Réponse courte : non, pas au sens strict — et Moonshot AI ne le prétend pas. Le 27 juillet 2026, Moonshot a publié les poids complets et le rapport technique de Kimi K3, un modèle Mixture-of-Experts de 2,8 billions de paramètres avec compréhension visuelle native. Le téléchargement de 1,56 To a atteint la 1re place des tendances Hugging Face en trente minutes — K3 est le plus grand modèle open weight jamais publié en intégralité.

Kimi Delta Attention (KDA) remplace une porte d'oubli scalaire unique par un gating canal par canal : chaque dimension de feature a son propre taux de décroissance, implémenté en chunkwise DPLR pour une récurrence en temps linéaire. K3 alterne KDA et couches Gated MLA — le design hybride derrière la fenêtre 1M et l'empreinte KV cache minimale.

Attention Residuals (AttnRes) remplacent l'accumulation résiduelle uniforme par une agrégation sélective dépendante de l'entrée sur toutes les couches précédentes — ~25 % d'efficacité d'entraînement en plus pour moins de 2 % de paramètres.

Per-Head Muon optimise chaque tête d'attention indépendamment. Stable LatentMoE utilise Quantile Balancing avec la preuve mathématique de MoonEP sur les bornes supérieures d'experts redondants par rang de calcul.

SWE-bench Verified (évaluation indépendante, Vals AI, juillet 2026) :

Moonshot appelle systématiquement cela une release « open weight », jamais « open source ». La licence est un document entièrement custom avec deux seuils commerciaux absents de la famille K2 :

L'architecture de serving disaggregée Mooncake de Moonshot maintient des taux de cache hit au-dessus de 90 % sur les workloads de code typiques — la plupart des usages réels se rapprochent du tarif 0,30 $.

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 la complexité de ce code..."}]
)

La release open weight de Kimi K3 est tombée pendant le WAIC 2026 et quelques jours après l'escalade du différend US-Chine sur la « distillation de modèles » : le conseiller scientifique Michael Kratsios a accusé Moonshot d'une campagne de distillation à grande échelle contre le modèle Fable d'Anthropic, le secrétaire au Trésor Scott Bessent évoquant des sanctions. Le ministère chinois du Commerce a répliqué le 28 juillet en accusant Washington d'« hégémonisme IA ». Trois jours après K3, Alibaba a dévoilé Qwen3.8-Max-Preview — largement lu comme une réponse directe, poussant la course open weight dans le « club 3T ».

Les alternatives pratiques ont des coûts cachés : faire tourner des agents Kimi Code sur un Mac personnel échoue au sleep et aux coupures réseau ; self-hoster K3 complet exige 64+ accélérateurs que la plupart des équipes ne peuvent pas provisionner ; s'appuyer sur une seule API fermée sacrifie l'avantage tarifaire flat 1M tokens de K3. Pour des pipelines iOS CI/CD en production et une automatisation d'agents IA 24/7, la location cloud Mac Mini dédiée KVMNODE est généralement le meilleur choix : Apple Silicon natif, accès sudo complet, facturation flexible jour/semaine/mois. Voir la page tarifs, le centre d'aide ou commander directement.

Données au 28 juillet 2026 · Sources : blog officiel Moonshot AI, Hugging Face, GitHub moonshotai/FlashKDA, Vals AI SWE-bench Verified, Artificial Analysis Intelligence Index