Kimi K3.1 Pro : Moonshot passe devant GPT-6 Astra sur Terminal-Bench 4.0 et ouvre ses 3 000 milliards de paramètres le 4 novembre

Kimi K3.1 Pro : Moonshot passe devant GPT-6 Astra sur Terminal-Bench 4.0 et ouvre ses 3 000 milliards de paramètres le 4 novembre

🔎 Un open weight coince le front américain sur son terrain de jeu

Le 23 octobre 2026, Moonshot AI a publié Kimi K3.1 Pro, premier modèle de sa série K3.1. Un modèle open-weight de classe 3T, avec un contexte d'un million de tokens, disponible dès maintenant sur Kimi.ai, Kimi Work, Kimi Code et l'API Kimi. Sur le papier, un lancement de plus dans un marché saturé. Sur les benchmarks, autre chose.

Selon Unite.ai, K3.1 Pro atteint 65,7 % sur Terminal-Bench 4.0. GPT-6 Astra, le fleuron d'OpenAI, s'arrête à 58,2 %. Seul Claude Opus 5.5 fait mieux, avec 66,4 %. Autrement dit : un modèle à poids ouverts, à 0,7 point du meilleur modèle fermé du marché sur le benchmark d'agents le plus scruté de l'industrie.

Et la suite arrive vite. Les poids complets sont promis pour le 4 novembre 2026 au plus tard, après retrait des données de cybersécurité offensive des deux stades d'entraînement. D'après Artificial Analysis, l'écart entre open weights et modèles propriétaires se réduit désormais de 12 à 3 points. Pour les développeurs qui auto-hébergent leurs modèles, le rapport de force vient de bouger.

L'essentiel

• Lancement le 23 octobre 2026 : Kimi K3.1 Pro, premier modèle de la série K3.1, open-weight classe 3T, disponible sur Kimi.ai, Kimi Work, Kimi Code et l'API.
• Architecture : 2 800 milliards de paramètres au total, 104 milliards actifs (MoE), multimodal, contexte de 1M de tokens.
• Terminal-Bench 4.0 : 65,7 %, devant GPT-6 Astra (58,2 %), derrière Claude Opus 5.5 (66,4 %).
• Intelligence Index : 4e place avec un score de 55, soit +11 points sur Kimi K3 (44). 3e sur GDPval-AA avec 1 846 Elo (+312).
• Hallucinations : 8,3 % au niveau des affirmations sur Kimi Hallu Bench Hard, contre 23,4 % pour K3.
• Code long-horizon : 61,2 % sur Kimi Code Bench 3.0 Long-horizon, contre 55,95 % pour K3.
• Prix API : 2,00 $/M tokens en entrée, 10,00 $/M en sortie, 0,20 $ en cache hit (octobre 2026, vérifiez sur kimi.ai). Variante Highspeed 2-3× plus rapide.
• Open weights : annoncés pour le 4 novembre 2026, pas encore publiés à la date de cet article.

Outils recommandés

K3.1 Pro se consomme de quatre façons différentes, et le bon choix dépend de votre usage. Voici la cartographie.

Les chiffres : 4e à l'Intelligence Index, 0,7 point derrière Claude Opus 5.5 sur les agents

Oui, K3.1 Pro entre directement dans le club très fermé des modèles frontier. Artificial Analysis le classe 4e de son Intelligence Index avec un score de 55, soit 11 points de mieux que Kimi K3 (44 au maximum). Sur GDPval-AA, le modèle décroche la 3e place avec 1 846 Elo, un bond de 312 points.

Le tableau récapitulatif, avec les chiffres du tech blog officiel de Kimi et des sources tierces (octobre 2026) :

Un détail mérite d'être souligné, parce qu'il crédibilise l'ensemble : sur BenchCAD avec outils, Moonshot affiche un score inférieur aux deux modèles comparés (92,7 % contre 96,2 % et 95,9 %, selon Unite.ai). Publier ses propres défaites partielles, c'est le signe d'un communiqué de presse qui n'en est pas vraiment un.

Ma lecture : le score Terminal-Bench 4.0 est la vraie nouvelle. Le reste confirme une progression régulière de la série K, mais le passage devant GPT-6 Astra sur l'agentique terminal, c'est ce que les labos américains regarderont en premier.

Terminal-Bench 4.0 : le benchmark qui obsède désormais les labos

Parce qu'il mesure exactement ce que les clients paient aujourd'hui : un agent capable d'enchaîner des dizaines d'étapes en terminal, sans supervision humaine, jusqu'au résultat.

Terminal-Bench évalue des tâches réelles en ligne de commande : navigation dans des codebases, exécution d'outils, débogage, déploiement. C'est le proxy le plus proche du travail quotidien d'un développeur senior confié à une machine. Un score de 65,7 % sur ce type de test dit quelque chose qu'un score de QCM ne dira jamais.

Nuance importante : OpenAI communique surtout sur Terminal-Bench-Science, où GPT-6 Astra affiche 64,6 % — un benchmark différent, plus orienté sciences dures. Sur le Terminal-Bench 4.0 standard, Unite.ai mesure Astra à 58,2 %. Nous avons détaillé cette communication d'OpenAI dans notre article sur GPT-6 Astra et son raisonnement devenu plus difficile à surveiller.

Pendant ce temps, OpenAI joue une autre carte : le parallélisme, avec GPT-6 Astra Pro qui fait travailler plusieurs agents en parallèle sur une seule tâche. La bataille a bien déplacé du « modèle qui répond » vers « l'agent qui exécute ». Pour y voir clair dans cette course, notre comparatif des meilleurs LLM pour agents IA est mis à jour en continu.

Hallucinations : de 23,4 % à 8,3 %, mais lisez la note de bas de page

La chute est réelle et spectaculaire — mais Kimi elle-même précise que ces taux ne reflètent pas les erreurs de l'usage quotidien.

Les chiffres, selon le blog officiel de Kimi : l'hallucination au niveau des affirmations tombe de 23,4 % (K3) à 8,3 % sur Kimi Hallu Bench Hard. La part des réponses contenant au moins une erreur factuelle est ramenée à 42,4 % du taux de K3. Concrètement, le modèle se trompe plus de deux fois moins souvent sur les affirmations factuelles.

Côté code, la progression est plus mesurée mais réelle : 61,2 % sur Kimi Code Bench 3.0 Long-horizon, contre 55,95 % pour K3. Le « long-horizon » est le mot clé : il s'agit de tenir un objectif de développement sur de longues séquences, pas de compléter une fonction. C'est précisément le profil des meilleurs LLM pour coder en 2026.

Mon avis : ces chiffres sont crédibles parce qu'ils sont mesurés sur des benchmarks « hard » et assortis d'un aveu public de faiblesse sur BenchCAD. Mais méfiez-vous de toute transposition marketing : un taux d'hallucination en laboratoire ne vous dit rien sur le taux d'erreur sur votre domaine métier. Testez sur vos données avant de brancher un agent en production.

Sous le capot : 2 800 milliards de paramètres, 104 milliards actifs, 1M de contexte

K3.1 Pro n'est pas un modèle dense : c'est un MoE (mixture of experts) de classe 3T, avec 2 800 milliards de paramètres au total et seulement 104 milliards actifs par token, selon le compte officiel de Kimi sur X. Le modèle est multimodal et accepte un contexte d'un million de tokens.

Deux choix techniques méritent qu'on s'y attarde.

D'abord, le MoE à très grande échelle. C'est devenu le compromis dominant de l'industrie : une capacité de stockage de connaissances proche d'un modèle dense géant, avec un coût d'inférence ramené à la taille des paramètres actifs. Moonshot l'applique à une classe de taille — 3T — que personne n'avait encore ouverte en poids publics.

Ensuite, la RL conjointe. Moonshot revendique un entraînement par renforcement mené conjointement sur des centaines de domaines, plutôt que domaine par domaine. L'idée : forcer les capacités à se transférer entre elles au lieu de les optimiser en silos. C'est une hypothèse de recherche défendable, et les gains mesurés sur Kimi Code Bench comme sur GDPval-AA lui donnent du poids.

Enfin, la variante K3.1 Pro Highspeed promet un débit 2 à 3 fois supérieur, avec les ids API kimi-k3.1-pro et kimi-k3.1-pro-highspeed. Pour des agents qui enchaînent des dizaines d'appels d'outils, cette option n'est pas un luxe : la latence cumulée est souvent ce qui tue une boucle agentique.

Le 4 novembre, l'open weight change d'échelle — et les devs auto-hébergés en profitent

Pour la première fois, un modèle à poids ouverts jouera dans la cour frontier avec une échelle 3T et des scores qui frôlent les meilleurs modèles fermés. Ce n'est plus de l'open weight « bon marché », c'est de l'open weight frontier.

Selon Artificial Analysis, l'écart entre open weights et modèles propriétaires est passé de 12 à 3 points. À ce niveau, la question n'est plus « l'open weight est-il assez bon ? » mais « ai-je vraiment besoin d'une API fermée ? ». Pour une entreprise : hébergement on-prem, données qui ne sortent pas, fine-tuning sur son domaine, aucune dépendance à la politique tarifaire d'un tiers. Pour un indie dev : la possibilité de construire sur une base frontier sans cycle de facturation à chaque token.

Restons lucides sur la faisabilité, cela dit. 104 milliards de paramètres actifs, ça ne tourne pas sur un laptop, quoi qu'en disent les threads enthousiastes. Il faudra une infrastructure GPU sérieuse, un serveur dédié ou un VPS dimensionné en conséquence — Hostinger reste une porte d'entrée raisonnable pour expérimenter (prix variables, vérifiez sur hostinger.com). Si vous débutez en auto-hébergement, notre guide pour installer un LLM en local avec Ollama ou LM Studio reste le point de départ, et notre sélection des meilleurs LLM à run en local vous aidera à calibrer vos attentes selon votre matériel.

Un point d'incertitude : le 4 novembre est une date promise, pas une date constatée. Ontimebrief confirmait fin octobre que les poids n'étaient pas encore publiés. Attendez de voir la licence d'utilisation et les éventuelles restrictions avant de planifier une migration.

La coupe « hacking » : une sécurité qu'on doit prendre sur la foi de Moonshot

Moonshot a retiré les données de cybersécurité offensive des deux stades d'entraînement avant la publication open weight — mais la preuve de cette réduction repose sur un test interne non publié.

Les faits, reconstruits à partir du blog de Kimi et d'une analyse d'implicator.ai datée du 23 octobre 2026 : sur xdev-bench-hard, le checkpoint sans mesures de réduction — aucun retrait de données cyber, aucun filtrage de l'environnement RL — résout 90,5 % des problèmes. La version publiée tombe à 81,0 %. Le test qui fonde cette affirmation est un benchmark interne de Moonshot, non rendu public.

Sur le fond, la décision est défendable. Publier en open weight un modèle capable de résoudre 90 % d'un benchmark de hacking serait une décision irresponsable, et n'importe quel labo sérieux ferait pareil. Sur la forme, c'est plus gênant : nous devons croire Moonshot sur parole. Un benchmark privé, des chiffres non auditables, un delta de 9,5 points qu'aucun tiers ne peut vérifier.

C'est le miroir exact du problème des modèles fermés — « croyez-nous, notre modèle est sûr » — mais cette fois du côté open weight, qui se revendiquait précisément de la vérifiabilité. Si la communauté ne peut pas auditer xdev-bench-hard, la frontière entre sécurité réelle et marketing de conformité restera floue. Mon pari : ce test finira par fuiter ou par être reproduit, et ce sera un moment important pour la crédibilité de toute la filière open weight.

Prix et accès : 2 $ en entrée, 10 $ en sortie, un tiers de moins que K3

L'API est déjà disponible, et moins chère que la génération précédente — c'est le deuxième coup porté aux grilles tarifaires américaines.

Selon CellCog, K3.1 Pro coûte 2,00 $ par million de tokens en entrée, 10,00 $ en sortie et 0,20 $ pour un cache hit (octobre 2026, vérifiez sur kimi.ai), soit un tiers de moins que K3. La page de référence du modèle est également documentée sur LLM Gateway. La variante Highspeed est facturée sur la même grille.

Mise en perspective : 2 $/10 $ pour un modèle qui score 65,7 % sur Terminal-Bench 4.0, c'est un rapport qualité/prix que les offres frontier fermées ne proposent pas aujourd'hui. Pour un agent qui consomme des millions de tokens par jour, l'écart se chiffre en milliers d'euros mensuels. Si votre budget est nul, notre comparatif des meilleurs LLM gratuits reste la porte d'entrée, mais sachez que le plancher des prix frontier vient de descendre d'un cran.

Mon conseil : commencez par le modèle standard pour évaluer la qualité, puis basculez sur Highspeed uniquement si vos boucles agentiques souffrent de latence. Inutile de payer un débit supérieur pour un batch nocturne.

La tendance de fond : l'open-weight frontier est désormais chinoise

Ce lancement n'est pas un accident isolé. C'est la continuation d'une stratégie déjà visible il y a quelques semaines.

Moonshot a levé 2 milliards de dollars en octobre, alors que Kimi K2.6 dominait déjà l'open-weight et que la Chine accélérait dans la course à l'IA. K3.1 Pro est la concrétisation de ce capital : un modèle classe 3T, un contexte d'1M, des scores frontier, et une date de publication de poids tenue à un écart de douze jours du lancement API. Selon Ontimebrief, l'écart avec les meilleurs modèles fermés se referme — c'est exactement ce que mesure Artificial Analysis.

Et le front américain n'est pas seulement attaqué par les labos chinois. Les architectures alternatives s'invitent aussi : Mercury 3, le LLM par diffusion d'Inception, prétend battre GPT-6 Luna et Claude. Quand la frontière est contestée à la fois par les open weights chinois et par de nouveaux paradigmes d'inférence, le monopole de facto de quelques labos de la baie de San Francisco n'a plus grand sens.

Conséquence pratique pour vous : notre comparatif mensuel des meilleurs LLM doit désormais se lire avec un œil systématique sur la colonne open weight. Il y a six mois, c'était une curiosité. Fin 2026, c'est une option d'achat à part entière.

❌ Erreurs courantes

Erreur 1 : Prendre les 8,3 % d'hallucination pour une garantie

Ce qui ne va pas : ces chiffres sont mesurés sur Kimi Hallu Bench Hard, en conditions de test. Kimi précise elle-même qu'ils ne reflètent pas les erreurs de l'usage quotidien. La solution : traitez ce chiffre comme un signal de tendance (K3.1 Pro hallucine beaucoup moins que K3), puis évaluez le taux d'erreur réel sur vos propres cas d'usage avant tout déploiement.

Erreur 2 : Croire que vous ferez tourner K3.1 Pro sur votre machine le 4 novembre

Ce qui ne va pas : 104 milliards de paramètres actifs exigent une infrastructure GPU que peu de particuliers possèdent. Le 4 novembre ouvre l'accès aux poids, pas la possibilité de les exécuter partout. La solution : planifiez un VPS GPU ou du cloud dédié, ou attendez les quantizations communautaires — en gardant à l'esprit qu'elles dégradent toujours un peu les scores annoncés.

Erreur 3 : Comparer les scores sans regarder les conditions de test

Ce qui ne va pas : Terminal-Bench-Science n'est pas Terminal-Bench 4.0, un benchmark avec outils n'est pas un benchmark sans outils, et le checkpoint filtré (81,0 %) n'est pas le checkpoint brut (90,5 %) sur xdev-bench-hard. La solution : avant de citer un chiffre, vérifiez trois choses — le benchmark exact, la présence d'outils, et la version du modèle testée.

❓ Questions fréquentes

Quand les poids ouverts de Kimi K3.1 Pro seront-ils disponibles ?

Au plus tard le 4 novembre 2026, selon Moonshot et CellCog. À la date de cet article (fin octobre 2026), ils ne sont pas encore publiés. Moonshot a retiré les données de cyber offensive des deux stades d'entraînement avant publication. Vérifiez la licence le jour de la sortie : elle déterminera ce que vous pouvez faire en production.

Combien coûte l'API Kimi K3.1 Pro ?

2,00 $ par million de tokens en entrée, 10,00 $ en sortie et 0,20 $ pour un cache hit (octobre 2026, vérifiez sur kimi.ai), soit un tiers de moins que K3. Deux ids sont disponibles : kimi-k3.1-pro et kimi-k3.1-pro-highspeed, la variante rapide offrant un débit 2 à 3 fois supérieur sur la même grille tarifaire.

Kimi K3.1 Pro est-il meilleur que GPT-6 Astra ?

Sur Terminal-Bench 4.0, oui : 65,7 % contre 58,2 % selon Unite.ai. Sur Terminal-Bench-Science, OpenAI revendique 64,6 % pour Astra — un benchmark différent. Claude Opus 5.5 reste devant sur Terminal-Bench 4.0 avec 66,4 %. Un benchmark ne fait pas un verdict : croisez plusieurs sources avant de choisir.

Quelle est l'architecture de Kimi K3.1 Pro ?

Un MoE de classe 3T : 2 800 milliards de paramètres au total, 104 milliards actifs par token, multimodal, avec un contexte d'un million de tokens. Moonshot revendique une RL conjointe sur des centaines de domaines. La variante Highspeed offre un débit 2-3× supérieur pour les usages sensibles à la latence.

Pourquoi Moonshot a-t-il réduit les capacités de hacking du modèle ?

Pour rendre la publication open weight responsable : les données de cybersécurité offensive ont été retirées des deux stades d'entraînement. La vérification repose sur xdev-bench-hard, un test interne non publié : 81,0 % pour la version livrée contre 90,5 % pour un build non filtré. La décision est défendable, sa vérifiabilité reste contestée.

Peut-on héberger Kimi K3.1 Pro chez soi ?

Après le 4 novembre, si les poids sortent comme promis — mais avec 104 milliards de paramètres actifs, il faut une infrastructure GPU sérieuse, loin du laptop. Une option réaliste : un VPS ou un serveur GPU loué. Commencez par notre guide d'installation d'un LLM local, puis montez en puissance selon vos besoins réels.

✅ Conclusion

Avec 65,7 % sur Terminal-Bench 4.0, des hallucinations divisées par presque trois et des poids frontier promis pour le 4 novembre 2026, Kimi K3.1 Pro fait passer l'open weight du statut d'alternative économique à celui de candidat frontier — et le rapport de force entre labos fermés et devs auto-hébergés vient de basculer. Pour savoir où ce modèle se place dans la hiérarchie d'octobre 2026, consultez notre comparatif mensuel des meilleurs LLM.