Kimi K3.1 Pro comble l’écart avec les modèles fermés par le post-entraînement, pas par les paramètres
Le 23 octobre 2026, Moonshot AI publie Kimi K3.1 Pro, un modèle open-weight de classe 3T issu du post-entraînement massif de K3 : il dépasse GPT-6 Astra sur Terminal-Bench 4.0 et divise son taux d’hallucination par près de trois, sans ajouter un seul paramètre. Les poids complets seront libérés le 4 novembre — une fenêtre à planifier pour qui veut auto-héberger.
23 octobre 2026. Moonshot AI publie Kimi K3.1 Pro et sa variante K3.1 Pro Highspeed, premier modèle de la nouvelle série K3.1. 23 octobre 2026. Sur Terminal-Bench 4.0, qui évalue les agents de code sur des tâches terminal réalistes, il atteint 65,7 %, devant GPT-6 Astra (58,2 %) et juste derrière Claude Opus 5.5 (66,4 %). 4 novembre 2026. Les poids complets seront libérés. Le point clé : la base n’a pas changé — c’est le post-entraînement qui a tout fait.
Pour un DSI ou un responsable ML, la nouvelle n’est pas un benchmark de plus. C’est la confirmation qu’en 2026, le front de l’IA se joue moins au pré-entraînement qu’au post-entraînement : à base égale, injecter massivement du calcul de renforcement suffit à rattraper les modèles fermés.
Même base, beaucoup plus de post-entraînement
Kimi K3.1 Pro est explicitement « une version post-entraînée de Kimi K3, avec un calcul de post-entraînement substantiellement plus important ». Autrement dit : pas de nouveau modèle de fondation, pas de course au nombre de paramètres — la firme annonce un modèle open-weight de classe 3T (trois mille milliards de paramètres, classe mixture-of-experts), déjà porté par la série K3.
Pour rentabiliser chaque unité de calcul de renforcement, Moonshot dit avoir optimisé « chaque couche de la pile » : le framework de RL, l’inférence long-contexte, l’efficacité d’entraînement, l’infrastructure de sandbox, l’ordonnancement des rollouts, et une plateforme partagée de contrôle qualité des environnements. L’objectif affiché : faire du RL conjoint à grande échelle sur « des centaines de domaines en aval », pour que chaque incrément de calcul produise un gain stable et prévisible. C’est ce levier, plus que la taille, qui distingue cette génération.
Le benchmark qui compte : l’agent de code
Les chiffres les plus parlants sont ceux des agents. Sur Terminal-Bench 4.0, qui fait exécuter des tâches de terminal réalistes avec des tests stricts et des ressources contraintes, K3.1 Pro atteint 65,7 % — au-dessus de GPT-6 Astra et à moins d’un point de Claude Opus 5.5. Sur Kimi Code Bench 3.0 Long-horizon, benchmark interne d’exécution multi-étapes, d’usage d’outils et de résolution bout-en-bout, il monte à 61,2 %, contre 55,95 % pour K3.
La démonstration la plus frappante est une expérience interne : K3.1 Pro a construit un simulateur de dynamique de marche humaine au-dessus de human-atlas, un modèle anatomique open source de 296 composants squelettiques et 402 composants musculaires. Sur 167 missions et 420 revues indépendantes, il a itéré jusqu’à faire marcher le simulé 11,2 secondes en foulées alternées — et, quand le reward shaping n’améliorait plus le mouvement des bras, il n’a pas forcé sur la récompense : il a sondé la dynamique du simulateur, identifié et corrigé 36 erreurs dans le calcul des bras de levier des muscles de l’épaule, puis ré-entraîné le contrôleur. C’est du débogage causal, pas du vibe coding.
La précision factuelle comme axe de différenciation
Moonshot insiste sur un second axe : la précision factuelle, critique pour la finance et la recherche. Sur Kimi Hallu Bench Hard, un benchmark interne conçu pour stresser les hallucinations, le taux d’hallucination au niveau des affirmations tombe de 23,4 % pour K3 à 8,3 % pour K3.1 Pro — et la part de réponses contenant au moins une erreur factuelle n’est plus que 42,4 % de celle de son prédécesseur. Sans outils, il se place à 5,4 %, derrière GPT-6 Astra (4,2 %) mais devant Claude Opus 5.5 (6,8 %).
Sur le terrain de la finance, il revendique l’état de l’art sur OfficeQA Pro v2 (64,4), qui teste l’analyse de documents fiscaux réels avec récupération, vérification inter-documents et raisonnement numérique multi-étapes, et 58,6 sur Frontier Finance. En interne, il progresse de 7,2 points en modélisation financière, de 11,6 points en recherche financière, et multiplie par environ 4,2 la performance de K3 en opération d’entreprise.
Le 3D et la création comme terrain de différenciation
Au-delà du code, K3.1 Pro revendique une avance en 3D et en raisonnement spatial. Sur BenchCAD, qui teste la reconstruction 3D à partir de rendus multi-vues via la génération de code CAD, il atteint 92,7 % avec outils — proche de Claude Opus 5.5 (96,2 %) et de GPT-6 Astra (95,9 %), et largement devant DeepSeek V4.1 Flash 1017 (81,6 %). Sans outils, il tient 72,8 %, à un dixième de point d’Opus 5.5 (73,0 %). Moonshot pousse l’exercice jusqu’au produit : 3D Make, désormais intégré à kimi.ai, transforme un texte, un croquis ou une image de référence en modèle 3D prévisualisable, exportable pour l’impression 3D. C’est une ligne de partage concrète avec les modèles purement textuels : ici, le modèle pilote Blender ou un outil CAD par scripts, sans connecteur MCP.
Highspeed et le calendrier des poids
Deux variantes, deux usages. K3.1 Pro Highspeed délivre 2 à 3 fois la vitesse de K3.1 Pro pour les interactions réactives, au prix d’un tarif doublé. Surtout, le calendrier est explicite : le modèle est disponible immédiatement via Kimi.ai, Kimi Work, Kimi Code et l’API Kimi, mais les poids complets ne seront libérés que le 4 novembre. Pour une équipe qui planifie un auto-hébergement, cette fenêtre de onze jours est le vrai paramètre : c’est le délai entre « tester via l’API » et « déployer sur sa propre infra ».
Un modèle open-weight, avec des garde-fous assumés
La publication n’est pas qu’une affaire de benchmark. Moonshot documente un choix rare : pour la version open-weight, l’équipe a identifié et retiré les données cyber de l’entraînement — à la fois du corpus de mid-training et du mélange d’environnements RL — tout en conservant les tâches de code généralistes nécessaires à l’utilité du modèle. Le motif est explicite : sans ce retrait, la capacité en recherche de vulnérabilités aurait « augmenté substantiellement » avec l’échelle du post-entraînement. Le modèle est évalué sur ExploitBench, ExploitGym et xdev-Bench-hard, et le retrait sert de levier de contrôle revendiqué.
C’est un signal à lire pour ce qu’il est : les labos open-weight commencent à traiter la capacité cyber comme un sous-produit à gouverner du post-entraînement, pas comme un accident.
Verdict
Si vous auto-hébergez déjà un modèle open-weight, notez le 4 novembre : les poids complets de K3.1 Pro seront libérés ce jour-là, avec une fenêtre de contexte de 1 million de tokens et un tarif API déjà annoncé à 2 $/M en entrée et 10 $/M en sortie — la variante Highspeed, 2 à 3 fois plus rapide, coûtant 4 $/M en entrée et 20 $/M en sortie. Pour des agents de code ou de la finance avec exigence de souveraineté des données, c’est une alternative crédible à Claude Opus 5.5 ou GPT-6 Astra, au prix d’un à deux points sur certains benchmarks et d’une infra de service à opérer soi-même.
Si vous êtes sur un modèle fermé et que la précision factuelle ou l’agentique de code domine votre cas d’usage, regardez les écarts réels plutôt que les classements : K3.1 Pro bat GPT-6 Astra sur Terminal-Bench mais reste derrière Claude Opus 5.5, et il cède du terrain sur BenchCAD en 3D (92,7 % avec outils, contre 96,2 % et 95,9 %). Le basculement ne se justifie que si le contrôle des poids — et donc des données et du coût marginal — vaut plus que ces derniers points.