En 2026, deux changements ont marqué l'accès à l'API Moonshot : le point d'entrée de la plateforme ouverte a migré vers platform.kimi.com, et l'ancienne série moonshot-v1 a été retirée le 31 août. Beaucoup d'équipes qui décrivent « l'API Moonshot ne fonctionne plus » rencontrent en réalité un 404 causé par un nom de modèle expiré, pas un arrêt de la plateforme.

Il faut donc distinguer deux démarches : changer de fournisseur, ou simplement migrer le nom du modèle vers kimi-k3. Cet article compare trois alternatives courantes en Chine — DeepSeek, Qwen et GLM — sur le contexte long, la rédaction en chinois, le code, les agents, l'intégration et la tarification, puis fournit un tableau de scénarios et une checklist de migration. Les modèles et les tarifs font foi sur la page Tarifs des modèles.

Remarque : Moonshot, Kimi, DeepSeek, Qwen et GLM sont des marques de leurs détenteurs respectifs ; cet article ne traite que du choix technique. Les modèles, quotas et conditions de chaque plateforme évoluent : vérifiez la documentation officielle avant tout achat.

1. Identifier d'abord le niveau à remplacer

Trois situations seulement justifient d'engager un changement de plateforme :

  • les capacités du modèle actuel sont clairement insuffisantes, par exemple un rappel médiocre sur contexte long ou des appels d'outils instables ;
  • le palier de limitation ne répond durablement pas au besoin, et monter de niveau n'est pas rentable ;
  • les exigences d'achat, de facturation ou de conformité des données imposent de changer d'entité contractante.

Si le problème se limite à une hausse des 404, 401 ou 429, commencez par l'ingénierie : le nom du modèle est-il retiré, la clé correspond-elle au bon site, le SDK réessaie-t-il automatiquement, toutes les requêtes utilisent-elles le modèle le plus lourd ? Ces défauts suivront de toute façon sur une autre plateforme.

L'API Moonshot s'adresse aux développeurs et ne partage pas la facturation du site Kimi ni des abonnements. Cet article compare des interfaces, pas des produits grand public.

2. Les quatre plateformes en bref

Moonshot (plateforme ouverte Kimi) : site chinois platform.kimi.com, interface https://api.moonshot.cn/v1 ; site international platform.kimi.ai, interface https://api.moonshot.ai/v1. Comptes, soldes et clés sont totalement indépendants. La gamme actuelle comprend kimi-k3 (contexte 1M), kimi-k2.7-code (256K, orienté code) et kimi-k2.6 (256K, texte et entrées visuelles). L'interface est compatible avec OpenAI Chat Completions et Responses, et propose aussi un point d'entrée compatible Anthropic Messages.

DeepSeek : les modèles d'interface actuels sont deepseek-flash et deepseek-v4-pro, annoncés avec un contexte de 1M et une sortie maximale de 384K. La facturation distingue les succès de cache des échecs et applique des tarifs de pointe et de creux, moins chers en heures creuses. Adapté aux traitements par lots, au code et aux tâches sensibles au coût.

Qwen (Alibaba Cloud Model Studio) : la gamme texte repose sur qwen3.8-max, qwen3.7-plus et qwen3.8-flash, couvrant les niveaux haute capacité, équilibré et rapide. L'adresse compatible OpenAI est un domaine propre à l'espace de travail, du type https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1, avec conservation de l'ancien domaine dashscope.aliyuncs.com. La clé est liée à une région : une clé de Pékin appelant une région étrangère renvoie un 401.

GLM (Zhipu) : la gamme actuelle comprend GLM-5.3, GLM-5.3-Flash, GLM-5.2 et GLM-5.1 ; GLM-5.3 est annoncé avec un contexte de 1M et une sortie de 128K. L'interface est https://open.bigmodel.cn/api/paas/v4, au format proche d'OpenAI Chat Completions. Une offre Coding distincte existe : vérifiez si vous utilisez l'interface générale ou le point d'entrée Coding.

3. Six dimensions à examiner

Contexte long : les quatre plateformes ont atteint le niveau 1M sur leurs modèles haut de gamme ; la taille de fenêtre n'est plus la seule différence. Ce qu'il faut tester, c'est le rappel au milieu d'un long document, l'exactitude des citations, le mode de facturation des tokens d'entrée et la sortie maximale. Si un contrat entier est renvoyé à chaque requête, le coût d'entrée domine la facture.

Rédaction en chinois : Moonshot, GLM et Qwen sont réputés pour leurs corpus chinois, et DeepSeek reste solide sur les contenus techniques en chinois. Les différences de style sont difficiles à juger sur un classement : faites une évaluation à l'aveugle avec 30 à 50 échantillons de votre secteur, en regardant terminologie, ton et taux de reprise humaine.

Code : Moonshot dispose du modèle dédié kimi-k2.7-code, DeepSeek V4 Pro convient aux tâches à l'échelle d'un dépôt, GLM propose l'offre Coding et la série CodeGeeX, et Qwen confie le codage à ses modèles Max/Plus généraux. Le critère est le taux de tests réussis et le respect des instructions sur fichiers longs, pas une démonstration sur un seul exercice.

Agents et appels d'outils : la couverture protocolaire de Moonshot est large, utile aux projets déjà en double stack Anthropic/OpenAI ; le mode raisonnement de DeepSeek convient au raisonnement multi-étapes ; GLM est bien adapté à l'écosystème d'agents chinois ; la documentation de Qwen indique que les appels d'outils ne peuvent pas encore être combinés avec stream=True, à vérifier avant un agent temps réel.

Intégration : les quatre proposent une interface compatible OpenAI ; migrer revient souvent à changer l'URL de base, la clé et le nom du modèle. Mais l'isolation régionale est générale : Moonshot sépare Chine et international, Qwen distingue Pékin, Singapour, Virginie et Tokyo, GLM et DeepSeek appliquent aussi des droits par système de compte. Une clé qui ne correspond pas à l'adresse est une cause fréquente de 401.

Tarification : Moonshot gradue de Tier0 à Tier5 selon le cumul rechargé, le palier déterminant concurrence, RPM, TPM et TPD ; DeepSeek facture séparément cache, entrée et sortie, avec tarifs de pointe et de creux ; Qwen facture selon la région et le palier de modèle ; GLM facture selon le modèle et l'offre. Un prix affiché bas ne signifie pas un coût total bas, comme le détaille la section suivante.

4. Tableau des scénarios

Scénario À valider en premier Deuxième choix Critère principal
Documents de plusieurs centaines de milliers de mots, questions sur une base entière Moonshot kimi-k3 DeepSeek V4, GLM-5.3 Rappel au milieu, exactitude des citations, coût d'entrée
Contenu chinois, relecture, service client Moonshot, GLM Qwen, DeepSeek Style, terminologie, taux de reprise humaine
Génération de code, questions sur dépôt Moonshot k2.7-code DeepSeek V4 Pro, GLM Coding Taux de tests réussis, respect des instructions
Agent multi-étapes, appels d'outils Moonshot, GLM DeepSeek Stabilité des outils, reprise après interruption, compatibilité
Tâches par lots sensibles au coût DeepSeek, Qwen Flash GLM Flash, petits modèles Moonshot Coût total par tâche conforme
Achats d'entreprise et factures en Chine Qwen, GLM, DeepSeek Moonshot Entité contractante, facture, clauses de données
Activité internationale multi-régions Régions étrangères Qwen Site international Moonshot Disponibilité régionale, rattachement de la clé, politique de données

« À valider en premier » ne signifie pas mise en production directe : commencez par une campagne sur votre propre jeu d'évaluation.

5. Comment comparer les tarifs équitablement

Ne classez pas les plateformes sur le prix affiché au million de tokens. La facture réelle dépend du ratio entrée/sortie, du taux de succès du cache, de la longueur des sorties, du nombre de tentatives et des requêtes échouées.

  1. Sélectionnez 30 à 50 tâches réelles couvrant les niveaux simple, moyen et complexe.
  2. Définissez un critère d'acceptation par tâche, avec au moins deux évaluateurs indépendants.
  3. Exécutez le même lot sur les quatre modèles, avec température et plafond de sortie aussi proches que possible.
  4. Relevez le score de qualité, la latence du premier token, la durée totale p95, les tokens d'entrée et de sortie, et le taux d'erreur.
  5. Comparez le coût « par tâche conforme », pas le prix au million de tokens.
  6. Intégrez au coût total cache, tentatives, attentes de limitation et reprises humaines.

Si la plateforme candidate est 30 % moins chère mais double le taux de reprise, son coût réel est généralement plus élevé. Ramenez tarifs de pointe, prix du cache et prix des offres au même cycle métier avant de comparer.

6. Checklist de migration

  1. Recensez tous les noms de modèles codés en dur, notamment les noms retirés ou non maintenus comme moonshot-v1-* ou kimi-latest.
  2. Vérifiez que l'URL de base, la région et la clé de la plateforme cible appartiennent au même système.
  3. Contrôlez les différences de paramètres : champ de plafond de sortie, activation du mode raisonnement, format des appels d'outils.
  4. Créez un jeu d'évaluation et une base de référence en relevant qualité, latence et usage de la version Moonshot actuelle.
  5. Faites tourner en double à faible volume via l'interface compatible OpenAI, sans modifier la structure du code métier.
  6. Comparez les cas d'échec, les types d'erreur et la facturation réelle pour détecter des tentatives invisibles.
  7. Déployez progressivement sur 5 % à 10 % du trafic, avec alertes de qualité et relecture humaine.
  8. Conservez un interrupteur de retour arrière et observez au moins un cycle métier complet avant d'élargir.
import os
from openai import OpenAI

PROVIDERS = {
    "moonshot": ("https://api.moonshot.cn/v1", "kimi-k3"),
    "deepseek": ("https://api.deepseek.com/v1", os.environ["DEEPSEEK_MODEL"]),
    "qwen": (os.environ["QWEN_BASE_URL"], os.environ["QWEN_MODEL"]),
    "glm": ("https://open.bigmodel.cn/api/paas/v4", os.environ["GLM_MODEL"]),
}

def ask(provider: str, prompt: str) -> str:
    base_url, model = PROVIDERS[provider]
    client = OpenAI(api_key=os.environ[f"{provider.upper()}_API_KEY"], base_url=base_url)
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        max_completion_tokens=800,
    )
    return resp.choices[0].message.content

for name in PROVIDERS:
    print(name, ask(name, "Expliquez en trois phrases les limites de votre fenêtre de contexte"))

Les noms de modèles sont lus dans des variables d'environnement ; renseignez-les selon la liste de chaque plateforme et la page tarifs. Ce même code d'évaluation permet une comparaison transversale sans réécrire un SDK par fournisseur.

7. Pas besoin de choisir un seul fournisseur : le routage hybride est fréquent

La plupart des équipes finissent non pas par remplacer tout, mais par répartir :

  • les documents très longs passent par kimi-k3 ou un modèle de contexte équivalent, les questions ordinaires par un palier moins cher ;
  • les tâches de code passent par un modèle dédié, le service client chinois par un modèle au style plus stable ;
  • en cas de 429 ou 5xx sur le modèle principal, basculez vers le secours ; ne basculez pas automatiquement sur 401, 404 ou blocage de sécurité, car changer de modèle ne corrige pas une configuration ;
  • centralisez les clés, la facturation et les journaux dans une passerelle unifiée, pour éviter un jeu d'identifiants et un circuit de facture par fournisseur ;
  • gardez les prompts indépendants du modèle, sans format codé en dur pour un fournisseur.

Les règles de routage doivent être observables : journalisez pour chaque requête le modèle réellement utilisé, la raison de la bascule, la qualité et la latence après bascule. Un « routage intelligent » sans journaux n'est qu'une boîte noire.

Questions fréquentes

L'API Moonshot et le site Kimi, est-ce la même chose ?

Non. Le site est un produit grand public, l'API une interface appelée par des programmes ; clés, quotas et facturation diffèrent. Remplacer l'API n'implique pas de considérer les avantages d'un abonnement.

La série moonshot-v1 est-elle encore appelable ?

La page officielle des modèles indique un retrait le 31 août 2026, avec migration recommandée vers kimi-k3. Les anciens noms renvoient généralement un 404 : migrez d'abord, puis déterminez si un changement de plateforme est nécessaire.

Pourquoi l'API Qwen renvoie-t-elle un 401 dès la première clé ?

La cause la plus fréquente est une inadéquation entre la clé et la région. Une clé de Pékin appelant Singapour ou la Virginie renvoie un 401, souvent avec le code invalid_api_key. Vérifiez que l'espace de travail, la région et l'URL de base concordent.

Les quatre modèles peuvent-ils partager une seule clé ?

Non. Chaque plateforme émet ses propres clés, avec comptes et soldes indépendants. Une passerelle multi-modèles peut centraliser les identifiants, mais l'autorisation sous-jacente reste celle de chaque plateforme.

Que faire si la qualité baisse après migration ?

Vérifiez d'abord l'équivalence des noms de modèles, des paramètres et des prompts, puis comparez les cas d'échec sur le même lot de tâches. Une baisse apparente vient souvent d'un plafond de sortie, d'un mode raisonnement ou d'un prompt système modifié, pas du modèle lui-même.

Pour aller plus loin

Créez une clé de test sur ZSQH AI Gateway, comparez Moonshot, DeepSeek, Qwen et GLM sur le même lot de tâches métier, puis choisissez le principal et le secours. Les modèles disponibles et la facturation font foi sur la page Tarifs des modèles.

Articles liés :