Kimi K3 vs Opus 4.8 : Flappy Bird & GTA IV en face-à-face

Kimi K3 vs Opus 4.8 est l'affrontement derrière l'affirmation la plus retentissante de la semaine de lancement de K3 : que le nouveau fleuron de Moonshot est « au niveau Opus-5 ». Cette phrase provient d'un testeur, pas d'Anthropic ni d'un tableau de référence — donc la version honnête de cette comparaison est plus maigre qu'il n'y paraît. Ce que nous avons en réalité, ce sont deux démos Arena du même testeur, une estimation d'un analyste indépendant et un score d'indice neutre. C'est suffisant pour dire quelque chose d'utile, mais pas assez pour couronner un vainqueur. Voici exactement ce qui a été montré, qui l'a montré et d'où viennent les critiques.

Une note pour les développeurs : ce sont des tests communautaires précoces et non contrôlés, donc considérez-les comme indicatifs, pas comme des scores. OrcaRouter présente des modèles disponibles via API derrière un endpoint compatible OpenAI, donc une fois que Kimi K3son API est en ligne vous pouvez l'essayer contre Opus 4.8 sans connecter plusieurs SDK.

Verdict en bref. Sur un indice tiers neutre, Kimi K3 (57) se situe au-dessus d'Opus 4.8 — et il est open-weight et moins cher. Mais les *preuves* du face-à-face ici sont minces : deux démos de jeu Arena d'un seul testeur (qui a inventé "Opus-5 level") plus l'estimation d'un analyste "~Opus 4.8", et une réponse a soutenu qu'Opus semblait meilleur dans l'un d'eux. Considérez "Opus-5 level" comme une affirmation, pas un constat. Si vous avez besoin aujourd'hui d'une fiabilité de modèle fermé et audité, Opus 4.8 reste le choix le plus sûr.

Points clés

•  Le label "Opus-5 level" est l'affirmation d'un testeur (@jun_song), basée sur une démo d'Arena Flappy Bird — pas un résultat de benchmark.

•  Sur l'Indice d'Intelligence d'Artificial Analysis, K3 obtient un score de 57 et se classe au-dessus d'Opus 4.8 (Source : Artificial Analysis).

•  L'analyste indépendant @teortaxesTex a estimé K3 à "~55 AA, environ Opus 4.8 ou GPT 5.5" — et a noté qu'il n'avait pas testé K3 lui-même.

• La base de preuves est deux démos d'un testeur + une estimation, et une réponse rejetée ("opus est meilleur ?"). Nous ne proclamons pas de vainqueur.

•  K3 est à poids ouvert et coûte $3 / $15 par 1M tokens; Opus 4.8 est fermé et premium, avec un nombre de paramètres non divulgué.

Comparaison en un coup d'œil

•  Licence — Kimi K3 (Moonshot): poids ouverts (promis avant le 27 juillet 2026); Opus 4.8 (Anthropic): propriétaire, fermé

•  Déploiement — Kimi K3 (Moonshot) : API/Web maintenant, poids à venir ; Opus 4.8 (Anthropic) : API uniquement

•  Paramètres — Kimi K3 (Moonshot) : 2,8T MoE (896 experts, 16 actifs) ; Opus 4.8 (Anthropic) : — (non divulgué)

•  Fenêtre de contexte — Kimi K3 (Moonshot): 1M tokens; Opus 4.8 (Anthropic): —

•  Prix (par 1M en entrée/sortie) — Kimi K3 (Moonshot) : $3 / $15; Opus 4.8 (Anthropic): — (premium, fermé)

•  AA Intelligence Index — Kimi K3 (Moonshot): 57 (#4 sur 189); Opus 4.8 (Anthropic): En dessous de K3 sur AA's index

• Vision native — Kimi K3 (Moonshot) : Oui ; Opus 4.8 (Anthropic) : —

*Source des spécifications K3 : Moonshot (rapporté par le fournisseur). AA Index : Artificial Analysis. Les cellules Opus 4.8 marquées « — » ne sont pas divulguées et ne sont pas estimées ici.*

Le titre structurel : K3 est l'option ouverte et moins chère qui se situe *au-dessus* d'Opus 4.8 sur le seul indice neutre dont nous disposons. Opus 4.8 est l'ancien leader fermé et premium avec un historique plus long — dont la majeure partie n'est pas directement comparée à K3.

Gagnant par catégorie

Comme il n'y a qu'un seul indice tiers et deux démos informelles, la plupart des lignes sont « non comparables ». Nous désignons un gagnant uniquement lorsque les preuves sont claires.

• Indice neutre (AA) — Gagnant : Kimi K3 ; Notes : K3 57 se classe au-dessus d'Opus 4.8 (Artificial Analysis)

•  Estimation des analystes — Gagnant: — égalité / parité approximative; Notes: teortaxes: "~55 AA, environ Opus 4.8"

•  Parties uniques (Arena) — Gagnant : Kimi K3 (par un testeur) ; Notes : démos de Flappy Bird et GTA IV de jun_song ; une réponse en désaccord

• Stabilité / fiabilité — Gagnant : — non déterminé ; Notes : Un commentaire a dit "K3 est plus stable" ; un autre a dit qu'Opus avait meilleure allure

•  Maturité agentique — Gagnant: Opus 4.8 (non audité); Notes: bilan de modèle fermé; aucun benchmark agentique K3-vs-Opus dans nos données

•  Prix — Gagnant : Kimi K3 ; Notes : $3 / $15 vs un niveau premium fermé

•  Ouverture — Gagnant : Kimi K3 ; Notes : Poids ouverts vs API fermée

Les deux démos derrière l'affirmation

Les deux viennent du même testeur, @jun_song, réalisant des face-à-face sur Arena. Un testeur est une petite base — considérez ceci comme des premières impressions, pas un verdict.

Étude de cas 1 — Flappy Bird (« niveau Opus-5 »).jun_song a écrit : *"Kimi-K3 vs Opus-4.8 Flappybird test. Kimi est significativement meilleur qu'Opus. C'est la raison pour laquelle j'ai dit qu'il s'agit du niveau Opus-5. Test effectué dans @arena"* (source). Un commentaire de @u128Oq1uG8m7NMj a appuyé : *"Je pense que K3 est plus stable."* Cette seule démo est à l'origine de tout le cadrage « niveau Opus-5 » — ainsi, l'expression est un raccourci des testeurs pour « battre Opus 4.8 sur mon test Flappy Bird », pas un échelon sur une échelle officielle.

Étude de cas 2 — GTA IV.Dans un deuxième face-à-face, jun_song a rapporté : *"Kimi-K3 VS Opus-4.8 GTA IV test… Kimi-K3 s'est considérablement amélioré par rapport à son modèle précédent. + Muse Spark 1.1 a généré quelque chose d'injouable. + Gemini 3.5 Flash s'est appelé depuis Anthropic et le jeu est également injouable"* (source). Notez le cadrage : la victoire ici est mesurée principalement par rapport au modèle précédent de K3, deux autres concurrents ayant produit un résultat injouable. Et la contestation a porté sur celui-ci — @MCharles10581 a répondu : *"À en juger par la vidéo, il semble que opus soit meilleur ?"* Deux spectateurs, deux lectures du même clip. C'est exactement pour cela que nous ne le noterons pas.

Où atterrit le nombre concret.

Le seul point de données non anecdotique est l'indice neutre. Sur l'Intelligence Index d'Artificial Analysis, Kimi K3 obtient 57 points et se classe 4e sur 189 modèles — au-dessus d'Opus 4.8 (Source : Artificial Analysis). Indépendamment, l'analyste @teortaxesTex avait estimé K3 à *"~55ish AA… autour d'Opus 4.8 ou GPT 5.5"* avant que l'indice officiel ne soit publié — et a clairement indiqué qu'il *n'avait pas encore testé K3 lui-même.* Ainsi, deux signaux pointent dans la même direction : K3 est au moins à égalité avec Opus 4.8 sur l'indice d'intelligence générale, et selon le nombre d'AA, légèrement en avance.

C’est un résultat authentique, mais notez sa portée. Un score d’indice n’est pas la même chose que la fiabilité agentique, la robustesse dans l’utilisation d’outils ou la stabilité à long terme — pour aucun de ces aspects nous n’avons de benchmark K3-vs-Opus-4.8.

Là où Opus 4.8 l'emporte encore

Ces points sont non audités dans nos données — il n'y a pas de benchmark agentique K3-vs-Opus-4.8 contrôlé à citer — mais ils sont le contrepoids honnête à un ensemble de démonstration mince.

•  Fiabilité du modèle fermé. Opus 4.8 est un point de terminaison géré et maintenu par le fournisseur, avec un historique de production plus long. Une réponse a qualifié K3 de "plus stable" sur un seul jeu ; ce n'est pas une preuve de fiabilité à grande échelle.

•  Maturité agentique. La gamme Opus d'Anthropic est positionnée pour un travail agentique multi-étapes utilisant des outils. Rien dans les preuves K3-vs-Opus ici ne teste cela, et un sceptique ailleurs dans le lancement a noté "10 invites ne montreront pas Kimi K3 échouant dans l'utilisation d'outils multi-étapes."

•  Cohérence entre les exécutions. Le cas K3 repose sur deux démos d'un seul testeur. Le comportement d'Opus 4.8 est bien plus largement caractérisé — un avantage banal mais important en production.

Lequel devriez-vous choisir ?

• Vous voulez le meilleur score par dollar sur un indice neutre : Kimi K3 — il se classe au-dessus d'Opus 4.8 sur AA et coûte $3 / $15.

• Vous avez besoin de poids ouverts ou d'auto-hébergement : Kimi K3 — les poids ont été promis avant le 27 juillet 2026 ; Opus 4.8 est fermé.

•  Vous avez besoin de fiabilité auditée et de modèle fermé pour le travail agentique aujourd'hui : Opus 4.8 — les démos ici ne testent pas cela.

• Vous générez des jeux ou des one-shots interactifs : essayez d'abord Kimi K3 (selon jun_song), mais vérifiez sur vos propres invites — un clip a divisé deux spectateurs.

FAQ

Est-ce que Kimi K3 est vraiment de niveau 'Opus-5' ?

C'est une phrase d'un testeur (@jun_song), basée sur une seule démo d'Arena Flappy Bird où K3 a battu Opus 4.8. C'est une affirmation, pas un résultat de benchmark — Anthropic n'a pas défini d'« Opus-5 », et aucun test contrôlé ne soutient cette étiquette.

Est-ce que Kimi K3 bat Opus 4.8 sur les benchmarks ?

Sur l'Indice d'Intelligence d'Artificial Analysis, K3 (57) se classe au-dessus d'Opus 4.8 (Source : Artificial Analysis), et l'analyste teortaxes a estimé que K3 est « autour d'Opus 4.8 ». Il s'agit d'un classement général de l'intelligence, et non de tests agentiques ou de fiabilité.

Quelle est la force des preuves dans cette comparaison ?

Peu de choses. Il s'agit de deux démos de jeux Arena d'un testeur plus une estimation d'analyste, et une réponse a argumenté qu'Opus semblait mieux dans l'extrait de GTA IV. Traitez-le comme des premières impressions directionnelles.

Est-ce que Kimi K3 est moins cher qu'Opus 4.8 ?

Oui sur le nombre ouvert : K3 est à 3 $ / 15 $ pour 1M de tokens et poids ouvert. Opus 4.8 est un modèle premium fermé ; son prix n'est pas dans nos données, donc nous ne l'estimons pas.

Où Opus 4.8 a-t-il encore l'avantage ?

Fiabilité du modèle fermé et maturité agentique — bien que celles-ci ne soient pas auditées ici, puisqu'aucun benchmark agentique K3-vs-Opus-4.8 n'existe dans nos données.

Puis-je tester les deux l'un contre l'autre ?

Oui. Une fois que l'API de K3 est en ligne, vous pouvez router les deux via un seul point de terminaison compatible OpenAI via OrcaRouter et exécuter vos propres prompts, ce qui vaut plus que n'importe quelle démo unique.

En résumé

Kimi K3 vs Opus 4.8 se résume à un fait solide et une affirmation bruyante : le K3 se situe au-dessus de l'Opus 4.8 dans l'indice d'Artificial Analysis, est open-weight et moins cher, mais le cadrage « niveau Opus-5 » repose sur deux démonstrations de jeu d'un seul testeur — dont l'une a été interprétée différemment par un spectateur. Si votre priorité est le score par dollar et l'ouverture, le K3 est convaincant ; si vous avez besoin aujourd'hui d'une fiabilité éprouvée de modèle fermé pour le travail agentique, l'Opus 4.8 reste le pari le plus sûr jusqu'à ce que des comparaisons directes vérifiées existent.