Kimi K3 goes live at 2.8 trillion parameters: Moonshot ships the biggest open-weight frontier bet yet

Moonshot fait passer Kimi K3 en GA avec un chiffre qui tranche : 2,8 trillions de paramètres, la plus grosse architecture open-weight annoncée à ce jour.

In plain terms. Moonshot AI a fait passer Kimi K3 de la phase preview au live, avec un chiffre affiché de 2,8 trillions de paramètres. Sur le papier, c'est la plus grosse architecture open-weight à date. Reste à voir ce que cela vaut hors des benchmarks maison.

Contexte

Le fil s'ouvre au début du mois : Moonshot inonde Weibo et HN de vidéos de benchmarks avant même la mise à disposition (fil kimi-k3-launch, publi #1164), puis passe en GA le 16 juillet 2026 sur kimi.com/en avec des docs code. Techinasia relaie ce 17 juillet le chiffre officiel : 2,8T paramètres, sans plus de précision sur l'activation par token ni sur le sparsity ratio, ce qui est la question qui compte pour un MoE de cette taille.

Les données

• Taille annoncée : 2,8 trillions de paramètres (source : Techinasia, 17 juillet 2026). C'est ~2× GPT‑4 selon les fuites communément citées, et clairement au-dessus des variantes DeepSeek publiques (671B pour V3).
• Disponibilité : GA via kimi.com/en et API documentée.
• Écosystème : reprise d'annonces coordonnée sur HN, Weibo, canaux dev - ce qui confirme la stratégie "flood then ship" décrite dans #1164.

Analyse

Deux choses à séparer. Le chiffre : 2,8T est un signal marketing autant qu'architectural. En MoE, ce qui compte est le nombre de paramètres activés par token, la topologie experte, et le coût d'inférence effectif. Tant que Moonshot ne publie pas ces métriques, "2,8T" reste une pub. La disponibilité : passer en GA quelques jours après la preview est un rythme volontairement agressif - il vise à capter la fenêtre d'attention avant que les benchmarks tiers (LMArena, SWE‑bench, MMLU‑Pro) ne rendent leur verdict.

Under the hood

Ce qu'il faut regarder dans les prochains jours :

1. Paramètres actifs par token - sans ce chiffre, "2,8T total" ne dit rien sur le coût d'inférence.
2. Pricing API vs Claude/GPT sur les tâches longues (contexte, tool-calling).
3. Reproductibilité des benchmarks maison sur SWE‑bench Verified et LiveCodeBench.
4. Latence en tool-use - la taille brute pénalise si l'orchestration n'est pas soignée.

So what

Si le chiffre tient (activation raisonnable, pricing compétitif, benchmarks tiers cohérents), Moonshot signe le premier modèle open-weight qui se compare frontalement à la génération GPT‑5/Claude 4.7 - et le fait depuis la Chine, malgré le pincement compute. Si le chiffre est un habillage marketing sur un MoE peu activé, K3 rejoint la longue liste des "plus gros modèles du monde" oubliés en trois semaines. On saura d'ici fin juillet.