MIDM K 3.0 Pro : le modèle hybride 120B de KT débarque avec un prix et sans benchmarks

Mi:dm K 3.0 Pro — orthographié MIDM K 3.0 Pro dans la plupart des catalogues de modèles, et référencé à l’international sous KT: Mi:dm K 3.0 Pro — est le premier modèle télécom coréen à figurer sur une liste de prix internationale avec une fiche technique digne d’un modèle de frontière et aucune évaluation publique à l’appui. KT le sert depuis sa propre plateforme Token Factory avec une date de sortie au 29 octobre 2026, et la fiche internationale est datée du 5 novembre 2026. C’est un mélange d’experts de 120 milliards de paramètres qui active 12 milliards de ces paramètres par token, il accepte 261 795 tokens de contexte, et il coûte 0,20 $ par million de tokens d’entrée et 0,80 $ par million de tokens de sortie. Ce qu’il n’a pas, au 11 novembre 2026, c’est le moindre score de benchmark publié par qui que ce soit — ni par KT, ni par un évaluateur indépendant, ni dans le tableau comparatif d’un laboratoire rival. Cette lacune n’est pas une note de bas de page sur cette page. C’est l’élément principal qu’un acheteur doit intégrer dans son prix.

Trois dates, et laquelle correspond à la sortie

Les propres documents de KT donnent trois dates différentes pour le même modèle, et elles sont toutes correctes dans leur propre cadre, ce qui explique pourquoi la question « quand est-il sorti » a été si difficile à répondre.

• 15 octobre 2026 — Mi:dm K 3.0 est présenté publiquement pour la première fois lors de l'AID-X Day de KT à Séoul, aux côtés d'un agent vocal de nouvelle génération, d'une plateforme d'agents interne appelée KT-Claw, et des travaux de l'entreprise sur la compression de prompts et le routage de modèles. La presse spécialisée coréenne couvrant l'événement le décrit comme le « modèle de nouvelle génération » du groupe, démontré plutôt que vendu. Rien n'est tarifé, et aucun identifiant de modèle n'existe encore.

• 29 octobre 2026 — la date que la page du modèle Token Factory de KT présente comme 출시일, la date de sortie. C'est à ce moment que le modèle est devenu accessible pour qu'un client puisse lui envoyer une requête et être facturé, sur la plateforme de KT elle-même.

• 5 novembre 2026 — la date indiquée sur la fiche du catalogue international, le moment à partir duquel des développeurs extérieurs à la relation de facturation propre à KT pouvaient y accéder. Chacune de ces entrées de catalogue reproduit la même description d’une phrase — mélange d’experts, 120B au total, 12B actifs, hybride Mamba/MoE/attention — qui provient de KT et n’a pas été vérifiée indépendamment.

La raison pour laquelle cette distinction mérite trois points plutôt qu’une seule phrase, c’est que « sorti le 29 octobre » et « disponible à l’international le 5 novembre » ne signifient pas la même chose pour une équipe achats. Le premier est une relation fournisseur. Le second est une ligne budgétaire que vous pouvez évaluer cette semaine. Les deux sont suffisamment récents pour que le modèle n’ait accumulé aucun test tiers publié, si bien qu’un lecteur qui arrive en novembre 2026 est en avance, pas en retard.

Ce qu'est réellement l'architecture

La conception hybride est la partie intéressante, et celle que la plupart des textes de catalogue compressent en une seule proposition. Selon la description de KT, Mi:dm K 3.0 Pro mélange des couches Mamba, des couches de mélange d’experts et des couches d’attention classiques au sein d’une même pile. Chacune remplit une fonction différente. L’attention permet au modèle de se rappeler exactement de positions antérieures arbitraires, ce dont dépendent les tâches sur documents longs et le suivi précis d’instructions. Mamba lui offre un chemin en temps linéaire à travers de longues séquences, ce qui évite qu’un prompt de 262 K tokens ne devienne quadratique en coût et en latence. La couche de mélange d’experts est ce qui rend un modèle de 120 B économiquement viable à servir tout court : seuls 12 B de paramètres — un dixième du réseau — sont exécutés pour un token donné, si bien que le coût de calcul suit le nombre de paramètres actifs plutôt que le total.

Réunir les trois dans une même pile est une véritable position d’ingénierie, pas du marketing. C’est le même instinct qui sous-tend plusieurs sorties de 2026 ayant tenté d’échapper au coût de l’attention pure en contexte long, et c’est une chose plus difficile à entraîner que d’en choisir une. Que KT l’ait bien exécuté est précisément la question à laquelle personne n’a répondu publiquement.

KT divulgue également le format de service, ce que la plupart des laboratoires ne publient pas : sur sa page Token Factory, le modèle est décrit comme étant servi à partir d’un checkpoint dont les experts MoE sont quantifiés en NVFP4, les projections Mamba et l’expert partagé étant maintenus en FP8. Il s’agit d’une décision de service, et non d’entraînement, et elle a une conséquence pratique : les poids qu’un client appelle ne sont pas ceux que KT a entraînés, et tout benchmark exécuté contre ce point de terminaison mesure l’artefact quantifié. Pour un modèle de 120B à 0,20 $ par million de tokens d’entrée, une quantification agressive est ce qui permet d’atteindre ce prix. Cela fixe aussi une attente : une voie d’experts en 4 bits n’est pas là où l’on cherche une reproduction exacte d’une référence en pleine précision.

L’enveloppe, dans les chiffres publiés par KT

• Paramètres — 120 B au total, 12 B actifs par token, selon la propre copie de la fiche modèle de KT.

• Contexte — 261 795 tokens. Cela représente 256 K en chiffres ronds, soit environ un quart de ce que proposent les modèles de pointe aux alentours de cette gamme de prix.

• Sortie maximale — 235 615 jetons dans une seule réponse. C'est inhabituellement généreux par rapport à la fenêtre de contexte : le modèle peut écrire presque autant qu'il peut lire.

• Modalité — texte en entrée, texte en sortie. Aucune entrée d’image, d’audio ou de fichier, et aucune sortie multimodale. Les fiches du catalogue confirment le mode texte uniquement des deux côtés de la requête.

• Raisonnement — le modèle expose un contrôle de raisonnement et renvoie le contenu de raisonnement séparément de la réponse, afin qu’un appelant puisse masquer ou afficher la trace de réflexion.

• {{1}}Sortie structurée{{/1}} — la sortie JSON et la sortie contrainte par schéma sont prises en charge, ce qui constitue la capacité la plus importante pour quiconque intègre le modèle dans un pipeline.

• Appel d’outils — non listé parmi les paramètres de requête pris en charge par le modèle sur sa fiche catalogue, contrairement à la plupart des modèles de pointe de 2026, qui exposent explicitement tools et tool_choice. Si une boucle d’agent nécessite un appel de fonctions, c’est la première chose à tester plutôt qu’à supposer.

• Tarification — 0,20 $ par million de jetons d'entrée, 0,80 $ par million de jetons de sortie et 0,04 $ par million de jetons d'entrée mis en cache.

• Comportement de service mesuré — environ 196 jetons de sortie par seconde et 0,62 seconde jusqu’au premier jeton en médiane, avec une disponibilité signalée à pratiquement 100 % sur la journée écoulée auprès de l’unique fournisseur de service.

Le prix, et la remise qui ne figure pas sur l’annonce internationale

La propre plateforme de KT vend actuellement le modèle en dessous de son prix catalogue. La page Token Factory affiche l’entrée à 190 ₩ par million de tokens contre 271 ₩ barrés, et la sortie à 759 ₩ contre 1 085 ₩, soit une remise promotionnelle de 30 % appliquée aux mêmes tarifs de 0,20 $ et 0,80 $ indiqués dans l’offre internationale. L’entrée mise en cache suit le même schéma : 0,03 $ au tarif promotionnel, 0,04 $ au prix catalogue.

Deux choses s’ensuivent. Premièrement, le prix effectif aujourd’hui est de 0,14 $ en entrée et de 0,56 $ en sortie si vous achetez directement auprès de KT, et de 0,20 $ / 0,80 $ si vous accédez au modèle via un catalogue tiers qui répercute le tarif catalogue. Deuxièmement, une tarification promotionnelle sur un modèle aussi récent est un outil de lancement, pas une grille tarifaire, et elle prendra fin sans grand préavis. Un modèle de coûts fondé sur 0,14 $ devrait être recalculé sur 0,20 $ avant d’être utilisé pour justifier quoi que ce soit.

Même au tarif catalogue, la position est frappante. Vingt cents par million de jetons d’entrée, c’est environ un deux-centième de ce que facturent les modèles de frontière — Claude Opus 5.5 est à 4 $ et 20 $, Gemini 4 Argon à 2 $ et 10 $ — et c’est moins cher que le propre niveau phare de DeepSeek, à 0,66 $ et 1,98 $ hors heures de pointe. Qu’il s’agisse d’une bonne affaire ou d’un avertissement dépend entièrement des capacités, et les capacités sont le seul chiffre que personne ne possède.

L’écart de mesure, énoncé avec précision

Trois choses sont souvent prises pour des benchmarks, et aucune ne l’est.

Le premier est l’annonce de KT elle-même. Les documents d’AID-X Day et la fiche de modèle décrivent l’architecture, la quantification et le contexte, et ne publient pas de tableau de scores face à des évaluations nommées. Il n’y a aucun chiffre Terminal-Bench rapporté par le fournisseur, aucun chiffre SWE-bench, aucun résultat de benchmark en coréen pour en débattre. C’est inhabituel pour un lancement en 2026 — la plupart des laboratoires publient un tableau, même lorsque ce tableau sert leurs intérêts — et cela signifie qu’il n’y a rien à minorer.

Le second est Artificial Analysis, l’évaluateur indépendant sur lequel s’appuient la plupart des comparaisons de ce blog. Au 11 novembre 2026, il n’a aucune page pour le modèle : le chemin du modèle renvoie un 404 et le modèle n’apparaît pas dans son index. C’est le signal le plus clair disponible indiquant que le modèle n’a pas été soumis indépendamment à une suite standard.

Le troisième est le composite de l’agrégateur. Au moins un site de comparaison de modèles publie un score « global » de 40 sur 100 et un classement en codage de 185e sur 445 pour Mi:dm K 3.0 Pro. Ces chiffres ne sont pas des résultats de benchmarks. Ils sont un mélange pondéré de prix, de récence, de longueur de contexte, de capacité de sortie et d’un signal de capacité, et sur ce site, le prix seul pèse 25 % et le contexte 15 %. Un modèle aussi bon marché et aussi récent obtient de bons scores sur deux des cinq entrées par construction. Lu comme un résumé de fiche technique, c’est très bien ; lu comme une mesure de capacité, c’est circulaire.

L’état réel des choses est donc le suivant : une description de l’architecture fournie par le fournisseur, un prix, une fenêtre de contexte, et rien qui indique si le modèle est bon. Quiconque publie cette semaine un tableau comparatif contenant les scores de benchmark de Mi:dm K 3.0 Pro les a soit inventés, soit copiés à quelqu’un qui l’a fait.

Où cela se situe réellement sur le marché

Ce qui s’approche le plus d’un énoncé de positionnement vient de l’histoire de KT elle-même plutôt que de la fiche de ce modèle. KT a développé la gamme Mi:dm comme une famille centrée sur la Corée : Mi:dm 2.0 est sorti sous la forme d’un modèle base-instruct de 12B et d’un mini de 2B, tous deux publiés en open weights sur Hugging Face en juillet 2025, et les documents destinés aux entreprises décrivent cette famille comme ajustée pour la société, la culture et les connaissances sectorielles coréennes plutôt que pour des benchmarks de programmation en langue anglaise. Un hybride de 120B à ce prix correspond à ce programme monté en puissance, et non à un pivot vers la frontière mondiale.

Ce cadrage indique à l’acheteur ce qu’il doit tester en premier. Si la charge de travail concerne le service client en coréen, des textes réglementaires nationaux ou un corpus de domaine dont le vocabulaire est coréen, un modèle entraîné pour cela constitue une proposition différente d’un modèle de pointe auquel on a greffé des compétences en coréen. Si la charge de travail concerne du codage agentique en anglais sur un grand dépôt, il s’agit d’un modèle bon marché sans preuves à l’appui et doté d’une fenêtre de contexte quatre fois plus petite que celle des leaders.

Il convient également de préciser ce qui n’est pas ouvert. Les poids de Mi:dm 2.0 sont publics ; ceux de Mi:dm K 3.0 Pro ne le sont pas. Il n’existe aucun dépôt sur l’organisation Hugging Face de KT portant le nom 3.0, et le modèle n’est servi que via la plateforme de KT. Cela exclut l’auto-hébergement, le fine-tuning sur son propre matériel, et toute la catégorie d’évaluations qui nécessitent de télécharger le checkpoint.

Comment l'appeler, et que signifie le fournisseur unique

Mi:dm K 3.0 Pro est fourni par exactement un seul fournisseur — KT — et OrcaRouter ne le route pas actuellement. Cela compte pour une raison précise, et non à titre d’avertissement. Un modèle mono-fournisseur ne peut pas basculer en cas de défaillance. Si le point de terminaison de KT se dégrade, il n’existe aucun second hôte vers lequel rediriger le trafic, et le chiffre de disponibilité cité pour le modèle mesure l’infrastructure d’une seule entreprise, non celle d’un marché. Les équipes qui ont besoin d’une garantie de disponibilité ferme veulent généralement soit un second fournisseur, soit un mécanisme de repli au niveau applicatif ; pour ce modèle, seule la seconde option existe.

Le jeu de comparaison, c'est une autre histoire. OrcaRouter propose plus de 200 modèles derrière une seule clé au prix catalogue du fournisseur, avec 0 % de marge en sus ; ainsi, les modèles bon marché auxquels celui-ci se mesure réellement — les gammes de D​eepSeek, la ligne G​LM, Q​wen — et les modèles de pointe auxquels on le compare se trouvent sur le même point de terminaison et la même facture. Un essai comparatif direct devient donc un simple changement de routage plutôt qu'un projet d'approvisionnement, ce qui est la manière la plus judicieuse de répondre à la question à laquelle cette page ne peut pas répondre : envoyer les mêmes 50 prompts à Mi:dm K 3.0 Pro et à deux modèles auxquels vous faites déjà confiance, puis évaluer vous-même les résultats. À 0,20 $ en entrée et 0,80 $ en sortie, cette expérience coûte quelques centimes.

Qu’est-ce qui changerait cette page

Quatre évolutions feraient passer le Mi:dm K 3.0 Pro de « prix intéressant, modèle inconnu » à un modèle sur lequel une équipe peut planifier, et chacune est vérifiable.

Une évaluation indépendante. Une seule fiche Artificial Analysis comportant un score à l'Intelligence Index et un coût par tâche ferait davantage pour la réputation de ce modèle que n'importe quel communiqué de presse, car elle placerait le chiffre à côté des modèles face auxquels il est tarifé — le même index situe Claude Opus 5.5 à 58 et DeepSeek V4 Pro à 36, et un chiffre dans cette fourchette trancherait le débat sur la question de savoir si la remise est une compensation ou un arbitrage.

Une fiche de référence publiée par le fournisseur. L’absence est suffisamment frappante pour que sa parution constitue en soi une nouvelle, et donne au moins aux propres concepteurs du modèle un point de comparaison pour vérifier leurs affirmations.

Un second fournisseur de service. Deux hôtes indépendants rendraient le basculement possible et permettraient à un acheteur de considérer le prix comme un tarif de marché plutôt que comme un tarif promotionnel.

Les poids. KT a publié Mi:dm 2.0 en open source et n'a pas publié celui-ci en open source. Si cela change, le modèle devient évaluable par toute personne disposant d'un GPU, et l'écart de mesure se comble sans attendre un évaluateur.

Jusqu’à ce qu’au moins l’un de ces événements se produise, l’affirmation défendable concernant Mi:dm K 3.0 Pro est étroite et précise : un modèle hybride à mélange d’experts de 120B, 12B actifs, contexte de 262K, texte uniquement, servi à partir d’un checkpoint quantifié par un seul fournisseur, à un prix inférieur d’un ordre de grandeur à celui de tous les modèles de pointe — et sans preuve publiée de ses performances. Cela suffit à justifier un test peu coûteux. Cela ne suffit pas à justifier une migration.