérience utilisateur demeure sensiblement inférieure à celle de Claude Fable 5 et de GPT-5.6 Sol, malgré des scores agrégés sur Artificial Analysis proches ¹.

• Les capacités cyber de K3 ne sont pas caractérisées publiquement. L’absence d’évaluation dédiée mérite d’être suivie, compte tenu de ses performances agentiques en code, notamment en optimisation bas niveau, ou en exécution autonome de tâches longues.
• K3 ne dépasse pas les capacités de « Mythos », la frontière actuelle annoncée par Anthropic le 7 avril. Il réduit donc fortement le retard des modèles chinois ouverts, mais n’établit pas que la frontière américaine a été rattrapée sur l’ensemble des usages.

K3 s’inscrit dans la doctrine exposée par Xi Jinping lors de son discours du 17 juillet à la Conférence mondiale sur l’IA. La veille, 29 pays dont le Kazakhstan, le Laos, le Pakistan, la Russie et l’Indonésie avaient signé l’accord fondateur de la World AI Cooperation Organization sur des principes de gouvernance de l’IA.

• Xi met explicitement en garde contre l’extension excessive du concept de sécurité nationale pour limiter le développement et la circulation de l’IA. Cette formulation vise directement les contrôles à l’exportation et les restrictions américaines d’accès aux modèles et aux semi-conducteurs.
• Dans cette stratégie, les modèles open weights servent à commoditiser les capacités proposées par les modèles américains fermés.
• Ils permettent également à la Chine de gagner des parts de marché dans la compétition internationale, en proposant des modèles adaptables localement, présentés comme moins dépendants des décisions politiques ou commerciales américaines.

La Chine veut présenter ses modèles et ses infrastructures comme des biens publics, tout en favorisant l’adoption de ses standards et de ses plateformes d’inférence.

• Cette stratégie contraint les États-Unis à arbitrer entre deux objectifs contradictoires : restreindre l’exportation des capacités les plus avancées pour des raisons de sécurité, ou maintenir une diffusion internationale suffisamment large pour éviter que l’écosystème chinois ne devienne l’option par défaut.

This is concerning. For the first time, a Chinese model Kimi K3 has taken #1 on the Frontend Code Arena and is scoring at or near the frontier on other benchmarks.

Meanwhile America is tying itself in knots : politicians and bureaucrats are banning new data centers, piling on… https://t.co/F0seAeE7RD

— David Sacks (@DavidSacks) July 17, 2026

La réaction de David Sacks illustre la pression qu’exercent les modèles ouverts chinois : il ne s’agit pas tant de dépasser la frontière américaine en valeur absolue que d’en réduire l’écart visible, afin de rendre politiquement intenable le coût de la politique de containment américaine (contrôles aux exportations, de la diffusion des modèles de frontières, etc).

• Sacks est le co-auteur de l’AI Action plan du début de mandat de Trump.
• Pro open-source, il identifie le risque de laisser les pays tiers se tourner vers une offre rivale faute d’une technologie américaine suffisamment accessible et diffusable.