Pourquoi Kimi K3 semble lent ?

« Ça mouline » — non, tu n'es pas fou

Tu poses une question à Kimi K3, le nouveau modèle de Moonshot AI sorti le 16 juillet 2026. L'écran affiche rapidement du texte… mais la réponse, elle, n'arrive qu'après de longues secondes. Des mesures indépendantes (Artificial Analysis) confirment ton impression : environ 32 secondes de « réflexion » avant le premier mot de la réponse, et 42 secondes au total pour une réponse standard, là où d'autres modèles répondent en quelques secondes.

Première chose à comprendre : le texte qui apparaît vite au début n'est pas la réponse. C'est le début de sa réflexion, visible sous tes yeux. Et ça change tout.

Ce que K3 fait pendant que tu attends

K3 est ce qu'on appelle un reasoning model — un modèle qui raisonne. Avant de répondre, il rédige un brouillon invisible : il découpe ta question, envisage des pistes, se contredit, vérifie. Son prédécesseur K2.7 répondait « au réflexe » : du tac au tac, avec une réponse plausible — mais pas forcément juste.

Ajoute deux autres ingrédients à la lenteur :

Un géant à faire bouger — 2 800 milliards de paramètres, organisés en Mixture of Experts (« mélange d'experts ») : imagine une entreprise de 896 spécialistes, dont 16 sont mobilisés par question. Même en ne réveillant que 16 experts, la machine est immense : environ 62 mots par seconde générés, contre 158 chez certains concurrents.
Il bavarde un peu — réponses plus longues et détaillées. Plus de texte à écrire = plus d'attente.

K2.7 vs K3 : la différence entre répondre et résoudre

La « lenteur » devient limpide quand on compare ce que font vraiment les deux générations sur la même tâche.

Exemple 1 — le code. Tu demandes : « répare ce bug dans un projet de 50 fichiers ». K2.7 écrit du code qui semble correct — sans l'avoir exécuté ni testé. S'il compile, tant mieux ; sinon, tu t'en apercevras toi-même. K3, lui, explore le projet, lance les tests, lit l'erreur, corrige, relance — jusqu'à ce que ce soit vert. C'est précisément ça, les 32 secondes. Résultat mesuré sur les tests publiés par Moonshot : premier sur SWE Marathon et Program Bench, deux épreuves de code long et difficile.

Exemple 2 — l'info récente. Tu poses une question d'actualité. K2.7 répond de mémoire — avec le risque d'inventer. K3 cherche, croise les sources, puis répond : 95 % de réussite sur DeepSearchQA, devant Claude Fable 5 (94,2 %).

Exemple 3 — les tâches à outils. K3 planifie, appelle des outils, vérifie le résultat, recommence si besoin (88,3 % sur Terminal-Bench). K2.7 ne vérifie pas : il répond.

Le vrai calcul : 3 minutes, ou 3 itérations ?

Voici la question que personne ne pose : tu préfères attendre 2-3 minutes et avoir le résultat attendu du premier coup, ou une réponse en 5 secondes… suivie de 20 minutes d'allers-retours pour corriger ?

La bonne mesure n'est pas la vitesse de réponse, c'est le temps jusqu'au résultat accepté. Un modèle « rapide » qui répond en surface te coûte deux ou trois itérations — donc plus de temps total, plus de tokens (des morceaux de mots, l'unité de travail facturée), plus d'argent. K3, lui, utilise 21 % de tokens en moins que K2.6 à résultat égal. Au bout du compte, le « lent » est souvent le plus rapide.

Et face aux grands ?

Sur les benchmarks publiés au lancement (des tests standardisés, déclarés par les vendeurs — à prendre comme des indications, pas des vérités) : K3 devance GPT-5.6 Sol sur 11 lignes de 14, et joue coude-à-coude avec Claude Fable 5 — il gagne le code marathon, la recherche approfondie, les feuilles de calcul.

Mais les chiffres les plus intéressants viennent des utilisateurs :

Sur le WebDev Arena, des milliers de personnes votent sans savoir quel modèle a produit quoi : K3 obtient 1679 points Elo (un classement comme aux échecs), 48 points devant Fable 5. En vote aveugle, les gens préfèrent ses résultats.
Le CEO de Vercel l'a testé sur un vrai projet d'ingénierie : premier modèle ouvert à devancer toutes les offres propriétaires — en précisant honnêtement qu'aucun modèle n'atteint 100 %.
Le tout pour environ un tiers du prix de Claude sur le code frontend.

Et maintenant, les verrues — parce qu'un article honnête les montre : Fable 5 reste devant sur le raisonnement général ; un test mesure davantage d'inventions que K2.6 (51 % contre 39 %), même si la précision progresse ; K3 coûte plus cher que K2.7 ; et certains utilisateurs le trouvent moins précis que Claude sur les tâches générales. Personne n'est parfait, K3 non plus.

La transparence : il ne demande pas d'être cru

K3 a quelque chose que Fable 5 et GPT-5.6 n'ont pas : il montre son travail. Sa réflexion est visible — tu peux lire comment il arrive à sa réponse et repérer où il part en erreur. Et ses poids ouverts (le cerveau du modèle, téléchargeable et auditable par n'importe qui à partir du 27 juillet) signifient que des milliers de chercheurs pourront vérifier ce qu'il a dans le ventre. Claude et GPT sont des boîtes noires : il faut les croire sur parole. K3, lui, se laisse regarder dans les yeux.

Notre choix : K3 + un harnais — et pourquoi on ne reviendrait pas en arrière

Ici, on arrête les chiffres et on parle d'expérience. Chez ExploDev, nous utilisons K3 via le CLI officiel de Kimi, auquel nous avons ajouté un harnais maison (Aegis) — un échafaudage qui ne génère rien mais tient le modèle carré : règles de travail, relecture obligatoire avant modification, revues contradictoires, détection de boucles.

Ce que ça donne, en vrai : sur un projet récent, 18 défauts de conception ont été interceptés avant d'écrire la première ligne de code — et le test de résistance final (on tue le processus en pleine tâche, il reprend là où il en était) est passé du premier coup. Zéro session perdue, des erreurs attrapées au lieu d'être livrées.

Notre conviction, en toute sincérité : un modèle qui réfléchit (K3) + un harnais qui vérifie (Aegis) rivalise à l'usage avec les meilleurs modèles fermés. C'est notre expérience, pas une vérité universelle — et un test comparatif complet est en préparation pour la vérifier.

Une dernière preuve, et elle est amusante : cet article a été rédigé par K3 lui-même, à l'intérieur du harnais qu'il décrit. Tu viens de lire le résultat — à toi de juger.

Mode d'emploi

Question simple (une phrase, une info rapide) → un modèle « réflexe » suffit ; aucune itération à craindre.
Tâche complexe (code, analyse, long document, image, question qui tient en une page) → K3 vaut l'attente. C'est là que sa profondeur paie.

Phrase à retenir : le modèle le plus rapide n'est pas celui qui répond vite — c'est celui qui répond juste du premier coup.

Le mot de la fin

Avec les IA modernes, le temps d'attente change de sens : il n'indique plus une panne ou un modèle faible, mais un modèle en train de travailler en profondeur. La bonne question n'est plus « lequel est le plus rapide ? » mais « lequel est adapté à ma tâche ? ». Et la meilleure façon de trancher reste de tester sur tes tâches — nos chiffres et notre expérience ne valent que si tu les vérifies chez toi.

Pourquoi Kimi K3 semble lent (et pourquoi c'est normal)