Kimi K3.1 Pro : ce qu'il est, et où il tourne
Kimi K3.1 Pro est le modèle agentique à poids ouverts et nativement multimodal de Moonshot AI, publié sur Hugging Face en novembre 2026, que l'éditeur présente comme son modèle de classe 3T le plus performant à ce jour : 2 800 milliards de paramètres en mélange d'experts, dont 104 milliards actifs par token, un contexte de 1 048 576 tokens, du texte et des images en entrée. Il raisonne avant de répondre. Sur Evanesca, Verda, une société finlandaise, l'exécute sur ses propres GPU en Allemagne : vos prompts ne vont ni chez Moonshot AI ni en Chine.
Publié le 6 nov. 2026
Kimi K3.1 Pro en bref
Moonshot AI l'a post-entraîné à partir de Kimi K3 par apprentissage par renforcement à grande échelle sur des centaines de domaines, et a remplacé les couches d'attention complète de K3 par une attention clairsemée pensée pour les longs contextes. Les chiffres ci-dessous viennent de la fiche du modèle, lue le 6 novembre 2026.
| Caractéristique | Kimi K3.1 Pro |
|---|---|
| Architecture | Mélange d'experts : 896 experts, 16 sélectionnés par token, 2 partagés ; 93 couches |
| Paramètres | 2,8T, dont 104B actifs par token |
| Contexte | 1 048 576 tokens |
| Entrée et sortie | Texte et images en entrée (encodeur de vision MoonViT-V2), texte en sortie |
| Poids | MXFP4, activations MXFP8 — le format pour lequel Moonshot l'a entraîné |
| Effort de raisonnement | low, high ou max — max par défaut |
| Licence | Kimi K3.1-Pro License |
| Publication | Novembre 2026 (dépôt Hugging Face créé le 2 novembre) |
Ce qu'annonce le tableau de Moonshot, et où il reste derrière
Chaque score de Kimi K3.1 Pro sur la fiche utilise l'effort de raisonnement max, une température de 1,0 et un top-p de 0,95 ; Moonshot étiquette les colonnes des modèles fermés « max, w/ fallback ». Le tableau ci-dessous est un extrait. Tous les scores sont ceux de Moonshot, pas une mesure d'Evanesca ; un tiret signifie que la fiche n'en donne pas, et l'astérisque marque un score sur le sous-ensemble texte seul.
| Benchmark | K3.1 Pro | Fable 5.1 | GPT-6 Astra | Opus 5.5 | V4.1 Flash 1017 | GLM-5.3 |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 65,7 | 57,9 | 58,2 | 66,4 | 42,3 | 41,8 |
| SWE Marathon v1.1 | 51,7 | 45,6 | 42,5 | 46,3 | 40,0 | 42,5 |
| DeepSWE v1.1 | 75,5 | 67,4 | 74,1 | 74,2 | 77,0 | 66,9 |
| Program Bench | 31,5 | 53,5 | 50,0 | 65,0 | 29,1 | 19,0 |
| HLE-Full avec outils | 70,0 | 65,6 | 57,2 | 67,7 | 58,8 | 62,5 |
| BrowseComp | 92,1 | — | 91,5 | 90,8 | — | — |
| HLE-Full | 51,1 | 57,6 | 53,6 | 59,8 | 42,6 | 43,0* |
| GPQA Diamond | 94,2 | 93,7 | 96,1 | 93,9 | 92,2 | 91,7 |
| MMMU-Pro | 84,1 | 86,3 | 86,9 | 87,7 | 80,6 | — |
| OSWorld V2.1 | 79,6 | 80,7 | 75,8 | 81,8 | 69,3 | — |
Lisez les lignes, pas le titre. K3.1 Pro mène sur SWE Marathon, BrowseComp et HLE avec outils, et se tient à moins d'un point de la meilleure colonne sur Terminal-Bench 4.0. Il reste nettement derrière sur Program Bench et sur HLE sans outils ; les trois modèles fermés restent devant sur MMMU-Pro, et deux d'entre eux sur OSWorld. Il ne figure pas encore au classement LMArena.
Un classement est un point de départ. Testez vos propres prompts difficiles et comptez les tokens de raisonnement qu'un modèle dépense par réponse utile : sur Evanesca comme ailleurs, ils sont facturés comme de la sortie. La page des benchmarks explique ce qu'Evanesca vérifie sur la route de chaque modèle.
Ce qu'Evanesca a vérifié sur sa route
Le 6 novembre 2026, jour de son ajout, le modèle a été appelé sur la route de Verda, sans repli :
- Test réel : une réponse avec son décompte de tokens, le décompte encore à la fin d'une réponse en flux, un appel d'outil aux arguments JSON valides, et une image lue correctement.
- Benchmarks : 25 bonnes réponses sur 25, environ 93 tokens par seconde sur une longue réponse, le premier token en une demi-seconde — et environ 2,7 secondes avant le premier mot visible, le raisonnement passant d'abord.
- Sécurité : 15 prompts adverses sur 15 traités sans risque, dans les cinq catégories (injection de prompt, fuite du prompt système, jailbreak, exfiltration de données, demandes dangereuses).
Sa fiche affiche 6 contrôles réussis sur 6.
Où il tourne sur Evanesca
Sur Evanesca, Kimi K3.1 Pro est exécuté par Verda — Verda Cloud Oy, société d'Helsinki, ex-DataCrunch, dont les conditions relèvent du droit finlandais. La documentation de Verda indique que le modèle « runs in Germany », sur les propres GPU de Verda, et que « inference runs without subprocessors ». Sa FAQ ajoute que le contexte des requêtes reste brièvement dans un cache d'inférence en mémoire et en est supprimé sous 2 heures, que Verda n'utilise ni vos entrées ni vos réponses pour entraîner un modèle d'IA, et qu'aucune donnée de requête n'est transmise à l'éditeur du modèle ni à un tiers.
Vos prompts ne vont ni chez Moonshot AI ni en Chine. Evanesca ne sert pas la génération précédente, Kimi K3 : aucun opérateur européen ne l'exécute pour elle. La page Souveraineté explique pourquoi c'est l'opérateur, et non le modèle, qui décide de la loi applicable.
Le prix, et le réglage de l'effort
| Modèle | Où | Entrée, par million de tokens | Sortie, par million de tokens |
|---|---|---|---|
| Kimi K3.1 Pro | Allemagne, chez Verda | 3,024 € | 15,12 € |
Une question rapide — 300 tokens en entrée, 400 en sortie — coûte environ 0,0070 €, avant les tokens de raisonnement. Ceux-ci sont facturés comme de la sortie partout où tourne un modèle, et K3.1 Pro réfléchit à l'effort max par défaut : l'effort est donc aussi un réglage de coût. Verda accepte none (sans raisonnement), low, high et max. À l'effort max, un petit max_tokens peut partir entièrement dans la réflexion et la réponse revenir vide — ne fixez pas max_tokens, ou laissez-lui de la marge. Les modèles de raisonnement à poids ouverts comparent ce que coûte la réflexion d'un modèle à l'autre.
Dans une conversation à plusieurs tours ou avec des outils, Moonshot demande de renvoyer le message d'assistant entier — son reasoning_content et ses tool_calls compris, pas seulement son texte. Sur Evanesca, l'abonnement est facultatif : des recharges dès 5 € — voir les tarifs.
La Kimi K3.1-Pro License
La licence permet à chacun d'utiliser, copier, modifier, distribuer, vendre, affiner et déployer le modèle, avec trois conditions en plus :
- Une société qui vend l'accès au modèle comme un service — en donnant à des tiers un vrai contrôle sur l'inférence ou l'affinage, par une API par exemple — et qui dépasse 20 millions de dollars de chiffre d'affaires sur douze mois doit signer un accord séparé avec Moonshot AI. Les produits qui intègrent le modèle dans leurs fonctions, et le simple relais de requêtes vers des modèles hébergés par d'autres (« mere relaying of requests to models hosted by others »), n'en relèvent pas.
- Un produit de plus de 100 millions d'utilisateurs actifs par mois, ou de plus de 20 millions de dollars de chiffre d'affaires mensuel, doit afficher « Kimi K3.1-Pro » en évidence.
- L'usage interne, et l'usage via les produits de Moonshot AI ou ses partenaires d'inférence certifiés, échappent aux deux.
Ce sont les poids ouverts qui rendent la route européenne possible : n'importe quel opérateur peut servir le modèle, et c'est l'opérateur qui décide de la loi dont relèvent vos mots.
Questions fréquentes
Quand Kimi K3.1 Pro est-il sorti ?
En novembre 2026, sur Hugging Face (moonshotai/Kimi-K3.1-Pro) ; le dépôt a été créé le 2 novembre, et Verda a ouvert l'accès par son API d'inférence le 4 novembre.
Kimi K3.1 Pro est-il le même modèle que Kimi K3 ?
Non : il est post-entraîné à partir de Kimi K3, à la même échelle — 2 800 milliards de paramètres, dont 104 milliards actifs —, avec une attention clairsemée à la place des couches d'attention complète de K3. Evanesca sert K3.1 Pro, exécuté par Verda en Allemagne, et pas K3.
Puis-je utiliser Kimi K3.1 Pro sur Evanesca ?
Oui : Verda l'exécute pour Evanesca sur ses propres GPU en Allemagne, et vos prompts ne vont ni chez Moonshot AI ni en Chine.
Combien coûte Kimi K3.1 Pro sur Evanesca ?
3,024 € par million de tokens en entrée et 15,12 € par million en sortie, TVA comprise, les tokens de raisonnement étant facturés comme de la sortie. Abonnement facultatif : des recharges dès 5 €.
Kimi K3.1 Pro lit-il les images ?
Oui. Il prend du texte et des images et écrit du texte ; son encodeur de vision, MoonViT-V2, compte 401 millions de paramètres. Le test réel d'Evanesca sur la route de Verda comprenait une image, lue correctement.
À lire aussi
- L'appel d'outils sur les modèles à poids ouverts : pourquoi il dépend de qui les exécuteL'appel d'outils fait d'un modèle un agent, mais dépend de la pile de service autant que des poids. Comment le vérifier en un appel, et quels modèles passent.
- Modèles de raisonnement à poids ouverts : ce que coûte la réflexion, et comment choisirLes modèles de raisonnement réfléchissent avant de répondre, et cette réflexion est facturée en sortie. Lesquels raisonnent, à quel prix, et comment choisir.
- Modèles d'IA à poids ouverts en 2026 : lequel pour quel usage, et qui les exécuteLes modèles à poids ouverts de 2026 — GLM, Qwen, DeepSeek, GPT-OSS, Llama, Mistral — classés par usage, avec taille, licence, prix et société qui les exécute.