Le 25 juillet 2026, à deux jours de l'échéance promise, le dépôt Hugging Face de Kimi K3 n'affiche ni licence ni fichier de poids. Juste un compte à rebours : 2 jours, 1 heure, 42 minutes. Moonshot AI présente pourtant ce modèle de 2,8 trillions de paramètres comme le plus grand modèle open source du monde. Entre l'annonce et la preuve, il reste une page qui n'existe pas encore.
Le 25 juillet 2026 : la page qui n'existe pas encore
Voici ce que montre, au moment où cet article est écrit, la page officielle huggingface.co/moonshotai/Kimi-K3 : un badge "Upcoming release", un compte à rebours affichant 2 jours, 1 heure et 42 minutes avant le 27 juillet 2026, et un bouton "Like and Notify on release" que 228 personnes ont déjà cliqué. Aucune licence n'est affichée. Aucun fichier de poids n'est téléchargeable.
La page indique elle-même que le modèle "sera libéré directement sur cette page" à sa date de sortie prévue. Un recoupement indépendant (via le blog spécialisé Wan 2.7) confirme qu'avant le 27 juillet, le modèle le plus récent réellement présent avec du contenu téléchargeable sur l'organisation Hugging Face de Moonshot restait K2.7 Code : le dépôt K3 existait, mais vide.
Au 25 juillet 2026, "open weights" pour Kimi K3 reste donc un engagement public, pas un fait vérifiable sur pièce. C'est le point de départ de cet article : pas une critique du modèle, mais un constat sur ce qui est prouvé et ce qui ne l'est pas encore.
Kimi K3 en chiffres : 2,8 trillions de paramètres, seize experts sur 896
Sur le papier, les spécifications ne manquent pas d'ambition. Kimi K3 est présenté par Moonshot comme le premier modèle open source à atteindre 2,8 trillions de paramètres. Son architecture "Mixture of Experts" n'active que 16 experts sur 896 à chaque token, un niveau de sparsité (part d'experts activés) inhabituel. La fenêtre contextuelle native s'élève à un million de tokens, avec mise en cache automatique.
Deux innovations architecturales soutiennent ces chiffres : Kimi Delta Attention (KDA), qui remplace l'attention quadratique standard sur certaines couches pour réduire le coût de calcul sur la fenêtre d'un million de tokens, et Attention Residuals, qui permet à chaque couche de récupérer sélectivement des représentations de couches antérieures, un mécanisme utile dans une architecture MoE où différents experts s'activent à différentes profondeurs. Le routage des 896 experts repose sur ce que Moonshot appelle Stable LatentMoE. Les poids sont entraînés en quantization MXFP4 dès la phase de fine-tuning supervisé, et non en post-traitement, ce qui doit alléger le déploiement.
À l'échelle, Kimi K3 dépasse largement les deux autres grands modèles ouverts chinois du moment.
Reste que pour Artificial Analysis, organisme de benchmark neutre qui évalue les modèles sur un harnais commun, aucun de ces chiffres ne change une chose : au 25 juillet 2026, la fiche de Kimi K3 porte l'étiquette "Proprietary model", pas "Open model".
C'est tout l'enjeu du prochain chapitre.
Vite ou intelligent : ce que disent les benchmarks
Sur l'Artificial Analysis Intelligence Index, qui agrège neuf évaluations dont GDPval-AA v2, SciCode, GPQA Diamond et Humanity's Last Exam, Kimi K3 obtient un score de 57. C'est le 7e rang sur 190 modèles évalués, largement au-dessus du score médian de comparaison (32).
Mais l'indice cache une contrepartie. Sur la vitesse de sortie, Kimi K3 affiche 33,1 tokens par seconde, ce qui le classe 147e sur 190, loin sous la médiane comparable de 72,5 tokens par seconde. Sa verbosité (130 millions de tokens générés pour l'évaluation) le place aussi au 68e rang sur 190. Le résumé d'Artificial Analysis est sans détour : le modèle échange de la vitesse contre de l'intelligence, et reste plutôt cher comparé à d'autres modèles de prix similaire, à 3 dollars par million de tokens en entrée et 15 dollars en sortie.
Sur des benchmarks plus étroits, Kimi K3 devance de justesse plusieurs modèles fermes : 42,0 contre 40,0 pour Claude Opus 4.8 sur SWE Marathon, 91,2 contre 90,4 pour GPT-5.6 Sol sur BrowseComp, 95,0 contre 94,2 pour Claude Fable 5 sur DeepSearchQA, et 91,1 contre 89,8, toujours face à Claude Fable 5, sur OmniDocBench.
Simon Willison, qui teste chaque nouveau modèle sur son "pelican benchmark" maison, note que Kimi K3 obtient un score Elo de 1547 sur l'évaluation privée d'Artificial Analysis, devançant Claude Fable 5 sur Arena.ai pour le code frontend. Il relève aussi un revers de la médaille : son simple prompt du pélican a consommé 13 241 tokens de raisonnement pour seulement 3 417 tokens de sortie, pour un coût de 25 cents. Un simple "hi" génère déjà 86 tokens, signe d'un système de prompt caché d'une longueur inhabituelle. Au moment de son test, un seul niveau d'effort de raisonnement était disponible : "max".
Ce que "open source" veut vraiment dire
Le mot "open source" recouvre en réalité plusieurs réalités très différentes, et la confusion n'est pas propre à Kimi K3. Selon l'Open Source Initiative (OSI), organisme qui fait référence sur cette définition, "open weights" désigne uniquement les paramètres finaux d'un modèle entraîné : sans le code d'entraînement, sans le jeu de données, sans les détails sur la composition de ces données. "Open Source AI" implique un accès complet, incluant le code, les données et le processus, et accorde quatre libertés fondamentales.
- Utiliser
Faire fonctionner le modèle pour n'importe quel usage, sans restriction.
- Étudier
Comprendre comment le modèle fonctionne, y compris son processus d'entraînement.
- Modifier
Changer le modèle, y compris en ayant accès aux données qui l'ont façonné.
- Partager
Redistribuer le modèle original ou modifié, sans clause qui limite cette liberté.
L'OSI est explicite sur ce que cette distinction implique concrètement : sans accès aux données et au code, il n'y a pas de reproductibilité (impossible d'auditer où des biais ont pu être introduits), les communautés ne peuvent faire que du fine-tuning superficiel, et la conformité réglementaire reste insuffisante pour les secteurs sensibles comme la santé ou la finance. L'organisme précise aussi que cette distinction "s'applique à tous les modèles, indépendamment de leur provenance géographique", une manière explicite d'inclure les modèles chinois comme Kimi K3, DeepSeek ou Qwen dans son constat.
Kimi K3, au 25 juillet 2026, n'a même pas encore franchi la première marche : celle des poids publiés.
La licence Modified MIT, clause par clause
Kimi K3 devrait hériter, selon les analyses disponibles, de la même licence que son prédécesseur : une "Modified MIT license", MIT standard à une clause près. Le texte de cette clause, tel qu'il figure sur le dépôt GitHub officiel de Kimi K2, est sans ambiguïté :
“if the Software (or any derivative works thereof) is used for any of your commercial products or services that have more than 100 million monthly active users, or more than 20 million US dollars (or equivalent in other currencies) in monthly revenue, you shall prominently display "Kimi K2" on the user interface
”
Deux seuils déclenchent l'obligation, l'un ou l'autre suffit : plus de 100 millions d'utilisateurs actifs mensuels, ou plus de 20 millions de dollars de revenu mensuel. En dehors de cette clause d'attribution, la licence préserve toutes les libertés MIT standard : usage commercial, modification, redistribution, sous-licence. Sur le papier, c'est une licence légère.
Le cas Cursor montre ce que "sans mécanisme de contrôle automatique" veut dire en pratique. En testant l'URL compatible OpenAI de Cursor, un développeur nommé Fynn a exposé l'identifiant interne du modèle utilisé par Composer 2 : kimi-k2p5-rl-0317-s515-fast. Ce nom confirmait que Composer 2 reposait en réalité sur Kimi K2.5, avec du reinforcement learning appliqué par-dessus, sans que le nom "Kimi" n'apparaisse nulle part dans l'interface de Cursor. Or Cursor générait, selon les estimations reprises dans cette affaire, environ 167 millions de dollars de revenus mensuels, largement au-dessus du seuil de 20 millions de dollars.
Yulun Du, directeur du pré-entraînement chez Moonshot, a publiquement questionné la conformité de Cursor. Cursor a ensuite admis utiliser Kimi K2.5 et promis une attribution transparente, ce que Moonshot a accepté. Mais la séquence des faits est éclairante : la clause n'a été appliquée qu'après qu'un développeur tiers a repéré l'identifiant caché dans l'API, pas après une vérification menée par Moonshot elle-même.
Le précédent K2 : quand Moonshot publiait sans délai
Ce délai entre annonce et publication n'est pas la norme chez Moonshot. Kimi K2, sorti le 11 juillet 2025, avait publié ses poids simultanément à son annonce, sous licence Modified MIT, sans aucun décalage. C'est resté, jusqu'à K3, le seul précédent documenté d'une publication de poids simultanée à l'annonce dans la lignée Kimi.
Kimi K3, annoncé le 16 juillet 2026 en accès API seul, programme la publication de ses poids pour le 27 juillet 2026 : onze jours d'écart entre le communiqué et l'engagement de publication. Selon cette chronologie, c'est la première fois que Moonshot communique un délai explicite entre l'annonce publique d'un modèle flagship et la publication de ses poids.
DeepSeek et GLM ont publié le jour J
L'écart devient plus net encore en le comparant aux deux autres grands modèles ouverts chinois du moment. DeepSeek V4 Pro (1,6 trillion de paramètres, 49 milliards actifs) est sous licence MIT, avec ses poids disponibles sur Hugging Face dès le premier jour. GLM-5.2 de Zhipu AI (744 milliards de paramètres, environ 40 milliards actifs) est également sous licence MIT, poids complets disponibles sous l'organisation zai-org. Les deux permettent, dès aujourd'hui, un usage commercial, un fine-tuning et un auto-hébergement sans restriction.
Sur l'indice d'intelligence d'Artificial Analysis, mesuré sur le même harnais neutre, Kimi K3 mène pourtant le classement des trois :
Ce paradoxe est au cœur du dossier : le modèle le plus capable des trois, sur ce classement, est aussi le seul qui ne peut pas encore être téléchargé. Le South China Morning Post résume l'annonce de Moonshot comme celle d'un modèle ayant atteint une "open frontier intelligence", surpassant significativement les créations chinoises précédentes, tout en reconnaissant lui-même que sa "performance globale reste derrière les modèles propriétaires les plus puissants". L'article situe aussi ce lancement un mois après celui de GLM-5.2, dans une "escalade de la compétition sino-américaine en intelligence artificielle".
Côté coûts d'API, l'écart est net également : DeepSeek V4 Pro facture 0,435 dollar en entrée et 0,87 dollar en sortie par million de tokens, GLM-5.2 1,40 et 4,40 dollars, contre 3,00 et 15,00 dollars pour Kimi K3. Selon l'analyse comparative de MarkTechPost, DeepSeek reste "le leader des coûts de loin".
Ce qui se joue le 27 juillet
Trois jours après le lancement de K3, le 19 juillet, Moonshot a déposé son dossier d'introduction en bourse à Hong Kong auprès d'investisseurs, selon BigGo Finance, qui situe la valorisation cible à 31,5 milliards de dollars pour ce tour de financement, avant une potentielle IPO sous les règles accélérées du Chapter 18C. Une levée complémentaire est prévue en août ; selon un autre relais (Yahoo Finance / Investing.com), l'objectif affiché pour l'introduction en bourse elle-même grimpe à 50 milliards de dollars. Morgan Stanley qualifie K3 de "progrès cumulatif à l'échelle du pays" ; l'analyste Robin Zhu de Bernstein parle de "coup de maître". Fait notable pour une entreprise chinoise : Moonshot fixe son API à un tarif premium, environ 60 % du prix de Claude Opus 4.8, plutôt que de rivaliser sur les prix.
Le fondateur de Moonshot, Yang Zhilin, 34 ans, a un profil qui alimente le récit du "prodige" repris par la presse : doctorat à Carnegie Mellon entre 2016 et 2019, contribution à XLNet avant même la sortie de ChatGPT, fondation de Moonshot AI en 2023 après un bref passage comme professeur. "Je dois essayer. Si je n'essaie pas, je vais le regretter", aurait-il déclaré selon un portrait publié par Brief IA, qui n'est pas recoupé ici par une seconde source.
Aux États-Unis, l'accueil est partagé, et il s'agit d'opinions, pas de faits établis. David Sacks, ancien responsable IA du gouvernement Trump, reproche aux États-Unis de s'auto-saboter avec des restrictions réglementaires pendant que la Chine progresse. Dean Ball, ex-conseiller politique chez OpenAI, va plus loin : un monde dominé par les modèles open-weight mènerait selon lui à une forme de "communisme de l'IA", où l'intelligence artificielle deviendrait une infrastructure publique, et il préconise que l'administration américaine crée un "risque réglementaire" autour des modèles chinois. Travis Kalanick dénonce de son côté la distillation, l'entraînement sur les sorties de modèles américains. Une voix plus mesurée, celle de Shakeel Hashim, conteste l'alarmisme : Kimi n'a probablement pas de capacités cyber dangereuses, et Pékin adopterait sans doute les mêmes restrictions le jour où ses propres modèles développeraient ce type de capacités.
Le lancement s'inscrit aussi dans un climat géopolitique précis. Xi Jinping a ouvert la World AI Conference de Shanghai le 17 juillet, la veille de l'annonce de K3, avec un discours que Le Grand Continent a lu comme la mise en œuvre d'une doctrine chinoise visant à "commoditiser" les capacités des modèles fermes américains et à "rendre politiquement intenable le coût de la politique de containment américaine". C'est une lecture, pas une citation : le texte intégral officiel du discours, publié par Xinhua, ne contient pas cette formulation. Xi y appelle à "saisir cette opportunité rare et historique pour encourager l'open source, l'ouverture, la collaboration et le partage", dans un registre multilatéral, sans nommer les États-Unis, sans mentionner de containment, et sans citer Kimi K3, DeepSeek ou aucun autre modèle chinois. Le compte-rendu du South China Morning Post confirme cette absence, tout en notant que le discours de Xi suivait immédiatement une intervention hostile du président américain Trump, qui avait accusé la Chine d'orchestrer "la plus grande compromission de données électorales de l'histoire".
Nathan Lambert, dont l'analyse sur Interconnects.ai qualifie Kimi K3 de "modèle ouvert le plus proche de la frontière depuis DeepSeek R1", pose lui-même la limite de son propre raisonnement : il précise explicitement que son article "suit comme une réflexion sur l'état de l'écosystème, sous l'hypothèse que Moonshot tient sa promesse de date de publication des poids", et qualifie sa propre lecture de "vue plus extrême de l'équilibre". Si le 27 juillet ne se passe pas comme annoncé, cette analyse devra être révisée. C'est exactement la question que pose ce dossier depuis la première ligne.
Pour aller plus loin
L'Open Source Initiative documente la distinction entre "open weights" et "open source" indépendamment de tout modèle particulier ; c'est la référence normative qui sert de fil rouge à cet article.
Pour situer Kimi K3 face à ses deux concurrents directs, chiffre par chiffre (paramètres, benchmarks, licence, coût de service), l'analyse de MarkTechPost reste la comparaison la plus complète disponible à ce jour.
L'analyse de Nathan Lambert va plus loin sur ce que Kimi K3 signifie pour l'écosystème des modèles ouverts, tout en posant honnêtement sa propre réserve méthodologique.
Pour vérifier l'état du dépôt par toi-même, la page reste consultable en direct.
Et pour se faire son propre avis sur ce que Xi Jinping a réellement dit le 17 juillet, sans intermédiaire, le texte intégral du discours est publié par l'agence de presse officielle chinoise.
Le 27 juillet à 00:00 UTC, un fichier de poids remplacera soit le compte à rebours, soit une nouvelle date. D'ici là, le titre de plus grand modèle open source du monde reste un communiqué, pas un repository.