Kimi K3.1 Pro : ce que propose le modèle de classe 3T de Moonshot AI

Moonshot AI a lancé Kimi K3.1 Pro le 23 octobre 2026, premier membre de la série K3.1. Le modèle est déjà accessible dans Kimi, Kimi Work, Kimi Code et par API. Il associe une fenêtre de contexte pouvant atteindre un million de tokens à des améliorations en programmation, création 3D, recherche financière et tâches nécessitant plusieurs actions successives. Une variante, K3.1 Pro Highspeed, vise à réduire l’attente lors de ces interactions.

Pour une équipe de développement, la question pratique est de savoir si le modèle mène une demande initiale jusqu’à un résultat vérifiable : comprendre un dépôt, modifier des fichiers, exécuter des outils et interpréter des erreurs. Une réponse convaincante dans une conversation ne couvre qu’une partie du parcours. L’intérêt de ce lancement réside dans la capacité à poursuivre une tâche et à rectifier sa démarche, ce qui doit être testé sur le projet concerné.

La description officielle de K3.1 Pro emploie « classe 3T », où T représente mille milliards de paramètres. Il s’agit d’une catégorie d’échelle et non de la publication d’un décompte exact de 3 000 000 000 000 paramètres. Le tableau des modèles de Kimi distingue cette désignation des 2,8T explicitement attribués à Kimi K3, modèle phare de la génération précédente.

K3.1 Pro est une version de K3 ayant bénéficié d’un post-entraînement plus important, avec davantage de calcul consacré à cette étape. Cette parenté ne suffit pas à lui attribuer automatiquement tous les chiffres internes documentés pour son prédécesseur. La présentation de Pro ne fournit pas un nouveau décompte exact des paramètres totaux et actifs, ni de confirmation d’un nombre précis d’experts sélectionnés par token. La taille totale ne permet pas non plus de déduire son coût de fonctionnement.

Dans les résultats publiés par Moonshot, K3.1 Pro obtient 65,7 % à Terminal-Bench 4.0, qui évalue des agents sur des tâches de terminal avec ressources limitées et tests propres à chaque tâche. La même comparaison indique 66,4 % pour Claude Opus 5.5 et 58,2 % pour GPT-6 Astra. Ces scores situent le lancement, sans désigner à eux seuls un vainqueur pour tous les dépôts et environnements.

L’entreprise annonce aussi 61,2 % à son évaluation interne Kimi Code Bench 3.0 Long-horizon, contre 55,95 % pour K3. Elle publie un score de 64,4 à OfficeQA Pro v2, consacré aux questions complexes sur des documents financiers. Ces mesures portent sur des tâches différentes : les additionner ou y voir un pourcentage global d’intelligence ou de précision serait trompeur.

Ces évaluations sont présentées par le développeur et ne constituent pas une reproduction indépendante par Inferama. Pour comparer des outils de travail, il faut également tenir compte des instructions, des autorisations, des tests disponibles, du temps accordé et du coût par tâche terminée. Une évaluation utile garde ces facteurs cohérents et examine le résultat produit, au-delà de l’explication donnée par le modèle.

Une fenêtre plus large permet de réunir davantage de documentation ou de code dans une session. Modifier une interface de programmation peut, par exemple, nécessiter sa spécification, ses consommateurs et les tests d’intégration. Accepter beaucoup de données en entrée ne garantit pourtant ni d’en retrouver chaque détail, ni de relier correctement toutes les dépendances.

Il reste utile de définir l’objectif, d’indiquer les fichiers pertinents et de demander des résultats vérifiables. Pour une migration logicielle, une vérification concrète consiste à exécuter les tests avant et après, examiner les changements de comportement et mesurer les échecs restants. Charger un dépôt entier sans question précise peut accroître la latence et le coût sans améliorer la décision. Dans Kimi Code, le contexte disponible dépend aussi de l’abonnement : le maximum annoncé ne concerne pas tous les niveaux.

Le guide de la plateforme API utilise les identifiants kimi-k3.1-pro et kimi-k3.1-pro-highspeed. Kimi Code emploie k3.1-pro et k3.1-pro-highspeed dans sa propre configuration. Choisir le bon identifiant et le bon service évite de confondre abonnement de programmation et facturation de l’API. Leurs quotas et conditions doivent être examinés séparément.

Le fournisseur annonce une vitesse environ deux à trois fois supérieure pour Highspeed. Cela peut compter lors d’échanges interactifs, sans signifier pour autant un prix inférieur. Le coût final dépend des tokens d’entrée et de sortie, du cache, du raisonnement et des appels d’outils. Un essai représentatif mesure le temps et la dépense jusqu’à une solution qui réussit les vérifications, en incluant les tentatives infructueuses.

Dans Kimi Code, Pro exige que le mode de raisonnement reste activé ; le désactiver provoque une erreur. La documentation recommande aussi une nouvelle session lorsqu’on change de génération. Ces détails d’intégration ont des conséquences concrètes : une configuration inadéquate peut sembler révéler une limite du modèle alors qu’elle empêche simplement son utilisation prévue.

Au 27 octobre, la présentation annonce les poids complets au plus tard pour le 4 novembre 2026. L’API est déjà accessible ; cela ne démontre pas que les fichiers du modèle soient publiés pour téléchargement et exécution sur sa propre infrastructure. L’ouverture annoncée et l’exécution locale effective doivent être appréciées séparément.

Un hébergement propre exige de vérifier les fichiers effectivement distribués, leur licence, leurs formats, la compatibilité du moteur d’inférence et la consommation mémoire. Une architecture volumineuse ne devient pas automatiquement adaptée à une carte graphique grand public parce qu’elle utilise une activation parcimonieuse. Pour décider aujourd’hui, la voie vérifiable consiste à évaluer le service disponible et à réserver les estimations d’infrastructure locale à des spécifications de distribution réellement publiées.

K3.1 Pro élargit les options des équipes ayant besoin d’agents de programmation et d’un contexte étendu. Son intérêt dépend de la qualité du résultat pour un travail précis, de la facilité d’intégration et du coût opérationnel. Un essai sur des tâches réelles, avec critères d’acceptation et examen des modifications, fournit une base plus solide que le seul nombre de paramètres.