Présentation de Kimi K3 - une intelligence de frontière ouverte

 (kimi.com)
1 points par GN⁺ 4 시간 전 | 1 commentaires | Partager sur WhatsApp
  • Kimi K3 est le premier modèle public au monde de classe 3T, avec 2,8 billions de paramètres, une vision native et un contexte de 1 million de tokens, conçu pour le codage de longue durée, le travail sur les connaissances et le raisonnement
  • Il applique Kimi Delta Attention/Attention Residuals ainsi qu’un Stable LatentMoE qui active 16 experts sur 896, ce qui améliore d’environ 2,5 fois l’efficacité globale de mise à l’échelle par rapport à Kimi K2
  • Il peut mener de longues tâches avec une intervention humaine minimale dans l’optimisation de kernels GPU, le développement de compilateurs, la création de jeux 3D, la conception de puces ou la recherche scientifique, et obtient sur certains benchmarks de code et d’agents des résultats comparables ou supérieurs à ceux de modèles fermés
  • Il est disponible immédiatement sur Kimi.com/Kimi Work/Kimi Code/Kimi API, avec l’effort de raisonnement maximal activé par défaut au lancement, et les poids complets du modèle seront publiés d’ici le 27 juillet 2026
  • Ses performances globales et son expérience utilisateur restent inférieures à celles de Claude Fable 5 et GPT 5.6 Sol, avec des limites liées à sa sensibilité à la transmission de l’historique de raisonnement et à une tendance à prendre des décisions excessives à la place de l’utilisateur dans les situations ambiguës

Modèle public de 2,8 billions de paramètres

  • Kimi K3 est le modèle le plus performant publié par Kimi à ce jour, avec prise en charge de 2,8 billions de paramètres / 1 million de tokens de contexte / vision native
  • Ses performances globales sont inférieures à celles de Claude Fable 5 et GPT 5.6 Sol, mais il dépasse de manière constante les autres modèles comparés dans les évaluations internes et atteint des résultats de niveau frontier
  • Pendant 9 des 12 derniers mois, les modèles Kimi ont repoussé la limite supérieure de taille des modèles publics, et K3 atteint pour la première fois la classe 3T
  • Disponible sur Kimi.com, Kimi Work, Kimi Code et Kimi API
  • La version de lancement utilise par défaut l’effort de raisonnement maximal, et des modes faible effort / effort élevé seront ajoutés dans une prochaine mise à jour
  • Des prestataires de services d’inférence et des mainteneurs open source ajustent actuellement les détails techniques, et les poids complets ainsi que le rapport technique seront publiés d’ici le 27 juillet 2026

Architecture KDA/AttnRes/Stable LatentMoE

  • Kimi Delta Attention (KDA) fournit la base permettant d’étendre efficacement l’attention sur de longues séquences
  • Attention Residuals (AttnRes) ne cumule pas uniformément les représentations de chaque couche, mais va chercher de manière sélective les représentations nécessaires selon la profondeur du modèle
  • La sparsité du Mixture of Experts est étendue, avec seulement 16 experts activés sur 896 dans l’architecture Stable LatentMoE
  • La combinaison des changements d’architecture et des améliorations des recettes d’entraînement et de données a permis d’augmenter d’environ 2,5 fois l’efficacité globale de scaling par rapport à Kimi K2
  • Plusieurs techniques sont appliquées pour le routage et l’optimisation de grands modèles clairsemés
    • Quantile Balancing calcule directement l’allocation des experts à partir des quantiles des scores du routeur, supprimant les mises à jour heuristiques et les hyperparamètres d’équilibrage sensibles
    • Per-Head Muon optimise chaque tête d’attention indépendamment afin d’améliorer l’adaptabilité à grande échelle
    • Sigmoid Tanh Unit (SiTU) contrôle les valeurs d’activation et Gated MLA améliore la sélectivité de l’attention

Infrastructure d’entraînement et d’inférence

  • L’entraînement conscient de la quantification est appliqué dès l’étape SFT, avec des poids MXFP4 / activations MXFP8 pour assurer une large compatibilité matérielle
  • Pour que le déséquilibre entre experts ne fasse pas chuter le débit en parallèle expert à grande échelle, une méthode d’entraînement en parallélisme expert entièrement équilibrée a été introduite, avec formes de tenseurs fixes et suppression de la synchronisation hôte sur le chemin critique
  • En inférence, une large zone de communication à haute bande passante est requise, et une configuration supernode reliant au moins 64 accélérateurs est recommandée
  • Une implémentation résolvant les problèmes posés par KDA au prefix caching existant a été contribué à la communauté vLLM et sera publiée avec le modèle
  • Le cache de préremplissage KDA permet de proposer le service à un prix par token compétitif malgré l’échelle du modèle et le long contexte

Codage longue durée et feedback visuel

  • Il peut maintenir de longues sessions d’ingénierie avec une supervision humaine minimale, explorer de grands dépôts et orchestrer des outils de terminal
  • En combinant ingénierie logicielle et raisonnement visuel, il améliore de façon itérative des résultats en développement de jeux, frontend ou CAD en vérifiant captures d’écran et résultats d’exécution
  • Avec une approche vision in the loop, qui boucle entre le code et l’écran réel, il transforme images et vidéos en résultats interactifs exécutables
  • Lors de la phase tardive de développement, une première version de Kimi K3 a pris en charge l’essentiel du travail d’optimisation des kernels GPU de l’équipe

Optimisation de kernels GPU

  • L’évaluation consistait à faire profiler et modifier des kernels AttnRes/KDA/MLA pendant jusqu’à 24 heures par modèle dans le même sandbox
  • Kimi K3 a été compétitif face aux résultats de fallback potentiels de Fable 5, et a globalement surpassé Opus 4.8, GPT 5.6 Sol et GPT 5.5

  • AttnRes

    • Optimisation d’une implémentation FLA Triton en conditions de production pour 96 couches / dimension de modèle 8 192 / 8 192 tokens, sans modifier les résultats numériques
    • Après 15 heures d’itérations, il a conçu un nouvel algorithme de kernel en deux étapes et fusionné plusieurs kernels
    • Le temps en passe avant et arrière a été réduit de 283,6 ms à 114,4 ms
    • Les performances finales étaient proches des résultats de fallback potentiels de Fable 5, mais K3 optimisait plus vite à chaque itération

  • DSA

    • Optimisation de kernels DSA basés sur TileLang dans une configuration d’entraînement réelle utilisant des hyperparamètres alignés sur DeepSeek-V3.2 et des séquences de 1 million de tokens
    • Le temps de bout en bout a été réduit de 55,1 % par rapport à l’implémentation de référence, ce qui en fait le deuxième meilleur résultat derrière les 57,3 % de Fable 5

  • MLA-512

    • Écriture d’un kernel MLA from scratch sans kernel de référence, avec batch 1 / 64 têtes / 8 192 tokens / dimension de tête 512
    • Atteinte de 517,8 TFLOPS en passe avant et arrière, soit plus de la moitié du maximum théorique BF16 sur H200
    • Ce résultat dépasse les 492,7 TFLOPS du modèle suivant

  • KDA on GPGPU

    • Optimisation d’une implémentation FLA Triton de KDA sur des GPU génériques d’un fournisseur alternatif avec une pile logicielle et un comportement mémoire différents de CUDA
    • En reconstruisant un modèle de performance à partir du profiling, le temps de passe avant et arrière a été réduit de 73,6 % par rapport à l’implémentation de référence
    • Il est indiqué qu’une marge d’amélioration supplémentaire pourrait subsister

  • Points d’attention sur l’évaluation

    • Claude Fable 5 a été évalué par un tiers, et certains résultats peuvent inclure un comportement de fallback
    • Certains chemins d’exécution de plusieurs modèles utilisaient de petites réductions de précision restant dans la marge d’erreur numérique autorisée

Compilateur GPU MiniTriton

  • Kimi K3 a développé from scratch MiniTriton, un système léger de programmation GPU similaire à Triton
  • Il implémente sur MLIR sa propre représentation intermédiaire par tuiles, ainsi que les passes d’optimisation, le pipeline de génération de code PTX et le runtime
  • Sur les benchmarks roofline pris en charge, il a obtenu des performances comparables ou supérieures à Triton et à torch.compile, et dépasse Triton sur certaines tâches
  • Il a exécuté de manière stable l’entraînement complet de nanoGPT, avec une courbe de loss convergeant avec seulement de faibles écarts par rapport à l’implémentation de référence
  • Un compilateur complet et cohérent a été construit, du frontend DSL à l’optimisation IR, à la génération PTX et au runtime, et la voie Tensor Core écrite from scratch rivalise également avec la pile optimisée de Triton

Jeux 3D et création numérique

  • Kimi K3 a créé un jeu d’exploration 3D procédural dans le navigateur avec Three.js WebGPU et GPU compute
  • Il génère un monde ouvert avec forêt, village de cabanes en rondins, montagnes enneigées et météo dynamique, et a produit des modèles de cavalier et de cheval avec un outil de génération d’actifs 3D
  • Les modèles animés de cowboy et de cheval, ainsi que les données de terrain, utilisent des actifs externes
  • Le résultat peut être consulté sur 3D Open World

Conception de puce pour le modèle

  • Kimi K3 a conçu, en 48 heures continues de travail autonome, une puce destinée à exécuter un petit modèle utilisant sa propre architecture
  • La conception, l’optimisation et la validation ont été réalisées avec la bibliothèque Nangate 45nm et des outils EDA open source
  • Elle tient la contrainte de timing à 100 MHz dans une surface de 4 mm², avec un débit de décodage simulé de plus de 8 700 tokens par seconde
  • Elle comprend 1,46 million de cellules standard, 0,277 Mo de SRAM et un réseau INT4 MAC avec déquantification fusionnée

Implémentation de recherche en science computationnelle

  • Il met en œuvre, vérifie et analyse des processus de recherche computationnelle complexes en reliant la littérature scientifique à du code exécutable
  • Il a reproduit les relations universelles I–Love–Q en astrophysique computationnelle en environ 2 heures, contre 1 à 2 semaines en général pour un chercheur expérimenté selon la comparaison donnée
  • Il a examiné et croisé plus de 20 articles, puis implémenté l’ensemble du pipeline de calcul numérique
  • Il a évalué plus de 300 équations d’état et identifié des incohérences entre des formules publiées
  • Il a généré plus de 3 000 lignes de code Python ainsi qu’un tableau de bord HTML interactif pour l’exploration des résultats

Travail sur les connaissances et recherche interactive

  • Au-delà des benchmarks publics, Kimi affirme que Kimi K3(max) montre aussi des améliorations constantes dans des évaluations internes construites à partir de problèmes récurrents dans de vrais workflows utilisateurs et agents

  • Analyse sur 42 ans de l’industrie des ASIC IA

    • Création d’un site interactif analysant 42 ans d’industrie des ASIC IA avec plus de 120 cycles récursifs d’auto-amélioration
    • Réalisation de plus de 2 800 recherches/récupérations web et de plus de 1 100 collectes de données via terminal
    • Utilisation de plus de 11 000 pages de documents, dont 87 rapports trimestriels et 99 PDF sources
    • Transformation des sources en graphiques sur mesure, schémas animés et narration visuelle interactive

  • Recherche sur l’industrie de la fusion nucléaire

    • Production d’un rapport sectoriel au format conseil comprenant timeline, funnel chart, range bar chart, diagramme de Gantt et slides de qualité publication

  • Analyse des ondes gravitationnelles GWTC-5

    • Analyse de 391 événements gravitationnels à l’aide de plus de 20 sous-agents simultanés
    • Génération de 7 visualisations scientifiques, 2 tableaux et une synthèse de plus de 10 articles

  • Présentations

    • Utilisé pour créer des présentations au format infographie, y compris des heatmaps entièrement éditables et des rapports annuels

Widgets et Dashboard

  • Kimi Work ajoute les fonctions Widgets/Dashboard pour rendre les conversations plus visuelles et plus persistantes
  • Les Widgets peuvent créer des composants interactifs dans le chat et rester mis à jour en se connectant à des données locales ou à des plugins externes
  • Dashboard conserve les widgets importants dans un écran personnalisé unique, organisé par sujet, projet ou objectif

Montage vidéo

  • Il traite texte, image et vidéo dans un même modèle multimodal natif pour effectuer des tâches de motion design, d’animation et de montage vidéo
  • Il a produit une vidéo motion graphics dans le style de 3Blue1Brown expliquant sa propre architecture, avec concepts techniques exprimés par schémas animés et transitions d’écran
  • Il a monté son propre teaser à partir de 56 clips sources, en assurant sélection des plans, coupes avec continuité de mouvement, synchronisation rythmique image par image, traitement audio et multiples révisions
  • À titre de comparaison, une vidéo courte de densité équivalente demanderait généralement 1 à 2 jours à un monteur expérimenté, et 3 à 5 jours à un débutant

Principaux résultats de benchmarks

  • Tous les résultats Kimi K3 ont été mesurés avec effort de raisonnement max / temperature 1.0 / top-p 1.0, en utilisant selon les benchmarks les harness agents KimiCode, Claude Code ou Codex

  • Codage

    • DeepSWE 67.5 / Program Bench 77.8 / Terminal Bench 2.1 88.3
    • FrontierSWE 81.2 / SWE Marathon 42.0 / PostTrain Bench 36.6
    • MLS Bench 48.3 / benchmark interne Kimi Code 2.0 72.9
    • Sur Program Bench et SWE Marathon, il obtient le meilleur score parmi les modèles du tableau
    • Terminal Bench 2.1 est proche des 88.8 de GPT 5.6 Sol, tandis que FrontierSWE reste inférieur aux 86.6 de Fable 5

  • Agents et automatisation du travail

    • GDPval-AA v2 1 668 Elo / BrowseComp 91.2 / DeepSearchQA 95.0
    • Toolathlon-Verified 73.2 / MCP Atlas 84.2 / Automation Bench 30.8
    • Job Bench 52.9 / AA-Briefcase 1 548 Elo / APEX-Agents 37.6
    • Office QA Pro 63.3 / SpreadsheetBench 2 34.8 / benchmark interne DECK-Bench 73.5
    • Sur BrowseComp, DeepSearchQA, Automation Bench et SpreadsheetBench 2, il obtient le meilleur score parmi les modèles du tableau
    • MCP Atlas utilise Gemini 3.1 Pro comme modèle juge sur 500 tâches publiques avec une limite de 100 tours
    • AutomationBench est évalué sur 600 tâches publiques
    • BrowseComp applique une compression de contexte à 300 000 tokens ; en utilisant directement 1 million de tokens de contexte sans gestion, le score de K3 est de 90.4

  • Raisonnement et connaissances

    • GPQA-Diamond 93.5 / HLE-Full 43.5 / HLE-Full avec outils 56.0
    • GPQA-Diamond est proche des 94.1 de GPT 5.6 Sol, mais HLE-Full reste inférieur aux 53.3 de Fable 5 et à son score de 63.0 avec outils

  • Vision

    • MMMU-Pro 81.6, et 83.4 avec Python
    • CharXiv RQ 84.8, et 91.3 avec Python
    • MathVision 94.3, et 97.8 avec Python
    • BabyVision with Python 85.7
    • ZeroBench pass@5 23.0, et 41.0 avec Python
    • WorldVQA ForceAnswer 51.0 / OmniDocBench 91.1 / benchmark interne PerceptionBench 58.5
    • Sur OmniDocBench, il obtient le meilleur score du tableau avec 91.1
    • ZeroBench est exécuté 5 fois selon la configuration officielle, tandis que les autres scores multimodaux sont des moyennes sur 3 exécutions
    • PerceptionBench est un benchmark interne centré sur les capacités élémentaires de perception visuelle

Méthodologie d’évaluation et limites de comparaison

  • Les harness agents utilisés et les sources des scores varient selon les benchmarks, ce qui introduit des différences de conditions pour les comparaisons directes entre modèles
  • Sur DeepSWE, le score avec le harness KimiCode est de 67.5, contre 67.3 avec le harness mini-SWE-agent du leaderboard officiel
  • Pour Terminal Bench 2.1, les scores des autres modèles utilisent le meilleur résultat parmi plusieurs harness
  • Les scores FrontierSWE ont été recalculés à partir des scores bruts avec le script officiel, état au 16 juillet 2026
  • PostTrain Bench utilise la moyenne de trois exécutions, et si Claude Fable 5 refuse une requête pour des raisons de politique, il bascule automatiquement sur Claude Opus 4.8
  • Les scores GDPval-AA v2 et AA-Briefcase proviennent d’Artificial Analysis

Utilisation et prix

  • Kimi K3 Agents
    • Disponible via la dernière application Kimi pour iOS/Android/HarmonyOS ou sur Kimi.com
  • Kimi Work
    • Pris en charge à partir de la version 3.1.0 de Kimi Work pour Windows et Mac Apple silicon
  • Kimi Code
    • À lancer dans le terminal, puis sélectionner Kimi K3 avec la commande /model
  • Kimi API
    • L’identifiant du modèle est kimi-k3
    • Les entrées avec cache hit coûtent 0,30 $ par million de tokens, les entrées sans cache hit 3 $, et les sorties 15 $
    • Il utilise l’architecture d’inférence découplée de Mooncake, et le taux de cache hit sur les tâches de code de l’API officielle dépasse 90 %
  • Kimi Enterprise
    • Fournit des fonctions de protection des données et de gestion des membres pour les organisations, avec séparation complète entre comptes personnels et comptes d’organisation

Limites

  • Sensibilité à l’historique de raisonnement
    • K3 a été entraîné de manière à préserver l’historique de raisonnement précédent
    • Si le harness agent ne retransmet pas tout le contenu de raisonnement passé, ou si une session utilisant un autre modèle bascule vers K3, la qualité de génération peut devenir fortement instable
    • Il est recommandé d’utiliser Kimi Code, dont la compatibilité a été vérifiée, et d’éviter de changer de modèle au milieu d’une session
  • Comportement excessivement proactif
    • Comme il a été entraîné en priorité sur des tâches longues et difficiles, il peut prendre à la place de l’utilisateur des décisions inattendues lorsqu’il fait face à de petits problèmes ou à une intention utilisateur ambiguë
    • Les applications devant limiter son champ d’action doivent ajouter des contraintes plus explicites dans le prompt système ou dans AGENTS.md
  • Dans l’ensemble, c’est un modèle compétitif, mais l’expérience utilisateur présente encore un écart net avec Claude Fable 5 et GPT 5.6 Sol

À lire aussi

1 commentaires

 
GN⁺ 4 시간 전
Avis sur Hacker News

  • Pour une première preuve de concept, il est étonnant que Kimi K3 ait conçu une puce destinée à faire tourner un nano-modèle de sa propre architecture
    En une seule exécution autonome de 48 heures, il a mené la conception, l’optimisation et la vérification avec des outils EDA open source et la bibliothèque Nangate 45 nm, respecte le timing à 100 MHz sur 4 mm² et atteint en simulation un débit de décodage de plus de 8 700 tokens par seconde
    Avec 1,46 million de cellules standard, 0,277 Mo de SRAM et même une matrice INT4 MAC prenant en charge la désquantification fusionnée, cela montre une capacité à mener de longues tâches où un modèle fabrique une puce pour un modèle

  • Si vous envisagez de vous inscrire directement chez Moonshot pour l’utiliser, il faut savoir que les données d’utilisation de l’API peuvent aussi servir à l’entraînement
    Les conditions indiquent que le contenu client peut être utilisé pour fournir, maintenir et améliorer le service, ainsi que pour entraîner les modèles, et qu’un contrat d’entreprise distinct ou un accord écrit est nécessaire pour restreindre cet usage
    https://platform.kimi.ai/docs/agreement/modeluse#4-content

    • Je pense qu’OpenAI et Anthropic font probablement pareil, voire pire
      Dans une activité qui consiste à prendre de la propriété intellectuelle, y ajouter des contrôles de sécurité puis la revendre, demander si les données d’usage servent à l’entraînement peut déjà être naïf ; au moins, les entreprises chinoises sont plus transparentes et rendent davantage à la communauté, à mon avis
    • Sans être particulièrement paranoïaque, je me demande s’il ne faut pas partir du principe que tous les labos chinois utilisent les données pour l’entraînement, quelles que soient leurs conditions d’utilisation
    • OpenRouter classe le fournisseur Moonshot en ZDR
      Je me demande s’il existe réellement un accord de non-conservation des données, ou si OpenRouter l’a mal classé
    • Je pense que les autres acteurs, dont OpenAI, Anthropic, Google et xAI, exploitent tous aussi les données
      Même s’ils disent ne pas le faire, je me demande vraiment quelle entreprise renoncerait à cela dans une compétition qui bouleverse tout le secteur

  • Les détails d’utilisation et les tarifs sont disponibles dans les documents suivants
    https://platform.kimi.ai/docs/guide/kimi-k3-quickstart
    https://platform.kimi.ai/docs/pricing/chat-k3
    Il prend en charge une fenêtre de contexte de 1 million de tokens et coûte 3 $ en entrée, 15 $ en sortie et 0,3 $ en cache par million de tokens, ce qui est très cher pour un modèle chinois à poids ouverts
    C’est pratiquement le même prix que la famille Anthropic Sonnet et proche des 2,5 $ en entrée de 5.6 Terra, mais le coût réel dépend fortement de l’efficacité du raisonnement
    Par exemple, si Sol coûte 30 $/million de tokens et utilise 10 000 tokens de raisonnement, tandis que Kimi K3 en utilise 50 000 pour la même tâche, Sol devient plus rentable

    • D’après les benchmarks officiels publiés sur les réseaux sociaux chinois, il semble globalement du niveau de Sol/Fable et devant Opus 4.8 de manière assez homogène
      https://mp.weixin.qq.com/s/V4xhEIy8xDXSMDPrPkmUAQ
      Un blog en anglais a aussi été publié : https://www.kimi.com/blog/kimi-k3
    • Les différences de tokenizer comptent aussi
      Pour un même texte, le tokenizer d’Anthropic peut encoder beaucoup plus de tokens que celui d’OpenAI
      Je vois GLM comme le véritable concurrent de Kimi, et GLM 5.2 coûte moins d’un tiers du prix
    • En construisant une app avec le Fable relancé, les performances étaient excellentes, mais le processus de raisonnement était totalement opaque
      À l’inverse, Kimi montre un processus de raisonnement complet suffisamment significatif pour qu’on puisse observer directement ses détours étranges et ses changements de direction, et déboguer les idées beaucoup plus en profondeur
      Il semble aussi avoir fait des progrès notables sur un sujet personnel de niche qu’aucun autre LLM n’avait réussi à résoudre, donc je compte le tester davantage
    • Un modèle à 2,8 billions de paramètres a intrinsèquement un coût d’inférence élevé, même en tenant compte de la marge
      S’il est publié en open source, je pense que le prix pourrait descendre vers 10 à 12 $ par million de tokens
    • La documentation de démarrage rapide renvoie les benchmarks réels vers un blog technique, mais ce blog ne mentionne pas K3 et s’arrête à K2.6, vieux de deux générations, ce qui donne l’impression qu’il manque quelque chose

  • Selon l’évaluation de Kimi, K3 arrive en intelligence générale derrière Claude Fable 5 et GPT-5.6 Sol, et un rapport technique couvrant les poids complets, l’architecture, l’entraînement et l’évaluation devrait être publié bientôt
    Avec 1687 points sur GDPval-AA v2, il se place derrière Claude Fable 5 Max et GPT-5.6 Sol Max, et devant les 1600 points de Claude Opus 4.8 Max
    Sur AA-Briefcase, un benchmark privé de tâches de connaissance de longue durée, il atteint 1527 points, derrière Fable 5 Max mais devant les 1495 points de GPT-5.6 Sol Max, ce qui pourrait ressembler à un nouveau moment à la DeepSeek

    • S’il est derrière deux modèles, il faut considérer qu’il est 3e, pas 2e
    • GDPval-AA v2 est aussi un benchmark où Sonnet 5 dépasse Opus 4.8 Max
      Désormais, tous les modèles à poids ouverts affichent des scores étonnants, donc les benchmarks ne suffisent plus à tout comprendre, et on ne peut que soupçonner que les données d’évaluation ont fuité dans les données d’entraînement ou y ont été incluses intentionnellement
    • Ce qui rendait DeepSeek choquant, c’était qu’il coûtait 10 fois moins cher
      K3 est environ 2 fois moins cher que Sol, ce qui le place près des écarts d’efficacité en tokens et des marges d’erreur ; j’y vois le prolongement de la tendance existante où les modèles ouverts rattrapent les labos de pointe, pas un événement qui change la tendance elle-même comme DeepSeek
    • J’ai du mal à trouver la page où apparaît la formule « performances de niveau frontière » ; je me demande quelle en est la source

  • Résultat SVG d’un pélican généré avec l’API OpenRouter : https://tools.simonwillison.net/markdown-svg-renderer#url=ht...
    Le modèle utilisé est https://openrouter.ai/moonshotai/kimi-k3 ; cela a coûté 25 cents pour 95 tokens en entrée et 16 658 tokens en sortie
    https://www.llm-prices.com/#it=95&ot=16658⁣=3&oc=15
    Sur la sortie, 13 241 étaient des tokens de raisonnement, ce qui en fait le pélican le plus cher que j’aie rendu jusqu’ici avec un modèle chinois

    • J’ai détaillé davantage sur le blog en quoi le benchmark du pélican peut encore avoir une certaine valeur : https://simonwillison.net/2026/Jul/16/kimi-k3/
    • Il ne serait désormais pas surprenant que les modèles soient optimisés pour le rendu de pélicans en SVG
    • Je me demande comment la requête « Génère un SVG d’un pélican faisant du vélo » est devenue 95 tokens en entrée

  • Kimi K3 prend la tête de la liste des plus grands modèles ouverts avec 2,8 billions de paramètres
    L’ordre est le suivant : Kimi K3 2.8T, DeepSeek-V4-Pro 1.6T (49B actifs), Kimi K2.6 environ 1T (32B actifs), GLM-5.2 754B (40B actifs), DeepSeek-V3.2 685B, puis Mistral Large 3 675B
    C’est un modèle gigantesque ; pour l’exploiter, Moonshot aura sans doute besoin des 500 millions de dollars qu’elle aurait levés en début d’année

    • Il reste à voir s’il s’agira réellement de poids ouverts ; pour l’instant, même le nombre de paramètres actifs n’est pas connu
    • Ling/Ring 1T-A50B et le nouveau Inkling 975B-A41B mériteraient aussi de figurer dans cette liste

  • Je me demande s’il existe un moyen de tester Kimi K3 sans utiliser de compte Google ni fournir de numéro de téléphone

  • Le blog de Kimi K3 est publié : https://www.kimi.com/blog/kimi-k3
    Il s’agit d’un modèle ouvert de 2,8 billions de paramètres, avec une longueur de contexte d’un million de tokens et une prise en charge native des entrées visuelles ; le rapport technique et les poids devraient être publiés d’ici le 27 juillet
    Au lancement, l’intensité maximale de raisonnement est activée par défaut, tandis que les modes faible et élevé seront ajoutés dans une mise à jour ultérieure

    • Les chiffres des benchmarks sont stupéfiants
      Je me demande si l’époque où la Chine avait six mois de retard sur les États-Unis est révolue, comment ils obtiennent de tels résultats avec beaucoup moins de ressources, et je trouve ces chercheurs impressionnants

  • Dès le premier essai, Kimi K3 a immédiatement identifié la cause d’un bug que même Fable 5 n’avait pas réussi à trouver à plusieurs reprises
    Ce n’est encore qu’un cas isolé avec peu d’utilisation, mais pour l’instant cela paraît très prometteur

    • Les limites d’abonnement sont assez sévères
      La vitesse à laquelle le quota de l’abonnement à 100 $ s’épuise semble comparable à celle de l’abonnement Anthropic à 200 $ utilisé avec Fable, mais le modèle lui-même est excellent, au point qu’on pourrait le classer au-dessus d’Opus 4.8
    • Je me demande comment utiliser Kimi pour des tâches agentiques, comme Claude Code, l’extension Codex pour VS Code, ou le CLI Codex avec raccourcis clavier Vim
      J’aimerais savoir s’il existe des outils similaires sur OpenRouter

  • Maintenant que le blog en anglais est publié, il vaudrait mieux remplacer l’ancien lien par https://www.kimi.com/blog/kimi-k3