Face-à-face
Kimi K3 vs Gemini 3 Pro : quel modèle IA l'emporte en 2026 ?
Kimi K3 ($15/1M out) et Gemini 3 Pro ($12/1M out (prompts ≤200K)) comptent parmi les modèles IA les plus utilisés en 2026. Sur 6 votes de la communauté, Kimi K3 arrive en tête avec 57 % d'approbation.
Verdict rapide
Sur le critère Raisonnement, Kimi K3 et Gemini 3 Pro sont à égalité à 4.5/5. Côté budget, Gemini 3 Pro l'emporte : il démarre à $12/1M out (prompts ≤200K), contre $15/1M out pour Kimi K3.
Comparaison ligne par ligne
Forces et faiblesses
Kimi K3
- 3e place de l'Artificial Analysis Intelligence Index (57) au lancement, comparable à Claude Opus 4.8 et GPT-5.5 : le laboratoire chinois qui s'est le plus rapproché de la frontière fermée américaine
- 93,4 % sur SWE-bench Verified dans le harnais indépendant de Vals AI (GPT-5.6 Sol : 96,2 %, Claude Fable 5 : 95,0 %) et 1re place du Frontend Code Arena d'Arena.ai avec 1679 points, devant Fable 5
- 93,5 % sur GPQA Diamond (entre les 92,6 % de Fable 5 et les 94,1 % de GPT-5.6), 96,1 % sur AIME 2025, et un Elo de 1668 sur le travail agentique de GDPval-AA v2, juste derrière Fable 5
- Profil agentique solide : 1re place sur les workflows SaaS d'AutomationBench-AA (53 %), navigation autonome à long horizon dans un terminal et un dépôt via Kimi Code, et environ 21 % de tokens de sortie en moins que K2 pour plus d'intelligence
- 3 $/15 $ par million de tokens (l'entrée tombe à 0,30 $ en cas de cache hit), tarif fixe sur toute la fenêtre de 1M de tokens : encore bien en dessous des tarifs de la frontière fermée américaine, avec une API compatible OpenAI et une disponibilité sur OpenRouter
- Entrée multimodale native (texte, image, vidéo) et poids ouverts annoncés pour le 27/07/2026 sous une licence attendue de type Modified-MIT, ce qui en fait potentiellement le premier modèle de frontière à poids ouverts de classe 3 billions de paramètres
- Un bond de prix multiplié par 3 par rapport à Kimi K2.6 (de 0,95 $/4 $ à 3 $/15 $), ce qui en fait le modèle chinois le plus cher jamais lancé, au tarif de Claude Sonnet 5 : l'époque des modèles « 10 fois moins chers que les modèles américains » est révolue (hausse documentée par Simon Willison)
- Lent : 33 tokens de sortie par seconde, classé 145e sur 190 modèles sur Artificial Analysis, peu adapté aux usages interactifs
- Le taux d'hallucination est passé de 39 % (K2.6) à 51 % sur AA-Omniscience, le modèle tentant désormais de répondre là où il aurait refusé auparavant (Fable 5 se situe à un niveau comparable de 54,9 %)
- Censure politique sur les sujets sensibles en mandarin (élude les questions sur Xi, le PCC, Tiananmen) et juridiction de Pékin pour les données de l'API, un frein à la conformité pour de nombreux déploiements en entreprise et dans l'UE ; l'UK AISI/CAISI a également constaté que ses garde-fous en cybersécurité ne bloquaient pas les tentatives de développement d'exploits lors des tests
- Des « poids ouverts » théoriques pour la plupart des utilisateurs : environ 594 Go en MXFP4 natif nécessitant un datacenter multi-GPU pour un hébergement autonome, les poids (et la licence finale) n'étant toujours pas publiés au moment de la revue
Gemini 3 Pro
- En tête de LMArena à son lancement avec un record de 1501 Elo et 91,9 % sur GPQA Diamond, état de l'art à sa sortie
- ARC-AGI-2 à 31,1 %, environ 6x Gemini 2.5 Pro (4,9 %) et près du double de GPT-5.1 (17,6 %) à l'époque
- Compréhension multimodale de premier ordre : 81 % sur MMMU-Pro, 87,6 % sur Video-MMMU, avec une fenêtre de contexte de 1M de tokens
- Codage agentique solide : 76,2 % sur SWE-bench Verified, 54,2 % sur Terminal-Bench 2.0, 1487 Elo sur WebDev Arena
- Prix plus bas que ses rivaux à $2/$12 par million de tokens, sous les tarifs de classe Claude Sonnet ($3/$15)
- Le thinking_level configurable (low/medium/high) permet aux développeurs d'arbitrer profondeur de raisonnement, latence et coût
- Hallucinations avec excès de confiance : sur AA-Omniscience, il a donné une mauvaise réponse 88 % du temps au lieu de s'abstenir, contre 48 % pour Claude Sonnet 4.5 (the-decoder)
- Flagornerie largement rapportée par les testeurs (Zvi Mowshowitz : « une vaste intelligence sans colonne vertébrale ») ; exige des prompts système stricts
- Problèmes de fiabilité des appels d'outils dans les stacks d'agents : les développeurs rapportaient des sorties d'outils déversées dans le fil de conversation et plus d'échafaudage nécessaire qu'avec les modèles OpenAI/Anthropic
- Lent à thinking level élevé : temps jusqu'au premier token mesuré autour de 30-60 s sur AI Studio malgré ~130 tokens/s en sortie
- Retiré : arrêté sur l'API Gemini et AI Studio le 9 mars 2026, gemini-3-pro-preview étant désormais un alias de Gemini 3.1 Pro
Rendez votre verdict
Une recommandation par outil et par gladiateur. Elle façonne le score de foule que tout le monde voit.
Le verdict de l'arène sur Kimi K3
Kimi K3 est l'argument le plus solide à ce jour montrant que la frontière n'est plus exclusivement américaine : 3e place sur Artificial Analysis, des scores de haut niveau sur GPQA et SWE-bench Verified, et le meilleur classement du secteur sur l'arène de code frontend, le tout à environ la moitié voire le tiers des tarifs de la frontière fermée américaine. À privilégier pour le codage agentique, le travail frontend et l'automatisation SaaS, là où ses résultats sont les plus solides, ou si la feuille de route prévoit d'auto-héberger un modèle de classe frontière une fois les poids publiés. À éviter pour les produits interactifs (33 tokens par seconde, c'est lent), pour tout ce qui touche à des contenus politiquement sensibles ou à des exigences strictes de résidence des données dans l'UE (censure en langue mandarine, juridiction de Pékin), et pour la recherche d'information à haute précision, où son taux d'hallucination de 51 % sur AA-Omniscience impose une couche de vérification. Les équipes obsédées par le coût noteront que DeepSeek V4 offre toujours bien plus de tokens par dollar : l'argument de K3, c'est le pic de capacité par dollar, pas le token le moins cher.
Le verdict de l'arène sur Gemini 3 Pro
Une sortie marquante qui a remis Google au sommet fin 2025, avec un énorme bond en raisonnement par rapport à Gemini 2.5 Pro et les meilleurs scores multimodaux de sa génération. À la mi-2026, il n'y a aucune raison de le choisir : Google l'a arrêté sur l'API le 9 mars 2026, et Gemini 3.1 Pro coûte exactement le même prix tout en plus que doublant la performance sur ARC-AGI-2 (77,1 % contre 31,1 %). Les équipes sur des déploiements hérités devraient migrer vers 3.1 Pro, vers lequel l'ancien ID de modèle pointe désormais de toute façon. Évitez-le pour les charges sensibles aux hallucinations, sauf à ajouter du grounding, une faiblesse que les testeurs ont signalée à répétition.
Ce qu'en dit la foule
À propos de Kimi K3
“Tried it for our knowledge-base assistant and the hallucination rate is real: it confidently invented two API endpoints in one afternoon. 33 tokens per second on top of that. Back to waiting for the open weights to fine-tune.”
“Our Zapier-style automation stack runs on it now. Tool orchestration that GPT-5.5 fumbled works reliably, and the cache-hit pricing makes repeated workflows genuinely cheap.”
“The Frontend Arena ranking is deserved. Gave it the same dashboard spec I gave Fable 5 and K3's React came out cleaner, with fewer invented props. At $3/$15 through OpenRouter it was a drop-in swap.”
À propos de Gemini 3 Pro
“Confidently wrong is its worst mode. On AA-Omniscience it gave a wrong answer 88% of the time instead of declining. Add the sycophancy and you need a tight system prompt to trust it.”
“ARC-AGI-2 at 31% was about 6x Gemini 2.5 Pro and nearly double GPT-5.1 at the time. For visual-heavy work (81 MMMU-Pro) nothing else came close.”
“1501 Elo on LMArena at launch was deserved. Multimodal is where it kills, I feed it lecture videos and dense PDFs and it just gets it. 1M context helps.”
Poursuivez la comparaison
Questions fréquentes
Kimi K3 est-il meilleur que Gemini 3 Pro ?
Le bon choix dépend de votre usage. La comparaison ligne par ligne de cette page passe en revue les prix, les caractéristiques clés et les notes de l'arène.
Lequel est le moins cher, Kimi K3 ou Gemini 3 Pro ?
Gemini 3 Pro est le moins cher : il démarre à $12/1M out (prompts ≤200K), tandis que Kimi K3 démarre à $15/1M out.
Combien coûtent Kimi K3 et Gemini 3 Pro par million de tokens ?
Kimi K3 : $3/1M in par million de tokens en entrée, $15/1M out par million de tokens en sortie. Gemini 3 Pro : $2/1M in (prompts ≤200K) par million de tokens en entrée, $12/1M out (prompts ≤200K) par million de tokens en sortie.