Kimi K3 a conçu sa propre puce : quand l'IA cesse d'être l'outil
— ÉTHIQUE
Moonshot AI franchit une ligne redoutable. Son modèle Kimi K3, fort de 2 800 milliards de paramètres, a généré les plans d'une puce électronique en environnement simulé — non pas en suivant des instructions, mais en itérant sur son architecture seul. L'IA ne dessine plus à partir du brief humain : elle architécture désormais ses propres conditions de fonctionnement.
Habituellement, ce sont les ingénieurs qui dessinent le silicium sur lequel tournent les modèles. Cette fois, le modèle a rendu la pareille. Moonshot AI dévoile Kimi K3, et l'un de ses faits d'armes tient dans un chiffre : quarante-huit heures d'exécution autonome pour concevoir une puce. Le kernel, lui, a réclamé quinze heures d'itérations. Au bout du compte, un temps d'entraînement qui tombe de 283,6 à 114,4 millisecondes.
Derrière la démonstration, un mastodonte. Deux mille huit cents milliards de paramètres, présenté comme le plus gros modèle ouvert à ce jour. Une fenêtre de contexte d'un million de tokens. Seuls seize experts s'activent sur huit cent quatre-vingt-seize, via le cadre Stable LatentMoE. La vision est embarquée nativement. Kimi Delta Attention et Attention Residuals complètent une architecture taillée pour les tâches longues — code, raisonnement, connaissance.
Les gains d'efficacité suivent la même pente. Un scaling deux fois et demie meilleur que Kimi K2. Un décodage 6,3 fois plus rapide sur un contexte d'un million de tokens. Vingt-cinq pour cent d'efficacité d'entraînement gagnés pour deux pour cent de coût supplémentaire, au crédit des Attention Residuals.
Sur le Frontend Code Arena, la trajectoire est franche : mille six cent soixante-dix-neuf points, dix-sept rangs grimpés, de la dix-huitième à la première place, six catégories sur sept en tête. La facturation reste serrée : quinze dollars le million de tokens en sortie, trois dollars en entrée, trente centimes avec cache. Les poids complets sont annoncés pour le 27 juillet.
Reste que le tableau garde ses zones d'ombre. La performance globale demeure en retrait face aux modèles propriétaires les plus musclés. Deux fragilités affleurent : une sensibilité à la restitution de l'historique de raisonnement, et une propension à trancher seul quand l'énoncé prête à confusion. Un modèle capable de dessiner sa propre puce, mais qui peine encore à dire qu'il ne sait pas. Jusqu'où l'autonomie peut-elle progresser avant que la prudence ne la rattrape ?