Notes de podcast | SemiAnalysis décortique Kimi k3 : la Chine dispose enfin d'un modèle de pointe, la vente de tokens par les laboratoires d'IA pourrait être plus rentable que le SaaS
TechFlow SélectionTechFlow Sélection
Notes de podcast | SemiAnalysis décortique Kimi k3 : la Chine dispose enfin d'un modèle de pointe, la vente de tokens par les laboratoires d'IA pourrait être plus rentable que le SaaS
Google devrait avoir honte, et le gouvernement américain a peut-être lui-même provoqué la réduction de l'écart entre les modèles chinois et américains.
Dédié à des analyses Web3 approfondiesOrganisation & Compilation : TechFlow
Invités : Jordan et Max, analystes chez SemiAnalysis
Animateur : Jordan (conversation interne chez SemiAnalysis)
Source du podcast : SemiAnalysis
Titre original : [Emergency Episode] Moonshot's Kimi K3 has Arrived! China has a Frontier Model
Date de diffusion : 18 juillet 2026
Résumé des points clés
Moonshot (Moonshot) a lancé Kimi K3, surpassant Google et Meta sur plusieurs benchmark综合, devenant le troisième meilleur modèle au monde, juste derrière Fable d'Anthropic et Soul 5.6 d'OpenAI. Deux analystes de SemiAnalysis, Jordan et Max, ont décomposé les implications de cette lancement dans un épisode d'urgence : un modèle de 2,8T de paramètres proposé au même prix que Sonnet (3/15 par million de tokens). Si sa taille est comparable aux modèles fermés de pointe, la marge bénéficiaire de 10/50 d'Anthropic pourrait être de niveau mindboggling.
Un jugement plus tranchant vient de Jordan : l'écart de pointe se réduit, qu'il attribue aux restrictions du gouvernement américain empêchant Anthropic/OpenAI de publier leurs modèles les plus puissants, donnant artificiellement une fenêtre de temps aux poursuivants. L'open source n'a pas vraiment rattrapé son retard. Pendant ce temps, l'open source occidental est complètement vide, aucun modèle open source d'une entreprise américaine ne peut rattraper le cinquième meilleur modèle chinois. La compétition de modèles devient une compétition de harness (utilisation d'outils) et géopolitique.
Résumé des points de vue remarquables
Sur le positionnement de Kimi K3
- "Si vous regardez le classement综合 de tous les principaux benchmark, il y a aujourd'hui un top three très clair : Fable, Soul 5.6 et Kimi K3. Ils sont toujours au-dessus de tous les autres, y compris DeepSeek, ainsi que Google, Meta et xAI."
- "Google devrait particulièrement se sentir très embarrassé. En novembre, décembre 2025, tout le monde pensait encore que les trois géants de l'IA étaient Google, Anthropic et OpenAI. Aujourd'hui, quand on parle à quelques 'vieilles reliques', ils le pensent encore, mais clairement ce n'est plus le cas."
- "C'est peut-être le deuxième meilleur modèle au monde, car chaque fois que j'utilise Fable pour faire quelque chose de sérieux, je suis refusé, renvoyé vers Opus. Bien que je ne sois pas sûr qu'il soit meilleur ou pire qu'Opus, au moins je ne suis pas refusé."
Sur les marges bénéficiaires des modèles de pointe
- "Si Kimi ne propose probablement pas K3 à perte au prix de 3/15, alors Fable qui a à peu près la même taille mais facture 10/50 devrait彻底 dissiper les inquiétudes selon lesquelles les laboratoires d'IA ne sont pas rentables. Vendre des tokens selon les prix API pourrait être plus rentable que le SaaS."
- "Le prix a augmenté de plus de 3 fois de K2.7 à K3, passant de 0,95/4 à 3/15. Mais je ne pense pas qu'ils aient encore beaucoup de marge pour augmenter les prix, car de nombreuses tâches peuvent être accomplies avec GLM ou MiniMax M3."
Sur le gouvernement américain et l'écart
- "Je crois que la raison pour laquelle cet écart s'est réduit est squarely due au gouvernement américain limitant Anthropic, ce qui fait que nous n'avons pas accès aux modèles les plus puissants de ces entreprises. Ils ont rattrapé leur retard artificiellement."
- "Nous ne pouvons accéder à l'intelligence de pointe que lorsqu'elle est autorisée. C'est en fait une opportunité pour les joueurs classés quatrième, cinquième, sixième, septième."
Sur le vide open source occidental
- "Tout le marché est encore si inefficace, nous n'avons même pas une entreprise américaine capable de rattraper au moins le cinquième meilleur modèle chinois, ce qui me choque."
- "Même si le gouvernement n'interdit pas les modèles open source chinois, les grandes entreprises américaines ordinaires ne veulent pas nourrir leurs données propriétaires aux modèles open source chinois. Même si vous chargez les poids dans un centre de données air-gapped, le CCP ne voit pas vos données, les cadres supérieurs ne seront pas convaincus."
Sur le Harness
- "Tester Kimi K3 m'a fait examiner sérieusement pour la première fois Open Code, Hermes et Pi. Le harness fait toujours complètement partie du produit."
- "Quelques choses simples peuvent me faire choisir ce modèle plutôt que cet autre : peut-il être installé sur un serveur SSH distant ? Les raccourcis clavier sont-ils faciles à utiliser ? Ces détails dans le harness affectent en fait où j'envoie mes tokens, c'est-à-dire où j'envoie mon budget."
Sur "Encore trop tôt"
- "Je suis allé à l'ICML la semaine dernière, et à la conférence AI Engineer la semaine d'avant. C'est une conférence nominalement sur l'IA, plus de 80 % des gens n'ont jamais entendu parler de SemiAnalysis. Vous prétendez travailler dans l'industrie de l'IA, mais vous n'avez même pas lu SemiAnalysis ? Nous sommes encore trop tôt."
Kimi K3 est-il le troisième meilleur modèle au monde
Jordan : Commentaire rapide, Kimi K3 est-il maintenant le troisième meilleur modèle au monde ?
Max : La réponse est clairement "oui". Tout le monde aime critiquer les benchmark, les benchmark ont effectivement des problèmes, mais si vous prenez le classement综合 de tous les principaux benchmark, leur indication a toujours été correcte. Aujourd'hui, il y a un top three très clair : Fable, Soul 5.6 et Kimi K3, toujours au-dessus de tous les autres, y compris les joueurs open source comme DeepSeek, et très clairement au-dessus de Google, Meta et xAI. C'est une réalisation extrêmement remarquable pour l'équipe de Moonshot.
Google devrait particulièrement se sentir très embarrassé. En novembre, décembre 2025, tout le monde pensait encore que les trois géants de l'IA étaient Google, Anthropic et OpenAI. Aujourd'hui, quand on parle à quelques "vieilles reliques", ils le pensent encore, mais clairement ce n'est plus le cas.
Dans l'ensemble, je pense toujours qu'il est inférieur à Fable et Soul 5.6. C'est un peu drôle qu'ils l'aient également dit explicitement dans leur blog de lancement de modèle. Peut-être une vieille modestie à la chinoise, peut-être pour ne pas attirer l'examen du gouvernement américain, après tout, le lancement de Fable 5.6 avait également connu quelques retards. Mais quoi qu'il en soit, très impressionnant.
Jordan : Ils ont écrit dans la section limitations du blog : "Bien que K3 soit globalement un modèle hautement compétitif, il existe toujours un écart évident en termes d'expérience utilisateur par rapport à Fable 5 et GPT 5.6." Mon expérience personnelle d'utilisation est qu'il est effectivement bon, mais vraiment lent, ce qui est très ennuyeux. Cela m'a donné pour la première fois la motivation d'essayer le harness open source. Pour être honnête, j'ai l'impression d'avoir appris plus de choses sur le harness que sur le modèle, car tous ces modèles sont assez bons pour accomplir le travail de base que je fais actuellement, j'ai du mal à trouver des tâches complexes qu'il ne peut pas faire.
Pour moi, c'est peut-être le deuxième meilleur modèle au monde, car chaque fois que j'utilise Fable pour faire quelque chose de sérieux, je suis refusé, renvoyé vers Opus. Bien que je ne sois pas sûr qu'il soit meilleur ou pire qu'Opus, le fait de ne pas être refusé est en soi moins ennuyeux. Cependant, lors du paiement à l'utilisation avec une clé API, je ne suis pas refusé, seulement lors de l'utilisation de la web console ou de deep research que je heurte les limites. Ils n'ont clairement pas assez de GPU pour servir la demande générée par ce modèle. Auparavant, ce problème était résolu par une stratégie open source, lançant les poids pour que d'autres servent. Mais cette fois, les poids n'ont pas encore été lancés, ils disent qu'ils seront disponibles dans 10 jours.
Pourquoi retarder l'open source des poids de 10 jours
Jordan : Quelle est selon vous la stratégie de ce retard ?
Max : Pour être clair, ce ne sont que mes pures spéculations. Une grande raison pourrait être qu'ils doivent donner suffisamment de temps aux équipes de moteurs d'inférence comme vLLM et SGLang pour s'assurer de pouvoir servir ce modèle avec haute performance. Si ils lançaient les poids aujourd'hui, tout le monde servirait mais ne vous donnerait que 20 tokens/seconde, ce serait terrible pour leur capture de marque. Ils ont maintenant une excellente opportunité d'obtenir beaucoup de PR et d'adoption, si le lancement est entravé par la performance dès le début, cela affaiblirait au contraire leur élan.
Une autre possibilité est qu'ils sont en négociation de partenariats de licence avec des fournisseurs de services d'inférence comme Together AI, Fireworks, Nebius, Groq, pour qu'ils servent la capacité incrémentale avec les dernières puces comme GB300. Ces deux lignes sont probablement les principales raisons du retard de 10 jours.
Les profits exorbitants des modèles de pointe
Jordan : Parlons de l'architecture du modèle. Il a 2,8T de paramètres, ne tient pas dans un B200, vous avez besoin de B300, GB300 ou AMD MI355X pour le servir sur un seul serveur HGX 8 cartes. Bien sûr, vous pouvez faire du pipeline parallelism inter-nœuds, mais cela affectera sérieusement la performance. Donc seuls ceux qui possèdent les dernières puces peuvent servir ce modèle.
Revenant à ce que vous avez dit sur Google, ce modèle atteint une compétitivité de pointe avec 2,8T de paramètres, ce qui nous donne en fait quelques indices sur la taille des modèles de pointe fermés. S'ils comparaient avec un modèle de 10T de paramètres, ce serait encore plus humiliant. Nous devons supposer qu'il est dans la même ordre de grandeur que Soul et Fable.
Max : Oui, vous avez raison. Je crois toujours aux capacités et à l'acuité de l'équipe de recherche d'Anthropic. Si quelqu'un sur Twitter dit que les modèles fermés actuels ont 10T de paramètres ou quelque chose comme ça, si c'est vrai, mec, il faut faire ses valises, le cours de l'action Nvidia devrait chuter de 50 % demain, tout serait fini.
Je suis assez convaincu que Kimi K3 n'est pas beaucoup plus petit que les modèles fermés leaders actuels, voire peut-être légèrement plus grand. Si c'est vrai, cela confirme davantage un point que nous avons toujours souligné chez SemiAnalysis : les marges bénéficiaires de ces laboratoires fermés sont absolument de niveau mindboggling. Si Kimi ne sert probablement pas K3 à perte au prix de 3/15, ce qui est le même prix que Sonnet ; et que Fable a à peu près la même taille, mais facture 10/50, alors cela devrait彻底 dissiper les inquiétudes selon lesquelles les laboratoires d'IA ne sont pas rentables. Vendre des tokens selon les prix API pourrait être plus rentable que le SaaS, rien qu'aujourd'hui.
Jordan : Pas de coûts de personnel, seulement des GPU. Et par rapport aux prix précédents ? Vous dites 3/15, mais la version précédente de Moonshot était directement priced à 0,95/4, donc de K2.7 à K3 le prix a augmenté de plus de 3 fois. Combien de marge ont-ils encore pour augmenter les prix ?
Max : Je ne pense pas qu'ils aient beaucoup de marge pour pousser vers le haut. Même au prix de 3/15, beaucoup de gens trouveront cela trop cher. Leurs tâches peuvent être accomplies avec GLM ou MiniMax M3. Il y a une bifurcation intéressante ici : ceux comme nous chez SemiAnalysis qui ne se soucient pas de brûler les tokens de Dylan continueront à utiliser Fable pour presque tout ; et ceux extrêmement sensibles aux coûts, comme Tesla, Uber qui n'utilisent que 200 $ de tokens par semaine, iront vers la couche de prix GLM. Alors qui sont les utilisateurs qui passeront vraiment à Kimi K3 ? Probablement un groupe de personnes qui aiment philosophiquement l'open source et veulent soutenir les nouveaux modèles. Les grandes entreprises adopteront-elles vraiment ce modèle, je ne serais pas surpris que la réponse soit non.
Nouvelle architecture et prochaines étapes
Jordan : C'est une toute nouvelle architecture. 2,8T de paramètres, avec delta attention de Kimi, potential residuals, stable latent, essentiellement une version agrandie du modèle précédent, environ deux fois plus grand. Auparavant avec K2.5 nous avons vu Cursor l'utiliser pour composer, basé sur continued pre-training et MRL, puis sont sortis les checkpoints 2.5, 2.6, 2.6.7, etc. C'est un nouveau base model, mais il est déjà assez complet à l'utilisation, sans les bords rugueux communs aux modèles bruts. Et ensuite ? Quand sortira le 3.1 ? Le prix changera-t-il ? Y aura-t-il un composer basé sur K3 ?
Max : Il n'y aura probablement pas de composer basé sur K3, les gens de Cursor ont déjà décidé d'entraîner leur propre modèle à partir de zéro. Quant à K3.1, K3.2, etc.,估计 deux ou trois mises à jour sortiront dans le prochain mois ou deux, c'est-à-dire continuer le post-training. Je guess que le prix restera inchangé, car ils ne pourront pas courir sur du nouveau matériel dans les deux ou trois prochains mois, pas d'amélioration de throughput pour baisser les prix. Peut-être qu'un ingénieur kernel particulièrement génial pourrait压 les coûts au niveau de DeepSeek V4, mais je suis assez sceptique qu'un modèle de 3T de paramètres puisse le faire. Les prix actuels de GLM et MiniMax sont probablement déjà la limite que les modèles de 1T à 1,5T peuvent servir.
L'open source rattrapera-t-il le closed source
Max : La question plus intéressante est de savoir si l'écart entre open source et closed source continuera de se réduire, si l'open source peut vraiment atteindre la parity de niveau de pointe. Si cela se produit, l'impact sur toute notre industrie serait énorme. Qu'en pensez-vous ?
Jordan : Mon point de vue est que l'écart s'est maintenant réduit, la raison est squarely due au gouvernement américain limitant Anthropic, ce qui fait que nous n'avons pas accès aux modèles les plus puissants de ces entreprises. Ils ont été rattrapés artificiellement.
Nous pouvons voir la comparaison entre Mythos et Fable. Je ne peux pas utiliser Mythos, je dois bien supplier pour utiliser Fable occasionnellement. 5.6 Soul, selon notre jugement interne, ce n'est pas le plus grand modèle entraîné par OpenAI, pas aussi grand que 4.5. Ils en ont un plus grand en main. Le résultat est que nous ne pouvons accéder à l'intelligence de pointe que lorsque le gouvernement nous le permet.
C'est en fait une opportunité pour les joueurs classés quatrième, cinquième, sixième, septième, de tout libérer dans une certaine limite supérieure, de commencer à voler des parts d'utilisateurs, mais de ne jamais toucher au véritable frontier. Je pense que le frontier pourrait faire un grand pas en avant à la fin de cet été, ou que le vent politique pourrait changer un peu. Il est également possible que nous commencions à trouver des modalités au-delà du codage, leur permettant d'explorer vraiment ces domaines.
En passant, mentionnons le lancement d'Inkling de Thinking Machines, l'entrée audio native je trouve très intéressante, c'est un signal du futur.
Max : À propos d'Inkling, l'Occident manque vraiment, vraiment, vraiment d'un modèle open source qui ne soit pas nul. Le marché est encore si inefficace, nous n'avons même pas une entreprise américaine capable de rattraper au moins le cinquième meilleur modèle chinois, ce qui me choque. D'une part, le gouvernement américain interdisant complètement les modèles open source chinois est probablement qu'une question de temps. D'autre part, même sans interdiction, les grandes entreprises américaines ordinaires ne veulent pas nourrir leurs données propriétaires aux modèles open source chinois. Même si vous chargez les poids dans un centre de données air-gapped, le CCP ne voit pas vos données, les cadres supérieurs ne seront pas convaincus. Beaucoup d'entreprises se soucient du budget de tokens, et ne veulent exécuter que des modèles occidentaux ou non chinois. Inkling est le meilleur OSS occidental que nous puissions obtenir maintenant, mais loin du frontier open source, ce qui me choque.
Jordan : Auparavant c'était Neotron, maintenant c'est Inkling. Je pense qu'Inkling a deux opportunités dans sa stratégie : premièrement, ils doivent être meilleurs que la plupart des open source chinois, c'est la condition pour entrer dans le jeu. Deuxièmement, ils doivent encore être meilleurs que les modèles de niveau deux, trois des laboratoires de pointe, meilleurs que Sonnet, car vous pouvez obtenir une intelligence proche du frontier avec Bedrock ou Foundry, économiser de l'argent avec des modèles fermés de niveau deux. Je n'ai jamais vraiment compris cet angle "aider les gens à économiser de l'argent" de l'open source occidental. Pousser les modèles dans les écosystèmes Fireworks, Together, Base10 est effectivement une bonne chose, mais la grande part du marché est au niveau gouvernemental.
Né pour les accélérateurs nationaux chinois
Jordan : Un autre point值得 mentionner, le blog de K3 mentionne que la quantification a été faite pendant la phase SFT, utilisant nativement MXFP4 et MXFP8 pour les poids et les activations, la déclaration officielle est "broad hardware compatibility". Pensez-vous que Moonshot se soucie d'un autre matériel ?
Max : J'ai une liste de 11 accélérateurs chinois, vous devriez vous abonner au modèle d'accélérateur SemiAnalysis pour en savoir plus. Huawei Ascend, Baidu Kunlun, Cambricon, Moore Threads, toutes sortes de puces apparaissent dans les articles, et sont également vues dans le code. Exécuter des modèles de pointe sur des accélérateurs nationaux, c'est déjà une priorité nationale pour la Chine. Si fin 2025 nous disions encore que Google est un laboratoire de pointe, alors maintenant nous devons aussi appeler Moonshot un laboratoire de pointe.
Jordan : Pour dire un mot hors sujet, mon père est en voyage d'affaires en Chine, il dit que l'hôtel où il loge est complet, car Xi Jinping va bientôt se rendre dans cette région pour prononcer un discours sur le fait que l'IA est la priorité numéro un de la Chine. Beaucoup de ce que vous dites est correct.
Le Harness est le produit lui-même
Jordan : La plus grande réalisation que j'ai eue en utilisant ces modèles est, premièrement, qu'il devient de plus en plus difficile de distinguer l'utilisation d'un modèle absolute frontier avec max thinking mode, et l'utilisation de medium effort. Dans les tâches quotidiennes, je ne trouve vraiment rien que ces modèles ne puissent pas gérer. Mon comportement par défaut est d'activer le mode le plus grand, le plus difficile, car je ne me soucie pas du budget de Dylan.
Mais il y a un niveau où le harness lui-même fait partie du produit. Tester Kimi K3 m'a fait examiner sérieusement pour la première fois Open Code, Hermes et Pi. Le harness fait toujours complètement partie du produit. Quelques détails simples peuvent me faire choisir ce modèle plutôt que cet autre : peut-il être installé sur un serveur SSH distant ? Les raccourcis clavier sont-ils faciles à utiliser ? Peut-on éditer les commandes précédentes ? Ces petits détails dans le harness affectent en fait où j'envoie mes tokens, c'est-à-dire où j'envoie mon budget.
Max : Beaucoup de gens parlent de budget de tokens, mais d'après la description de votre workflow, même pour les tâches que GLM peut gérer, je suis prêt à router vers Fable avec max intelligence, car le ROI vaut toujours ce prix. Les benchmark disent que de nombreuses tâches peuvent être migrées vers GLM, mais vous êtes toujours prêt à rester sur les modèles d'Anthropic ou d'OpenAI.
Jordan : C'est essentiellement ça. Mais j'utilise beaucoup de Slack bot, je ne sais pas quel modèle tourne derrière. Par exemple, l'intégration Slack de Perplexity, si elle commence à router vers K3, router vers GLM, router vers Sonnet, je m'en fiche vraiment. Auparavant, en regardant l'utilisation, j'ai découvert quelle part les modèles OpenAI occupaient, car c'est sa propre décision. La justification de cette partie est que le harness décide.
Max : C'est en fait un point d'entrée pour la tarification based on outcome. Si un laboratoire fait de la tarification based on outcome, il pourrait obtenir plus de 95 % de marge brute, car les tâches pour lesquelles vous êtes prêt à payer un prix stable, aujourd'hui peuvent en fait être faites pour une fraction.
Jordan : Deuxièmement, je ne pense pas que ces laboratoires aient épuisé leurs idées. Ils peuvent continuer à entraîner des modèles étonnants, pour frapper le RSI côté codage, mais ne pas nous le libérer, maintenant leur "classe inférieure permanente". Ils peuvent continuer à distiller, nous en donner un peu, tout en continuant à explorer d'autres usages, comme la génération vidéo, l'audio vers audio, deep research, qui ne ressemblent pas trop au codage. La robotique et les modèles du monde sont une direction simple, et si Anthropic changeait son objectif du travail de connaissance au travail physique ? Je ne crois pas qu'ils ne puissent pas construire une entreprise durable avec un bon ROI en utilisant la plus grande technologie du monde.
Nous sommes encore trop tôt
Max : Même sans parler de cela, j'utilise ces modèles énormément chaque jour, mes amis qui sont ingénieurs logiciels les utilisent dix fois moins que moi et dépensent dix fois moins. Une personne qui utilise Fable et une personne qui utilise Sonnet les utilisent autant, mais celle qui utilise Fable dépense dix fois plus d'argent, 90 % de marge, soutenant bulk of the business. Une fois que ces gens commenceront à utiliser des modèles plus grands, à les utiliser plus, la demande ne fera qu'augmenter, les modèles n'ont même pas besoin de devenir meilleurs. Ensuite, je dois encore parler avec les voisins qui ne font pas de technologie, parmi eux je suis certainement dans les 0,1 % voire 0,01 %, il y a peut-être encore 1000 fois d'espace de croissance. Revenant à la "courbe en J de l'oie d'or" de Masa-san (Masayoshi Son).
Jordan : Ce qu'elle a dit "encore trop tôt" est complètement correct, c'est aussi pourquoi je pense que Kimi K3 ne ralentira pas l'ARR net新增 d'Anthropic et d'OpenAI. Même si aujourd'hui une partie des personnes utilisant Fable et 5.6 passent de manière不可劝 à Kimi K3, cette partie de personnes sera complètement submergée par celles qui n'ont pas encore sérieusement essayé cette technologie. Ces gens découvrent chaque jour de nouveaux cas d'usage à haut ROI, ils utiliseront toujours par défaut 5.6 Soul ou Fable 5 pour débloquer ces nouveaux scénarios. Vous ne verrez pas de ralentissement de la croissance de l'ARR.
Max : Pensez à combien de personnes n'ont pas订阅 ce podcast, n'ont pas suivi SemiAnalysis. Je suis allé à l'ICML la semaine dernière, et à la conférence AI Engineer la semaine d'avant, c'est une conférence nominalement sur l'IA, plus de 80 % des gens n'ont jamais entendu parler de SemiAnalysis. Vous prétendez travailler dans l'industrie de l'IA, mais vous n'avez même pas lu SemiAnalysis ? Nous sommes encore trop tôt.
Jordan : C'est en quelque sorte un ego check pour vous-même, Max, calmez-vous.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
深潮TechFlow
