Kimi K3 déclenche un débat mondial sur l'IA avec 2,8 billions de paramètres et un modèle open-source

Le 22 juillet, l'entreprise chinoise d'IA Moonshot a lancé Kimi K3, provoquant un choc en Sillicon Valley. K3 possède 2,8 billions de paramètres, ce qui en fait le plus grand modèle à poids ouvert au monde ; il se classe troisième dans plusieurs évaluations, tout en coûtant moins du tiers du prix des modèles propriétaires américains. Après son lancement, quatre réactions différentes ont émergé : la Maison Blanche l'accuse de « distillation » de modèles américains, le PDG d'OpenAI reconnaît sa puissance technologique, près de 200 startups de la Sillicon Valley ont signé une déclaration commune pour avertir contre l'interdiction des modèles open source chinois, et le PDG de Nvidia, Jensen Huang, a clairement soutenu l'ouverture. L'IA chinoise progresse le long d'un chemin unique, axé sur l'efficacité et l'open source, en approchant les frontières sans recourir à une densité de capital extrême. Un modèle à deux moteurs pour l'IA, impliquant la Chine et les États-Unis, est en train de se former.

Auteur et source de l'article : GeekPark

Le 22 juillet, quatre événements se sont produits le même jour.

Le directeur du Bureau de la politique scientifique et technologique de la Maison-Blanche, Michael Kratsios, a accusé publiquement sur X Moonshot AI d'avoir effectué une « distillation à grande échelle » de modèles américains via Kimi K3.

Greg Brockman, président d'OpenAI, a reconnu lors d'un entretien avec Bloomberg que K3 « est un très bon modèle, sans aucun doute ».

En parallèle, près de 200 startups de la Silicon Valley ont envoyé une lettre signée au gouvernement Trump, avertissant qu'une interdiction des modèles open source chinois « ferait mourir instantanément des centaines d'entreprises ». Quant au PDG de Nvidia, Jensen Huang, il a clairement déclaré dans un entretien exclusif avec Axios que les entreprises américaines « devraient absolument être autorisées à utiliser des modèles chinois ».

Quatre sons, quatre directions, pointant vers la même mèche.

Cet incident a été déclenché le 16 juillet avec le lancement de Kimi K3 par l'entreprise chinoise d'intelligence artificielle Moonshot.

Si la vague déclenchée par DeepSeek au début de 2025 a principalement remis en question la croyance de Wall Street dans les investissements en infrastructure IA, celle déclenchée par K3 touche à une question plus fondamentale : que doit faire l'industrie américaine de l'IA lorsque la Chine peut ouvrir les poids des modèles à un niveau proche de la pointe ?

Kimi K3, dont les capacités progressent rapidement, n'a mis qu'une semaine pour bouleverser toute la Silicon Valley et Washington.

Commençons par Kimi K3 lui-même.

2,8 billions de paramètres, architecture MoE (Mélange d'Experts), avec 16 experts activés parmi 896, prenant en charge une fenêtre de contexte de 1 million de tokens. Il s'agit du modèle à poids ouverts le plus vaste au monde actuellement ; les poids complets seront publiés le 27 juillet.

Sur l'indice intelligent d'Artificial Analysis, K3 obtient un score de 57 et se classe troisième, derrière Fable 5 d'Anthropic (60 points) et GPT-5.6 Sol d'OpenAI (59 points), et devant Claude Opus 4.8 (56 points). En matière de capacité en code frontend, K3 a atteint la première place du classement Arena dans les 24 heures suivant sa publication, dépassant tous les modèles avancés américains.

Sur le plan technique, K3 introduit plusieurs innovations architecturales intéressantes.

Kimi Delta Attention (KDA) est un mécanisme d'attention linéaire hybride qui permet d'accélérer le décodage de 6,3 fois sur des contextes de plusieurs millions de tokens. Les Attention Residuals (AttnRes) permettent à chaque couche de récupérer sélectivement des informations à partir de n'importe quelle couche antérieure, au lieu d'accumuler de manière uniforme comme dans les connexions résiduelles traditionnelles. Associés au Stable LatentMoE et à l'entraînement sensible à la quantification dès la phase SFT, ces innovations permettent à K3 d'atteindre une amélioration d'environ 2,5 fois de l'efficacité globale de mise à l'échelle par rapport à sa prédécesseur K2.

Mais ce qui inquiète vraiment les États-Unis, ce n'est pas le chiffre de benchmark, mais la conjonction de « performance + prix + ouverture ».

Le prix de l'API de K3 est de 15 dollars par million de tokens de sortie. C'est cher par rapport à ses homologues chinois — DeepSeek V4 coûte seulement 0,87 dollar, et GLM-5.2 de Zhipu coûte 4,4 dollars.

Mais par rapport aux modèles propriétaires américains, ce prix est inférieur au tiers de celui de Fable 5. Un modèle proche du niveau de pointe, offrant des services à un prix bien inférieur à celui de ses concurrents, tout en rendant publics tous les poids — ces trois éléments combinés font de K3 le produit d'IA chinois ayant eu le plus grand impact sur la Silicon Valley après DeepSeek.

Et ce n'est pas sorti de nulle part.

Avant K3, la série de modèles AI de Kimi s'était déjà infiltrée discrètement dans les chaînes de production de la Silicon Valley.

SpaceX, qui est en train d'acquérir l'outil de codage Cursor pour environ 60 milliards de dollars, fait fonctionner le cœur de son Composer 2 sur Kimi K2.5. Andy Fang, CTO de DoorDash, a déclaré publiquement que l'entreprise a confié les « tâches de bas niveau » à Kimi K2.6. Thinking Machines utilise K2.5 pour générer les données de post-entraînement initiales de son nouveau modèle Inkling.

La publication de K3 constitue moins un lancement de nouveau modèle qu'une reconnaissance publique du fait que l'IA open source chinoise est déjà intégrée aux processus de production à Silicon Valley.

Si c'était seulement « un nouveau modèle chinois qui obtient un très bon score », l'histoire s'arrêterait ici.

Mais une semaine après le lancement de K3, ce qui a vraiment explosé n’était pas les évaluations techniques, mais la réaction qu’il a suscitée aux États-Unis. En une phrase : la Silicon Valley a connu pour la première fois une opposition publique, intense et presque factionnelle sur la question de savoir si les modèles open source étaient une bonne ou une mauvaise chose.

Le premier camp est la Maison Blanche et les durs de la politique.

Les allégations de Kratsios sur X sont formulées de manière assez sévère, affirmant que Moonshot « a développé une plateforme interne complexe pour distiller à grande échelle des modèles américains et pouvoir basculer rapidement entre plusieurs modes d'accès afin d'éviter d'être décelé ». Le ministre des Finances Bessent avait également émis un signal similaire la veille, mentionnant que si des « filigranes » de modèles américains étaient découverts dans des modèles chinois, des sanctions pourraient être envisagées. Les deux chambres du Congrès avancent également des législations ciblant la distillation non autorisée. La logique de ce camp est claire : les capacités de K3 pourraient être sous-tendues par des moyens indus « sans fondement », et doivent être contrées par des outils politiques et juridiques.

Le deuxième camp est constitué des laboratoires propriétaires américains. La position d'OpenAI est la plus intrigante : son président Brockman a reconnu la puissance de K3, mais a dévié le sujet vers l'avantage d'OpenAI en matière d'investissements infrastructurels, affirmant que les modèles à poids ouverts ne sont pas véritablement « gratuits », car leur déploiement à grande échelle nécessite toujours un matériel coûteux. Il estime que la Chine reste en retard d'environ quatre mois par rapport aux États-Unis en termes de capacité globale des modèles.

Mais ce qui représente le mieux cette tendance émotionnelle, c’est le long tweet écrit par Dean Ball, directeur de la stratégie future d’OpenAI, le jour suivant la publication sur K3.

Ball affirme que les modèles open source sont « intrinsèquement décélérationnistes », car ils réduisent la marge bénéficiaire des laboratoires de pointe, diminuent les investissements continus dans les infrastructures IA et ralentissent finalement le développement des modèles les plus puissants.

Il a même prédit que le monde dominé par des modèles à poids ouverts conduirait à un « communisme de l'IA » — un avenir qu'il considère comme « un cauchemar dystopique ». Il a également suggéré que la meilleure stratégie pour le gouvernement Trump serait de « créer de nombreux risques réglementaires » autour des modèles open source chinois, en utilisant le FUD (peur, incertitude, doute) pour pousser les entreprises américaines à s'en éloigner spontanément.

Sans aucun doute, ce calcul ostensiblement derrière ce «isme» a immédiatement suscité une grande controverse.

En raison du troisième camp, les startups américaines et les défenseurs du logiciel libre, qui n'acceptent pas cela du tout.

Une nouvelle organisation appelée « Little Tech Association » est apparue, regroupant Proton, Replit et Y Combinator. Ils ont organisé une lettre signée par près de 200 entreprises adressée à la Maison Blanche, dont le message central est unique : si les modèles open source chinois sont interdits, ce ne sont pas les entreprises chinoises qui en mourront, mais les entrepreneurs américains.

Suhail Doshi, fondateur de la startup Particle, l'exprime plus clairement : « Des centaines d'entreprises vont mourir du jour au lendemain. C'est fantastique pour Anthropic — nous allons tous devoir dépenser de l'argent pour acheter les services d'Anthropic. »

La voix la plus influente dans ce camp provient de Jensen Huang, fondateur de NVIDIA ; en tant que dirigeant du plus grand fournisseur mondial de puces AI, il a formulé, dans un entretien avec Axios, un jugement diamétralement opposé à celui de la Maison Blanche.

Huang Renxun dit que Wall Street a mal interprété DeepSeek pour la première fois, et qu'elle interprète maintenant mal K3. Sa logique est simple : les IA gratuites sont bonnes pour les puces, bonnes pour les centres de données, bonnes pour le matériel. Des modèles open source moins chers permettront à davantage de personnes et d'entreprises d'utiliser l'IA, ce qui augmentera la demande en infrastructure de calcul, et non la réduira.

« Il n’y a aucun scénario où la Chine chasse les entreprises américaines », a déclaré Jensen Huang, « zéro possibilité. »

Il a également réfuté l'affirmation selon laquelle les modèles open source laissent des portes dérobées à la Chine, estimant que les entreprises peuvent personnaliser et contrôler les modèles dans des environnements sécurisés. À ses yeux, l'ouverture rend l'IA plus sûre, pas plus dangereuse — car des chercheurs externes peuvent examiner les modèles, détecter des vulnérabilités et construire des défenses.

Si tout devenait un seul modèle, une seule surface d'attaque, une seule source de défaillance, le monde serait beaucoup plus vulnérable.

En mettant de côté le bruit politique, l'argument de Dean Ball selon lequel « l'open source est un frein » touche à un problème logique industriel réel, méritant une analyse approfondie.

Sa chaîne de raisonnement est la suivante — le développement de modèles de pointe nécessite souvent des investissements de plusieurs milliards de dollars. Si un laboratoire chinois peut fournir une alternative open source presque aussi performante à un coût extrêmement faible, la marge bénéficiaire des laboratoires propriétaires sera réduite. Une baisse des profits signifie moins de fonds disponibles pour de nouveaux investissements, tandis que les marchés financiers réévalueront à la baisse la valeur terminale de ces entreprises, freinant davantage leur accès au financement. Ces deux effets combinés finiront par ralentir le développement des modèles les plus avancés.

L'analyste en intelligence artificielle Nathan Lambert admet dans son article d'analyse que, du point de vue purement économique, le raisonnement de Ball est valide — l'open source exerce effectivement un effet de « ralentissement » sur les laboratoires de pointe sur le plan économique. Toutefois, il souligne que cet effet n'est pas suffisant pour empêcher OpenAI et Anthropic de devenir les entreprises les plus précieuses au monde.

Le marché grossit, et même si les modèles open source ont pris une part du gâteau, les modèles propriétaires conservent un avantage compétitif solide en matière de confiance marque, de fiabilité et d'écosystème de services auprès des clients professionnels.

Mais les voix opposées sont tout aussi percutantes. Plusieurs commentateurs ont souligné un fait ironique — OpenAI, l'entreprise de Ball, ainsi que l'ensemble du domaine de l'IA moderne, sont eux-mêmes fondés sur l'open source. L'architecture Transformer est une publication publique, PyTorch est un logiciel open source, et les fondements de recherche et le partage technologique qui ont rendu les percées d'OpenAI possibles ont tous eu lieu avant qu'OpenAI ne « ferme la porte derrière lui ».

Accuser l'open source d'être « ralentisseur » aujourd'hui, c'est comme construire un immeuble avec des outils open source d'autrui, puis dire aux personnes qui viennent après que la porte de l'immeuble ne doit plus être ouverte.

Certains ont qualifié les déclarations de Ball de « macarthysme numérique », accusant les laboratoires propriétaires de tenter d'utiliser le récit de la sécurité nationale pour consolider leur position sur le marché.

Au fond, ce débat pose une question de choix de chemin. Si les grands modèles constituent une nouvelle capacité industrielle fondamentale, doivent-ils être largement fournis et exportés mondialement, comme l’électricité et Internet, ou strictement contrôlés par quelques institutions, comme la technologie nucléaire ?

Les laboratoires fermés américains voient un jeu à somme nulle — l'ouverture chinoise érode leur espace commercial. Mais d'un autre point de vue, la progression rapide des modèles open source accompli également une chose — réduire continuellement le coût d'utilisation de l'IA, permettant à davantage de développeurs et d'entreprises qui ne pouvaient pas se permettre les modèles de pointe d'accéder à ces capacités.

Ces deux perspectives ne sont pas mutuellement exclusives, mais elles mènent à des conclusions politiques radicalement différentes.

Les marchés financiers ont donné leur première réaction — la semaine de la publication de K3, l'indice des semi-conducteurs de Philadelphie a chuté de 12,5 %, enregistrant sa plus forte baisse en 15 mois. Nvidia, AMD et Broadcom ont tous baissé. Même les actions chinoises liées à l'IA n'ont pas été épargnées : Zhipu a perdu 28 % sur le marché des actions de Hong Kong, et MiniMax a chuté de 16 %.

Huang Renxun a déclaré que le marché s'était à nouveau trompé. Mais cette fois-ci, ce n'est pas la note d'un modèle qui provoque la panique du marché, mais un conflit de trajectoire devenu inévitable.

En prenant du recul, la source de tous les débats en cours à Silicon Valley en ce moment provient précisément de l'objectif choisi par l'industrie américaine de l'IA : l'accélérationnisme extrême.

La chaîne logique de ce parcours est claire — faire de l'AGI un objectif unique et de plus haute priorité, lui associer un modèle commercial fermé optimisé pour maximiser les profits, accumuler une densité de capital extrême pour générer une puissance de calcul extrême, et ainsi réaliser un saut qualitatif qui dépasse le reste du monde. Les montants de financement, les multiples d'évaluation et les investissements en puissance de calcul d'OpenAI et d'Anthropic sont tous des produits de ce parcours. Ce que Dean Ball craint comme « ralentissement open source » revient fondamentalement à dire que si ce moteur de profit est affaibli par des modèles open source, le carburant de l'accélération extrême diminuera.

Mais l'accelérationnisme extrême, tout en créant de la compétitivité, engendrera inévitablement un autre chemin.

Lorsque les laboratoires américains bénéficient d'un profit extrême et d'un capital extrême, les entreprises chinoises d'IA ne se trouvent pas dans le même environnement. Elles n'ont pas la même densité de capital. Mais la vie a ses propres moyens — dans des contraintes, elle trouve naturellement ses propres repères.

Le changement de cap du fondateur de Moonshot, Yang ZhiLin, est le meilleur exemple vivant de ce parcours.

En octobre 2023, il a été très clair lors d'une conversation sur Geek Park : « L'approche fermée est la seule voie vers une Super App » et « Nous n'avons pour l'instant aucun projet d'open source ». À cette époque, Moonshot souhaitait créer une super application grand public via une approche fermée.

Mais après l'impact de DeepSeek en 2025, Yang Zhilin a effectué un ajustement décisif : K2 avec des billions de paramètres a été open-sourcé, et K2.5 a rapidement connu un énorme succès dans la communauté open-source — ses revenus en 20 jours après le lancement ont dépassé ceux de toute l'année 2025, avec une augmentation de plus de 80 fois des commandes d'abonnement individuel. K3 a poursuivi la voie open-source jusqu'à 2,8 billions de paramètres.

Ce n'est pas un changement stratégique arbitraire.

En mars de cette année, Yang Zhilin, seul fondateur indépendant de modèle de grande taille en Chine invité à présenter lors du GTC 2026 de NVIDIA, a présenté une ligne technologique très claire dans sa présentation intitulée « How We Scaled Kimi K2.5 » : au lieu de chercher à rattraper les frontières propriétaires en accumulant des paramètres et des données, il a remplacé les trois « fondations » utilisées depuis près de dix ans à l’ère Transformer. L’optimiseur Adam (2014), le mécanisme d’attention (2017) et les connexions résiduelles (2015) ont tous été remplacés par des solutions proposées par Moonshot AI, et toutes sont open source. Musk a jugé cela « impressionnant », et Karpathy, cofondateur de OpenAI, a souligné que la compréhension du papier fondateur sur les Transformer pourrait encore être insuffisante.

Quatre mois plus tard, K3 a réalisé la majeure partie de la feuille de route présentée lors de cette conférence — efficacité des tokens, contexte long, collaboration en cluster d’agents : les trois axes ont été mis en œuvre simultanément.

Lors d'une AMA Reddit à la fin de l'année 2025, l'équipe de Moonshot a répondu à la question sur l'écart avec ses homologues américains : « Nous n'avons effectivement pas autant de GPU que nos homologues américains, mais nous extrayons la performance maximale de chaque carte. » Lorsqu'on lui a demandé son avis sur la façon dont OpenAI dépense de l'argent, le cofondateur Zhou Xinyu a répondu plus détendu : « Nous ne savons pas non plus, seul Sam le sait. Nous avons notre propre rythme. »

« Son propre rythme » — ces cinq caractères pourraient être la note la plus importante pour comprendre l'ensemble du parcours chinois de l'IA.

Ce n’est pas seulement Moonshot qui le fait. L’équipe DeepSeek a développé un modèle de niveau équivalent avec moins de ressources. Zhipu continue d’itérer la série GLM. En avril de cette année, DeepSeek V4 a été lancé, et GLM-5.2 est entré en ligne début juillet, juste après la conférence WAIC tenue à Shanghai. Ce n’est pas l’histoire d’un « autre modèle chinois » qui arrive, mais un rythme continu, intensif et parallèle de libération de capacités. Chacun exploite des avantages différents — innovations architecturales fondamentales, optimisation de l’efficacité technique, construction d’un écosystème open source — et trace, sans le niveau extrême de densité de capital américain, une autre voie pour approcher les frontières.

Brockman d'OpenAI affirme que la Chine est en retard d'environ 4 mois en termes de capacité globale. Ce chiffre ne reflète pas un retard, mais plutôt le fait que deux voies progressent simultanément vers la pointe, chacune à leur manière.

Ce ne sera pas une histoire de gagnant-tout.

Si les grands modèles sont véritablement une nouvelle capacité fondamentale industrielle, leur destin n'est pas d'être monopolisé par une seule entreprise ou un seul pays, mais d'être utilisés par un plus grand nombre. Les États-Unis suivent une voie pilotée par le capital, principalement fermée, avec l'AGI comme objectif ultime. La Chine a adopté une approche axée sur l'efficacité, ouverte comme outil, fondée sur la logique d'une diffusion plus large des capacités. Les deux voies présentent des avantages et des coûts propres, mais elles élèvent ensemble le niveau global de l'IA.

Le 27 juillet, le poids complet de K3 sera publiquement publié. À ce moment-là, tout développeur du monde entier pourra télécharger, affiner et déployer ce modèle de 2,8 billions de paramètres. Ce sera le moment où la compétition entre les parties atteindra son apogée.

Mais le jugement peut-être plus important que le 27 juillet est celui-ci : la coexistence à long terme de DeepSeek et de Kimi, les deux moteurs d'IA chinois et américain, en tant que moteurs centraux de l'IA mondiale, n'est plus une prédiction discutable, mais une nécessité en cours de réalisation. K3 n'est que la plus récente preuve.