Dans la nuit du 16 juillet 2026, un bandeau « Kimi K3 est en ligne » est apparu en tête de la doc API Moonshot — pas de keynote, pas de campagne sociale massive, seulement un blog technique, une page tarifs et l'ID modèle kimi-k3 utilisable immédiatement. Un lancement discret face à 2,8 billions de paramètres.

Définition : Kimi K3 est aujourd'hui le plus grand modèle IA open source au monde — 2,8T paramètres, ~75 % au-dessus de DeepSeek V4 Pro (1,6T), 2,7× le modèle open source Xiaomi (1,02T), plus de 7× Alibaba (397B). Architecture MoE sparse activant 16 experts sur 896 ; contexte 1 M tokens (équivalent à lire cinq romans entiers d'un coup) et vision native pour coding complexe, raisonnement long et travail de connaissance. Poids complets open source le 27 juillet ; API ~40 % moins chère que Claude Opus 4.8.

Pourquoi ce lancement compte : Moonshot AI a subi 18 mois de pression DeepSeek — K3 est une réponse nette :

Kimi K3 n'est pas un simple empilement de paramètres — trois innovations d'ingénierie ciblent le long contexte et le MoE ultra-sparse.

2.1 Kimi Delta Attention (KDA) — attention linéaire hybride

La full attention fait exploser le KV cache ; à 1 M tokens c'est prohibitif. KDA alterne en ratio 3:1 couches d'attention linéaire et full attention : trois couches linéaires pour la structure locale (peu coûteuses), une full attention pour le flux global. Résultat : KV cache réduit jusqu'à 75 % ; décodage million-token jusqu'à 6,3× plus rapide ; dépasse la baseline full attention en contexte court, long et scaling RL.

2.2 Attention Residuals (AttnRes) — récupération sélective en profondeur

Les résidus standard diluent les représentations des premières couches. AttnRes permet une récupération sélective de représentations précoces à travers la profondeur. Moonshot rapporte ~25 % de gain d'efficacité d'entraînement pour moins de 2 % de compute supplémentaire.

2.3 Stable LatentMoE — 896 experts, 16 actifs

Au total, Kimi K3 atteint ~2,5× d'efficacité de scaling vs Kimi K2 — même compute, plus d'intelligence.

Auto-déclaration Moonshot (harness différents : K3 Kimi Code, GPT Codex, Claude Claude Code). Reproduction tierce en cours.

Points clés :

K3 au même tarif standard que Claude Sonnet 5 ($3/$15) avec un contexte 5× plus large. Cache hit dès 0,30 $/M (1/10 du tarif) ; Moonshot annonce >90 % de hits en coding. API Chine : entrée ¥20/M, sortie ¥100/M, cache ¥2/M ; kimi.com gratuit, forfaits prépayés dès ¥199 (jusqu'au 11 août).

Six étapes pour démarrer :

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Analyse ce code..."}]
)

Poids ouverts 27 juillet : Moonshot annonce les poids complets le 27 juillet. K3 deviendra : plus grand modèle open source téléchargeable ; premier poids open au-delà de 2T ; nouvelle base fine-tuning pour la communauté. Entraînement MXFP4 poids et MXFP8 activations ; variantes MXFP4/NVFP4 sur Hugging Face.

Synthèse : Kimi K3 apporte de vraies innovations d'architecture, des benchmarks code et documents compétitifs face aux modèles fermés, des tarifs raisonnables et une promesse open source complète. Jalons : WAIC 17–20 juillet → 27 juillet poids complets.

Alternatives : Kimi Code / agent API sur Mac personnel s'arrête en veille ; attendre le self-host 27.7. exige 64+ cartes ; API fermée seule rate l'avantage 1M flat pricing. Pour CI/CD iOS, Kimi Code 24/7 et automation agent, location Mac Mini M4 dédié KVMNODE est souvent plus stable : mémoire unifiée Apple Silicon, sudo, durées flexibles. Détails : tarifs, centre d'aide, commander.

Données au 16 juillet 2026 · benchmarks auto-déclaration Moonshot · sources : kimi.com/blog/kimi-k3, API Platform, Artificial Analysis, OpenRouter