Moonshot AI lance Kimi K3.1 Pro : modèle MoE de 2,8T de paramètres (104B actifs) avec 1M de contexte
Moonshot AI a lancé Kimi K3.1 Pro, premier modèle de sa série K3.1, un système de type « mélange d'experts » (MoE) de 2,8 billions de paramètres au total, dont 104 milliards actifs, doté d'une fenêtre de contexte d'un million de tokens. Il s'agit d'une version de Kimi K3 post-entraînée avec beaucoup plus de puissance de calcul, grâce à de l'apprentissage par renforcement mené conjointement sur des centaines de domaines. L'architecture de base repose sur Kimi Delta Attention et Attention Residuals, et active 16 experts parmi 896. Le modèle accepte texte, images et vidéo. Selon les chiffres publiés par Moonshot (à effort de raisonnement maximal, surtout avec l'environnement Claude Code), il obtient 65,7 % sur Terminal-Bench 4.0, juste derrière Claude Opus 5.5 (66,4 %), et domine SWE-Marathon avec 51,7 contre 46,3 pour Opus 5.5. Son point faible est Terminal-Bench Science 0.1, où il plafonne à 38,1 contre 68,1 pour GPT-6 Astra et 63,3 pour Opus 5.5. Sur BenchCAD avec outils, il atteint 92,7 (96,2 pour Opus 5.5), et 64,4 sur OfficeQA Pro v2. Le taux d'hallucinations au niveau des affirmations, sur un test interne difficile, passe de 23,4 % à 8,3 %, contre 5,5 % pour GPT-6 Astra.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Également couvert par The Information AI.
Pour les développeurs, l'intérêt est d'abord économique : l'API facture 2 dollars par million de tokens en entrée et 10 dollars en sortie (0,20 dollar pour les entrées en cache), contre 3 et 15 dollars pour K3. La variante Highspeed, 2 à 3 fois plus rapide, coûte 4 et 20 dollars. L'endpoint est compatible OpenAI, sous les identifiants kimi-k3.1-pro et kimi-k3.1-pro-highspeed, et le modèle est disponible sur Kimi.ai, Kimi Work, Kimi Code et l'API après une recharge minimale d'un dollar. Plusieurs contraintes s'appliquent : le mode réflexion est toujours actif, la température (1,0) et le top-p (0,95) sont fixés, la sortie par défaut est de 131 072 tokens (jusqu'à 1 048 576), et les images ne peuvent pas être fournies par URL publique. Tous les résultats sont auto-déclarés et n'ont pas été confirmés par les concurrents. Ce n'est pas un modèle que l'on exécute sur un seul GPU : pour K3, Moonshot recommande des « supernœuds » de 64 accélérateurs ou plus, avec poids en MXFP4 et activations en MXFP8.
Ce lancement s'inscrit dans la course des laboratoires chinois pour rattraper les modèles propriétaires américains tout en proposant des poids ouverts, dont la publication est attendue en novembre 2026. C'est dans cette perspective que Moonshot a retiré les données liées à la cybersécurité du pré-entraînement intermédiaire et de l'apprentissage par renforcement. Sur son benchmark interne xdev-bench-hard, un point de contrôle non filtré résolvait 90,5 % des tâches (pass@3), contre 81,0 % pour la version livrée. L'entreprise affirme que le modèle reste en retrait des modèles propriétaires de pointe sur les tâches de cyberattaque. Reste à voir si les poids ouverts arriveront dans les délais annoncés et si des évaluations indépendantes confirmeront les performances revendiquées, notamment face à Opus 5.5 et GPT-6 Astra.
Pas d'impact direct sur la France/UE