Moonshot publie Kimi K3.1 Pro, un modèle à poids ouverts de classe 3T doté d'une fenêtre de contexte d'un million de jetons. Les poids complets sont annoncés pour le 4 novembre, et l'entreprise assume d'avoir volontairement réduit les capacités offensives du modèle en cybersécurité.
Kimi K3.1 Pro, un K3 repassé par une post-formation plus lourde
Moonshot AI a mis en ligne Kimi K3.1 Pro le 23 octobre. C'est le premier modèle de la série K3.1, et surtout le plus capable que l'entreprise chinoise ait publié en poids ouverts. La recette ne change pas de nature : K3.1 Pro est une version post-entraînée de Kimi K3, avec beaucoup plus de calcul investi dans cette phase finale.
Concrètement, Moonshot dit avoir retravaillé toute la chaîne pour faire tourner un apprentissage par renforcement à grande échelle : cadre d'apprentissage, inférence en contexte long, ordonnancement des exécutions, infrastructure des bacs à sable. L'objectif affiché est la régularité, chaque tranche de calcul devant produire un gain prévisible. C'est moins spectaculaire qu'une nouvelle architecture, mais c'est ce qui explique les progrès revendiqués sur le code, la 3D et la finance.
Une fenêtre d'un million de jetons, des poids annoncés pour le 4 novembre
Kimi K3.1 Pro est accessible dès maintenant sur Kimi.com, Kimi Work, Kimi Code et via l'API Kimi. Une variante Highspeed, deux à trois fois plus rapide selon l'entreprise, sort en même temps. Les poids, eux, ne sont pas encore là : Moonshot promet leur publication complète d'ici le 4 novembre.
Un modèle dit à poids ouverts ne l'est qu'une fois les fichiers disponibles. Avant, les développeurs dépendent de l'API et de ses conditions. Après, ils peuvent l'exécuter chez eux et l'affiner sur leurs données.
La fenêtre de contexte atteint 1 048 576 jetons, soit un million. Dans la pratique, cela permet d'avaler une base de code entière ou un gros dossier documentaire sans découpage manuel. Le revers est connu : les très longs contextes coûtent plus cher et perdent en précision sur les informations noyées au milieu.
Sur la taille, Moonshot reste vague et parle de modèle de classe 3T. MarkTechPost avance 2 800 milliards de paramètres au total pour 104 milliards activés par jeton, une architecture de mélange d'experts. Cette lecture vient de la presse, pas du communiqué.
Ce que valent les scores avancés par Moonshot
Les chiffres qui suivent sont ceux de l'entreprise, et aucun laboratoire extérieur ne les a reproduits à ce jour.
Sur Terminal-Bench 4.0, qui mesure des agents de code sur des tâches en ligne de commande avec des tests stricts, Kimi K3.1 Pro atteint 65,7 %. GPT-6 Astra est donné à 58,2 % et Claude Opus 5.5 à 66,4 %. Le modèle chinois se place donc dans le voisinage immédiat des meilleurs modèles fermés, avec un écart mince dans les deux sens.
Moonshot met aussi en avant son benchmark interne Kimi Code Bench 3.0 Long-horizon, où le score passe de 55,95 % pour K3 à 61,2 %. Sur BenchCAD, qui transforme une reconstruction multi-vues en code de CAO, il obtient 92,7 % avec outils, contre 96,2 % pour Opus 5.5 et 95,9 % pour GPT-6 Astra. Sur OfficeQA Pro v2, l'entreprise revendique 64,4 points et un état de l'art.
Un chiffre mérite plus d'attention que les autres. Sur son test de hallucination interne, la part d'affirmations fausses, mesurée affirmation par affirmation, tombe de 23,4 % avec K3 à 8,3 %. Moonshot précise que ce test est bâti sur des échantillons volontairement piégeux, donc que le taux ne reflète pas les erreurs du quotidien. La nuance compte, et l'entreprise a le mérite de la poser elle-même.
Moins doué pour pirater, et c'est assumé
C'est la partie la plus intéressante du billet, et la moins reprise. Moonshot explique avoir identifié puis retiré les données liées à la cybersécurité de son corpus de mi-entraînement, et avoir filtré les tâches cyber de ses environnements d'apprentissage par renforcement.
L'effet est mesuré sur xdev-bench-hard, un test interne de recherche et d'exploitation de vulnérabilités. Un checkpoint non traité résout 90,5 % des problèmes en pass@3, la version finale descend à 81,0 %. Autrement dit, la même chaîne d'entraînement produirait un modèle sensiblement plus dangereux si on la laissait faire.
La justification tient en deux temps. Moonshot ne veut pas publier de poids ouverts qui repousseraient la frontière absolue des capacités offensives, et affirme que son modèle reste derrière les modèles fermés de pointe disponibles depuis au moins trois mois. L'argument inverse se défend aussi : un modèle capable de trouver des failles sert ceux qui doivent auditer du code. L'entreprise tranche pour ce second usage, en gardant le premier sous contrôle.
Code, 3D et finance : le terrain de jeu visé
Kimi K3.1 Pro est taillé pour les projets complets. Il pilote Unity, Unreal Engine et Godot, écrit des scripts Blender et CAO sans passer par un connecteur MCP, et produit des scènes Three.js. La fonction 3D Make est déjà en ligne sur kimi.com et dans l'application Kimi.
L'entreprise cite un cas destiné à frapper les esprits : un simulateur de marche construit sur un modèle anatomique ouvert, avec 296 os et 402 composants musculaires. Le modèle a diagnostiqué puis corrigé 36 erreurs dans le calcul des bras de levier des muscles de l'épaule, ce qui a fait passer le pantin d'un effondrement en quelques secondes à une marche alternée de 11,2 secondes. Le résultat n'est pas vérifiable de l'extérieur, mais il donne une idée du type de tâche visé : long, itératif, avec auto-évaluation.
Combien coûte Kimi K3.1 Pro via l'API
Moonshot ne publie pas de grille tarifaire dans son billet. Les pages d'agrégateurs tiers affichent environ 2 dollars par million de jetons en entrée et 10 dollars en sortie, avec l'entrée mise en cache autour de 0,20 dollar. La version Highspeed est listée autour de 4 et 20 dollars. Ces montants viennent de revendeurs, pas d'une confirmation officielle. Pour un développeur, l'ordre de grandeur est celui des modèles chinois haut de gamme : moins cher que les API américaines équivalentes, plus cher que les petits modèles. La question du débit reste ouverte, car Moonshot ne communique pas de valeur en jetons par seconde.
Ce qu'il faut regarder maintenant
Le 4 novembre est la date à retenir. Si les poids sortent à temps, Kimi K3.1 Pro deviendra l'un des rares modèles de cette taille hébergeables hors de Chine, ce qui intéresse les entreprises européennes pour la résidence des données. Il faudra aussi lire la licence : poids ouverts ne signifie pas open source, et Moonshot n'a rien promis sur ce point.
