Code Arena : deux modèles anonymes, Kibitz et Kalmia, font surface, et la communauté attend Kimi K3.1 et Qwen 4

Dans Code Arena, la section d'Arena.ai (anciennement LMArena) où les modèles s'affrontent sur des tâches de programmation, deux participants inconnus ont été repérés ces deux derniers jours : Kibitz et Kalmia. Aucun laboratoire n'a pour l'instant revendiqué ces modèles. Beaucoup de ceux qui ont analysé leurs réponses les rattachent néanmoins à de nouveaux modèles chinois. Les noms avancés sont Kimi K3.1 et Qwen 4.

Voir deux modèles inconnus apparaître en même temps dans une même section est rare. En général, un seul candidat sous nom de code entre dans un test à l'aveugle, et la communauté passe des semaines à deviner qui se cache derrière. Ici, il y en a deux d'un coup, et les hypothèses sur leurs auteurs se sont donc multipliées rapidement.

Comment fonctionne la vérification à l'aveugle

Arena.ai établit ses classements à partir de comparaisons par paires. L'utilisateur pose une tâche, reçoit deux réponses de modèles anonymes et choisit la meilleure. Les noms ne sont révélés qu'après le vote. Pour le code, un mode distinct, Code Arena, évalue précisément les compétences en programmation.

Les laboratoires s'en servent comme terrain d'essai avant une sortie. Le modèle reçoit des retours en conditions réelles de milliers de personnes, tandis que les concurrents et la presse, qui ne voient pas la marque, n'ont pas le temps de se forger un préjugé. Un exemple connu : en 2024, sur LMArena, un modèle d'OpenAI a été testé sous le nom im-also-a-good-gpt2-chatbot avant de sortir sous le nom de GPT-4o. Le lancement anonyme dans l'arène est depuis longtemps une pratique établie et précède souvent l'annonce officielle.

Pourquoi les soupçons se portent sur Kimi et Qwen

Les conclusions de la communauté reposent sur des indices indirects : style des réponses, façon de raisonner, mise en forme du code, réaction à certaines requêtes spécifiques. Ces indices permettent d'avancer des hypothèses, mais ne constituent pas une preuve. Les noms de Kimi K3.1 (développé par Moonshot AI) et de Qwen 4 (famille de modèles d'Alibaba) restent pour l'instant des suppositions de commentateurs. Les entreprises elles-mêmes n'ont rien confirmé.

Un autre point mérite l'attention : les deux lignées se font concurrence depuis longtemps, côté modèles ouverts comme commerciaux, pour la programmation, et le code est justement devenu le principal terrain de comparaison. Si les anonymes se révèlent chinois, l'arrivée d'une nouvelle génération de deux familles très en vue au même moment accentuera la pression sur les fournisseurs occidentaux d'assistants de code.

Ce que l'on sait à ce stade

• Plateforme : Arena.ai, anciennement LMArena
• Section : Code Arena, comparaisons par paires à l'aveugle en programmation
• Modèles : Kibitz et Kalmia, apparus ces deux derniers jours
• Hypothèses de la communauté : Kimi K3.1 et Qwen 4
• Statut : aucune déclaration officielle des développeurs

Comment suivre les modèles anonymes dans l'arène

Tant que les laboratoires gardent le silence, mieux vaut observer des signaux pratiques. Si vous travaillez avec des modèles de code, comparez Kibitz et Kalmia sur vos propres tâches, si l'arène vous les propose dans vos duels. Des dépôts de travail, un contexte long et l'usage d'outils en diront plus que le classement général.

Le classement de ces modèles est instable les premiers jours : les votes sont peu nombreux, les intervalles de confiance larges, et la position peut varier sensiblement en une semaine. Les équipes qui choisissent un fournisseur de modèle pour la production feraient mieux d'attendre la sortie officielle, avec sa description, sa licence et les prix de l'API. Les résultats anonymes sont à considérer comme un premier repère, pas comme une raison de changer de stack.

Les annonces officielles de Moonshot AI et d'Alibaba diront si les hypothèses étaient justes. Si c'est le cas, la révélation des noms arrivera très probablement avec la sortie et la publication des benchmarks.