Kimi K3, le modèle ouvert de Moonshot AI avec 2,8 trilliards de paramètres, est disponible sur les API Telnyx Inference. Il s’appelle avec un endpoint compatible OpenAI, coûte 2,70 dollars par million de tokens en entrée et 13,50 en sortie, et supporte un million de tokens de contexte avec vision native et function calling.

C’est le premier signal concret que les modèles ouverts chinois ne restent pas confinés aux téléchargements de poids sur Hugging Face. Telnyx est un fournisseur d’infrastructure américain avec ses propres GPU : ceux qui construisent des produits IA aux USA peuvent appeler Kimi K3 avec la même requête API qu’ils utiliseraient pour GPT ou Claude, sans déployer de matériel local ni toucher à des dépôts chinois.

Comme nous le racontions le 27 juillet, la publication de Kimi K3 avait déclenché des alarmes à Wall Street et poussé Washington à évaluer des interdictions ciblées sur les modèles ouverts chinois. La disponibilité via API change l’enjeu du débat : tant que les poids ne sont que téléchargeables, le choix de les utiliser reste politique et individuel. Quand un fournisseur USA les propose comme produit tarifé, le choix devient économique, et le calcul porte sur les coûts et les performances, pas sur la géopolitique.

Les prix affichés sont compétitifs par rapport aux frontier models, mais le coût par token n’est que le début du calcul. La latence, la stabilité du service et la qualité sur vos tâches spécifiques pèsent autant que le tarif. Pour décider si ça en vaut la peine, la méthode ne change pas : même tâche, mêmes cas de test, tableau des résultats.

En détail

Kimi K3 est un Mixture of Experts (MoE) : un modèle avec 2,8 trilliards de paramètres au total, dont seulement 104 milliards s’activent par token. En pratique, le modèle est énorme mais chaque requête n’utilise qu’une fraction de sa capacité. Cela réduit le coût d’inférence par rapport à un modèle dense de même taille, car moins de paramètres actifs signifie moins de calcul par token.

La fenêtre d’un million de tokens permet de charger des codebases entières ou des documents très longs en un seul appel. Le modèle a la vision native (accepte texte, images et vidéos sans module séparé) et supporte le function calling, la sortie structurée en JSON et trois niveaux d’effort de raisonnement configurables : low, high, max. Ce dernier point signifie que tu peux décider au cas par cas combien de compute dédier à la réponse, échangeant profondeur contre coût.

Le fait que Telnyx le serve sur ses propres GPU est la partie intéressante. Jusqu’à hier, utiliser un modèle ouvert chinois signifiait télécharger les poids et faire tourner l’inférence en local, ou s’appuyer sur des fournisseurs comme Together.ai ou Baseten. Telnyx n’est pas un lab IA : c’est une entreprise de télécommunications et d’infrastructure réseau qui a investi dans des GPU pour proposer de l’inférence. Son catalogue inclut déjà Kimi K2.6, GLM-5.2-FP8 et MiniMax M3, tous des modèles chinois ouverts. Le mouvement indique que l’inférence de modèles ouverts devient un business pour qui possède le matériel, pas pour qui a construit le modèle.

Sur les tarifs : 2,70 dollars par million de tokens en entrée et 13,50 en sortie, avec prompt caching automatique à 0,27 dollars par million sur les préfixes répétés (données Telnyx, 28 juillet 2026). Par comparaison, les frontier d’Anthropic et OpenAI coûtent plus cher par token, mais le prix affichés n’est que le début du calcul. Le caching aide sur les prompts longs et répétitifs, typiques des workflows agentiques, mais la vraie question est combien coûte produire une sortie utilisable, pas combien coûte un token. Cela dépend de ton cas d’usage et se mesure uniquement avec un banc d’essai.

Le contexte réglementaire pèse sur le tableau. Le 26 juillet la Maison-Blanche avait choisi la voie des interdictions ciblées sur certains modèles ouverts chinois, évitant une interdiction générale. Moonshot avait aussi été accusée d’avoir distillé le modèle Fable d’Anthropic. Un fournisseur USA qui serve Kimi K3 via API se place dans une zone grise opérationnelle : si Washington bannit demain un modèle spécifique, Telnyx devra l’enlever du catalogue, et ceux qui ont construit dessus se retrouvent avec une intégration à réécrire. C’est le risque concret qui accompagne le fait de construire votre chaîne d’approvisionnement sur des modèles hors du contrôle des labs occidentaux.

Ce qu’on ne sait pas encore : à quel point Kimi K3 sur Telnyx est stable sous charge, quelles sont les latences réelles, et comment il se comporte sur des tâches agentiques comparé aux frontier models. Les benchmarks publiés par Moonshot disent qu’il rivalise avec Claude et GPT sur le coding et le raisonnement, mais les benchmarks d’entreprise se lisent comme du marketing qualifié, pas comme la vérité. La seule façon de savoir s’il tient sur ton travail est de le tester sur tes données.