Kimi K3 ouvre ses poids : 2,8 T paramètres, infra et licence décryptés

Pourquoi la sortie des poids complique encore le choix

Onze jours séparent le lancement API du 16 juillet et la publication des poids du 27 juillet — un rythme rare pour un modèle de cette taille. Entre-temps, la polémique de distillation et les annonces concurrentes ont brouillé le signal. Aujourd'hui, la friction se joue ailleurs :

• Gap promesse / réalité infra : « open weight » ne signifie pas « déployable sur un MacBook ». Moonshot recommande une supernode 64+ accélélateurs — un ordre de grandeur que la plupart des PME n'ont pas en rack.
• Licence à deux seuils : la Kimi K3 License ressemble à MIT pour l'usage interne, mais impose des obligations dès qu'un produit dépasse 100 M d'utilisateurs actifs mensuels ou 20 M$ de revenus mensuels, ou qu'un fournisseur MaaS franchit 20 M$ sur douze mois glissants.
• Harness sensible : K3 a été entraîné en mode preserved thinking history — tronquer le raisonnement ou changer de modèle en cours de session dégrade fortement la qualité, un détail absent des fiches benchmark.
• Benchmarks encore vendor-dependent : GPQA-Diamond 93,5 % et BrowseComp 91,2 % proviennent des harness Moonshot ; les poids permettent enfin une reproduction indépendante, pas une acceptation aveugle.
• Contexte géopolitique : la publication coïncide avec la lettre conjointe Nvidia–Microsoft du 24 juillet en faveur des poids ouverts — K3 devient un point de référence téléchargeable dans le débat Washington/Pékin, comme nous l'avions anticipé dans notre analyse Opus 5 et distillation K3.

API hébergée vs poids locaux — matrice de décision

La bonne question n'est pas « open ou closed », mais « qui paie le GPU et qui porte la conformité licence ? »

Pour la majorité des équipes qui construisent des agents Xcode, des runners CI ou des prototypes Kimi Code, l'API reste le chemin réaliste des prochains mois. Les poids servent surtout aux labos qui veulent auditer l'architecture KDA, reproduire les chiffres ou fine-tuner — pas à remplacer un Mac de dev demain matin.

MoonEP, FlashKDA, AgentEnv — ce que Moonshot ouvre avec les poids

Au-delà du checkpoint, Moonshot a publié trois technologies d'infrastructure qui expliquent comment un MoE 2,8 T a pu être entraîné et post-entraîné :

• MoonEP : bibliothèque de communication haute performance pour MoE ultra-fin, maintenant l'efficacité du parallélisme expert même sous charge déséquilibrée.
• FlashKDA : kernel pour Kimi Delta Attention ; sur NVIDIA H20, prefill 1,72–2,22× plus rapide que le baseline flash-linear-attention, utilisable comme backend de remplacement.
• AgentEnv : sandbox co-développée avec KVCache.ai pour l'entraînement agentique à grande échelle — snapshots, restauration et fork pour workflows parallèles massifs. FlashKDA était déjà open ; MoonEP et AgentEnv sortent officiellement avec K3.

Six étapes pour évaluer Kimi K3 après la publication des poids

Même si vous ne déployez jamais 64 GPU, vous pouvez former une opinion fiable en appelant l'API depuis un environnement macOS propre — le même type de box que nous décrivions dans le guide Kimi K3, mis à jour pour le jour J des poids.

1. Lire la Kimi K3 License : confirmer que votre usage (interne, embed feature, revente inference) déclenche ou non les seuils 20 M$ / 100 M MAU avant tout téléchargement ou fine-tune.
2. Télécharger et inventorier l'artefact : récupérer moonshotai/Kimi-K3 sur Hugging Face, noter la quantification MXFP4/MXFP8 native et la taille réelle des shards — utile pour dimensionner un cluster futur.

huggingface-cli download moonshotai/Kimi-K3 --include "*.json" "README.md" --local-dir ./kimi-k3-meta

3. Provisionner une machine de test propre : SSH sur un Mac mini M4 fraîchement loué, environnement Python vierge — pas de conflit SDK avec d'autres expériences LLM.
4. Brancher l'API avec preserved thinking : le client doit renvoyer intégralement reasoning_content et tool_calls dans les tours suivants.

from openai import OpenAI
client = OpenAI(api_key="...", base_url="https://api.moonshot.ai/v1")
resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "List three prime numbers under 20."}],
    extra_body={"reasoning_effort": "max"},
)
msg = resp.choices[0].message
print(msg.reasoning_content or msg.content)

5. Exécuter un harness agentique minimal : tool-calling + JSON strict sur une tâche réelle (refactor, recherche repo) ; logger latence, coût token et stabilité sur 10 seeds.
6. Recouper un benchmark avec les sources : comparer votre score GPQA ou BrowseComp simplifié aux tableaux Moonshot en relisant les footnotes harness — ou planifier une reproduction GPU si vous avez accès à une supernode via partenaire cloud.

Chiffres et sources vérifiables

• Échelle : 2,8 T paramètres totaux, 16 experts actifs sur 896 par token (~104 B activés selon la fiche Hugging Face), fenêtre 1 048 576 tokens.
• Benchmarks Moonshot (effort max) : GPQA-Diamond 93,5 %, BrowseComp 91,2 % — avec harness agentiques documentés dans le README ; performance globale encore derrière Fable 5 et GPT-5.6 Sol selon le labo.
• API globale : 3,00 $ / million tokens entrée (cache miss), 0,30 $ cache hit, 15,00 $ sortie — inchangé à la sortie des poids.
• Déploiement recommandé : supernode 64+ accélérateurs, moteurs vLLM / SGLang / TokenSpeed, poids MXFP4 natifs.
• Licence : Kimi K3 License — droits type MIT en dessous des seuils ; accord séparé Moonshot pour MaaS au-delà de 20 M$ sur 12 mois ; mention « Kimi K3 » obligatoire au-delà de 100 M MAU ou 20 M$ de revenus mensuels.
• Chronologie : API 16 juillet 2026 → poids + infra 27 juillet 2026 → reproduction communautaire possible dès lors.

Tarifs, rate limits et libellés licence peuvent évoluer — les liens officiels ci-dessous priment sur cette synthèse.

Sources officielles Moonshot AI :

Hugging Face — moonshotai/Kimi-K3 (weights & model card)

Kimi API Platform — K3 quickstart

Analyses tierces sur la licence et le déploiement :

Unite.AI — Kimi K3 revenue-tiered license analysis

Geopolitechs — Moonshot K3 open day recap

FAQ

La publication du 27 juillet lève le voile sur l'architecture, pas sur la friction opérationnelle : 64 GPU, harness thinking strict et licence à seuils laissent la majorité des équipes sur l'API — et c'est normal. Ce qui compte pour un workflow Apple Silicon, c'est une machine propre où tester Kimi Code, logger les appels OpenRouter ou valider un agent sans polluer votre poste principal. Un Mac mini M4 KVMFLUX — accès root, SSH en minutes, location à la journée — reste le terrain d'essai le plus rentable tant que votre cluster GPU n'est pas prêt.