Kimi K3.1 Pro se rapproche des meilleurs modèles propriétaires

Moonshot AI a lancé Kimi K3.1 Pro, une version post-entraînée de son modèle Kimi K3, avec des gains marqués sur le raisonnement agentique, le code et la modélisation 3D. Selon Artificial Analysis, le modèle atteint 55 points sur l’Intelligence Index, soit quatre places de haut niveau et un écart réduit à 3 points avec les meilleurs modèles propriétaires. À ce stade, l’enjeu dépasse le simple classement : le chinois Moonshot resserre la distance entre modèles ouverts et fermés, tout en abaissant ses tarifs.

Un bond net sur le raisonnement et les tâches d’agent

La progression la plus visible concerne les tâches dites agentiques, c’est-à-dire les scénarios où le modèle enchaîne des actions, des outils et des décisions pour mener une tâche de bout en bout. Sur GDPval-AA, Kimi K3.1 Pro monte à 1 846 Elo, contre 1 534 pour K3 [à vérifier], et se place juste derrière Claude Opus 5.5 à 1 866. Sur Terminal-Bench 4.0, Moonshot annonce 65,7 %, presque au niveau de Claude Opus 5.5 (66,4 %) et devant GPT-6 Astra (58,2 %). Le modèle change moins de discours que de muscles, mais le résultat se voit dans les tableaux de score.

Moonshot indique aussi une chute nette des hallucinations sur son test interne Kimi Hallu Bench Hard : 23,4 % avec K3, contre 8,3 % avec K3.1 Pro. L’entreprise précise qu’il s’agit d’un stress test et non d’une mesure générale des erreurs. Sur les benchmarks de recherche financière, le modèle gagne 7,2 points en Financial Modeling et 11,6 points en Financial Research, tandis qu’il prend la tête sur OfficeQA Pro v2 pour les tâches de bureau, selon la société.

Le code, Unity et Blender entrent dans la boucle

Sur les usages de développement, Kimi K3.1 Pro se rapproche des modèles les plus solides du marché. Moonshot dit que le système fonctionne directement avec Unity, Unreal Engine et Godot, qu’il sait corriger rapidement du code comme produire des projets complets, et qu’il peut écrire et exécuter des scripts pour Blender et des logiciels CAD sans connecteur MCP. Sur BenchCAD avec outils, il obtient 92,7 %, contre 96,2 % pour Claude Opus 5.5 et 95,9 % pour GPT-6 Astra. Sans outils, il atteint 72,8 %, presque au niveau de Claude Opus 5.5 à 73,0 %.

La partie 3D n’a rien d’anecdotique. Moonshot met en avant le travail sur des pièces mécaniques paramétriques, des modèles architecturaux et des produits configurables, avec une fonction « 3D Make » sur Kimi.com pour prévisualiser, modifier et exporter des modèles. Le modèle garde par ailleurs une fenêtre de contexte d’un million de tokens, un format qui permet d’avaler de longs documents ou des bases de code sans perdre le fil trop vite.

Des prix plus bas, mais le même gabarit

Kimi K3.1 Pro conserve la même architecture que K3, avec 2,8 trillions de paramètres au total et 104 milliards actifs. La différence se joue sur le post-entraînement, donc sur la manière d’exploiter cette masse de calcul plutôt que sur la taille brute du modèle. Selon Artificial Analysis, il se situe sur la frontière de Pareto, c’est-à-dire au point où il devient difficile d’améliorer fortement un critère sans dégrader un autre.

Moonshot baisse en parallèle ses tarifs API de 33 %. L’entrée coûte 2 dollars par million de tokens, contre 3 dollars auparavant ; la sortie passe à 10 dollars, contre 15 dollars ; et le cache coûte 0,20 dollar, contre 0,30. Le coût par tâche sur l’Intelligence Index ressort à 1,98 dollar, presque au même niveau que K3 à 2,00 dollars, car le modèle génère davantage de tokens. Les promesses de performance sont une chose, mais l’addition reste souvent ce qui décide du passage en production.

Cyber et open weights : Moonshot met des limites

Le billet technique de Moonshot consacre aussi une large place à la cybersécurité. L’entreprise explique avoir retiré des données liées au cyber des phases d’entraînement pour l’open-weights release, car elle observait que les capacités de recherche de vulnérabilités augmentaient avec l’échelle du post-entraînement. Sur xdev-bench-hard, qui reproduit des failles récemment divulguées dans le noyau Linux, Node.js et JavaScriptCore, la version non nettoyée résout 90,5 % des tâches, contre 81,0 % après nettoyage des données. Kimi K3, lui, n’atteignait que 33,3 % sur ce test.

Moonshot dit vouloir éviter qu’un modèle ouvert pousse trop loin les capacités offensives, tout en laissant monter les usages défensifs comme l’audit de systèmes anciens. La société prévoit de publier les poids du modèle d’ici novembre 2026. Si ce calendrier tient, Kimi K3.1 Pro deviendrait le meilleur modèle open weights du moment selon le classement cité. [à vérifier]