Kimi K3
Kimi K3 est un LLM de Moonshot AI sorti le 16 juillet 2026. Il se caractérise par une échelle inhabituelle de 2800 milliards de paramètres et par une fenêtre de contexte de 1 048 576 tokens, soit environ un million.
Kimi K3 est un LLM de Moonshot AI sorti le 16 juillet 2026. Il se caractérise par une échelle inhabituelle de 2800 milliards de paramètres et par une fenêtre de contexte de 1 048 576 tokens, soit environ un million.
Le modèle affiche un positionnement particulièrement fort en programmation, tandis que ses résultats textuels restent dans le haut du classement sans atteindre la première place. À sa sortie, ses performances sur GPQA le situaient dans le top 4% des LLM de sa génération. Ses poids ne sont pas ouverts.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Moonshot AI |
| Poids | ▫ n.d. |
| Licence | Unknown |
| Date de sortie | 16 juillet 2026 |
| Multimodal | oui |
| Paramètres | 2800 milliards |
| Fenêtre de contexte | 1 048 576 tokens (≈ 1,0 M) |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| MathVision | 97,8 % | 1ᵉ / 32 | llm-stats | Auto-déclaré |
| DeepSearchQA | 95,0 % | 1ᵉ / 8 | llm-stats | Auto-déclaré |
| GPQA | 93,5 % | 7ᵉ / 219 | llm-stats | Auto-déclaré |
| CharXiv-R | 91,3 % | 2ᵉ / 45 | llm-stats | Auto-déclaré |
| BrowseComp | 91,2 % | 1ᵉ / 57 | llm-stats | Auto-déclaré |
| Terminal-Bench 2.1 | 88,3 % | 2ᵉ / 13 | llm-stats | Auto-déclaré |
| BabyVision | 85,7 % | 1ᵉ / 9 | llm-stats | Auto-déclaré |
| MCP Atlas | 84,2 % | 2ᵉ / 30 | llm-stats | Auto-déclaré |
| MMMU-Pro (with tools) | 83,4 % | 2ᵉ / 4 | llm-stats | Auto-déclaré |
| MMMU-Pro | 81,6 % | 6ᵉ / 64 | llm-stats | Auto-déclaré |
| FrontierSWE | 81,2 % | 2ᵉ / 14 | llm-stats | Auto-déclaré |
| Program Bench | 77,8 % | 1ᵉ / 5 | llm-stats | Auto-déclaré |
| Toolathlon | 73,2 % | 2ᵉ / 30 | llm-stats | Auto-déclaré |
| DeepSWE | 67,5 % | 3ᵉ / 9 | llm-stats | Auto-déclaré |
| OfficeQA Pro | 63,3 % | 4ᵉ / 7 | llm-stats | Auto-déclaré |
| Humanity's Last Exam | 56,0 % | 8ᵉ / 89 | llm-stats | Auto-déclaré |
| GDPval-AA | 55,6 % | 3ᵉ / 39 | llm-stats | n.d. |
| WorldVQA | 51,0 % | 3ᵉ / 5 | llm-stats | Auto-déclaré |
| SWE-Marathon | 42,0 % | 1ᵉ / 3 | llm-stats | Auto-déclaré |
| ZEROBench | 41,0 % | 3ᵉ / 9 | llm-stats | Auto-déclaré |
| APEX-Agents | 37,6 % | 1ᵉ / 7 | llm-stats | Auto-déclaré |
| PostTrainBench | 36,6 % | 2ᵉ / 5 | llm-stats | Auto-déclaré |
| AutomationBench | 30,8 % | 1ᵉ / 6 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Classements Arena (Elo)
Arena Code · 99 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Kimi K3 | 1679 |
| 2ᵉ | Claude Fable 5 | 1631 |
| 3ᵉ | GPT-5.6 Sol | 1618 |
Arena Text · 200 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Claude Fable 5 | 1507 |
| 2ᵉ | Claude Opus 4.6 | 1504 |
| 3ᵉ | Claude Opus 4.7 | 1503 |
| ⋯ | ⋯ | |
| 7ᵉ | Muse Spark | 1487 |
| 8ᵉ | Gemini 3 Pro | 1486 |
| 9ᵉ | Kimi K3 | 1486 |
| 10ᵉ | GPT-5.6 Sol | 1486 |
| 11ᵉ | Gemini 3.1 Pro Preview | 1485 |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Moonshot AI | 3 $ | 15 $ | 0,3 $ |
| moonshot | 3 $ | 15 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 44 % au-dessus de la moyenne des LLM similaires, et 1,8 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 1,1 $ |
| Latence moyenne par benchmark — Benchable | 44 min 23 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Kimi K3 occupe la première place d’Arena Code, devant les 98 autres modèles évalués, ce qui constitue son avantage comparatif le plus net. Sur Arena Text, il reste dans le top 10 parmi 200 modèles, avec un niveau solide mais moins dominant. Son classement sur GPQA le plaçait, à sa sortie, parmi les 4% de modèles les plus performants sur un ensemble de 171 LLM de la même génération. Sa fenêtre d’environ un million de tokens constitue également une caractéristique majeure pour les traitements reposant sur un contexte très long.
Limites et points d'attention. Les résultats textuels restent en retrait par rapport aux leaders d’Arena Text, contrairement à la domination observée en code. Les poids non ouverts limitent aussi l’ouverture du modèle. Son positionnement tarifaire est présenté comme moyen, mais son coût dépasse de 44% la moyenne des LLM similaires. Il reste néanmoins environ 1,8 fois moins cher que les modèles frontière. Kimi K3 est donc surtout pertinent pour les usages centrés sur la programmation ou sur de très longues séquences de contexte.
Sources des données : OpenRouter (openrouter.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai) · LLM-Stats (llm-stats.com).