Le 23 octobre 2026, Moonshot AI a publié Kimi K3.1 Pro, premier modèle de sa série K3.1 : un open-weight de classe 3T avec 1 million de tokens de contexte, disponible tout de suite sur Kimi.ai, Kimi Work, Kimi Code et l’API, plus une variante Highspeed annoncée 2 à 3× plus rapide. Les poids complets, eux, n’arrivent que le 4 novembre.

Les chiffres, et leurs coutures

C’est une version post-entraînée de Kimi K3 avec beaucoup plus de compute de post-training. Sur les mesures :

  • Artificial Analysis Intelligence Index : 55, 4e derrière Claude Opus 5.5 (58), Sonnet 5.5 (56) et Muse Wonder Full (56). Soit +11 points sur K3 (44).
  • Terminal-Bench 4.0 : 65,7 % selon Moonshot (GPT-6 Astra 58,2 %, Opus 5.5 66,4 %)… et 67 % dans le run d’Artificial Analysis, qui le place alors devant Sonnet 5.5 (64 %).
  • Agentique : GDPval-AA 3e à 1 846 Elo (+312 sur K3), AutomationBench-AA de 58 % à 73 %.
  • Hallucinations : AA-Omniscience de 20 à 30, taux d’hallucination de 53 % à 44 %.
  • Prix : 2 $ / 10 $ / 0,20 $ par million de tokens entrée / sortie / cache hit, −33 % face à K3.

Ce dernier chiffre mérite une correction : le modèle consomme 55 000 tokens de sortie par tâche contre 48 000 pour K3. Artificial Analysis mesure 1,98 $ par tâche, quasi identique. Le tarif affiché n’est pas la facture.

Et l’écart 65,7 % / 67 % sur le même benchmark, entre harness éditeur et harness tiers, rappelle que 1,3 point, c’est du bruit de harness, pas une capacité.

Une capacité sabrée avant publication

La section cybersécurité du billet est la plus intéressante. En traçant la montée de ses performances en recherche de vulnérabilités, Moonshot a constaté que du contenu cyber était enfoui dans le corpus de mid-training et que des tâches cyber figuraient dans le mix d’environnements RL — sous-produit normal d’un entraînement sur données larges. Sans retrait, la capacité cyber montait substantiellement.

Pour la release open-weight, l’équipe a donc supprimé ces données aux deux stades, en gardant les tâches de code généraliste. Effet mesuré sur xdev-bench-hard, un bench de vulnérabilités réelles (noyau Linux, Node.js, JavaScriptCore, Exim, VirGL) : le checkpoint sans ces mesures résout 90,5 % des tâches en pass@3, le K3.1 Pro final 81,0 %. Il reste très au-dessus de K3 (33,3 %) : le code général, lui, se transfère.

La règle assumée : « nous cherchons à ne pas publier de poids ouverts qui étendraient la frontière absolue de la capacité cyber ». Un lab qui plafonne volontairement une capacité avant de lâcher ses poids, au moment où OpenAI et Anthropic expliquent ne plus savoir contenir leurs agents.

Ce que ça change pour vous

Ne jugez pas un modèle sur un point de benchmark. Terminal-Bench bouge de 1,3 point selon le harness, même modèle, même jour. Votre eval, c’est votre dépôt.

Attendez le 4 novembre pour l’auto-hébergement. Le billet ne dit rien de la licence ni de la redistribution : « open-weight » annoncé n’est pas « open source » livré.

Regardez AutomationBench et GDPval, pas HLE. Les gains sont massifs sur les workflows agentiques (58 → 73 %), modestes sur le raisonnement brut (HLE 47 → 52 %).

Le coût par tâche reste le seul chiffre honnête. Prix divisé par trois, sortie en hausse de 14 % : même facture. Surveillez ce ratio dans votre trafic.

Source