Les poids de Kimi K3 sont gratuits. La licence est proche de MIT. N'importe qui peut télécharger 2 800 milliards de paramètres dès maintenant.
Presque personne ne peut les faire tourner.
À la précision native du modèle, MXFP4 — déjà du 4 bits, c'est donc un plancher et non une estimation de compression —, les poids occupent à eux seuls environ 1,4 téraoctet de mémoire. Soit dix-huit H100, ou trois nœuds DGX complets, avant même d'avoir alloué le moindre token du contexte d'un million annoncé. Sur du matériel grand public, il faudrait environ quarante-quatre RTX 5090. Le modèle de pointe le plus ouvert jamais publié est, pour un particulier, tout simplement hors de portée.
Est-ce la direction que prennent les poids ouverts en général ? J'ai repris quatre ans de données de sortie dans l'arcade pour le vérifier.
Ce que montrent les données
En retenant chaque sortie à poids ouverts dont le nombre de paramètres a été divulgué :
| Année | Sorties | Taille médiane | Plus grand | ≥ 200 Md | ≤ 32 Md |
|---|---|---|---|---|---|
| 2022 | 4 | 152,5 Md | 176 Md | 0 | 1 |
| 2023 | 12 | 43,4 Md | 180 Md | 0 | 4 |
| 2024 | 27 | 70,0 Md | 671 Md | 5 | 11 |
| 2025 | 22 | 120,0 Md | 1 000 Md | 10 | 10 |
| 2026 | 33 | 118,0 Md | 2 800 Md | 13 | 13 |
L'intuition a raison à moitié — et c'est l'autre moitié qui est intéressante.
Le plafond a explosé. De 176 milliards de paramètres en 2022 à 2 800 milliards en 2026, soit une multiplication par seize, dont l'essentiel s'est joué sur les dix-huit derniers mois. Kimi K2 a franchi le millier de milliards en juillet 2025 ; DeepSeek v4 et LongCat-2.0 ont atteint 1 600 milliards ; K3 a presque doublé la mise.
La médiane n'a pas bougé. 120 milliards en 2025, 118 en 2026. Stable.
Et le bas du spectre s'est étoffé en valeur absolue. Treize sorties ouvertes à 32 milliards de paramètres ou moins en 2026, contre dix en 2025 et onze en 2024. Personne n'a cessé de publier de petits modèles.
Ce n'est donc pas une dérive vers le haut, mais un haltère. La distribution s'écarte par les deux bouts pendant que le milieu reste immobile, et dire que « les modèles ouverts deviennent trop gros » revient à amalgamer deux phénomènes distincts qui se produisent en même temps.
Deux catégories pour un seul mot
Regardez ce qui se trouve à chaque extrémité, et la scission cesse de paraître accidentelle.
| Modèle | Taille | Poids en 4 bits | Tourne sur |
|---|---|---|---|
| Kimi K3 | 2 800 Md | ~1 400 Go | ~18 H100 |
| DeepSeek v4 | 1 600 Md | ~800 Go | ~10 H100 |
| Kimi K2.7-Code | 1 000 Md | ~500 Go | ~7 H100 |
| GLM-5.2 | 753 Md | ~377 Go | ~5 H100 |
| DiffusionGemma | 26 Md (4 Md actifs) | ~13 Go | un seul GPU grand public |
| Antares-1B | 1 Md | ~0,5 Go | un ordinateur portable |
Ce ne sont pas des points concurrents sur une même courbe : ce sont des réponses à des questions différentes.
Les géants sont des objets de souveraineté. Leur public, ce sont les gouvernements, les laboratoires nationaux, les fournisseurs de cloud et les grandes entreprises — des organisations qui veulent un modèle de pointe qu'elles maîtrisent plutôt qu'elles ne louent, et qui possèdent déjà le matériel ou peuvent le louer. Que K3 soit téléchargeable compte énormément pour une banque européenne ou un cloud chinois, et pas du tout pour un développeur équipé d'une 4090. La publication des poids accomplit néanmoins quelque chose de réel : c'est toute la différence entre une capacité que l'on peut auditer, affiner et déployer sur son propre matériel, et une capacité qui vit derrière l'API et les conditions d'utilisation d'un tiers.
Les petits modèles sont des objets de déploiement, et ils sont de plus en plus conçus pour une tâche précise plutôt que pour une capacité générale. Antares, de Cisco, localise des vulnérabilités avec 1 milliard de paramètres et bat GLM-5.2 (753 milliards) sur cette seule tâche. DiffusionGemma sacrifie de la précision de raisonnement au profit de la latence locale. NVIDIA propose Nemotron en 3, 8 et 14 milliards. Ce sont les modèles que les développeurs font réellement tourner, et ils sont devenus meilleurs, pas plus rares.
Le mot « ouvert » en fait trop
Le problème n'est pas que de grands modèles ouverts existent. C'est qu'un seul mot recouvre désormais deux réalités qui n'ont presque rien en commun, et que l'ambiguïté est exploitée dans les deux sens.
Quand un laboratoire annonce « nous avons publié un modèle de pointe ouvert », l'affirmation implicite est celle de la démocratisation : n'importe qui peut y accéder. Quand le prérequis matériel est de dix-huit H100, la version honnête serait plutôt « nous l'avons publié pour les deux cents organisations qui ont les moyens de le faire tourner ». Cela reste important. Ce n'est simplement pas ce que la plupart des gens comprennent.
Le débat public hérite de cette confusion telle quelle. La discussion sur la restriction des poids ouverts chinois traite les « poids ouverts » comme une catégorie unique. Or le risque de prolifération d'un modèle de sécurité d'un milliard de paramètres tournant sur un ordinateur portable n'a rien de comparable à celui d'un modèle de pointe de 2 800 milliards exigeant un centre de données. Si Cisco a pu publier Antares ouvertement, c'est parce que le modèle est petit et étroitement spécialisé. L'ouverture de K3, elle, est bornée par la physique, quelle que soit la décision d'un régulateur — et, dans le même temps, des poids une fois téléchargés ne peuvent réellement pas être rappelés, ce qui explique pourquoi l'argument de l'applicabilité tourne en rond.
Là où cela mord vraiment
Deux conséquences en découlent, et ce ne sont pas celles auxquelles on pense d'abord.
Au sommet, l'ouverture devient une affaire de licence, non d'accès. L'objet intéressant de K3, ce n'est pas le lien de téléchargement, c'est la licence : de type MIT, avec une seule exception, pour les opérateurs de modèle en tant que service au-delà de 20 millions de dollars de chiffre d'affaires. Cette clause dit exactement qui Moonshot s'attend à voir faire tourner ce modèle : non pas des particuliers, mais des entreprises assez grandes pour le revendre. La licence est écrite pour le public que la contrainte matérielle a déjà sélectionné.
L'écart qui compte concerne les prestataires, pas les particuliers. Le développeur isolé n'allait de toute façon jamais faire tourner un modèle de pointe en local, et l'offre de petits modèles le sert mieux chaque trimestre. Ce que les poids ouverts de pointe changent, c'est le milieu : le cloud régional, le laboratoire national, l'entreprise soumise à une exigence de conformité. Leur seule option de pointe était jusqu'ici une API américaine ; il existe désormais une alternative qui tourne sur du matériel qu'ils contrôlent. C'est un véritable changement de structure de marché, et il n'a rien à voir avec la possibilité de faire tourner K3 sur un ordinateur de bureau.
Donc oui, les sorties ouvertes du haut du panier deviennent gigantesques ; et non, cela n'évince pas les modèles que les gens utilisent vraiment. Ce que cela signifie, c'est que « poids ouverts » a cessé de désigner une seule chose. Plus vite le vocabulaire rattrapera cette réalité — niveau souveraineté d'un côté, niveau local de l'autre —, moins le marketing et la réglementation seront confus.
Une mise en garde pour finir : les données de taille ne couvrent que les modèles dont le nombre de paramètres a été divulgué, c'est-à-dire, très majoritairement, les modèles ouverts. Les laboratoires fermés ont cessé de publier ces chiffres il y a des années. L'haltère est réel, mais nous n'en voyons clairement qu'une extrémité.
Mise à jour du 29 juillet : le gradient des licences ne suit pas l'échelle
Deux jours après la publication de cet article, trois sorties survenues la même semaine ont rendu l'un des arguments ci-dessus trop simpliste. Mieux vaut le corriger que le laisser tel quel.
J'affirmais qu'au sommet, l'ouverture « devient une affaire de licence, non d'accès », en m'appuyant sur l'exception de chiffre d'affaires de Kimi K3 pour montrer que les licences des grands modèles sélectionnent discrètement les rares organisations capables de les faire tourner. La première moitié tient. L'implication selon laquelle les licences se durcissent à mesure que les modèles grossissent, non.
| Sortie | Taille | Licence |
|---|---|---|
| Kimi K3 (Moonshot, 26 juillet) | 2 800 Md | Quasi-MIT, exception au-delà de 20 M$ de chiffre d'affaires MaaS |
| Instella-MoE (AMD, 26 juillet) | 16 Md | ResearchRAIL — recherche uniquement, aucun usage commercial |
| A.X K2 (SK Telecom, 29 juillet) | 688 Md | Apache-2.0, recherche et commerce, sans condition |
Le modèle de 688 milliards de paramètres est sous une licence plus libre que celui de 16 milliards. La publication d'AMD — la plus complète en artefacts, avec tous les checkpoints intermédiaires et les mélanges de données — s'accompagne de la concession la plus restrictive sur les poids eux-mêmes. Et la licence la plus libre du haut du panier vient d'un programme de souveraineté soutenu par un État, non d'un laboratoire commercial.
Il y a donc deux axes indépendants, et je les avais confondus. L'échelle détermine qui peut physiquement faire tourner un modèle. La licence détermine qui en a le droit. Les deux ne sont pas corrélés, parce qu'ils répondent à des pressions différentes : les besoins matériels découlent de l'architecture, les licences de ce que l'organisation qui publie veut voir advenir. Moonshot veut une rente sur les revendeurs. AMD veut des citations et de la visibilité pour ROCm sans financer les produits de ses concurrents. Le programme coréen Dopamo veut une adoption industrielle nationale — et l'adoption est maximale quand on ne demande rien.
Le constat de l'haltère, lui, reste valable : il portait sur la taille, et les données de taille n'ont pas changé. Mais « l'ouverture » doit se lire comme deux questions distinctes, et un mot unique recouvrant les deux, c'est précisément l'ambiguïté que cet article prétendait dénoncer. Je l'ai reproduite en la diagnostiquant.