Data / IA
Kimi K3 et Inkling : l’open weight rebat les cartes de l’IA
Par Laurent Delattre, publié le 21 juillet 2026
Deux continents, deux stratégies opposées. Thinking Machines Lab, la startup de Mira Murati, sort enfin de dix-huit mois de furtivité en mode développement top secret avec le plus grand modèle à poids ouverts jamais publié aux États-Unis. Dans la foulée, le Pékinois Moonshot AI contre-attaque et dégaine Kimi K3 et ses 2 800 milliards de paramètres, nouveau record de l’open weight. Au-delà des benchmarks, ces deux lancements racontent la même bascule : la guerre de l’IA ne se joue plus seulement au sommet des classements, mais sur le contrôle des fondations.
La coïncidence ne doit rien au hasard des calendriers. En publiant Inkling le 15 juillet puis Kimi K3 le 16, à la veille de la World AI Conference de Shanghai, Thinking Machines Lab et Moonshot AI ont concentré en deux jours tout ce que le marché de l’IA compte de tensions : rivalité sino-américaine, affrontement entre modèles fermés et poids ouverts, consolidation darwinienne des laboratoires et montée en puissance des charges agentiques qui rebattent l’économie de l’inférence.
La vraie bonne nouvelle, c’est que les DSI, eux, voient s’élargir un espace stratégique encore marginal il y a dix-huit mois : celui de modèles « quasi-frontière » qu’ils peuvent télécharger, héberger et adapter à leur guise… Même si disposer de l’infrastructure pour les mettre en œuvre à l’échelle n’est pas à la portée de tous, financièrement et techniquement parlant.
Kimi K3, le « moment DeepSeek » de l’ère agentique
Sur le papier, Moonshot AI signe probablement la démonstration de force de l’été. Son modèle Kimi K3 aligne 2 800 milliards de paramètres, un record absolu pour un modèle à poids ouverts, environ 75 % de plus que le DeepSeek V4 Pro. À cela s’ajoutent une fenêtre de contexte d’un million de tokens, une compréhension visuelle native et un mode de raisonnement permanent.
L’édifice repose sur deux innovations techniques maison, publiées en amont en open research : Kimi Delta Attention, un mécanisme d’attention linéaire hybride, et les Attention Residuals, présentés comme un remplacement des connexions résiduelles classiques offrant des gains d’échelle constants. Le message subliminal adressé à Washington tient en une phrase : privée des GPU de dernière génération par les contrôles à l’exportation, la Chine compense le silicium par l’architecture. « K3 relève le plafond de capacités des modèles chinois et déplace la charge de la preuve vers les autres laboratoires indépendants », résume Alex Liu, analyste de Bank of America.
Les résultats suivent. Moonshot reconnaît que son modèle reste encore derrière Claude Fable 5 d’Anthropic et GPT-5.6 Sol d’OpenAI en performance globale, mais revendique – évaluations à l’appui – devancer Claude Opus 4.8 et GPT-5.5 en programmation, en agents généralistes, en compréhension visuelle et sur les tâches longues.
Mieux encore… En moins de vingt-quatre heures, K3 s’est hissé en tête du classement de code front-end de la plateforme Arena, devant tous les modèles américains, et a décroché la troisième place de l’Intelligence Index d’Artificial Analysis avec un score de 57, à portée de tir des deux champions propriétaires.
Signe des temps, Morgan Stanley y voit « un rattrapage tous azimuts des LLM chinois sur les leaders américains, en taille, en performance et en prix ».
À en juger la réaction de la presse américaine et de Wall Street, on est face à un nouveau « moment DeepSeek », une prise de conscience de la Tech américaine que malgré les bâtons dans les roues placés par Trump, la Chine continue de rattraper les US et de talonner les meilleurs modèles IA américains.
D’autant que le positionnement tarifaire mérite qu’on s’y arrête. Facturé environ 15 dollars le million de tokens en sortie, Kimi K3 rompt avec la stratégie du discount systématique qui signait jusqu’ici les sorties chinoises : GLM-5.2 se négocie 4,40 dollars, DeepSeek V4 moins d’un dollar. Moonshot se cale délibérément sur le milieu de gamme d’Anthropic – dont le vaisseau amiral Fable 5 culmine à 50 dollars (GPT 5.6 étant lui à 25$) – et assume une montée en gamme inédite pour un acteur chinois. La manœuvre en dit long : l’objectif n’est plus de casser les prix, mais de faire payer la performance frontière, poids ouverts en prime. On notera quand même, au passage, que cette ouverture n’est encore qu’une promesse. Si le modèle est bien disponible sur la plateforme de Moonshot, la publication du modèle complet en open-weight est annoncée pour le 27 juillet.
Les marchés, eux, n’attendent pas cette date pour vérifier et ont immédiatement arbitré. À Hong Kong, Z.ai (la maison mère des modèles GLM) cotée depuis janvier a plongé de plus de 28 %, sa pire séance depuis son introduction, tandis que MiniMax abandonnait près de 16 % et Alibaba, pourtant actionnaire de Moonshot, 4 %. Côté américain, le Nasdaq cédait environ 1 % vendredi et les réactions politiques se multipliaient rarement avec discernement.
Reste que cette sortie marque deux temps forts. Premièrement, la consolidation intra-chinoise du marché IA est enclenchée, et chaque saut de génération semble désormais devoir annoncer l’élimination d’un prétendant. Deuxièmement, les modèles poids ouverts n’ont plus peur du gigantisme et ne veulent plus stagner au rayon « SLM » : ils sont désormais « quasi frontière ». Voilà qui pourrait bien rapidement éroder la valeur des modèles fermés et, par ricochet, l’économie du calcul qui les finance.
Attention toutefois à ne pas s’emballer. Il faut encore évaluer le potentiel réel et la sécurité de ce modèle dans le contexte des entreprises, particulièrement des entreprises européennes. En outre, l’infrastructure pour inférer (et on ne parle même pas pour fine-tuner ou réentraîner) un modèle de 2.800 milliards de paramètres n’est pas ce qu’on peut appeler « accessible à toutes les entreprises ». Aussi, certains voient déjà dans les prises de position à l’annonce de K3 une surréaction étrangement similaire à la panique DeepSeek. Ils n’ont probablement pas tort.
Pour revenir aux spécifications techniques, Kimi K3 est un Mixture-of-Experts de 2 800 milliards de paramètres qui n’en active que 16 sur 896 par token, soit environ 50 milliards de paramètres actifs par passe. Cette sparsité rend le calcul par token moins coûteux mais elle ne réduit en rien la mémoire nécessaire (tous les experts doivent résider en mémoire en permanence). Le plancher est déjà mémoriel. K3 étant livré en poids MXFP4 avec activations MXFP8, la quantification étant appliquée dès l’étape SFT (quantization-aware training). À cette précision, le poids brut représente environ 1,4 To de mémoire GPU agrégée pour le seul chargement des poids. Le HuggingFace hub cite comme minimum pratique un cluster de 8 nœuds à 8 GPU de 80 Go chacun (5,12 To au total, laissant de la marge pour le cache KV et les activations). Surtout, Moonshot recommande de servir K3 sur des supernodes d’au moins 64 accélérateurs, l’équivalent en pratique d’une baie complète de classe GB200 NVL72 ou équivalent.
Sur le papier, l’intérêt premier d’un modèle ouvert est de pouvoir aisément être « fine-tuné » avec le savoir informationnel de l’entreprise. Sauf que l’entraînement réclame 3 à 10 fois plus de VRAM que l’inférence. Le fine-tuning complet (full FT) de 2,8 To est hors de portée de la grande majorité des entreprises. Le réapprentissage from scratch équivaut à un pré-entraînement : les créateurs de DeepSeek l’ont fait pour un coût énorme, plus de 2,7 millions d’heures-GPU, pour un modèle quatre fois plus petit. Dit autrement, aucun DSI ne va donc totalement « fine-tuner » ou « réentraîner » K3. Bref, à moins de disposer de l’infrastructure d’un hyperscaler, les entreprises devront se limiter aux techniques LoRA/QLoRA avec les limitations qui y sont liées. Et même ainsi, l’opération exige une puissance de calcul et un savoir-faire hors de portée de la plupart des entreprises : l’ouverture du modèle ne supprime pas la facture, elle la déplace. Un point que Thinking Machines Lab a d’ailleurs bien compris avec sa plateforme Tinker. Et justement…
Inkling, l’anti-course à la frontière de Mira Murati
Vingt-quatre heures plus tôt, Thinking Machines Lab jouait une partition radicalement différente. Fondée en février 2025 par Mira Murati, ex-CTO d’OpenAI, financée par un tour d’amorçage record de 2 milliards de dollars (Andreessen Horowitz, Nvidia, AMD, Cisco) et désormais valorisée autour de 50 milliards, la startup n’avait publié jusqu’ici qu’un seul produit, Tinker, sa plateforme de fine-tuning lancée en octobre 2025 (permettant notamment de fine-tuner les modèles GPT-OSS d’OpenAI,DeepSeek V3.1, Kimi K2.6, Nemotron 3 de NVidia et Qwen3.5 d’Alibaba).
Inkling est son tout premier modèle maison. Diffusé en open-weight, il arrive sous licence Apache 2.0, avec des poids téléchargeables sur Hugging Face. Le modèle s’appuie sur une architecture mixture-of-experts de 975 milliards de paramètres totaux dont 41 milliards actifs par requête et a été entraîné sur 45 000 milliards de tokens mêlant texte, image, audio et vidéo, avec un raisonnement nativement multimodal (les sorties restant, pour l’heure, textuelles). Il dispose d’une fenêtre de contexte d’un million de tokens.
La singularité du lancement tient à sa candeur. Là où l’industrie superlativise, Thinking Machines écrit noir sur blanc qu’Inkling « n’est pas le modèle le plus puissant disponible aujourd’hui, fermé ou ouvert ». Les benchmarks confirment : un honorable 77,6 % sur SWE-bench Verified — devant le Nemotron 3 de Nvidia, autre modèle ouvert américain — et 97,1 % sur AIME 2026, mais un retard sur GLM-5.2, Kimi K2.6 ou DeepSeek V4 Pro dans la plupart des évaluations de code et de raisonnement.
Pour la startup de Mira Murati, le pari se situe ailleurs : faire d’Inkling non pas un produit fini mais une base de personnalisation, dotée d’un curseur d’effort de raisonnement, entraînée à signaler son incertitude plutôt qu’à improviser, et câblée dans Tinker, où se joue la monétisation. Le modèle sait même rédiger ses propres scripts de fine-tuning. La jeune pousse en a fait la démonstration, volontairement absurde, avec un Inkling s’auto-entraînant à ne jamais employer la lettre « e ». Une démo qui illustre néanmoins bien l’ambition : rendre la spécialisation accessible sans expertise pointue en machine learning.
Mais le plus ironique dans l’histoire, c’est que cette « riposte américaine » aux modèles ouverts chinois s’appuie… sur des modèles ouverts chinois. Son architecture s’inscrit dans la lignée de DeepSeek-V3, comme l’ont relevé plusieurs observateurs, et Thinking Machines a distillé Kimi K2.5 pour générer une partie de ses données de post-entraînement.
Ce n’est pas un détail. Le centre de gravité de l’IA ouverte a bel et bien basculé vers Pékin. Tant pis pour Mistral AI, qui a pourtant été copieusement copié au départ par les labos Chinois. Bien plus que GPT-OSS d’OpenAI, Inkling constitue la première tentative sérieuse de ramener ce centre de gravité outre-Atlantique qui a d’autant plus fui les US que Meta a abandonné LLama 4 pour se convertir à une approche propriétaire.
Pour les organisations occidentales dont les règles d’achat ou de conformité écartent les modèles d’origine chinoise, Mistral AI reste une piste viable. Mais on ne peut s’empêcher de penser que la jeune pousse française va devoir considérablement gonfler les ambitions de son modèle « Mistral Large » pour rester compétitive face à Inkling et K3.
Trois fronts, une même guerre
Mises côte à côte, les deux annonces viennent grossir les traits du paysage actuel des guerres de l’IA.
Premier front, le plus visible : la rivalité sino-américaine. Le lancement de K3, calé sur l’ouverture de la World AI Conference de Shanghai où Xi Jinping effectuait sa première apparition, a offert au président chinois une tribune idéale pour vanter une IA qui « ne doit pas être le récital d’un seul pays ». Et d’ériger l’open source en instrument diplomatique face à la stratégie fermée des champions américains.
À Washington, David Sacks, coprésident du conseil des conseillers scientifiques de la Maison-Blanche, a jugé la percée préoccupante et fustigé une Amérique qui s’entrave elle-même à coups de moratoires sur les datacenters et de projets de pré-approbation fédérale des modèles : « Voilà comment on perd la course à l’IA ».
Le paradoxe américain saute aux yeux : pendant que Mythos 5, le modèle le plus puissant d’Anthropic, reste cantonné à une poignée d’organisations américaines sur décision du département du Commerce, et que GPT-5.6 Sol n’a été ouvert au grand public qu’après des semaines de distribution restreinte, Pékin pousse ses poids vers la planète entière. Chaque restriction américaine élargit mécaniquement le marché adressable des modèles chinois.
Deuxième front : l’affrontement entre fermé et ouvert, qui change de nature. L’écart de performance se mesure désormais en mois. L’AI Security Institute britannique l’évalue entre quatre et sept mois sur les tâches cyber, quand l’écart de prix se compte en multiples. Or l’ère agentique transforme l’équation : des agents qui consomment des millions de tokens par tâche font du coût unitaire et de la maîtrise d’exécution des variables aussi stratégiques que le dernier point de benchmark. La bascule des entreprises vers la « propriété » de leurs modèles, théorisée par Thinking Machines, cesse d’être une curiosité de laboratoire pour devenir une véritable catégorie d’achat.
Troisième front, plus discret : la sélection darwinienne au sein de chaque camp. En Chine, la sanction boursière infligée à Z.ai ou MiniMax annonce une concentration accélérée autour des trois ou quatre laboratoires capables de suivre le rythme. Aux États-Unis, la ligne de fracture passe désormais entre les tenants de la frontière fermée (Anthropic, OpenAI, Google) et un archipel ouvert en reconstitution, de Thinking Machines à Nvidia en passant par la famille gpt-oss d’OpenAI, chacun cherchant le modèle économique qui rendra l’ouverture soutenable. Car au final, Moonshot vend l’accès à la frontière et Thinking Machines vend l’atelier de personnalisation. Deux réponses à la même question : comment monétiser ce que l’on donne ?
Pour les DSI, l’équation de l’appropriation
Reste la question qui intéresse directement les directions informatiques : que faire de cette abondance ? La tentation du tout-API frontière demeure défendable pour les usages généralistes, où Fable 5 et GPT-5.6 Sol conservent l’avantage. Mais la fenêtre d’arbitrage s’élargit d’autant que l’IA agentique dévore les Tokens à une vitesse que plus aucune entreprise ne peut anticiper et gérer.
Un K3 auto-hébergé à partir du 27 juillet offrira une performance quasi frontière à qui accepte la provenance chinoise — un « qui » de moins en moins théorique hors des secteurs régulés, mais que les responsables conformité continueront d’examiner à la loupe. Inkling propose le chemin inverse : une base américaine sous licence permissive, pensée pour être spécialisée sur les données, politiques et processus de l’organisation, précisément là où l’adaptation au domaine pèse plus lourd que la performance générique — copilotes métiers, service client multimodal, compréhension documentaire, automatisation de workflows agentiques.
L’appropriation a toutefois son prix, que les fournisseurs de poids ouverts évoquent rarement en première page. Le checkpoint BF16 d’Inkling réclame 2 To de VRAM agrégée, sa version quantifiée NVFP4 encore 600 Go : l’hébergement souverain d’un modèle de cette taille reste l’affaire d’infrastructures conséquentes ou de partenaires d’inférence — Together AI, Fireworks, Modal, Databricks et Baseten servent Inkling dès le lancement. Le fine-tuning sur Tinker, facturé à partir de 5,61 dollars le million de tokens d’entraînement, déplace la dépense du token consommé vers le capital modèle constitué. Autrement dit, l’open weight ne supprime pas la facture : il la transforme en investissement, avec ce que cela suppose de compétences MLOps, d’évaluation continue et de gouvernance des dérives.
Un dernier constat s’impose, inconfortable pour l’Europe : Entre une Chine qui ouvre ses poids pour conquérir et une Amérique qui les ouvre pour ne pas perdre, le Vieux Continent, Mistral en tête, regarde le centre de gravité osciller entre Pékin et San Francisco sans jamais passer par l’Europe. Mistral doit réagir, et l’Europe doit l’y aider. Par tous les moyens possibles. La souveraineté par les modèles ouverts demeure une stratégie parfaitement rationnelle et faisable pour les DSI européens, mais il ne faudrait pas qu’elle se construise sur les poids des autres.
En chiffres
Kimi K3 : 2 800 milliards de paramètres, record absolu pour un modèle à poids ouverts, contexte d’un million de tokens. Publication des poids complets le 27 juillet.
Tarification K3 : environ 15 dollars le million de tokens en sortie, contre 50 dollars pour Claude Fable 5 et moins d’un dollar pour DeepSeek V4.
Inkling : 975 milliards de paramètres dont 41 milliards actifs, 45 000 milliards de tokens d’entraînement, licence Apache 2.0, poids sur Hugging Face.
Auto-hébergement d’Inkling : 2 To de VRAM agrégée en BF16, 600 Go en version quantifiée NVFP4.
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
