Databricks ajoute Kimi K3 à sa plateforme : le plus grand modèle open-weight au monde défie les ténors propriétaires à coût réduit

Cette intégration coïncide avec la disponibilité générale (GA) d'Unity AI Gateway, la plateforme de gouvernance unifiée qui permet de gérer les dépenses, la sécurité et l'accès à l'ensemble des modèles, agents et serveurs MCP .

Caractéristiques techniques du modèle

Kimi K3 est un modèle à experts mixtes (Mixture of Experts, MoE) avec une architecture dite « sparse » (éparse). Voici ses spécifications officielles :

• Paramètres totaux : 2 800 milliards (2,8 T)
• Paramètres actifs : 104 milliards activés par token
• Architecture : MoE sparse avec 896 experts, dont 16 actifs par token, plus 2 experts partagés
• Fenêtre de contexte : 1 048 576 tokens (1 million)
• Modalités : Texte et vision native (images et vidéo)
• Innovations architecturales : Attention Delta Kimi (KDA), Résidus d'Attention (AttnRes) et cadre Stable LatentMoE

Moonshot AI présente K3 comme « le premier modèle ouvert de la classe des 3T » . Les poids ouverts ont été publiés le 27 juillet 2026 sous une licence MIT modifiée .

Classement à l'indice Artificial Analysis Intelligence

Sur l'indice indépendant Artificial Analysis Intelligence (v4.1), Kimi K3 obtient un score de 57 dans sa configuration standard et de 60 en configuration « max » . Son classement est le suivant :

• 3e ou 4e place parmi tous les modèles testés, selon la configuration
• Premier parmi les modèles open-weight (le suivant, GLM-5.2, obtient 51)
• Derrière : Claude Fable 5 (~60) et GPT-5.6 Sol (~59)
• Devant : Claude Opus 4.8 (~56), GPT-5.5, DeepSeek V4 Pro (44) et GLM-5.2 (51)

Cet indice combine neuf évaluations, dont GDPval-AA v2, Terminal-Bench 2.1, SciCode, Humanity's Last Exam, GPQA Diamond et des tests de raisonnement en contexte long . Sur des benchmarks spécifiques, Kimi K3 a atteint la 1re place au classement Frontend Code Arena et la 2e place à l'AA-Briefcase (travail de connaissance agentique), derrière seulement Fable 5 .

Comparaison des coûts avec les modèles propriétaires

Kimi K3 se distingue par un avantage tarifaire significatif face à ses concurrents propriétaires :

• Coût par tâche à l'indice d'intelligence : environ 0,94 $
• Environ la moitié du coût de Claude Opus 4.8 (raisonnement max, 1,80 $)
• Coût similaire à celui de GPT-5.6 Sol (max, 1,04 $)
• Databricks indique un coût par tâche inférieur de 50 à 72 % par rapport aux leaders propriétaires
• Tarification API : environ 3,00 $ par million de tokens en entrée et 15,00 $ par million de tokens en sortie

Comme l'explique Ali Ghodsi, PDG de Databricks, à CNBC, cette combinaison de performances et de maîtrise des coûts rend économiquement viables des charges de travail agentiques jusqu'alors trop onéreuses, comme les agents de codage continus ou le traitement de documents à grande échelle .

Unity AI Gateway : gouvernance et maîtrise des dépenses pour les entreprises

Unity AI Gateway offre un poste de pilotage unifié aux équipes qui gèrent l'IA dans l'entreprise. Les fonctionnalités clés qui s'appliquent à Kimi K3 incluent :

• Permissions d'accès fines et garde-fous de sécurité appliqués aux entrées et sorties du modèle
• Pistes d'audit complètes et observabilité en temps réel de tous les appels au modèle
• Contrôle des dépenses IA : alertes budgétaires proactives par utilisateur, espace de travail, cas d'usage et compte, combinées aux tables système Unity Catalog et aux budgets Databricks
• Limitation de débit et routage du trafic entre modèles, agents et serveurs MCP
• Plafonds de dépenses stricts qui bloquent les requêtes lorsque le budget est atteint
• Conservation zéro donnée (ZDR) pour Kimi K3 sur Databricks
• Gouvernance unifiée des modèles open-weight et propriétaires via le même cadre de politiques

La même semaine, Unity AI Gateway est passé en disponibilité générale, unifiant la gestion des budgets, la limitation de débit et le contrôle d'accès pour l'ensemble des LLM d'entreprise, serveurs MCP et agents de codage .

Une tendance de fond : l'écart se referme entre open-weight et propriétaire

Databricks présente l'intégration de Kimi K3 comme la preuve que l'écart entre les modèles ouverts (open-weight) et propriétaires se réduit rapidement . La société rappelle qu'il y a un an, les meilleurs modèles ouverts accusaient un retard important sur leurs équivalents propriétaires. Aujourd'hui, des modèles comme Kimi K3 rivalisent avec les leaders propriétaires sur les critères de performance, tout en offrant des coûts considérablement plus bas et une flexibilité accrue .

Selon Databricks, cette évolution permet aux entreprises d'adopter des stratégies hybrides en matière d'IA, combinant modèles ouverts et propriétaires sur une plateforme unique et gouvernée. La société insiste sur le fait que les entreprises disposent désormais d'un véritable choix : elles peuvent aiguiller leurs charges de travail vers le modèle le plus rentable pour chaque tâche, sans sacrifier la performance ni la gouvernance .