Kimi K3.1 Pro : 2 800 milliards de paramètres bientôt en libre accès

Kimi K3.1 Pro est sorti le 23 octobre 2026 sur l'API de Moonshot AI, et la nouvelle a mis moins de vingt-quatre heures à faire le tour des canaux d'ingénieurs. Pas pour les scores bruts — ils sont excellents sans être renversants. Pour une ligne dans l'annonce : les poids complets du modèle seront publiés au plus tard le 4 novembre 2026. Un modèle qui joue dans la cour des frontières, et qu'on pourra télécharger.

Ce qu'il y a sous le capot

L'architecture est un mélange d'experts épars (sparse MoE), poussé à une échelle rarement annoncée aussi clairement :

• 2 800 milliards de paramètres au total ;
• 104 milliards actifs par token ;
• 1 million de tokens de fenêtre de contexte ;
• entrées texte et images ;
• trois niveaux de raisonnement sélectionnables : low, medium, max.

Le ratio mérite qu'on s'y arrête. Seuls 3,7 % des paramètres s'activent à chaque token. C'est ce qui rend servable un modèle de cette taille : on paie la mémoire d'un géant, mais le calcul d'un modèle moyen. Toute la génération actuelle de modèles chinois à poids ouverts repose sur ce compromis.

Autre détail que Moonshot ne cache pas : K3.1 Pro partage le modèle de base de K3. Les gains viennent du post-entraînement. Pas de nouveau pré-entraînement à des centaines de millions de dollars, donc — de l'affinage, du RL, de la cuisine d'alignement. Et l'écart de performance est pourtant massif.

Les benchmarks, chiffre par chiffre

Sur les mesures publiées par Moonshot :

• Terminal-Bench 4.0 : 65,7 — contre 66,4 pour Claude Opus 5.5. Sept dixièmes de point. Le même test donnait 13 % à Kimi K3.
• DeepSWE v1.1 : 75,5
• SWE-Marathon v1.1 : 51,7
• GPQA Diamond : 94,2

Le saut de 13 à près de 66 sur Terminal-Bench est le chiffre le plus parlant du lot. Ce test évalue la capacité à mener des tâches longues dans un terminal — enchaîner des commandes, lire des erreurs, se corriger. C'est l'épreuve qui sépare un modèle bavard d'un agent utilisable.

Les évaluations indépendantes confirment la trajectoire. Artificial Analysis place K3.1 Pro à 55 sur son indice d'intelligence, soit 11 points de plus que K3. Devant Claude Fable 5.1, GPT-6 Astra et Gemini 4 Argon, tous à 53. Derrière Opus 5.5, à 58. Sur GDPval-AA, le modèle totalise 1 846 points Elo, en hausse de 312 par rapport à K3, troisième derrière Opus 5.5 (1 866) et Muse Wonder Full (1 857).

Trois classements, trois fois la même configuration : Moonshot est dans le peloton de tête, jamais premier.

Le prix, et c'est là que ça devient intéressant

Tarifs API, par million de tokens :

• entrée : 2,00 $
• entrée en cache : 0,20 $
• sortie : 10,00 $

La variante Highspeed double la facture (4 $ / 20 $) sauf sur le cache, qui reste à 0,20 $.

Ce barème est identique à celui de GPT-6.1 Sol et correspond à la moitié du tarif d'Opus 5.5. Mettez les deux séries de chiffres côte à côte : trois points d'indice d'écart, cinquante pour cent d'économie. Pour une entreprise qui traite des millions de requêtes par jour sur des tâches de volume — classement de tickets, extraction, génération de code de routine — l'arbitrage se fait tout seul.

L'API est compatible OpenAI. Changer de fournisseur revient à modifier une URL de base et une clé. Le verrouillage technique, qui a longtemps protégé les acteurs américains, s'est évaporé.

Pourquoi la date du 4 novembre compte plus que les scores

Jusqu'ici, les modèles à poids ouverts suivaient les modèles fermés avec six à douze mois de retard. On téléchargeait un modèle correct, pas un modèle de pointe. Si Moonshot publie bien ses poids le 4 novembre, c'est la première fois qu'un modèle librement téléchargeable arrive à cette hauteur face à la frontière.

Conséquences concrètes, et elles ne sont pas théoriques :

• Souveraineté des données. Un hôpital, un cabinet d'avocats, une administration peuvent faire tourner le modèle sur leur propre infrastructure. Plus d'appel sortant, plus de clause contractuelle à négocier sur le traitement des prompts.
• Spécialisation. Des poids disponibles se fine-tunent. Les entreprises peuvent construire des variantes métier sans attendre qu'un fournisseur daigne les proposer.
• Audit. Un modèle téléchargeable est un modèle inspectable. Pour la recherche en sécurité et en interprétabilité, c'est la différence entre une boîte noire et un objet d'étude.
• Pression tarifaire. Dès que des hébergeurs tiers servent les mêmes poids en se concurrençant, le prix de l'intelligence s'effondre sur ce segment.

À noter : « poids ouverts » n'est pas « open source ». Les données d'entraînement, le code du pipeline et les recettes de post-entraînement restent chez Moonshot. On récupère le résultat, pas la méthode. La licence exacte n'était pas publiée au moment de l'annonce du 23 octobre, et c'est le point à surveiller — un usage commercial restreint changerait beaucoup de choses.

Les réserves à garder en tête

Les benchmarks cités dans l'annonce sont ceux de Moonshot. L'exercice est connu : on sélectionne les épreuves où l'on brille. Les scores d'Artificial Analysis, mesurés de l'extérieur, placent d'ailleurs le modèle un cran en dessous des chiffres maison, ce qui est la norme du secteur.

Le million de tokens de contexte mérite aussi la prudence habituelle. Avaler un million de tokens n'est pas raisonner dessus. Les tests de récupération dans un contexte très long réservent presque toujours des surprises désagréables, et aucune donnée publique indépendante ne couvre encore ce point pour K3.1 Pro.

Reste la question du déploiement. Un modèle de 2 800 milliards de paramètres ne se lance pas sur une station de travail, même en version quantifiée. Les poids seront publics ; les faire tourner demandera un parc de GPU que peu d'acteurs possèdent. L'ouverture profitera d'abord aux hébergeurs spécialisés et aux laboratoires, qui les serviront au reste du marché.

Le 4 novembre dira si Moonshot tient parole. Si oui, la course à l'intelligence ne se jouera plus seulement entre San Francisco et Seattle, mais sur un terrain où le meilleur modèle téléchargeable se situe à trois points du meilleur modèle tout court.