Moonshot lance Kimi K3.1 Pro : un modèle open-weight de 3T de paramètres avec 1 million de tokens de contexte

Moonshot AI a présenté Kimi K3.1 Pro, premier modèle de la série K3.1 et, selon l'entreprise, le plus puissant des modèles open-weight de la classe des 3T de paramètres. Sa fenêtre de contexte atteint 1 million de tokens. Sur Terminal-Bench 4.0, il obtient 65,7%, soit plus que GPT-6 Astra (58,2%) et à peine moins que Claude Opus 5.5 (66,4%). Une version K3.1 Pro Highspeed, 2 à 3 fois plus rapide, est sortie en même temps. Les deux versions sont déjà disponibles dans Kimi.ai, Kimi Work, Kimi Code et via l'API, tandis que Moonshot promet de publier les poids complets avant le 4 novembre 2026.

Le post-entraînement comme pari principal

K3.1 Pro est une version affinée de Kimi K3, mais avec un budget de calcul nettement plus important consacré au post-entraînement. Pour mener un RL conjoint à grande échelle sur des centaines de domaines applicatifs à la fois, l'équipe a remanié toute sa pile : framework de RL, inférence sur contexte long, efficacité d'entraînement, sandboxes, planification des rollouts et plateforme commune de vérification de la qualité des environnements. L'objectif : que chaque tranche supplémentaire de calcul RL apporte un gain stable et prévisible.

Sur le Kimi Code Bench 3.0 Long-horizon interne, qui évalue l'exécution de tâches en plusieurs étapes et l'usage d'outils, le modèle obtient 61,2% contre 55,95% pour K3. L'exemple le plus parlant selon Moonshot : à partir du modèle anatomique human-atlas (296 éléments osseux et 402 muscles), K3.

1 Pro a construit un simulateur de marche humaine, avec ses pipelines d'entraînement et d'évaluation. En 167 missions et 420 revues indépendantes, l'humain virtuel, qui tombait au bout de quelques secondes, a appris à marcher pendant 11,2 secondes en alternant les pas. Lorsque le réglage des récompenses n'a pas amélioré le mouvement des bras, le modèle n'a pas insisté dans cette voie.

Il a lancé des sondes de dynamique en boucle ouverte, trouvé et corrigé 36 erreurs dans le calcul des bras de levier des moments des muscles de l'épaule, puis réentraîné le contrôleur.

3D, CAO et finance

Le second axe est le raisonnement spatial. Sur BenchCAD, où il faut reconstruire un objet 3D à partir de rendus multi-angles en générant du code de CAO, K3.1 Pro avec outils obtient 92,7%. Claude Opus 5.5 atteint 96,2% et GPT-6 Astra 95,9%. Le modèle sait travailler avec des scripts Blender et de CAO sans connecteurs MCP, et il assemble des jeux dans Unity, Unreal Engine et Godot en combinant recherche web et génération 3D. Pour les utilisateurs, Moonshot a lancé 3D Make sur kimi.ai et dans l'application : prévisualisation, retouche, export pour l'impression 3D ou export en vidéo et Live Photos.

En finance, Moonshot revendique un record sur OfficeQA Pro v2 avec 64,4. Les métriques internes progressent ainsi :

• Financial Modeling : +7,2 points par rapport à K3
• Financial Research : +11,6 points
• Business Operation : un résultat environ 4,2 fois supérieur à celui de K3
• Kimi Hallu Bench Hard : le taux d'hallucinations au niveau des affirmations passe de 23,4% à 8,3%, et la part des réponses contenant au moins une erreur factuelle s'établit à 42,4% de la valeur de K3

L'entreprise formule elle-même une réserve honnête : le test est volontairement composé d'exemples provocateurs et ne reflète pas la fréquence des erreurs en usage courant.

Cyberrisques et logique des poids ouverts

Une section distincte de la publication est consacrée à la cybersécurité. L'équipe a constaté que la capacité à trouver des vulnérabilités croît avec le post-entraînement, car le contenu de cybersécurité se retrouve à la fois dans le corpus général de mid-training et dans les environnements de RL. Pour la version ouverte, ces données ont été retirées aux deux étapes, tout en conservant les tâches de programmation ordinaires.

Sur xdev-bench-hard (exploitation de vulnérabilités réelles dans le noyau Linux, Node.js, JavaScriptCore, Exim et VirGL, avec protections activées), le checkpoint sans ces mesures résout 90,5% des tâches en pass@3, contre 81,0% pour la K3.1 Pro finale.

En matière de cybercapacités, elle reste, selon Moonshot, en retrait par rapport aux modèles frontier fermés disponibles depuis au moins trois mois.

La position de l'entreprise est la suivante : ne pas publier de poids ouverts qui repousseraient la frontière absolue des capacités offensives, mais relever progressivement le seuil. L'argument en faveur de l'ouverture est l'audit du code, y compris des systèmes hérités que les spécialistes de la sécurité vérifient rarement, par de nombreuses équipes sur leur propre infrastructure.

Comment l'essayer

• Applications Kimi : iOS, Android et HarmonyOS, ou kimi.ai
• Kimi Work : version de bureau 3.1.0 ou ultérieure pour Windows et Mac sur Apple silicon
• Kimi Code : sélectionner le modèle avec la commande /model
• API : identifiants kimi-k3.1-pro et kimi-k3.1-pro-highspeed, Zero Data Retention disponible pour les clients
• Kimi Business : l'accès à K3.1 Pro est désactivé par défaut pour les administrateurs et doit être activé manuellement

Pour comparer avec la concurrence, gardez à l'esprit que Moonshot a repris une partie de ses chiffres dans les blogs et classements d'autres laboratoires, et mesuré le reste elle-même : Terminal-Bench 4.0 a été exécuté avec le harness Claude-Code, et PostTrainBench sur GPU H20 au lieu de H100. Pour les équipes qui ont besoin de coding agentique sur leur propre infrastructure, le principal moment de vérification viendra après la publication des poids : il sera alors possible de faire tourner le modèle sur ses propres dépôts et de le comparer aux API fermées.