TL;DR
Grok 4.6 est le choix par défaut le plus performant si vous voulez une API gérée de pointe pour le codage agentique et le travail de connaissances : il obtient 61 sur l’Artificial Analysis Intelligence Index, génère plus rapidement selon les mesures indépendantes actuelles, et commence à 2 $ / 6 $ par million de jetons d’entrée/sortie.
Kimi K3 est le choix le plus flexible lorsque la longueur de contexte et l’ouverture du modèle comptent. Il combine 2,8 mille milliards de paramètres, 104B de paramètres actifs et une fenêtre de contexte d’environ 1M de jetons, plus des poids ouverts et des capacités multimodales natives. Sa tarification principale en API hébergée est plus élevée à 3 $ / 15 $ par million de jetons d’entrée/sortie, mais les accès en cache ne coûtent que 0,30 $ par million de jetons.
Conclusion rapide : choisissez Grok 4.6 pour une API d’agent hébergée rentable ; choisissez Kimi K3 pour 1M de contexte, des poids ouverts et le contrôle de l’infrastructure. Pour le codage, testez les deux sur vos propres dépôts car les fournisseurs publient des versions et des harnesses de benchmark différents.
Points clés
- Grok 4.6 a été publié le 12 août 2026 avec un accent spécifique sur les agents longue durée, le travail sur les bases de code, le travail de connaissances et des projets interactifs ou visuels plus ambitieux.
- Kimi K3 est le modèle phare à poids ouverts de Moonshot AI avec 2,8T de paramètres, Kimi Delta Attention, Attention Residuals, une vision native et une fenêtre de contexte d’environ 1M de jetons.
- L’intelligence globale indépendante est presque à égalité : 61 pour Grok 4.6 contre 60 pour Kimi K3.
- Grok 4.6 a le prix de jeton principal le plus bas : 2 $ en entrée / 6 $ en sortie contre 3 $ en entrée / 15 $ en sortie pour Kimi K3.
- Kimi K3 offre environ deux fois la capacité de contexte et des poids ouverts ; Grok 4.6 est propriétaire mais est plus efficace en tours et en coût dans plusieurs évaluations d’agents indépendantes.
Grok 4.6 vs Kimi K3 : comparaison rapide
| Specification | Grok 4.6 | Kimi K3 |
|---|---|---|
| Developer | SpaceXAI / xAI | Moonshot AI / Kimi |
| Release date | August 12, 2026 | July 16, 2026 |
| Model ID | grok-4.6 | kimi-k3 |
| Architecture | Not publicly disclosed | MoE; KDA + AttnRes + Stable LatentMoE |
| Total parameters | Not disclosed | 2.8T |
| Active parameters | Not disclosed | 104B |
| Experts | Not disclosed | 896 total; 16 activated/token |
| Context window | 500,000 tokens | 1,048,576 / about 1M tokens |
| Input / output | Text + image → text | Text + image → text |
| Reasoning | Configurable | Always-on; low / high / max |
| Function / tool use | Function calling + structured outputs | ToolCalls, tool_choice, dynamic tool loading |
| Open weights | No | Yes |
| AA Intelligence Index | 61 | 60 |
| Official input / output price | $2 / $6 per MTok | $3 / $15 per MTok |
| Best fit | Hosted agents, coding, knowledge work | Long context, open-weight deployment, coding + visual reasoning |
Qu’est-ce que Grok 4.6 ?
Grok 4.6 est le modèle de pointe de SpaceXAI pour le codage, les tâches agentiques et le travail de connaissances. L’entreprise indique que cette version a été conçue autour d’agents longue durée et de travaux interactifs et visuels plus ambitieux, plutôt que d’être uniquement une mise à jour de benchmarks statiques. En pratique, cela signifie que le modèle est conçu pour rester sur une tâche sur de nombreuses étapes : recherche d’un sujet, navigation dans une base de code, analyse d’informations, appel d’outils et itération vers une application ou un artefact final.
Qu’est-ce qui a changé par rapport à Grok 4.5 ?
SpaceXAI rapporte une phase d’entraînement complémentaire plus longue, utilisant des données de raisonnement générées par le modèle et soigneusement sélectionnées, des concepts techniques avancés, des données d’ingénierie de haute qualité, ainsi qu’un optimiseur et une recette d’entraînement améliorés. L’équipe a ensuite régénéré des trajectoires SFT avec Grok 4.5 à travers des efforts de raisonnement et des cadres d’agents, filtré les traces problématiques, et appliqué un renforcement agentique dans des environnements couvrant le codage général, l’optimisation de noyau, le développement web, la CAO et le travail de connaissances.
Le résultat pratique est un modèle qui non seulement obtient un score plus élevé mais montre aussi davantage d’auto-tests et de vérifications sur des trajectoires plus longues. Ce comportement est important pour les agents car le coût d’une petite erreur se cumule lorsqu’un modèle est autorisé à modifier des fichiers, appeler des outils ou exécuter un plan en plusieurs étapes sans intervention humaine constante.
Spécifications de Grok 4.6
| Property | Grok 4.6 |
|---|---|
| Context | 500,000 tokens |
| Modalities | Text and image input; text output |
| Reasoning | Configurable reasoning |
| Native API capabilities | Function calling and structured outputs |
| Knowledge cutoff | February 1, 2026 |
| Short-context pricing | $2 input / $0.50 cached / $6 output per MTok |
| Long-context threshold | ≥200K prompt tokens; $4 / $1 / $12 |
Qu’est-ce que Kimi K3 ?
Kimi K3 est le modèle agentique multimodal phare à poids ouverts de Moonshot AI. Il combine 2,8 mille milliards de paramètres au total avec une fenêtre de contexte d’1M de jetons et une vision native, le positionnant pour un codage de long horizon, du travail de connaissances de bout en bout, du raisonnement et des tâches logicielles ancrées visuellement.
Contrairement à Grok 4.6, Kimi K3 expose ses poids de modèle. La carte de modèle officielle actuelle identifie 104B de paramètres actifs lors de l’inférence, donc son chemin de calcul est bien plus réduit que le total de 2,8T de paramètres même si le déploiement du modèle complet exige toujours une infrastructure substantielle.
KDA, AttnRes et un MoE plus épars
L’architecture est l’un des plus grands différenciateurs de K3. Moonshot explique que Kimi Delta Attention (KDA) et Attention Residuals (AttnRes) sont conçus pour améliorer le flux d’information à travers de longues séquences et des couches profondes du modèle. Stable LatentMoE augmente la parcimonie de sorte que 16 des 896 experts sont activés pour chaque jeton. Avec des changements d’entraînement et de recette de données, Moonshot rapporte environ 2,5× de meilleure efficacité de scaling que Kimi K2.
Spécifications de Kimi K3
| Property | Kimi K3 |
|---|---|
| Total / active parameters | 2.8T / 104B |
| Architecture | MoE with KDA + AttnRes + Stable LatentMoE |
| Experts | 896; 16 activated per token |
| Context | 1M tokens |
| Vision | Native visual understanding |
| Reasoning | Always enabled; low / high / max |
| Tools | ToolCalls, tool_choice constraints, dynamic tool loading |
| Open weights | Available on Hugging Face |
| Official pricing | $0.30 cache hit / $3 input / $15 output per MTok |
Grok 4.6 vs Kimi K3 : comparaison des benchmarks
La comparaison directe la plus propre est l’Artificial Analysis Intelligence Index indépendant, car les deux modèles sont évalués dans le même cadre. Les scores actuels sont 61 pour Grok 4.6 (élevé) et 60 pour Kimi K3 (max). Un écart d’un point est trop faible pour justifier l’affirmation qu’un modèle est catégoriquement « une génération en avance ». La question la plus utile est où chaque modèle gagne son score.
| Independent metric | Grok 4.6 | Kimi K3 | Edge |
|---|---|---|---|
| Artificial Analysis Intelligence Index | 61 | 60 | Grok 4.6 by 1 point |
| Output speed | 65.8 tok/s | 40.7 tok/s | Grok 4.6 |
| Time to first token | ~32.3 s | 3.27 s | Kimi K3 |
| Context window | 500K | ~1.05M | Kimi K3 |
Performances en codage
SpaceXAI publie plusieurs résultats de codage et d’ingénierie logicielle pour Grok 4.6 : 69,9 % sur CursorBench 3.2, 65,9 % sur DeepSWE 1.1, 61,3 % sur FrontierCode 1.1 Extended, 56,4 % sur APEX-SWE et 26,0 % sur Terminal-Bench 3.0. Ils sont significatifs car ils couvrent l’édition de dépôts, l’ingénierie logicielle agentique et le travail en terminal plutôt que de simples trivia de complétion de code.
| Grok 4.6 vendor-reported coding benchmark | Score |
|---|---|
| CursorBench 3.2 | 69.9% |
| DeepSWE 1.1 | 65.9% |
| FrontierCode 1.1 Extended | 61.3% |
| APEX-SWE | 56.4% |
| Terminal-Bench 3.0 | 26.0% |
Pour Kimi K3, Moonshot publie une suite de codage différente mais large. Son matériel de lancement officiel rapporte 67,5 sur DeepSWE, 88,3 sur Terminal-Bench 2.1, 81,2 sur FrontierSWE, 77,8 sur ProgramBench et 42,0 sur SWE Marathon. L’important bémol est que Terminal-Bench 2.1 et 3.0 sont des versions différentes, et FrontierSWE n’est pas la même évaluation que FrontierCode. Ces lignes ne doivent pas être traitées comme des victoires « pommes-pour-pommes » uniquement sur la base du chiffre brut.
Source : Moonshot AI / Kimi
Travail agentique et de connaissances
Le travail agentique est là où Grok 4.6 semble le plus fort. SpaceXAI rapporte 1753 Elo sur GDPVal-AA v2, 57,5 % sur APEX-Agents et 1577 Elo sur AA-Briefcase. Artificial Analysis souligne indépendamment le même schéma : les gains les plus forts de Grok 4.6 portent sur le travail à long horizon et utilisant des outils plutôt que sur le seul raisonnement statique.
Kimi K3 cible également des agents de travail de connaissances. La suite de lancement de Moonshot montre de solides résultats sur BrowseComp, GDPval-AA v2, JobBench, SpreadsheetBench 2 et des évaluations d’agents visuels. Plus important pour les développeurs, l’API Kimi expose des contraintes de choix d’outil et le chargement dynamique d’outils, qui sont des contrôles pratiques lorsqu’un agent doit utiliser des systèmes d’entreprise ou récupérer des faits avant de répondre.
Source : Moonshot AI / Kimi
Multimodalité et raisonnement visuel
Kimi K3 a l’histoire multimodale la plus claire au niveau de l’architecture : Moonshot décrit des capacités de vision natives et démontre spécifiquement une « vision dans la boucle » pour le développement de jeux, l’ingénierie frontend et la CAO, où le modèle peut inspecter un retour visuel et réviser le code.
Grok 4.6 accepte aussi les entrées texte et image et SpaceXAI dit que le modèle produit des premières passes plus solides sur des projets visuels et interactifs que Grok 4.5. La différence tient moins à la capacité de « voir » des images qu’à la philosophie de déploiement : Kimi expose un modèle multimodal ouvert, tandis que Grok intègre la compréhension visuelle dans une API gérée de pointe et un écosystème d’agents.
Fenêtre de contexte : 500K vs 1M
Grok 4.6 prend en charge 500 000 jetons, tandis que Kimi K3 prend en charge environ 1 million de jetons. Cela fait de Kimi le choix évident lorsque la charge de travail nécessite réellement plus de 500K jetons dans une seule requête — par exemple, des dépôts très volumineux, des collections de recherche multi-livres ou des traces d’agent exceptionnellement longues.
Cependant, la taille de contexte est une capacité, pas une garantie de qualité de récupération ou de raisonnement. Pour les systèmes de production, testez le modèle sur vos modes d’échec de long contexte réels : suivi de dépendances inter-fichiers, récupération de faits lointains, détection de contradictions et persistance des instructions. La génération augmentée par récupération peut rester moins coûteuse et plus contrôlable que l’envoi d’un million de jetons à chaque requête.
Vitesse et latence
Artificial Analysis mesure actuellement Grok 4.6 à 65,8 jetons de sortie par seconde et Kimi K3 à 40,7 jetons par seconde. Une fois la génération commencée, Grok est matériellement plus rapide dans cette mesure. Mais le schéma du premier jeton va dans l’autre sens : Kimi K3 a un TTFT mesuré de 3,27 secondes, tandis que la mesure fournisseur actuelle de Grok 4.6 est bien plus lente à commencer le streaming.
Cela crée une distinction produit utile. Pour les expériences de chat ou d’IDE interactives, un temps jusqu’au premier jeton rapide peut rendre Kimi réactif même si la réponse complète prend plus longtemps. Pour les longues générations et les exécutions d’agents, le débit de génération plus élevé de Grok peut réduire la queue de la requête. Le fournisseur, la région, l’effort de raisonnement, l’état du cache et la taille de la requête peuvent tous modifier ces chiffres ; considérez-les comme une photographie actuelle plutôt qu’une propriété permanente.
Grok 4.6 vs Kimi K3 : tarification de l’API
À des longueurs de contexte standard, Grok 4.6 coûte 2 $ par million de jetons d’entrée, 0,50 $ par million de jetons mis en cache et 6 $ par million de jetons de sortie. Pour des invites à 200K jetons ou plus, xAI facture toute la requête à des tarifs long contexte de 4 $ en entrée, 1 $ en cache et 12 $ en sortie par million de jetons.
Kimi utilise une tarification à l’usage uniforme sur sa fenêtre de contexte 1M. L’API Kimi liste 0,30 $ par million de jetons en hit de cache, 3 $ par million de jetons d’entrée et 15 $ par million de jetons de sortie. Cela signifie que Kimi est moins cher sur les hits de cache mais bien plus cher sur les jetons de sortie frais ; l’avantage de prix de Grok se réduit lorsque les requêtes Grok franchissent le seuil long contexte de 200K.
Prix officiels principaux par 1M de jetons. Les requêtes long contexte de Grok (≥200K jetons d’invite) utilisent des tarifs plus élevés non affichés dans le graphique. Source : Tarification SpaceXAI et Kimi API
| Price / 1M tokens | Grok 4.6 | Kimi K3 |
|---|---|---|
| Official short-context input | $2.00 | $3.00 |
| Official cache hit | $0.50 | $0.30 |
| Official output | $6.00 | $15.00 |
| Long-context pricing | ≥200K: $4 / $1 / $12 | Flat pricing through 1M context |
| CometAPI input | $1.60 | $2.40 |
| CometAPI output | $4.80 | $12.00 |
Sur CometAPI, Grok 4.6 est actuellement listé à 1,60 $ en entrée / 4,80 $ en sortie par million de jetons, tandis que Kimi K3 est listé à 2,40 $ en entrée / 12 $ en sortie. Les deux sont 20 % en dessous des prix d’entrée/sortie des fournisseurs indiqués sur leurs pages modèle CometAPI au moment de la rédaction.
Poids ouverts vs modèle propriétaire
Kimi K3 est un modèle à poids ouverts avec des poids téléchargeables. Cela permet la recherche, un contrôle d’infrastructure fin, des architectures d’inférence privées et le déploiement via des stacks d’inférence tiers. Cela ne signifie pas que K3 est léger : un modèle à 2,8T de paramètres est un projet système sérieux même avec la parcimonie MoE et des formats de faible précision.
Grok 4.6 est propriétaire. Son architecture et son nombre de paramètres ne sont pas divulgués publiquement, et les développeurs y accèdent en tant que service géré. Le compromis est la simplicité opérationnelle : vous n’avez pas à construire un cluster d’inférence, gérer des poids de modèle ou optimiser des kernels pour obtenir des performances d’agent de niveau frontier.
Forces et faiblesses
| Model | Strengths | Trade-offs |
|---|---|---|
| Grok 4.6 | Lower hosted API price; 61 AA Intelligence; faster measured generation; strong long-horizon agent results; integrated xAI tool stack | 500K context; closed weights; long-context pricing doubles; slower measured TTFT |
| Kimi K3 | ~1M context; open weights; 2.8T MoE; native multimodality; strong coding/agent suite; very low cache-hit price | Higher output price; slower measured token generation; full self-hosting is infrastructure-heavy |
Grok 4.6 vs Kimi K3 : lequel choisir ?
| Use case | Recommended | Why |
|---|---|---|
| Default frontier API | Grok 4.6 | Lower price with a slight independent intelligence lead |
| Long-running knowledge-work agent | Grok 4.6 | Strongest evidence from GDPVal-AA and AA-Briefcase |
| Repository-scale coding | Test both | Both are designed for long-horizon coding; benchmark suites differ |
| Prompt >500K tokens | Kimi K3 | About 1M context |
| Open-weight research | Kimi K3 | Weights and architecture are available |
| Private/self-managed inference | Kimi K3 | Open weights enable custom deployment |
| Low cache-hit cost | Kimi K3 | $0.30/MTok cache-hit pricing |
| Lower fresh output-token cost | Grok 4.6 | $6/MTok vs $15/MTok at standard context |
| Fast first visible response | Kimi K3 | Much lower measured TTFT |
| Faster long generation | Grok 4.6 | Higher measured output tokens/s |
| Visual coding / CAD / game workflows | Kimi K3 | Native vision + official vision-in-the-loop focus |
Recommandation globale : Grok 4.6 est l’API hébergée par défaut la plus solide pour la plupart des développeurs d’agents. Kimi K3 est le modèle de pointe le plus flexible lorsque 1M de contexte, des poids ouverts et le contrôle du déploiement font partie du besoin plutôt que d’options facultatives.
Comment accéder à Grok 4.6 et Kimi K3 via CometAPI
Les deux modèles sont disponibles sur CometAPI. La page modèle Grok 4.6 liste l’ID de modèle grok-4.6 et la prise en charge d’un accès style Chat Completions / Responses, tandis que la page modèle Kimi K3 expose kimi-k3 via l’endpoint unifié CometAPI. Cela facilite les tests A/B car vous pouvez changer les IDs de modèle en conservant l’authentification et la plupart de la plomberie applicative.
from openai import OpenAI
import os
client = OpenAI(
base_url="https://api.cometapi.com/v1",
api_key=os.environ["COMETAPI_KEY"],
)
for model in ["grok-4.6", "kimi-k3"]:
response = client.chat.completions.create(
model=model,
messages=[
{"role": "user", "content": "Examinez ce bug du dépôt et proposez une correction testée."}
],
)
print(model, response.choices[0].message.content)
Pour une évaluation en production, gardez l’invite, les outils, le snapshot du dépôt et les critères de succès identiques. Suivez non seulement la qualité des réponses mais aussi la réussite des appels d’outils, le nombre de tours, le total de jetons entrée/sortie, la latence et la récupération après des appels d’outils échoués. C’est plus prédictif du coût réel d’un agent qu’un seul score de benchmark.
Conclusion
Le résultat le plus important de la comparaison Grok 4.6 vs Kimi K3 est que leur intelligence de haut niveau est bien plus proche que leur conception produit. L’évaluation indépendante les place actuellement à 61 contre 60, mais l’économie et les choix de déploiement autour sont très différents.
Grok 4.6 est optimisé comme un service géré de pointe : tarification plus basse des jetons frais, solides benchmarks d’agents, génération mesurée plus rapide et une voie outils/API mature. Kimi K3 est optimisé pour la flexibilité : fenêtre de contexte 1M, échelle MoE à 2,8T, multimodalité native et poids ouverts.
Pour la plupart des développeurs qui ont simplement besoin du meilleur modèle hébergé par défaut pour le codage et les agents longue durée, Grok 4.6 est le point de départ le plus sûr. Si votre système dépend de >500K de contexte, d’un déploiement à poids ouverts, de codage visuel ou du contrôle de la stack d’inférence, Kimi K3 peut être le meilleur choix architectural même si son prix de jeton hébergé est plus élevé.
FAQ
Grok 4.6 est-il plus intelligent que Kimi K3 ?
Sur l’Artificial Analysis Intelligence Index actuel, Grok 4.6 obtient 61 et Kimi K3 obtient 60. C’est une avance étroite, pas un écart décisif. Les performances au niveau des tâches peuvent s’inverser selon la charge de travail.
Lequel est meilleur pour le codage ?
Les deux sont des modèles de codage crédibles. Grok 4.6 a de solides résultats actuels en codage agentique et une tarification hébergée plus basse ; Kimi K3 offre une fenêtre de contexte plus grande, des poids ouverts et de solides résultats en codage de dépôt/visuel. Utilisez votre propre benchmark de dépôt car les fournisseurs publient des versions de benchmark différentes.
Quel modèle a la plus grande fenêtre de contexte ?
Kimi K3 prend en charge environ 1M de jetons, soit environ deux fois les 500K jetons de contexte de Grok 4.6.
Lequel est le moins cher ?
Pour des jetons frais à contexte standard, Grok 4.6 est moins cher à 2 $ en entrée / 6 $ en sortie par MTok contre 3 $ / 15 $ pour Kimi K3. Kimi a un taux de hit de cache moins cher à 0,30 $ / MTok, tandis que Grok applique des tarifs plus élevés une fois que l’invite atteint 200K jetons.
Puis-je auto-héberger Kimi K3 ?
Kimi K3 a des poids ouverts disponibles sur Hugging Face, donc un déploiement auto-géré est possible. Le modèle complet à 2,8T reste cependant extrêmement grand et nécessite une infrastructure d’inférence multinœud ou spécialisée pour des performances pratiques.
Puis-je auto-héberger Grok 4.6 ?
Aucun poids public de Grok 4.6 n’est disponible. Grok 4.6 est fourni en tant que modèle propriétaire géré via SpaceXAI et des APIs partenaires.
Puis-je accéder aux deux via une seule API ?
Oui. CometAPI liste actuellement Grok 4.6 et Kimi K3, permettant aux développeurs de les comparer derrière une API et une couche de facturation unifiées.