# Kimi K3

> Fiche du modèle de langage Kimi K3 sur Quelle IA, édition du 28 septembre 2026. Kimi K3 (Moonshot) : score IA de 90,2, 14e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/kimi-k3/
Origine : Moonshot · Chine · sorti le 16 juillet 2026

## Score général

- Score IA : 90,2 (marge à 90 % : de 88,7 à 91,7)
- Rang : 14 (Groupe 4, ex æquo)
- Couverture : 100 % du poids des tâches, 35 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 87,1 | Rang 24 · 89 % |
| Code | 90,5 | Rang 16 · 62 % |
| Agents | 88,9 | Provisoire · 33 % |
| Usage | 89,9 | Rang 14 · 100 % |
| Maths | 91,0 | Rang 14 · 62 % |
| Sciences | 94,9 | Rang 5 · 80 % |
| Français | 87,6 | Rang 13 · 50 % |
| Vision | 89,4 | Rang 15 · 67 % |
| Écriture | 90,2 | Rang 14 · 100 % |
| Web | 94,1 | Rang 10 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Kimi K3 (Max)](https://artificialanalysis.ai/models/kimi-k3) | 43,6 | 42e sur 193 | 33,6 jetons/s | 4,50 s | 3 $ / 15 $ |
| [Kimi K3 (Low)](https://artificialanalysis.ai/models/kimi-k3-low) | 30,1 | 96e sur 193 | 35,5 jetons/s | 5,51 s | 3 $ / 15 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/kimi-k3

## Exécution locale

Trop lourd pour les machines que suit Quelle IA : 1 932,0 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

- Allégée, 4 bits : 1 932,0 Go
- Allégée, 8 bits : 3 381,0 Go
- Complète, 16 bits : 6 440,0 Go

- Plus petite machine : aucune, il faut un serveur
- Carte graphique : Trop juste
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : Trop juste
- Ryzen AI Max : Trop juste
- Nvidia DGX : Trop juste
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 2,60 € / 13,0 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 048 576 jetons (environ 786 000 mots)
- Entrées : Texte, image
- Réflexion : Faible, élevée, maximale (trois niveaux réglables)
- Paramètres : 2 800 milliards
- Licence : Kimi K3 (poids ouverts, téléchargeables)
- Classe énergétique : F (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/moonshotai/Kimi-K3)
- Sur votre machine : [Ollama](https://ollama.com/search?q=Kimi-K3)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/moonshotai/kimi-k3)
- Par API : [API Moonshot](https://platform.moonshot.ai)
- L'essayer : [Kimi](https://www.kimi.com)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (inclus), [GitHub Copilot](https://quelleia.com/outils/#github-copilot) (inclus), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Cline](https://quelleia.com/outils/#cline) (offres payantes), [Droid (Factory)](https://quelleia.com/outils/#factory-droid), [Augment Code](https://quelleia.com/outils/#augment), [Warp](https://quelleia.com/outils/#warp)
- Mesuré dans : [Claude Code](https://quelleia.com/outils/#claude-code)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 97,2 % | 86,7 | saturé | https://epoch.ai/benchmarks |
| Surface Evolver Bench | Sciences | 95 % | 106,1 | saturé | https://yhenon.github.io/surface-evolver-llm-eval/ |
| ARC-AGI-1 | Raisonnement | 94,5 % | 90,7 | saturé | https://arcprize.org/leaderboard |
| OTIS Mock AIME 2024-2025 | Maths | 93,3 % | 80,4 | saturé | https://epoch.ai/benchmarks |
| Surface Evolver Bench | Sciences | 93 % | 103,1 | saturé | https://yhenon.github.io/surface-evolver-llm-eval/ |
| GPQA Diamond | Sciences | 93,1 % | 87,7 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 91,9 % | 85,6 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 87 % | 95,3 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| ARC-AGI-1 | Raisonnement | 86,7 % | 85,0 | saturé | https://arcprize.org/leaderboard |
| DTBench | Raisonnement | 91,2 % | 87,1 | saturé | https://conceptualreasoning.ai/dtbench |
| WeirdML (v2) | Code | 82,6 % | 100,9 | actif | https://htihle.github.io/weirdml.html |
| GPQA Diamond | Sciences | 84,8 % | 76,9 | actif | https://epoch.ai/benchmarks |
| Code Arena, WebDev | Web | 1 657,8 Elo | 94,8 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 72,2 % | 89,1 | actif | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 68,9 % | 67,8 | saturé | https://epoch.ai/benchmarks |
| DeepSWE | Code | 68,5 % | 92,4 | actif | https://deepswe.datacurve.ai/ |
| ARC-AGI-1 | Raisonnement | 65,7 % | 77,8 | saturé | https://arcprize.org/leaderboard |
| Arena, questions d'experts | Sciences | 1 532,5 Elo | 91,5 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 499,8 Elo | 89,9 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 540,8 Elo | 90,5 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 459,7 Elo | 90,0 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 488,0 Elo | 89,8 | actif | https://arena.ai/leaderboard |
| LMCA | Raisonnement | 52,74 | 90,2 | actif | https://conceptualreasoning.ai/lmca |
| Arena, questions en français | Français | 1 507,7 Elo | 88,4 | actif | https://arena.ai/leaderboard |
| ARC-AGI-2 | Raisonnement | 60,4 % | 86,9 | saturé | https://epoch.ai/benchmarks |
| SciCode | Code | 59,5 % | 94,5 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SciCode | Code | 58,7 % | 93,5 | actif | https://artificialanalysis.ai/evaluations/scicode |
| ARC-AGI-2 | Raisonnement | 55 % | 85,9 | saturé | https://epoch.ai/benchmarks |
| SimpleBench | Raisonnement | 60,7 % | 83,8 | actif | https://lmcouncil.ai/benchmarks |
| SciCode | Code | 51,2 % | 84,6 | actif | https://artificialanalysis.ai/evaluations/scicode |
| APEX-Agents | Agents | 50,6 % | 88,2 | actif | https://epoch.ai/benchmarks |
| SimpleQA Verified | Données | 50,6 % | 87,8 | actif | https://epoch.ai/benchmarks |
| Vending-Bench 2 | Agents | 5 165 $ | 88,0 | actif | https://epoch.ai/benchmarks |
| compar:IA | Français | 1 026,0 Elo | 73,9 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| GBAEval | Code | 48,3 % | 89,7 | actif | https://gbaeval.com/model/kimi-k3 |
| FrontierCode | Code | 44,2 % | 92,1 | actif | https://cognition.com/frontiercode |
| FrontierMath, palier 4 (v2) | Maths | 39 % | 88,4 | saturé | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 39 % | 88,6 | actif | https://epoch.ai/benchmarks |
| PostTrainBench | Agents | 32 % | 91,8 | actif | https://epoch.ai/benchmarks |
| Blueprint-Bench 2 | Vision | 29,5 % | 91,4 | actif | https://andonlabs.com/evals/blueprint-bench-2 |
| FrontierSWE | Code | 25,9 % | 89,9 | actif | https://www.frontierswe.com/ |
| CritPt | Sciences | 23,4 % | 92,3 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 61,1 % | 87,5 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 25 % | 81,0 | actif | https://epoch.ai/benchmarks |
| GDP.pdf | Données | 19 % | 88,0 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| Mystery Game Puzzles | Raisonnement | 26 % | 85,5 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 20 % | 77,5 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 12,4 % | 76,4 | saturé | https://epoch.ai/benchmarks |
| WeirdML v3 | Code | 7,3 % | 89,6 | actif | https://htihle.github.io/weirdml.html |
| Furniture Assembly | Vision | 34,2 % | 88,0 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 3,1 % | 71,9 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 12 % | 73,0 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Kimi K3 ?** Kimi K3 obtient un score IA de 90,2, avec une marge de 88,7 à 91,7, dans l'édition du 28 septembre 2026. Il est classé 14e sur 246 modèles, à partir de 35 mesures.

**Dans quelles tâches Kimi K3 est-il le plus fort ?** Ses deux meilleures tâches sont sciences (94,9) et web (94,1). Sa tâche la plus faible est raisonnement (87,1).

**Kimi K3 peut-il tourner en local ?** Trop lourd pour les machines que suit Quelle IA : 1 932,0 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

**Combien coûte Kimi K3 ?** 2,60 € par million de jetons en entrée et 13,0 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Kimi K3 ?** Kimi K3 est édité par Moonshot (Chine), et il est sorti le 16 juillet 2026. Ses poids sont ouverts, sous licence Kimi K3.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com