Le plus gros modèle de Moonshot n'a pas de molette de réflexion

Un modèle de classe 3 000 milliards livré avec un seul réglage

Moonshot AI a livré Kimi K3 au monde le 16 juillet avec une phrase qui lui tient lieu de marketing : le premier modèle ouvert de classe 3T au monde, conçu pour l'intelligence de pointe sur le codage de longue haleine, le travail de connaissance et le raisonnement. La fiche technique derrière la phrase est bien réelle. K3 embarque 2 800 milliards de paramètres au total dans une architecture à mélange d'experts qui active 16 experts sur 896 pour un token donné, bâtie sur ce que Moonshot appelle Kimi Delta Attention et Attention Residuals, et entraînée en tenant compte de la quantification, de sorte que les poids tiennent en MXFP4 et les activations en MXFP8. La fenêtre de contexte native est d'un million de tokens. La vision n'a pas été greffée après coup : le modèle accepte directement les images et la vidéo.

Le détail qui détermine votre facture ne figure pas dans l'annonce. Il est dans la documentation de démarrage rapide. Moonshot décrit le raisonnement de K3 comme nativement configurable, avec une profondeur de réflexion que vous réglez appel par appel, puis note que le réglage ne prend actuellement en charge que le niveau d'effort maximal. Lisez cette phrase deux fois, car elle inverse la logique habituelle. Sur la plupart des API de pointe, le réglage de l'effort sert à acheter une réponse bon marché à une question bon marché. Sur K3 aujourd'hui, il n'y a qu'un seul rapport. Le modèle raisonne au maximum sur la requête triviale comme sur la difficile, et le compteur ne fait pas la différence.

Tout le reste de l'interface est construit pour des gens qui ont l'intention de dépenser. La mise en cache du contexte est automatique, sans identifiant de cache à gérer ni durée de vie à régler. Les définitions d'outils se chargent dynamiquement au lieu de figurer dans chaque requête. La sortie structurée est validée par rapport à un schéma. Le streaming sépare les tokens de raisonnement des tokens de réponse, de sorte que vous pouvez regarder le modèle réfléchir dans un canal et écrire dans l'autre. Ce sont les caractéristiques d'un système qui table sur des sessions longues, coûteuses et agentiques, et Moonshot a construit la plomberie exactement pour cela.

Le modèle ouvert que vous ne pouvez pas télécharger avant le 27 juillet

Le mot ouvert fait onze jours de travail non payé. L'annonce de Moonshot indique que les poids complets de K3 seront publiés le 27 juillet. D'ici là, le premier modèle ouvert de classe 3T au monde n'est joignable que d'une seule façon : par l'API payante de Moonshot, sur les serveurs de Moonshot, à Pékin, selon les conditions en vigueur ce matin-là, quelles qu'elles soient. Toutes les propriétés qui font qu'un modèle à poids ouverts vaut d'être choisi, pouvoir l'inspecter, l'héberger dans votre propre périmètre, figer une version que personne ne peut retirer sous vos pieds, partir sans migration, arrivent à la seconde date. Ce qui est arrivé le 16 juillet est un produit fermé assorti d'une publication en open source programmée.

La licence n'est pas arrivée non plus. Moonshot a publié la famille K2 sous une licence MIT modifiée, ce qui explique pourquoi K2 est devenu l'un des modèles à poids ouverts véritablement utilisables plutôt que l'un des modèles simplement téléchargeables, et l'industrie s'attend à ce que K3 suive le même chemin, avec un rapport technique aux côtés des poids. S'attendre est bien le verbe qui convient. Il n'existe aucune fiche de modèle publiée, aucun texte de licence et aucun fichier de poids : une organisation à qui l'on a déjà annoncé que le modèle est ouvert s'est vu annoncer quelque chose de programmé plutôt que quelque chose de vrai. La distance entre ces deux états, c'est tout votre examen juridique.

Ce n'est pas une accusation de mauvaise foi. C'est un problème de calendrier, et les problèmes de calendrier sont ceux qui remettent discrètement les achats à zéro. Une équipe qui évalue K3 cette semaine évalue l'API. Les conclusions, les chiffres de latence, le coût par tâche, la qualité sur votre propre charge de travail décrivent tous un service hébergé. Le 27 juillet, c'est un autre artefact qui apparaît, et la position honnête consiste à dire que vous ne l'avez pas encore testé. Si l'idée a un jour été de faire tourner K3 sur votre propre matériel, l'évaluation qui compte n'a pas commencé, et celle que vous menez aujourd'hui mesure l'infrastructure de quelqu'un d'autre.

Quinze dollars le million, et certaines réponses prennent une demi-heure

K3 coûte 0,30 dollar par million de tokens en cas de succès de cache, 3 dollars par million en cas d'échec de cache et 15 dollars par million en sortie, soit environ 0,26, 2,60 et 13 euros. Le rapport de un à dix entre un succès et un échec de cache est le chiffre le plus bruyant de cette liste, et c'est pourquoi Moonshot a rendu la mise en cache automatique. Une charge de travail qui réutilise un long préfixe, la même base de code, le même document de politique interne, le même dossier client, paie le dixième de ce que paie une charge qui arrive à froid. Une charge de travail qui reconstruit son contexte à chaque appel trouve le chemin coûteux toute seule, et rien dans l'API ne vous préviendra.

C'est en sortie qu'un modèle bloqué en effort maximal devient intéressant, car les tokens de raisonnement sont des tokens de sortie. Moonshot a décrit K3 comme un modèle conçu pour le raisonnement profond plutôt que pour la réponse rapide, et des générations de plus de 30 minutes ont été rapportées sur les tâches les plus lourdes. Un modèle qui réfléchit au maximum par défaut, facture sa réflexion 13 euros le million et peut passer une demi-heure sur une seule requête n'est pas tarifé au token d'une manière qu'une direction financière puisse exploiter. Il est tarifé à la tâche achevée, et le seul chiffre qui veuille dire quelque chose est ce que coûte un travail terminé sur votre propre charge.

Mesurez donc la tâche, pas le token. Prenez dix vrais travaux dans la file, ceux que vous confieriez réellement à un modèle, faites-les tourner de bout en bout, puis divisez. Ce chiffre-là se compare au tarif journalier d'un prestataire et au modèle moins cher que vous faites déjà tourner, et c'est le seul qui survive au contact d'un budget. Le tarif au million affiché sur la page de prix ne vous apprend presque rien quand le modèle décide lui-même du temps qu'il consacre à réfléchir, et aujourd'hui aucune instruction ne lui dit de réfléchir brièvement.

Moonshot a publié les benchmarks qu'il perd

La ligne la plus utile du lancement est celle qui concède. Moonshot indique que, parmi les modèles qu'il a testés, l'intelligence globale de K3 n'est devancée que par Claude Fable 5 et GPT-5.6 Sol. Les laboratoires ne sont pas tenus de dire cela, et la plupart finissent par trouver le graphique sur lequel ils arrivent premiers. En dessous, les chiffres sont précis et mitigés à dessein : GPQA-Diamond à 93,5, MathVision avec Python à 97,8, Terminal Bench 2.1 à 88,3, DeepSWE à 67,5 et BrowseComp à 91,2. Sur les évaluations agentiques, Moonshot place K3 devant les modèles de pointe auxquels il s'incline par ailleurs : GDPval-AA v2 à 1687 face aux 1600 de Claude Opus 4.8 Max, et AA-Briefcase à 1527 face aux 1495 de GPT-5.6 Sol Max.

Lisez cette forme plutôt que les scores pris un par un. L'affirmation n'est pas que K3 est le meilleur modèle. L'affirmation est que K3 est assez proche sur l'intelligence générale et devant sur le travail long, outillé, de navigation et d'action, c'est-à-dire précisément la charge pour laquelle il a été conçu et tarifé. Un fournisseur qui nomme Fable 5, GPT-5.6 Sol, Opus 4.8, GPT-5.5 et GLM-5.2 dans son propre tableau comparatif a choisi le terrain sur lequel il veut être jugé, et vous a discrètement dit lesquelles de vos tâches il compte gagner.

L'argent va dans le sens du positionnement. Le tour de table le plus récent de Moonshot valorise la société à environ 31,5 milliards de dollars, soit à peu près 27 milliards d'euros, après un tour de 2 milliards de dollars en mai sur une valorisation de 20 milliards de dollars. Une société dont la valorisation a augmenté de moitié en deux mois n'a pas besoin de gagner un benchmark ; elle a besoin que les entreprises jugent l'écart avec les modèles de pointe fermés assez faible pour cesser de les payer. Publier une deuxième place est une façon moins coûteuse de défendre cet argument que d'en revendiquer une première.

Trois choses à régler avant l'arrivée des poids

D'abord, décidez quel K3 vous achetez, car il y en a deux et onze jours les séparent. Si la réponse est l'API, alors l'histoire des poids ouverts est un argument marketing qui ne vous concerne pas, et K3 doit être jugé comme un service chinois de pointe hébergé, sur le prix, la latence, le traitement des données et les conditions attachées à vos prompts. Si la réponse est les poids, alors rien de ce que vous apprenez cette semaine ne se transfère, le texte de la licence est un document bloquant plutôt qu'une formalité, et la vraie évaluation commence le 27 juillet, sur du matériel que vous contrôlez.

Ensuite, découvrez ce que coûte un travail avant de le découvrir en production. Faites tourner vos dix tâches réelles les plus difficiles, relevez le temps réel écoulé et le total des tokens de sortie, raisonnement compris, puis comparez ce chiffre au modèle que vous faites tourner aujourd'hui. Un modèle bloqué en effort maximal, avec un plafond de 30 minutes et un tarif de sortie de 13 euros le million, peut valoir largement son prix sur un travail qui prenait une matinée à un spécialiste, et être indéfendable sur une requête qu'un petit modèle traite en quatre secondes. Le même modèle, la même grille tarifaire, des verdicts opposés : la variable qui décide est votre charge de travail, pas le tableau des benchmarks.

Enfin, écrivez noir sur blanc ce qui se passe si le réglage de l'effort reste soudé au maximum. La documentation de Moonshot dit actuellement, un mot derrière lequel il y a une feuille de route et aucune date. Si un palier d'effort inférieur sort, K3 devient un modèle à deux vitesses et le dossier de coût change du tout au tout. Sinon, vous faites tourner un modèle à qui l'on ne peut pas demander de se dépêcher, et l'atténuation est architecturale plutôt que commerciale : routez les questions bon marché ailleurs et réservez K3 au travail qui mérite une demi-heure. Décidez-le maintenant, tant que c'est un choix de conception, plutôt que le premier mois, quand ce sera une facture.

À lire ensuite: OpenAI divise par deux le prix de l'IA du quotidien  |  Grok 4.5 perd les benchmarks et gagne la facture