Moonshot Ouvre les Poids de Kimi K3 sous une Licence à Niveaux de Revenu

Moonshot AI a publié les poids complets du modèle Kimi K3 le 27 juillet 2026, onze jours après que le laboratoire de Pékin ait lancé le modèle en tant que service hébergé. Les poids et le rapport technique ont été mis en ligne ensemble sur Hugging Face et GitHub, sous un ensemble de conditions personnalisées que l’entreprise appelle la licence Kimi K3.

Kimi K3 est un modèle de mélange d’experts avec 2,8 billions de paramètres au total, dont 104 milliards sont activés pour chaque jeton. Il dispose d’une fenêtre de contexte de 1 million de jetons, prend en charge le texte et les images de manière native via un encodeur de vision appelé MoonViT-V2, et achemine chaque jeton vers 16 des 896 experts. Moonshot le décrit comme le premier modèle ouvert de la classe 3 billions de paramètres.

L’architecture est l’endroit où le laboratoire a concentré son travail. L’attention Kimi Delta gère 69 des 93 couches du modèle, avec 24 couches d’attention latente à porte logique, ainsi qu’un mécanisme que le laboratoire appelle les résidus d’attention, qui récupère des représentations de manière sélective en fonction de la profondeur plutôt que de les accumuler de manière uniforme. Moonshot rapporte que cette combinaison, associée à son routage Stable LatentMoE, a permis d’améliorer l’efficacité de mise à l’échelle d’environ 2,5 fois par rapport à Kimi K2.

Ce que permet la licence

La licence Kimi K3 ressemble à la licence MIT pour la majeure partie de sa longueur. Elle accorde à quiconque, sans frais, le droit d’utiliser, de copier, de modifier, de distribuer, de sous-licencier et de vendre le logiciel, ainsi que d’exécuter, de déployer, d’affiner ou de construire des œuvres dérivées à partir des poids.

Deux conditions s’appliquent au-delà d’un seuil de revenu :

• Un titulaire de licence qui exploite un « Modèle en tant que service » business, défini dans la licence comme donnant aux tiers un accès à l’inférence ou à l’affinement avec un contrôle significatif sur les entrées, les paramètres ou les données de formation, doit signer un accord séparé avec Moonshot une fois que le revenu de la part du titulaire de licence et de ses filiales dépasse 20 millions de dollars sur une période de 12 mois consécutifs.
• Tout produit ou service commercial avec plus de 100 millions d’utilisateurs actifs par mois, ou plus de 20 millions de dollars de revenu par mois, doit afficher « Kimi K3 » de manière visible dans son interface.

Aucune de ces conditions ne s’applique à une utilisation purement interne, ou à un accès via les propres produits de Moonshot et ses partenaires d’inférence certifiés. Les produits qui intègrent le modèle à l’intérieur d’une fonctionnalité ou d’un harnais spécifique, ou qui se contentent de transmettre des requêtes à un modèle hébergé par quelqu’un d’autre, sont exclus de la définition du service.

L’effet pratique est une division par modèle d’entreprise plutôt que par utilisateur. Une équipe qui affine K3 sur sa propre infrastructure n’a aucune obligation. Un fournisseur de services cloud qui revend l’inférence K3 à grande échelle a besoin d’un contrat avec Moonshot avant de le faire.

La sortie atterrit également au sein d’un débat déjà en cours à Washington. Nvidia et Microsoft ont soutenu l’IA à poids ouverts (MSFT ) (NVDA ) dans une lettre conjointe le 24 juillet 2026, et Sam Altman d’OpenAI a présenté la prochaine famille de modèles de son entreprise aux législateurs et aux responsables de l’administration à Washington le même jour où les poids ont été publiés. Un modèle de 2,8 billions de paramètres téléchargeable d’un laboratoire chinois est maintenant un point fixe dans ce débat.

Où les évaluations le placent

Artificial Analysis a noté Kimi K3 à 57 sur son indice d’intelligence alors que le modèle était encore en API, le plaçant troisième au classement général et au niveau de Claude Opus 4.8 et GPT-5.5, derrière Claude Fable 5 et GPT-5.6 Sol. Les alternatives à poids ouverts les plus solides sur cet indice se situaient bien en dessous : GLM-5.2 à 51, et DeepSeek V4 Pro à 44.

Les chiffres agents étaient la partie la plus forte de cette évaluation. Artificial Analysis a mesuré K3 à 1668 Elo sur GDPval-AA v2, en augmentation par rapport à 1190 pour Kimi K2.6, et l’a placé premier sur AutomationBench-AA à 53 %. Le coût par tâche s’est établi à 0,94 $, proche de GPT-5.6 Sol et environ la moitié du prix d’Opus 4.8.

Le tableau de référence de Moonshot rapporte 93,5 % sur GPQA Diamond et 91,2 sur BrowseComp, avec des notes de bas de page indiquant que différents modèles ont été exécutés sous différents harnais d’agent. Le billet de lancement du laboratoire indique que les performances globales suivent encore Fable 5 et GPT-5.6 Sol, et nomme un écart d’expérience utilisateur contre les deux comme une limitation. Maintenant que le point de contrôle lui-même est téléchargeable, ces chiffres peuvent être réexécutés par n’importe qui plutôt que d’être acceptés à partir du harnais du fournisseur.

Ce qu’il faut pour l’exécuter

Moonshot recommande de déployer K3 sur des configurations de supernœud de 64 accélérateurs ou plus, et pointe vers vLLM, SGLang et TokenSpeed comme moteurs d’inférence pris en charge. Puisque l’attention Kimi Delta brise la mise en cache de préfixe conventionnelle, le laboratoire a contribué à sa propre implémentation de mise en cache au projet vLLM aux côtés de la sortie. Les poids sont livrés quantifiés de manière native, avec une formation à la quantification appliquée à partir de l’étape d’affinement supervisé.

Un détail de déploiement compte plus que sa place dans la carte du modèle le suggère. K3 a été formé dans ce que Moonshot appelle le mode d’historique de réflexion préservé, qui nécessite un harnais pour renvoyer le message d’assistant complet du modèle, y compris le contenu de raisonnement et les appels d’outils, dans la conversation. Les équipes qui le laissent tomber, ou qui basculent une session en cours d’un autre modèle au milieu d’une tâche, devraient s’attendre à une sortie instable.

L’API hébergée de Moonshot reste à 3,00 $ par million de jetons d’entrée et 15,00 $ par million de jetons de sortie, avec une entrée mise en cache à 0,30 $. Ce que la sortie ajoute, c’est une alternative à cette mesure : les poids, la licence et le rapport décrivant la façon dont le modèle a été formé sont tous publics, et la réplication communautaire des résultats de Kimi K3 peut maintenant commencer à partir de l’artefact lui-même.

0 par million de jetons d’entrée et 15,00 $ par million de jetons de sortie, avec une entrée mise en cache à 0,30 $. Ce que la sortie ajoute est une alternative à cette mesure : les poids, la licence et le rapport décrivant la façon dont le modèle a été formé sont tous publics, et la réplication communautaire des résultats de Kimi K3 peut maintenant commencer à partir de l’artefact lui-même.