Kimi K2
Modèle open-weight de Moonshot AI (dernière version : K2.6). Architecture MoE de 1000 milliards de paramètres dont 32 milliards actifs par token, fenêtre de 256K, licence MIT modifiée, quantification INT4 native. Sur SWE-Bench Pro (résolution de vrais bugs GitHub), il égale GPT-5.5 tout en coûtant environ 80% moins cher par token. Tu peux l'appeler via l'API Moonshot ou le charger en local pour les usages agentiques et le coding.
Forces
- Open-weight sérieux : égale GPT-5.5 sur SWE-Bench Pro (résolution de vrais bugs), pas un modèle jouet
- Environ 80% moins cher par token que les flagships propriétaires équivalents, ce qui change la donne à fort volume
- MoE 1T/32B actifs avec INT4 natif : tu charges un très gros modèle sans la facture VRAM dense
- Licence MIT modifiée et poids ouverts : self-host possible, pas de lock-in fournisseur
Limites
- Héberger 1T de paramètres en local demande du matériel sérieux ou un provider dédié, pas pour un laptop
- Écosystème outillage (SDK, intégrations agentiques) moins mûr que côté Anthropic ou OpenAI
- Modèle récent qui itère vite (K2.6) : peu de recul production, à valider sur ton vrai cas avant de t'engager
Pour qui
- Équipes qui font de la génération de code à fort volume et veulent réduire la facture LLM sans perdre en qualité
- Builders d'agents qui veulent un modèle open-weight sérieux à router pour les tâches coûteuses en tokens
- Tech leads qui évaluent une stratégie multi-modèles pour échapper au lock-in propriétaire