Kimi K3 expliqué : le modèle à 2,8 T de paramètres de Moonshot, testé sur du vrai matériel

Ce qu'est vraiment Kimi K3

Kimi K3 est le nouveau modèle phare de Moonshot AI : un système Mixture-of-Experts épars construit autour de Kimi Delta Attention (KDA), un mécanisme d'attention linéaire hybride, complété par des Attention Residuals et un schéma de routage baptisé Stable LatentMoE. Seuls 16 des 896 experts s'activent par token — ce détail compte plus pour la planification que le chiffre brut de 2,8 billions de paramètres : le modèle est épars et routable, pas un bloc monolithique à évaluer d'un seul tenant.

Derrière ces chiffres, la pile d'entraînement embarque quatre innovations plus discrètes, utiles pour la lecture du futur rapport technique : Quantile Balancing pour répartir la charge entre experts sans passer par une perte auxiliaire heuristique, Per-Head Muon pour des mises à jour d'optimiseur indépendantes par tête d'attention, et un duo Sigmoid Tanh Unit (SiTU) / Gated MLA pour le contrôle de l'activation et de la sélectivité de l'attention. Rien de tout cela ne change la façon d'appeler l'API — mais cela explique comment Moonshot a pu stabiliser l'entraînement à cette échelle.

Le hic : « ouvert » ne veut pas dire « téléchargeable dès aujourd'hui »

Moonshot présente clairement Kimi K3 comme un modèle en poids ouverts, tout en précisant tout aussi clairement que le checkpoint n'était pas sur Hugging Face au moment du lancement. L'entreprise s'est engagée à publier les poids complets d'ici le 27 juillet 2026, accompagnés d'un rapport technique et d'une implémentation de Kimi Delta Attention pour vLLM. D'ici là, l'API et les applications officielles (Kimi.com, Kimi Work, Kimi Code) restent le seul moyen concret d'utiliser K3.

La place de K3 face au reste du marché

Les comparatifs de benchmarks inter-laboratoires publiés dans la première semaine suivant un lancement doivent être pris comme provisoires — chaque laboratoire utilise ses propres protocoles d'évaluation, et les chiffres tiers sont souvent révisés par la suite. Ce qui est vérifiable aujourd'hui, c'est la comparaison structurelle : longueur de contexte, posture de licence et tarification.

Tester Kimi K3 en six étapes sur une machine propre

Le moyen le plus rapide de se faire son propre avis est d'appeler l'API depuis un environnement entièrement sous son contrôle — sans conflit de version Python hérité d'un ancien projet, sans SDK installé à moitié. Voici les six étapes pour passer de zéro à un premier appel d'outil fonctionnel.

1. Obtenir une clé API : s'inscrire sur la Kimi API Platform et générer une clé autorisée à appeler le modèle kimi-k3.
2. Préparer une machine propre : se connecter en SSH à une machine macOS fraîchement provisionnée (un Mac mini M4 loué convient parfaitement — accès root, rien de préinstallé qui pourrait entrer en conflit) et créer un environnement virtuel Python.

python3 -m venv ~/kimi-lab && source ~/kimi-lab/bin/activate
pip install --upgrade openai

3. Pointer un client compatible OpenAI vers l'endpoint de Moonshot : Kimi K3 respecte le schéma OpenAI Chat Completions, les SDK existants fonctionnent donc avec un simple changement de base_url.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.cn/v1",
)

4. Envoyer un premier appel avec l'effort de raisonnement maximal : K3 raisonne en permanence ; au lancement, seule la valeur max est supportée.

resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Résume le mécanisme d'attention KDA en 3 points."}],
    extra_body={"reasoning_effort": "max"},
)
print(resp.choices[0].message.content)

5. Tester l'appel d'outils : K3 prend en charge le function calling et une sortie JSON Schema stricte — essentiel si vous construisez un agent plutôt qu'un simple chatbot.

tools = [{
    "type": "function",
    "function": {
        "name": "get_rental_quote",
        "parameters": {"type": "object", "properties": {"sku": {"type": "string"}}},
    },
}]
resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Donne-moi le tarif journalier pour m4-16-256."}],
    tools=tools,
    extra_body={"reasoning_effort": "max"},
)

6. Essayer les clients natifs longue durée : si l'objectif est un agent autonome plutôt que des appels ponctuels, installez Kimi Code (CLI de terminal, sélection du modèle via /model) ou lancez l'application de bureau Kimi Work — Moonshot fournit une version native Apple Silicon, qui tourne directement sur le Mac loué des étapes précédentes, sans couche de traduction Rosetta.

Maintenir une session Kimi Code en vie comme service d'arrière-plan pose exactement le même problème que maintenir un runner CI en vie : il faut du SSH restreint aux clés, un processus qui survit à la déconnexion, et une machine qu'on n'a pas peur de réinitialiser. Nous avons détaillé cette configuration basée sur launchd dans notre guide de runner CI Xcode — les étapes de durcissement SSH et d'enregistrement de service s'appliquent directement à un agent Kimi Code longue durée, pas seulement aux builds Xcode.

Chiffres à retenir et à citer

• 2,8 billions de paramètres au total, avec seulement 16 des 896 experts actifs par token — ce ratio de parcimonie est ce qui contient le coût d'inférence.
• Fenêtre de contexte de 1 048 576 tokens, entrée et sortie cumulées, avec une tarification uniforme sur toute la fenêtre (pas de paliers selon la longueur).
• Tarification API mondiale : 3,00 $ par million de tokens d'entrée en cas de cache manqué, 0,30 $ en cas de cache trouvé, 15,00 $ par million de tokens de sortie.
• Date de publication des poids complets : avant le 27 juillet 2026, avec un rapport technique et une implémentation vLLM de Kimi Delta Attention.

Les détails de cette fenêtre de lancement évoluent vite — paliers tarifaires, limites de débit et date exacte de publication des poids peuvent encore bouger. Considérez les liens ci-dessous comme la référence, plutôt que ce résumé.

Moonshot AI — billet officiel de lancement de Kimi K3

Kimi API Platform — documentation de démarrage rapide K3

Northflank — analyse des benchmarks, tarifs et auto-hébergement de Kimi K3

IoT Digital Twin PLM — architecture et benchmarks de Kimi K3

FAQ

Aucune des six étapes ci-dessus ne nécessite d'équipement exotique — une session SSH et un environnement virtuel Python suffisent pour démarrer. Ce qui compte vraiment, c'est de disposer d'une machine dont on ne craint pas qu'elle se retrouve encombrée de dépendances de test, de scripts d'agent à moitié terminés et d'un processus Kimi Code oublié en arrière-plan. Un ordinateur portable partagé accumule vite ce genre de résidus ; une machine Apple Silicon réelle, jetable, qu'on peut réinitialiser et relouer à la journée, n'a pas ce problème. C'est tout l'intérêt de tester les nouvelles sorties de modèles sur un Mac loué à court terme plutôt que sur sa machine principale.