Face à la dépendance aux APIs américaines fermées, Kimi K3 de Moonshot AI offre une alternative souveraine en open-weight de 2,8 billions de paramètres. Ce modèle géant permet d'analyser d'immenses bases documentaires à moindre coût grâce à son prompt caching. Les entreprises reprennent le contrôle de leurs données et divisent leurs coûts d'inférence par dix. Le marché des grands modèles de langage connaît une nouvelle accélération en juillet 2026. Moonshot AI a rendu Kimi K3 accessible le 16 juillet sur Kimi.com, Kimi Work, Kimi Code et sa plateforme API. Artificial Analysis lui attribue un score de 57 et une quatrième place dans son Intelligence Index, tout en le considérant encore comme propriétaire tant que ses poids ne sont pas publiquement téléchargeables. Ce lancement modifie la dynamique concurrentielle pour trois raisons majeures : Portabilité potentielle : La publication annoncée des poids pourrait permettre aux organisations de réduire leur dépendance à une API unique, sous réserve de la licence, des formats distribués et des ressources matérielles nécessaires. Performances de premier plan : Kimi K3 occupe provisoirement la première place du classement Arena.ai Code WebDev, un indicateur spécialisé dans la création d'interfaces web qui ne résume cependant pas toutes les capacités d'un modèle. Optimisation des entrées répétitives : Le cache de contexte automatique peut abaisser de 3,00 $ à 0,30 $ le prix d'un million de tokens d'entrée lorsque le préfixe est reconnu comme un cache hit. Kimi K3 montre que les modèles annoncés à poids ouverts se rapprochent rapidement de la frontière technologique. Moonshot AI reconnaît néanmoins que ses performances générales restent encore derrière les modèles propriétaires les plus puissants, notamment Claude Fable 5 et GPT-5.6 Sol. Avec Kimi K3, Moonshot AI réalise une démonstration technique remarquable et confirme la montée en puissance des laboratoires chinois dans la course aux modèles de frontière. Le passage à 2,8 billions de paramètres, l'activation de seulement 16 experts sur 896 et l'association de Kimi Delta Attention avec Attention Residuals constituent des avancées architecturales significatives. Ce lancement ne rend cependant pas encore l'intelligence de frontière facilement auto-hébergeable : les poids doivent toujours être publiés et Moonshot recommande une infrastructure comprenant au moins 64 accélérateurs. L'accès immédiat passe donc avant tout par l'API, tandis que la promesse open-weight devra être réévaluée à la lumière de la licence, du rapport technique et des premiers déploiements indépendants.