Le lancement de Kimi K3 déclenche un « circuit breaker » alors que la demande dépasse les attentes

Dans les 48 heures suivant le lancement de Kimi K3 de Moonshot, la demande des utilisateurs ayant largement dépassé les prévisions, la plateforme a dû suspendre les nouvelles inscriptions et appliquer un « délestage » des ressources de calcul. K3 possède un total de 2,8 billions de paramètres et utilise le mécanisme d'attention linéaire mixte KDA, réduisant la complexité calculatoire des couches d'attention de quadratique à linéaire, diminuant jusqu'à 75 % le cache KV et augmentant de six fois le débit de décodage avec une longueur de contexte de 1 million. Cette architecture est considérée comme une mise en œuvre du « principe de Tao » en intelligence artificielle, réalisant une progression des performances grâce à des innovations systémiques en architecture. K3 obtient un score global de 57 points dans les évaluations mondiales de modèles d'IA, se classant troisième derrière Claude Fable 5 et GPT-5.6. Sur les marchés financiers, le jour même du lancement de K3, la capitalisation boursière de NVIDIA a diminué d'environ 111,1 milliards de dollars, tandis que la valorisation de Moonshot a bondi de 4,3 milliards de dollars à 31,5 milliards de dollars en six mois.

Auteur et source de l'article : 36氪

Kimi a aussi son propre « principe de Tao ».

K3 connaît un énorme succès, mais Kimi doit mettre un terme à son activité.

La nuit du 19 juillet, l'équipe de Kimi de Moonshot a publié un communiqué indiquant que, en raison d'une demande des utilisateurs bien supérieure aux prévisions dans les 48 heures suivant le lancement de Kimi K3, et compte tenu de la tension sur les ressources de calcul, l'inscription de nouveaux utilisateurs à Kimi est suspendue, et les ressources de calcul limitées sont prioritairement allouées aux utilisateurs abonnés existants.

Le système d'adhésion a été divisé en droits principaux Kimi et droits Code afin d'allouer les ressources de manière précise. Selon la réponse officielle ultérieure, Kimi n'a pas modifié le système d'adhésion, mais a simplement rééquilibré l'expérience utilisateur sous des contraintes de capacité limitée.

K3 a déclenché un seuil de puissance de minage, nous devons poliment refuser les nouveaux clients afin de nous concentrer sur le service aux utilisateurs existants.

Actuellement, tous les fabricants de modèles s'efforcent de maximiser leur base d'utilisateurs en adoptant des stratégies de prix attractifs, comme l'offre gratuite ou les réductions. En comparaison, la démarche inverse de Kimi semble presque « Véritablement élégante ».

Plus le modèle est puissant, plus le contexte est long et plus les appels utilisateur sont fréquents, plus la consommation de puissance de calcul augmente. Dans la situation où « le volume de requêtes K3 approche la limite de capacité du cluster de calcul actuel », Kimi rencontre également les mêmes problèmes que « DouBao » : plus il y a d'utilisateurs grand public, moins l'impact sur les revenus est significatif, mais les GPU ne tiennent plus le coup.

En tant que premier modèle MoE de la série Moonshot avec 3 000 milliards de paramètres, K3 compte un total de 2,8 billions de paramètres. Selon la compréhension classique, un modèle de cette taille consomme une puissance de calcul exponentielle à chaque sortie. Toutefois, grâce à son architecture centrale unique, il atteint l'effet de la « loi Tao » proposée par Huawei dans le domaine des puces.

Cette architecture est également considérée comme un moteur ultra-puissant, intégrant trois technologies clés : l'attention linéaire mixte KDA (Kimi Delta Attention), les résidus d'attention et MoE à haute sparsité, maximisant l'efficacité avec laquelle chaque unité de calcul est transformée en performance du modèle.

Pendant longtemps, l’industrie des puces a compté sur la loi de Moore pour améliorer les performances en réduisant la taille des transistors. Mais à mesure que les processus avancés approchent des limites physiques et que les coûts explosent, le modèle de croissance fondé uniquement sur l’empilement de matériel atteint un point d’impasse.

La « loi Tao » proposée par Huawei cette année dépasse la démarche traditionnelle de « réduction spatiale » pour adopter une approche de « réduction temporelle » : grâce au pliage logique, au empilement tridimensionnel et à l'optimisation de l'architecture end-to-end, elle réduit la latence de transmission des signaux et minimise le transfert redondant des données, permettant une amélioration de l'efficacité énergétique sur des processus matures équivalente à celle des processus avancés.

Sa méthodologie fondamentale consiste à réaliser une amélioration des performances grâce à des innovations architecturales au niveau système, dans un contexte de contraintes matérielles ou de coûts.

À mon avis, le mécanisme d'attention linéaire mixte KDA adopté par K3 est une mise en œuvre de la « loi Tao » dans le domaine de l'IA.

Sachez que l'architecture Transformer consomme le plus de puissance de calcul sur les mécanismes d'attention. L'attention standard augmente de manière quadratique avec la longueur de la séquence ; dans les tâches de contexte de plusieurs millions, la majorité de la puissance de calcul est consacrée à la maintenance de la matrice d'attention pour les longues séquences. Le mécanisme KDA réduit la complexité calculatoire de la plupart des couches d'attention de quadratique à linéaire.

Selon le rapport technique publié précédemment par Moonshot, en utilisant un mélange de proportions KDA et MLA sur des modèles expérimentaux, la consommation maximale du cache KV a été réduite de 75 %, et le débit de décodage pour une longueur de contexte de 1 million a été multiplié par 6. Associé aux technologies de résidu d'attention et de MoE à haute sparsité, l'efficacité d'entraînement a augmenté d'environ 25 %, avec un coût supplémentaire inférieur à 2 %.

Ceci est une refonte de « l'efficacité de production du modèle ». Si la voie Transformer dominante à Silicon Valley est une voiture à essence qui repose sur la puissance brute pour produire des résultats exceptionnels, KDA ressemble davantage à un moteur hybride visant une efficacité thermique optimale.

Le rapport de SemiAnalysis indique que KDA augmente la vitesse d'inférence de 300 % tout en conservant une performance proche de celle des Transformers pour le traitement de contextes longs. Cela signifie que, avec un même investissement en puissance de calcul, K3 peut produire davantage d'intelligence efficace.

Les retours des tests effectués par la communauté des développeurs montrent que K3 excelle dans les tâches Agent à longue chaîne et la génération de code, et possède la capacité de rivaliser avec les principaux modèles internationaux.

Fondamentalement, K3 respecte toujours la loi d'échelle, mais il cible les gaspillages algorithmiques grossiers. Alors que les entreprises de l'IA de la Silicon Valley continuent d'accumuler des cartes et d'augmenter leur puissance de calcul, Kimi a réorganisé les chaînes algorithmiques et réduit les redondances de calcul, réalisant ainsi un équilibre entre performance et efficacité dans des conditions de puissance de calcul limitée, en empruntant une voie qui maximise la production d'intelligence par watt.

Cela a surpris les observateurs et investisseurs de Wall Street, qui, comme ils l'avaient fait avec DeepSeek, remettent à nouveau en question si les milliards de dollars d'investissements de la Silicon Valley dans l'IA rapporteront des retours correspondants et si l'avance américaine dans l'IA est affaiblie.

Dans le même temps, les entreprises et les développeurs commencent également à s'intéresser au coût d'utilisation de l'IA. Certains développeurs ont déjà commencé à utiliser le service de « routage de modèles » (Model Routing), qui sélectionne automatiquement, en fonction des tâches, le modèle d'IA le moins coûteux et le plus efficace, y compris des modèles chinois tels que Kimi.

En regardant en arrière, la surcharge des ressources de Kimi est un effet secondaire d’un succès technique : l’amélioration de l’efficacité du modèle a réduit le coût par utilisation, stimulant ainsi une explosion de la demande totale.

Il est à noter que le 11 juillet, Tang Jie, fondateur de Zhipu, a annoncé le « projet Touch High », déclarant ouvertement : « Ne pas atteindre le sommet, c’est échouer », et a précisé que, durant les deux prochaines années, il ne poursuivrait pas la monétisation à court terme, mais concentrerait les ressources sur les quatre domaines centraux de l'AGI, avec un projet de collecte de fonds visant à investir des ressources à l'échelle des dizaines de milliards pour surpasser la technologie de mécanisme interprétable.

Si l'« escalade » de Zhipu est considérée comme un combat sans issue après sa cotation, elle vise à renforcer le récit de « première entreprise mondiale de grands modèles » en poussant les limites technologiques et en atténuant l'anxiété réelle.

Je vois également, dans les décisions de Yang Zhilin, les trois dimensions dans lesquelles Kimi s'élève :

Premièrement, optimiser la puissance de calcul en passant d'une logique de trafic à une logique de valeur. Les informations publiques indiquent que les revenus provenant de l'activité API de Kimi dépassent désormais 70 %, ce qui diffère fortement du modèle précédent basé sur les abonnements grand public. Conserver les utilisateurs existants tout en rejetant les nouveaux clients revient en réalité à orienter les ressources de calcul limitées vers des scénarios à haute valeur, afin d'éviter que le trafic grand public ne concurrence les quotas dédiés aux activités B2B, déjà pilier des revenus.

Le coût est également évident. Par exemple, la mise en œuvre de la priorité accordée aux utilisateurs existants n'est pas transparente : quels demandes sont traitées en priorité et lesquelles sont dégradées, si elles sont mal gérées, affaibliront la confiance des utilisateurs.

À long terme, pour réussir sa transition d’une étoile technologique à une entreprise d’IA mature, Kimi doit renforcer ses infrastructures, notamment son pool de puissance de calcul élastique, son mécanisme de réponse hiérarchisée et ses capacités de planification dynamique.

Deuxièmement, il s'agit d'une évaluation des prix maximaux : Kimi effectue un test de pression passant d'un buffet bon marché à une hiérarchisation des valeurs. La « séparation des droits principaux de Kimi et des droits Code » mentionnée dans l'annonce constitue à la fois un ajustement à court terme face à la pénurie de puissance de calcul et pourrait également annoncer le début d'une重构 de son système de tarification.

Par le passé, que les utilisateurs écrivent du code, consultent des documents ou discutent simplement, ils payaient le même coût et consommaient la même puissance de calcul. Lorsque la part des utilisateurs de code consommant une forte puissance de calcul augmente, ce modèle entraîne inévitablement un déséquilibre structurel.

Kimi saisit cette occasion pour décomposer les avantages membres et réévaluer les prix selon les scénarios d'utilisation : les utilisateurs occasionnels bénéficient des services de base, tandis que les utilisateurs intensifs paient un premium pour des fonctionnalités à haute valeur.

Cela constitue une tentative de s’emparer du pouvoir de fixation des prix des modèles grâce à une segmentation des utilisateurs selon leur valeur. Actuellement, les tarifs de K3 s’élèvent à 2,3 dollars par million de tokens, ce qui, bien que inférieur aux meilleurs modèles étrangers, établit un nouveau record pour les modèles nationaux.

Peut-être que Kimi souhaite également mettre fin au modèle à bas prix et transmettre une perception : les modèles à haute performance possèdent une capacité de tarification. Ensuite, la concurrence entre les grands modèles passera de la « compétition sur les paramètres » à la « compétition sur les infrastructures » et la « compétition sur le coût et la tarification ».

Cette étape est plus difficile que d'atteindre le sommet du classement et plus proche de la nature même du commerce.

Troisièmement, élévation du statut : Kimi passe du rôle de variable géopolitique à celui de point d'ancrage de prix.

K3 a suscité une attention mondiale rapide. Dans le dernier « Intelligence Index » publié par l'organisme d'évaluation indépendant d'IA Artificial Analysis, il obtient un score global de 57, se classant troisième au niveau mondial, derrière Claude Fable 5 (60) et GPT-5.6 Sol (59), et devant Claude Opus 4.8 (56).

Ce résultat a également rompu le consensus industriel selon lequel les projets open source sont en retard d'une génération par rapport aux projets propriétaires.

En parallèle, l'influence de K3 a dépassé le cercle technologique. Une institution américaine d'investissement technologique le considère comme un « tournant » dans le développement de l'IA, estimant que les modèles open source de haute qualité accélèrent la diffusion des capacités ; un professeur d'informatique à l'Université de Californie à Berkeley affirme que K3 a réduit l'écart entre les modèles open source chinois et les modèles avancés américains à deux à trois mois.

Le marché des capitaux a réagi de la même manière violente : le premier jour de négociation de K3, la capitalisation boursière de NVIDIA a chuté d'environ 111,1 milliards de dollars en une journée ; les stratèges de JPMorgan ont directement qualifié cela de « DeepSeek 2.0 » dans leur rapport.

This acceleration is what changes the pricing logic.

En outre, le ARR (revenu annuelisé) de Moonshot a atteint près de 300 millions de dollars d’ici juin, avec une croissance de 400 % à l’étranger et une augmentation des revenus malgré une hausse des prix de 60 % ; la combinaison de ces trois indicateurs démontre que le modèle « open source + efficacité » de Kimi peut être mis à l’échelle pour générer des revenus.

Selon des informations révélées, Moonshot est en train de chercher à être cotée à Hong Kong dans un délai pouvant aller jusqu'à six mois, sa valorisation ayant bondi de 4,3 milliards de dollars à 31,5 milliards de dollars en six mois, soit une augmentation de plus de 7 fois.

Ces éléments constituent une reconnaissance du marché financier d'une voie non conventionnelle issue de la Silicon Valley. En pariant sur des SOTA capables de faire fonctionner un modèle économique unitaire, ils démontrent que Kimi possède désormais une logique d'évaluation indépendante, et n'a plus besoin de se comparer à OpenAI ou Anthropic pour prouver sa valeur.

Face cachée de la lune Source d'image : ressources en ligne

Mais K3 est encore très loin de l'AGI. Par exemple, en termes de scores, bien que K3 ne soit inférieur à Fable 5 que de 3 points, l'écart sous-jacent reste considérable.

En outre, Kimi a également reconnu deux défauts au niveau du déploiement : premièrement, K3 conserve l'historique complet des réflexions pendant l'entraînement ; si l'appelant ne transmet pas correctement le processus d'inférence précédent, ou bascule d'un autre modèle vers K3 au cours d'une session, la qualité de la sortie diminue notablement ;

Deuxièmement, K3 devient « excessivement proactif » lorsque les tâches sont vagues, préférant prendre des décisions à la place de l'utilisateur. Ce comportement « autonome » peut facilement déclencher des erreurs en chaîne dans des processus d'ingénierie nécessitant une exécution précise.

Un autre problème facile à négliger mais extrêmement important : les hallucinations. Artificial Analysis a spécifiquement souligné dans son évaluation que le taux d'hallucinations de K3 a augmenté par rapport à la génération précédente, K2.6.

Dans une certaine mesure, l'éclat et les préoccupations cachées de K3 reflètent le déséquilibre entre l'offre et la demande de puissance de calcul dans l'ensemble du secteur, ainsi que la douleur collective subie par l'industrie chinoise de l'IA sous la pression de contraintes technologiques en matière de puissance de calcul, d'une commercialisation non bouclée et d'attentes des utilisateurs excessivement élevées.

Chaque surcharge, chaque « coupure » de ces fabricants d'IA, est un obstacle que l'IA chinoise doit franchir pour atteindre de nouveaux sommets. Il est certain qu'un nouveau cycle de concurrence a commencé : les grands modèles passeront de la compétition sur les capacités à la compétition sur la puissance de calcul.

Celui qui pourra établir un avantage sur les infrastructures telles que les algorithmes et la puissance de calcul sera celui qui survivra en dernier et définira les normes de survie pour les entreprises d'IA de la prochaine génération.

Références :

Classement des lettres, « K3 publié depuis 48 heures »

Jin Duan, C'est de la faute de Kimi

Cet article provient du compte officiel WeChat « Tang Chen Tong Xue », auteur : Tang Chen, publié avec autorisation de 36Kr.