Brief IA : Kimi K2.7 de Moonshot : un modèle IA économique face à GPT-5.5

Kimi K2.7 de Moonshot : un modèle IA économique face à GPT-5.5

Brief IA
Tom Levy·3 min·76 vues

Moonshot AI a lancé Kimi K2.7 Code, un modèle à poids ouverts avec un trillion de paramètres, qui coûte jusqu'à 12 fois moins cher par token que GPT-5.5 et Claude Opus 4.8. Bien qu'il soit moins performant dans les benchmarks de codage, son coût réduit pourrait séduire certains utilisateurs, redéfinissant ainsi le rapport coût-efficacité dans le développement d'IA pour la programmation.

En bref
1Moonshot AI a lancé Kimi K2.7 Code, un modèle open-source, à 0,95 $ par million de tokens d'entrée.
2Kimi K2.7 surpasse son prédécesseur K2.6, mais reste derrière GPT-5.5 et Claude Opus 4.8 sur les benchmarks de codage.
3Avec une architecture MoE, K2.7 utilise 32 milliards de paramètres actifs sur un trillion total, optimisant le coût et la performance.
💡Pourquoi c'est importantKimi K2.7 offre une alternative économique pour les tâches de programmation, défiant les modèles occidentaux coûteux.
Le brief IA que lisent les pros

Tu suis la course aux modèles IA ?

Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.

Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.

Choisis ton rythme

Gratuit · Pas de spam · Désabonnement en 1 clic

📄
L'analyse en français

Moonshot AI a récemment dévoilé Kimi K2.7 Code, un modèle d'intelligence artificielle open-source qui se distingue par son coût compétitif et ses capacités techniques. Conçu pour des tâches de programmation complexes et des flux de travail basés sur des agents, Kimi K2.7 Code est proposé à un tarif de 0,95 $ par million de tokens d'entrée et 4,00 $ par million de tokens de sortie. Ce positionnement tarifaire en fait une option attrayante, surtout en comparaison avec des modèles comme GPT-5.5 et Claude Opus 4.8, dont les coûts sont nettement plus élevés, atteignant respectivement 5,00 $ et 30,00 $ par million de tokens d'entrée et de sortie.

Bien que Kimi K2.7 Code ne rivalise pas avec ses concurrents occidentaux sur tous les benchmarks de codage, il montre une amélioration significative par rapport à son prédécesseur, Kimi K2.6. Sur le banc d'essai interne de Moonshot, Kimi Code Bench v2, sa performance est passée de 50,9 à 62,0. Sur Program Bench, il a progressé de 48,3 à 53,6, et sur MLS Bench Lite, de 26,7 à 35,1. En matière de tests axés sur les agents, K2.7 Code atteint 76,0 sur MCP Atlas et 81,1 sur MCPMark Verified, surpassant Claude Opus 4.8 dans ce dernier test avec un score de 76,4.

Kimi K2.7 Code repose sur une architecture Mixture-of-Experts (MoE) avec un trillion de paramètres, dont seulement 32 milliards sont actifs par token. Ce modèle multimodal peut traiter des images et des vidéos, grâce à un encodeur de vision personnalisé, MoonViT, doté de 400 millions de paramètres. Une des améliorations notables est son efficacité en raisonnement, utilisant 30 % de tokens de réflexion en moins que K2.6. Le modèle impose un mode de réflexion et un mode "preserve_thinking" qui conserve le contenu de raisonnement complet sur plusieurs tours de conversation pour améliorer la performance dans les scénarios de codage basés sur des agents.

Moonshot AI prévoit d'introduire un "mode haute vitesse 6x" pour K2.7 Code, qui sera accessible via l'API Kimi, Kimi Code CLI, et des moteurs d'inférence comme vLLM et SGLang. Le modèle est également disponible en quantification native INT4, facilitant son exécution sur du matériel moins puissant. Les poids du modèle sont téléchargeables sur Hugging Face, permettant une flexibilité d'utilisation accrue.

Distribué sous une licence MIT modifiée, Kimi K2.7 Code permet une utilisation libre, mais impose une visibilité accrue pour les grands utilisateurs commerciaux. Toute personne utilisant K2.7 Code ou ses dérivés dans des produits commerciaux avec plus de 100 millions d'utilisateurs actifs mensuels ou générant plus de 20 millions de dollars de revenus mensuels doit afficher "Kimi K2.7 Code" de manière bien visible dans l'interface utilisateur. Cette stratégie tarifaire et de licence pourrait bien redéfinir la compétitivité dans le domaine des modèles IA, où le coût par token devient un critère aussi crucial que la performance brute.

Suivez Brief IA

L'actu IA du jour, aussi dans votre fil.

Commentaires