Qu'est-ce que Kimi ? Le LLM de Moonshot pour les longs contextes
2026-11-04
En bref
Kimi désigne à la fois la famille de modèles de Moonshot AI et son assistant IA. Pour les développeurs, le choix déterminant est celui du modèle Kimi précis appelé par l'API. Kimi K3 est conçu pour les tâches intellectuelles à long contexte, le raisonnement et la programmation ; sa fiche technique publiée indique une fenêtre de contexte d'un million de tokens. Pour obtenir des résultats utiles, il faut néanmoins sélectionner les preuves pertinentes, tester la recherche d'informations et maîtriser les coûts.
Kimi est l'assistant IA et la famille de modèles de Moonshot AI, connus pour leur capacité à traiter de grandes quantités de contexte dans les workflows de recherche, d'analyse documentaire et de programmation. Si vous développez avec une API, « Kimi » n'est pas un identifiant de modèle : vous devez choisir une version précise, telle que Kimi K3, et concevoir le workflow selon ce que ce modèle doit effectivement lire et produire.
Kimi, l'assistant, et Kimi, le modèle
L'application Kimi propose une interface prête à l'emploi pour poser des questions et exploiter des informations. L'API Kimi donne aux développeurs accès aux modèles afin d'intégrer des capacités similaires à leurs propres produits. L'expérience de l'application peut comprendre d'autres fonctionnalités du produit ; une requête API n'expose que le modèle et les fonctions prises en charge par le service précis que vous utilisez.
Moonshot AI développe la série Kimi. Sa liste officielle de modèles distingue le modèle phare K3 du plus récent K3.1 Pro et des versions axées sur la programmation. Sur AIAdapter, la page du modèle Kimi K3 actuellement publiée présente aliyun-bailian/kimi-k3 comme un modèle de chat. Cet identifiant de passerelle diffère du nom kimi-k3 utilisé dans la documentation de l'API de Moonshot. Utilisez l'identifiant indiqué par le service que vous appelez : ces noms ne sont pas interchangeables dans les requêtes.
Selon la liste des modèles de Moonshot, les anciens identifiants moonshot-v1, Kimi K2 et K2.5 ont été abandonnés. Pour une nouvelle intégration, commencez par une version toujours répertoriée.
Que signifie concrètement un « long contexte » ?
La fenêtre de contexte correspond à la quantité de contenu qu'un modèle peut prendre en compte dans une requête ou une conversation. Elle peut englober les instructions, les messages précédents, les passages retrouvés, les résultats des outils et l'espace réservé à la réponse. Elle ne garantit ni que le modèle retiendra parfaitement chaque détail, ni qu'il pourra répondre sur une longueur égale à celle de l'entrée.
La liste des modèles K3 de Moonshot AI et les spécifications Kimi K3 d'Alibaba Cloud Model Studio indiquent pour ce modèle une fenêtre de contexte d'un million de tokens. Grâce à son long contexte, Kimi K3 peut convenir aux tâches portant sur de nombreuses pages, plusieurs fichiers ou plusieurs étapes. Avant de considérer ce chiffre comme le volume d'entrée réellement utilisable par votre application, vérifiez les limites et les types de contenus acceptés par la voie d'accès API choisie. Les spécifications publiées d'un modèle et l'interface exposée par une passerelle répondent à deux questions différentes.
Le véritable avantage est de devoir écarter moins de contexte pertinent. Une équipe peut rassembler des documents de politique interne dans une même analyse, demander une synthèse de plusieurs rapports de recherche ou conserver davantage de l'historique des tâches d'un agent de programmation. Mais un prompt plus long n'est pas automatiquement meilleur. Les contenus superflus concurrencent les éléments probants, augmentent le coût des entrées et compliquent la vérification.
Pour une tâche sur un long document, partez de la réponse attendue :
- Définissez la décision à prendre : une question précise vaut mieux que « résume tout ».
- Rassemblez les passages pertinents en conservant les titres des documents, les dates et les intitulés des sections.
- Demandez des affirmations reliées à ces passages et le signalement des incertitudes lorsque les sources se contredisent.
- Vérifiez la réponse dans les fichiers d'origine, en particulier les chiffres, les exceptions et les citations.
- Mesurez si l'ajout de contexte améliore le résultat ou augmente seulement le nombre de tokens.
Commencez par chercher ou filtrer le corpus, puis fournissez à Kimi les passages pertinents. Long contexte et recherche d'informations sont complémentaires.
Les usages auxquels Kimi se prête le mieux
Recherche dans plusieurs sources
Kimi convient aux questions qui exigent de relier des informations réparties entre des notes, des rapports ou de longues conversations. Plutôt que de demander un résumé général de chaque fichier, demandez-lui de rapprocher les points de vue : qu'est-ce qui a changé entre deux versions ? Quelles affirmations sont étayées par deux documents indépendants ? Quelles questions non résolues pourraient modifier la recommandation ?
Conservez l'origine de chaque extrait. Indiquez le rapport et la section de chaque passage, puis demandez une conclusion assortie d'une correspondance entre les conclusions et leurs preuves.
Documents longs et questions-réponses documentaires
Un long contrat, un cahier des charges ou un manuel interne contient des définitions et des exceptions que les résumés courts ont tendance à gommer. La capacité de contexte de Kimi aide lorsqu'une réponse dépend de plusieurs sections éloignées. Demandez la clause ou la section exacte justifiant chaque réponse et testez les cas où un avenant ultérieur prévaut sur une règle antérieure.
Si la source est un PDF ou une image, distinguez l'ingestion du document du raisonnement du modèle. L'extraction du texte, la préservation des tableaux et le traitement des scans peuvent nécessiter un traitement supplémentaire ou un format d'entrée multimodal pris en charge. Moonshot et Alibaba Cloud décrivent les capacités de compréhension visuelle de Kimi K3, mais la page d'un modèle sur une passerelle donnée ne suffit pas à établir que le téléversement de fichiers ou l'envoi d'images fonctionnera. Validez le parcours d'entrée avant de promettre aux utilisateurs la prise en charge des documents.
Programmation et workflows d'agents
Moonshot présente Kimi K3 comme adapté à la programmation sur plusieurs étapes et aux tâches intellectuelles. Un assistant de programmation peut avoir besoin d'un plan du dépôt, des exigences de la tâche, de plusieurs fichiers liés et des résultats d'appels d'outils précédents. Lui fournir ces éléments dans un ordre réfléchi peut l'aider à raisonner sur l'ensemble d'une modification plutôt que de retoucher un extrait isolé.
Gardez une boucle d'exécution rigoureuse. Donnez au modèle un objectif clair et le code pertinent, faites exécuter les tests par les outils, transmettez-lui les résultats et examinez le diff final. Une grande fenêtre de contexte ne remplace ni les tests, ni la gestion des autorisations, ni le contrôle de version. Si votre agent dépend d'appels d'outils ou de réponses structurées, vérifiez ces fonctions sur la voie d'accès API utilisée au lieu de les déduire du nom de la famille de modèles.
Comment évaluer Kimi K3 pour un produit utilisant une API
Avant de choisir définitivement un modèle, préparez un petit jeu de tests représentatif. Incluez des entrées simples et longues, des sources contradictoires et des cas où la bonne réponse consiste à reconnaître que les documents fournis ne permettent pas de répondre. Pour la programmation, prévoyez des tâches nécessitant des modifications dans plusieurs fichiers et vérifiables par des tests.
Évaluez les résultats selon quatre critères : l'exactitude de la réponse, la fidélité aux preuves, la latence de bout en bout et le coût par résultat utile. Suivez séparément les tokens d'entrée et de sortie. Si votre pipeline réessaie des appels ou ajoute des passages retrouvés, comptabilisez aussi ces tokens. Une longue fenêtre n'est rentable que si elle réduit les reprises ou améliore un résultat mesurable.
Effectuez un test comparatif en faisant varier la longueur du contexte : fournissez d'abord le minimum de passages pertinents, puis élargissez l'ensemble. Comparez l'effet des contenus supplémentaires sur l'exactitude et la qualité des citations. Vous repérerez ainsi une erreur de conception fréquente : payer pour envoyer une archive entière alors que quelques sections bien choisies donnent de meilleurs résultats.
Pour l'implémentation, sélectionnez aliyun-bailian/kimi-k3 sur sa page de présentation du modèle, puis consultez les modalités actuelles des requêtes dans la documentation d'AIAdapter. Le catalogue des modèles permet de vérifier les identifiants disponibles et d'explorer les alternatives. Si vous souhaitez utiliser le Kimi K3.1 Pro plus récent ou une version spécialisée dans la programmation, ne supposez pas qu'ils sont disponibles simplement parce que K3 figure au catalogue.
Enfin, consultez la page des tarifs et la page du modèle précis avant d'établir un budget. Avec de longues entrées, la répartition des coûts entre tokens d'entrée, de sortie et d'entrée mis en cache peut changer. AIAdapter indique des tarifs propres à chaque modèle ainsi que des frais de service distincts de 15 % ; utilisez les tarifs actuellement applicables plutôt que de prendre pour référence un ancien article ou les prix d'un autre fournisseur.
Questions fréquentes
Kimi est-il une application ou un grand modèle de langage ?
Les deux termes sont employés couramment, mais désignent des niveaux différents. Kimi est un assistant destiné aux utilisateurs, tandis que les modèles Kimi, comme K3, sont développés par Moonshot AI et accessibles par API. Si vous intégrez Kimi à un produit, identifiez d'abord le modèle et le service exacts. Les fonctionnalités de l'application, de l'API officielle de Moonshot et d'une passerelle tierce ne sont pas nécessairement identiques.
Quelle est la taille de la fenêtre de contexte de Kimi K3 ?
Moonshot AI et Alibaba Cloud Model Studio indiquent une fenêtre de contexte d'un million de tokens pour Kimi K3. Ce chiffre décrit le modèle : il ne signifie pas que chaque prompt doit contenir autant de preuves utiles. Réservez de la capacité pour les instructions, l'historique de la conversation et la réponse, puis testez la voie d'accès réellement utilisée avec vos entrées les plus longues et réalistes. L'exactitude, la latence et le coût comptent davantage que le remplissage de la fenêtre.
Kimi peut-il lire des PDF et des images ?
Les fournisseurs en amont présentent Kimi K3 comme capable de compréhension visuelle, mais un workflow PDF comporte plusieurs étapes : accepter le fichier, extraire ou représenter son contenu, puis répondre correctement à partir de celui-ci. La fiche K3 d'AIAdapter indique un point d'accès de chat sans détailler tous les formats d'entrée pour les fichiers ou les images. Pour un produit documentaire fiable, testez la voie d'accès choisie avec des pages scannées, des tableaux et des contenus mêlant texte et images avant d'activer ces entrées.
Kimi est-il utile aux agents de programmation ?
Oui. Kimi K3 est présenté comme adapté à la programmation et au raisonnement sur plusieurs étapes. Il est particulièrement utile lorsqu'un agent doit relier exigences, code et résultats d'outils au fil de son travail. Évaluez-le sur des tâches tirées de votre dépôt : vérifiez qu'il trouve les bons fichiers, effectue la bonne modification, lance les tests appropriés et se remet des échecs. La seule capacité de contexte ne prouve pas qu'un agent terminera une tâche.
Quelle est la différence entre Kimi K3 et K3.1 Pro ?
Ce sont deux versions distinctes dans la liste actuelle des modèles de Moonshot AI. K3.1 Pro est le modèle phare le plus récent ; tous deux sont décrits comme dotés d'une fenêtre de contexte d'un million de tokens. Cela ne signifie pas que leur comportement, leurs prix ou leur disponibilité sont interchangeables. La fiche K3 d'AIAdapter utilise aliyun-bailian/kimi-k3, et non un identifiant K3.1 Pro. Choisissez la version que vous pouvez réellement appeler et évaluez ce service précis sur votre charge de travail.
Pour tester Kimi K3 dans votre propre workflow, créez un compte AIAdapter, sélectionnez le modèle répertorié et commencez par un petit ensemble de documents ou de tâches de programmation dont vous pouvez vérifier les réponses.
FAQ
Qu'est-ce que Kimi ? Le LLM de Moonshot pour les longs contextes
Kimi désigne à la fois la famille de modèles de Moonshot AI et son assistant IA. Pour les développeurs, le choix déterminant est celui du modèle Kimi précis appelé par l'API. Kimi K3 est conçu pour les tâches intellectuelles à long contexte, le raisonnement et la programmation ; sa fiche technique publiée indique une fenêtre de contexte d'un million de tokens. Pour obtenir des résultats utiles, il faut néanmoins sélectionner les preuves pertinentes, tester la recherche d'informations et maîtriser les coûts.