🔄 Mis à jour le 15 février 2026
Kimi K2.5 (Moonshot AI) : Guide Complet en Français
Kimi K2.5 est un modèle d'IA open-source développé par Moonshot AI (Pékin), sorti le 27 janvier 2026. Avec son architecture Mixture-of-Experts à 1 000 milliards de paramètres (32 milliards actifs par requête) et sa technologie révolutionnaire Agent Swarm capable de coordonner jusqu'à 100 sous-agents en parallèle, K2.5 est devenu le meilleur modèle open-source au monde sur les benchmarks agentiques, surpassant GPT-5.2 et Claude Opus 4.5 sur plusieurs mesures.
1. Qu'est-ce que Kimi K2.5 ?
Kimi K2.5 est un modèle de langage multimodal entraîné sur 15 000 milliards de tokens mixtes (texte + images + vidéo). C'est la troisième itération de la famille K2 de Moonshot AI :
Juillet 2025 — Kimi K2 : modèle texte MoE 1T paramètres, open-source sous licence MIT modifiée.
Novembre 2025 — K2 Thinking : variante avec raisonnement « chain-of-thought » entrelacé avec l'utilisation d'outils.
Janvier 2026 — K2.5 : ajout de la vision native, de la compréhension vidéo, et de la technologie Agent Swarm.
K2.5 se distingue par trois innovations majeures : la multimodalité native (vision et texte entraînés ensemble, pas greffés après coup), le coding visuel (générer du code à partir d'images/vidéos), et l'Agent Swarm (essaim d'agents autonomes coordonnés).
2. Moonshot AI : l'entreprise
Moonshot AI est une startup chinoise basée à Pékin, fondée par Yang Zhilin, ancien chercheur chez Google et Meta AI. L'entreprise a levé 1,5 milliard $ de financement (dont 500M$ en janvier 2026), pour une valorisation de 4,3 milliards $.
Moonshot a connu une croissance de 170% de ses utilisateurs entre septembre et novembre 2025 avec les modèles K2 et K2 Thinking. L'entreprise se positionne comme le principal rival open-source des laboratoires américains (OpenAI, Anthropic, Google) et du chinois DeepSeek.
3. Architecture technique
| Caractéristique | Détail |
|---|---|
| Architecture | Mixture-of-Experts (MoE) |
| Paramètres totaux | ~1 000 milliards (1T) |
| Paramètres actifs par token | 32 milliards |
| Experts | 384 réseaux spécialisés (8 activés + 1 partagé par token) |
| Couches | 61 (1 dense + 60 MoE) |
| Données d'entraînement | 15 000 milliards de tokens (texte + image + vidéo) |
| Contexte | 128k → 256k tokens |
| Encodeur vision | MoonViT (400M paramètres) |
| Vitesse | ~109,5 tokens/seconde (API) |
| Licence | MIT modifiée (open-source, usage commercial autorisé) |
4. Agent Swarm : 100 agents en parallèle
L'Agent Swarm est la fonctionnalité la plus révolutionnaire de K2.5. Au lieu de traiter les tâches de manière séquentielle (un agent fait tout, étape par étape), K2.5 peut créer et coordonner jusqu'à 100 sous-agents spécialisés qui travaillent en parallèle.
Moonshot compare Agent Swarm à une ruche d'abeilles : chaque agent exécute une tâche spécifique tout en contribuant à un objectif commun. Par exemple, pour une tâche de recherche web complexe, K2.5 peut lancer simultanément des agents de recherche, de vérification de faits, de synthèse et de rédaction.
5. Vision native et coding visuel
K2.5 est un modèle nativement multimodal : texte, images et vidéo ont été entraînés ensemble dès le départ, pas ajoutés après coup comme chez certains concurrents. Résultat : une compréhension visuelle exceptionnelle.
Coding visuel : Donnez à K2.5 une capture d'écran, un design Figma, ou même une vidéo d'un site web en action — il génère le code frontend correspondant avec les interactions, animations et layouts. Le modèle peut aussi débugger visuellement : il inspecte le rendu de son propre code, détecte les problèmes d'interface, et itère automatiquement.
Benchmarks vision : Sur 17 benchmarks image/vidéo, K2.5 obtient le meilleur score sur 9 d'entre eux, devant GPT-5.2, Claude Opus 4.5 et Gemini 3 Pro.
6. Benchmarks : K2.5 vs GPT-5 vs Claude vs Gemini
| Benchmark | Kimi K2.5 | GPT-5.2 (xhigh) | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| HLE (Humanity's Last Exam) | 50.2% ✅ | ~48% | ~47% | — |
| BrowseComp (agentique) | 74.9% ✅ | 59.2% | — | — |
| SWE-bench Verified (coding) | 76.8% | ~80% | 80.9% | — |
| SWE-bench Multilingual | #1 ✅ | #3 | — | #2 |
| MMMU Pro (vision) | 78.5% ✅ | — | — | — |
| VideoMMMU | #1 ✅ | #2 | #3 | — |
7. Comment utiliser Kimi K2.5
| Méthode | Description | Lien |
|---|---|---|
| kimi.com | Interface web gratuite avec 4 modes : Instant, Thinking, Agent, Agent Swarm | kimi.com |
| Kimi App | Application mobile (iOS / Android) | App Store / Google Play |
| API Moonshot | API compatible OpenAI/Anthropic pour intégration | platform.moonshot.ai |
| Kimi Code (CLI) | Outil terminal pour le coding, intégré aux IDEs | kimi.com/code |
| Self-hosted | Téléchargement des poids (Hugging Face, Ollama) | Hugging Face |
Exemple d'appel API
Pythonfrom openai import OpenAI
client = OpenAI(
api_key="votre_clé_moonshot",
base_url="https://api.moonshot.ai/v1"
)
response = client.chat.completions.create(
model="kimi-k2.5",
messages=[
],
temperature=1.0 # 1.0 pour Thinking, 0.6 pour Instant
)
print(response.choices[0].message.content)base_url.
8. Kimi Code : l'alternative à Claude Code
Kimi Code est un outil de coding agentique en terminal lancé en même temps que K2.5. Il est open-source (licence Apache 2.0) et fonctionne comme Claude Code : vous l'exécutez dans votre terminal, il comprend votre projet, et il modifie les fichiers selon vos instructions.
Ce qui rend Kimi Code unique : le support natif des entrées visuelles. Vous pouvez donner une capture d'écran ou une vidéo comme instruction, et K2.5 génère ou modifie le code en conséquence. Moonshot a montré une démo virale de « video-to-code » : un enregistrement vidéo d'un site web transformé en code frontend fonctionnel.
Kimi Code s'intègre avec VS Code, Cursor et Zed.
| Critère | Kimi Code | Claude Code |
|---|---|---|
| Modèle | Kimi K2.5 | Claude (Anthropic) |
| Open-source | Oui (Apache 2.0) | Non (CLI propriétaire) |
| Entrées visuelles | Oui (images, vidéos) | Non |
| Agent Swarm | Oui (parallélisme) | Non |
| Prix | 15-200$/mois | Via abonnement Claude |
| Intégrations IDE | VS Code, Cursor, Zed | Terminal natif, extensions IDE |
9. Tarification API
| Type | Prix par million de tokens | Évolution vs K2 |
|---|---|---|
| Input | 0,60$ | -47,8% |
| Input caché (cache) | 0,10$ | -33,3% |
| Output | 3,00$ | -62,5% |
Le prix du cache input (0,10$/M tokens) est particulièrement avantageux pour Agent Swarm, qui maintient de larges fenêtres de contexte entre les sous-agents. Globalement, K2.5 est 76% moins cher que Claude Opus 4.5 à performance comparable sur les benchmarks agentiques.
10. FAQ
📊 Comparatif LLM 2026
🔍 DeepSeek
🧠 Agents IA
🤖 Claude Code
💻 Vibe Coding
🏠 Hub Programmation
Kimi K2.5 (Moonshot AI) — Guide en français (février 2026)
Sources : GitHub · Hugging Face · TechCrunch
