L’essentiel
- Kimi K3, modele ouvert de 2 800 milliards de parametres, obtient 57 sur l’indice d’intelligence d’Artificial Analysis, au niveau d’Opus 4.8 et juste derriere Fable 5 et GPT-5.6 Sol.
- Les poids complets seront publies le 27 juillet ; le modele traite nativement image et video, avec une fenetre d’un million de tokens.
- Les modeles ouverts chinois pesent desormais 41 % des telechargements sur Hugging Face et occupent les six premieres places d’OpenRouter.
Kimi annonce K3 a 57 points sur l’indice d’intelligence d’Artificial Analysis, laboratoire d’evaluation independant, a trois longueurs de Claude Fable 5. Un modele a poids ouverts, telechargeable et executable chez soi, se glisse ainsi dans le peloton des modeles fermes les plus chers du marche. Le detail des mesures nuance toutefois le tableau : l’ecart se creuse ou se resserre selon les conditions de test, et un indicateur moins flatteur accompagne cette montee en puissance.
D’ou sort le 57, et ce qu’il mesure
L’indice d’Artificial Analysis compresse une batterie de tests en une note unique. Sur cette echelle, K3 se classe troisieme : 57, derriere Fable 5 (60) et GPT-5.6 Sol (59), au coude a coude avec GPT-5.5 et juste devant Opus 4.8 (56). Autrement dit, l’ecart avec la tete de course tient dans une poignee de points, pas dans un fosse.
Les mesures orientees agents racontent la meme progression, en plus spectaculaire. Sur GDPval v2, qui note la capacite a mener des taches en autonomie, K3 grimpe a un Elo de 1 668 contre 1 190 pour la generation precedente K2.6. Il passe devant GLM-5.2, GPT-5.5 et Opus 4.8, sans rejoindre Fable 5 (1 760). Sur AutomationBench-AA, une transposition des workflows agentiques de Zapier, il prend meme la premiere place a 53 %.
Une precaution s’impose sur les benchmarks maison. Les comparaisons publiees par Kimi ont ete obtenues a intensite de raisonnement maximale, et selon le test l’agent employe changeait (KimiCode, Claude Code ou Codex). Des conditions non identiques gonflent mecaniquement les ecarts favorables. La note d’Artificial Analysis, elle, vaut surtout parce qu’elle vient d’un tiers qui applique le meme protocole a tous les modeles.
41 % des telechargements : la fin du « moins cher chinois »
Un autre indicateur pese plus lourd qu’un score de test : la part de marche d’usage. Ce printemps, les modeles a poids ouverts venus de Chine ont represente 41 % des telechargements sur Hugging Face, la plateforme ou les developpeurs recuperent les modeles qu’ils vont reellement deployer. Pour la premiere fois, ils y passent devant les modeles americains.
Le signal se confirme la ou l’on paie a l’usage. Sur OpenRouter, qui agrege les appels facturables vers des dizaines de modeles, les six premiers sont tous des poids ouverts chinois : Tencent, Xiaomi, DeepSeek, MiniMax et Z.ai devancent Claude Opus 4.7, releguee au septieme rang. Chez Vercel, ces memes modeles ont traite pres d’un tiers des requetes IA en juin 2026, sur des applications en production.
Ces trois plateformes ne couvrent qu’une fraction du marche : les sessions hebergees en direct par les grands laboratoires n’y figurent pas. Le mouvement concerne d’abord les equipes qui assemblent elles-memes leur pile technique. C’est precisement ce public qui arbitrait hier le chinois pour son prix. Avec un K3 qui frole le haut du classement, l’argument bascule du rabais vers la parite : on ne choisit plus l’ouvert faute de mieux, on le choisit parce qu’il tient.
Un tiers d’hallucinations en plus
Le bond de performance a un revers chiffre. Sur l’indice AA-Omniscience, la justesse de K3 grimpe de 33 % a 46 % de bonnes reponses. Mais son taux d’hallucination, la proportion de reponses fabriquees, passe de 39 % a 51 %. Le modele repond juste plus souvent et invente plus souvent, en meme temps.
Concretement, un modele qui se trompe une fois sur deux quand il extrapole reste inutilisable sans garde-fou sur les taches ou l’exactitude prime : synthese documentaire, extraction factuelle, reponses adressees a un utilisateur final. La force affichee de K3 se situe ailleurs, dans le developpement long : analyser un depot entier, coordonner des outils en terminal, garder le fil d’une tache sur de nombreuses etapes, en confrontant le code au rendu visible a l’ecran. Sur ce terrain, un pipeline de verification rattrape une partie des derapages. Sur une reponse unique livree telle quelle, non.
Poids ouverts le 27 juillet : le calcul change
La date du 27 juillet, prevue pour la publication des poids complets, est le vrai jalon a inscrire dans les agendas techniques. Tant que le modele reste derriere une API, la comparaison se joue au cout par token. Une fois les poids ouverts, l’equation devient celle de l’infrastructure : heberger un modele de 2 800 milliards de parametres coute cher en calcul, mais le cout est maitrise, previsible, et les donnees ne sortent pas de chez soi.
Pour une direction technique, remplacer un modele ferme par un modele ouvert sur une tache donnee n’a plus rien de theorique : les chiffres montrent que c’est deja jouable sur plusieurs. Le choix se resume desormais a un arbitrage entre la garantie de service d’une API premium et l’autonomie d’un modele qu’on execute soi-meme, hallucinations a surveiller comprises. Le premier reflexe utile : rejouer ses propres cas d’usage sur K3 des la sortie des poids, plutot que de se fier au classement general.
Mon avis
La hierarchie des benchmarks vit ses derniers mois comme argument de vente. Quand un modele qu’on telecharge egale un modele facture au token, ce que vend encore un laboratoire ferme n’est plus la puissance brute mais la fiabilite, le support et la garantie de ne pas halluciner une fois sur deux. Je m’attends a ce que la bataille se deplace la des cet automne : moins sur le score maximal, davantage sur le taux d’erreur en conditions reelles. C’est le terrain ou les modeles chinois restent, pour l’instant, en retard sur leur propre marketing.
