Kimi K3 Release : specs, prix, API et quand l'utiliser

Hier encore, tu lisais des teasers et des tableaux de rumeurs « 2,5T / 1M ». Aujourd’hui, le sélecteur de modèles a un vrai bouton : Kimi K3 est sur la plateforme API Kimi.

Si tu regardes ce bouton en te disant je bascule tout sur K3 avant le déjeuner ? — réponse courte : non. Utilise K3 quand le job est à la fois difficile et long. Garde K2.7 Code pour livrer au quotidien dans l’IDE, et K2.6 quand tu veux un agent long, éprouvé et moins cher.

Le choix du jour de sortie, en une seule respiration :

• Travail multi-domaines costaud + tu butes déjà sur le mur des 256K → teste kimi-k3
• Écrire / corriger du logiciel dans Kimi Code, Claude Code, Cline, RooCode → reste d’abord sur kimi-k2.7-code
• Longues corvées autonomes qui marchent déjà sur K2.6 → ne « mets pas à jour » juste pour le logo

Ce site est indépendant de Moonshot. Les specs et prix ci-dessous collent à la doc officielle ; les jugements (qui doit basculer, comment se comporte la facture, ce que le bruit pré-lancement a raté) sont les nôtres. Revérifie platform.kimi.ai avant de dépenser pour de vrai.

Ce qui est vraiment sorti (en français clair)

La fiche publique Moonshot présente K3 comme le flagship le plus capable à ce jour : environ 2,8 billions de paramètres, une fenêtre de contexte d’1M de tokens (combien de texte/code il peut tenir d’un coup — pense monorepos multi-packages et gros packs de recherche, pas une bulle de chat), vision native (images et vidéo dans l’API), et un thinking toujours activé.

L’identifiant API à brancher : kimi-k3. La doc le met sur le chemin habituel compatible OpenAI (https://api.moonshot.ai/v1) avec MOONSHOT_API_KEY.

Deux noms d’architecture reviennent : Kimi Delta Attention et Attention Residuals. Tu n’as pas à les implémenter. Lis-les comme un signal produit : Moonshot vend un saut de génération pensé pour les longues sessions, pas « K2.x plus trois points de benchmark ». Les travaux de recherche antérieurs (Kimi Linear / KDA) parlaient surtout d’efficacité de service sur long contexte ; le jour J, la promesse côté utilisateur se résume à un 1M conçu pour être utilisable, plus un raisonnement toujours actif.

Faits rapides (à scanner plus tard)

Encore mince sur la fiche publique : paramètres actifs (routés) par token, une histoire de licence open-weight complète, et un leaderboard indépendant sur la même page. N’invente pas ces chiffres ; attends un rapport technique si tu as besoin de maths de serving.

Ce que ça change par rapport à la semaine dernière

Si tu as lu notre briefing de veille de sortie ou le guide quel modèle choisir, quelques lignes demandent un patch mental :

La bande-annonce est devenue un billet. Elle n’est pas devenue automatiquement le seul film à regarder.

Pourquoi K3 n’est pas « supprime K2.7 Code »

Moonshot sort un portefeuille, pas une échelle unique où le dernier SKU gagne chaque clic.

• K2.7 Code reste le spécialiste code — boucles IDE/CLI riches en instructions, Kimi Code, agents de codage, variante highspeed quand la latence compte. Le contexte reste dans la classe 256K. Le thinking reste on, mais l’histoire produit c’est « finis la PR ».
• K2.6 reste l’agent long généraliste qui a déjà passé des mois dans les récits de prod : outils multi-étapes, corvées larges, travail multimodal général à une bande de prix catalogue plus basse que K3.
• K3 est le palier intelligence générale flagship : plus de mémoire, raisonnement toujours au max (pour l’instant), prix premium, pensé pour les mélanges frontière-ish ingénierie + knowledge work + raisonnement profond.

Notre lecture : K3 est un modèle superviseur / problèmes durs, pas une mise à niveau gratuite pour l’autocomplete. Si ta douleur c’est « le modèle perd le repo après 200k tokens de logs », K3 est le bouton intéressant. Si ta douleur c’est « fais compiler ce TypeScript dans Claude Code », K2.7 Code reste la réponse ennuyeuse et correcte.

Ce que le prix dit vraiment

Liste officielle USD (par 1M de tokens) :

Trois jugements qui nous importent plus que le tableau lui-même :

1. L’output vaut 5× l’input en cache miss. Le thinking toujours on veut dire que tu paies aussi le « penser à voix haute », pas seulement la réponse finale. Traite K3 comme un budget de projet, pas un onglet laissé ouvert pour papoter.
2. Les cache hits sont 10× moins chers que les misses en input. Réutiliser le même system prompt / digest de repo n’est pas un nice-to-have — c’est la différence entre « un flagship qu’on peut se payer » et « pourquoi la facture flambe ».
3. Pas de paliers par longueur, mais les tokens s’additionnent quand même. Un prompt de 50K et un de 500K partagent les mêmes tarifs unitaires ; la fenêtre 1M ne veut pas dire « 1M = gratuit ».

Sens de portefeuille approximatif (les listes bougent ; c’est de l’orientation, pas un contrat) : K2.6 / K2.7 Code se sont placés dans une bande nettement plus basse sur la même plateforme (ordre de grandeur ~1 $ input / ~4 $ output). Le 3 $ / 15 $ de K3 est premium exprès. Tu devrais sentir une raison de capacité ou de contexte avant d’en faire le défaut.

Capacités qui changent ta façon de travailler (pas la façon de réciter la doc)

1M de mémoire pour de vraies sessions. Utile quand un seul fil doit tenir une tranche de monorepo, un pack de policies, ou l’état d’un agent sur plusieurs heures. La plupart des utilisateurs chat ne rempliront jamais un million de tokens — et c’est très bien. La feature est pour ceux qui cassaient déjà le 256K.

Thinking toujours on. N’envoie plus l’ancien objet thinking de K2.x. Utilise le top-level reasoning_effort: "max" (seul niveau aujourd’hui). En multi-tour et boucles d’outils, renvoie le message assistant complet, raisonnement et tool calls inclus — le stripper pour ne garder que content te reviendra en boomerang.

Vision dans la même boucle que le code. Screenshots, enregistrements d’UI, diagrammes — même session que les outils et le long contexte. Les URL d’images publiques ne sont pas le chemin documenté ; prévois du base64 ou des fichiers ms:// uploadés.

Surface agent. Outils, tool_choice, chargement dynamique d’outils, JSON Schema structuré, continuations partielles, outils officiels Formula. La plateforme prévient pour l’instant que la recherche web est en cours de mise à jour — ne mise pas un workflow de prod dessus cette semaine.

Forme d’appel minimale :

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",
    messages=[{"role": "user", "content": "Summarize the risk of migrating our default model to K3."}],
)
print(completion.choices[0].message.content)

Les knobs d’échantillonnage type temperature / top_p sont documentés comme fixés — omets-les plutôt que de te battre avec l’API.

Que faire cette semaine ?

Erreurs fréquentes

• « Le dernier flagship = le meilleur partout. » Mauvaise logique de SKU. La profondeur flagship ≠ meilleure latence ni meilleure UX d’agent de code.
• « 1M veut dire que je colle toute l’entreprise. » Tu vas le payer ; commence par le plus petit contexte qui marche encore, puis élargis.
• « Thinking off pour les brouillons pas chers. » Impossible sur K3 pour l’instant — seulement "max".
• « Remplace K2.7 Code dans Kimi Code demain. » Les lignes produit divergent encore ; regarde les défauts officiels de Kimi Code avant de forcer l’ID.
• Ignorer le cache. Le même préfixe de repo à chaque tour sans préfixes stables, c’est la façon chère de faire tourner un flagship.

FAQ (courte)

C’est officiellement sorti ? Oui — listé, documenté, tarifé, appelable sous kimi-k3.

Poids ouverts ? On ne traite pas les blabla tiers comme une promesse Moonshot. Vérifie les canaux research / HF de Moonshot avant de planifier du self-host.

Ça remplace K2.7 Code ? Non. Portefeuille : flagship général vs spécialiste code.

En résumé

K3 franchit la barre qu’on avait posée la veille de sortie : vrai nom d’API, vraie fenêtre 1M, vrai prix. Le bon move n’est pas « tout le monde sur K3 », c’est mettre K3 sur les jobs qui justifient un raisonnement premium et une mémoire monstre, garder K2.7 Code pour livrer les PR, et garder K2.6 là où un agent long moins cher livre déjà.

À lire ensuite : statut K3 · ce qu’on pensait avant la GA · sélecteur de modèles (à patcher mentalement pour la GA) · K2.7 Code · K2.6.