Moonshot lance Kimi K3.1 Pro : 55 points et 2 $/10 $ par million de tokens

Le chinois Moonshot a mis en ligne le modèle Kimi K3.1 Pro dans son API. Les tarifs : $2 par million de tokens en entrée et $10 par million en sortie. C'est le prix de GPT-6.1 Sol, alors que Claude Opus 5.5 coûte deux fois plus cher. Sur l'indice indépendant Artificial Analysis, Kimi obtient 55 points et ne s'incline que devant Opus 5.5, à 58. Les poids restent fermés pour l'instant, mais Moonshot promet de les publier intégralement avant le 4 novembre 2026.

Ce que montre la mesure indépendante

Selon les benchmarks de Moonshot elle-même, K3.1 Pro se situe à peu près au niveau d'Opus 5.5 et de GPT-6 Astra. Il les dépasse sur certains tests et les talonne sur d'autres. Ce type de tableaux est généralement choisi pour servir le fournisseur : l'indice externe compte donc davantage. Artificial Analysis classe les modèles ainsi :

• Claude Opus 5.5 : 58 points
• Kimi K3.1 Pro : 55
• Claude Fable 5.1 : 53
• GPT-6 Astra : 53
• Gemini 4 Argon : 53

L'écart avec le leader est de trois points. Kimi devance de deux points chacun des trois modèles fermés suivants. Jusqu'ici, les modèles à poids ouverts, fussent-ils futurs, accusaient un net retard sur la frontière fermée. Cette fois, ce n'est pas le cas : c'est une première.

L'économie des tokens et le prix de la vitesse

Pour les scénarios agentiques, le prix du token pèse plus lourd qu'un écart de quelques points d'indice. Un agent qui boucle sur « lire le dépôt, réfléchir, corriger » consomme beaucoup de tokens en entrée et nettement moins en sortie. Prenons les tarifs de Moonshot : une session avec 500 000 tokens en entrée et 50 000 en sortie coûte $1,00 pour l'entrée et $0,50 pour la sortie, soit $1,50. Avec Opus 5.5, dont le prix est deux fois plus élevé, le même volume revient à environ $3. Il s'agit de notre calcul, pas de données du fournisseur. Sur des milliers de sessions par jour, l'écart pèse sensiblement dans le budget.

Il existe aussi une variante Highspeed. Elle est 2 à 3 fois plus rapide et deux fois plus chère. Exception : les hits du cache d'entrée, dont le prix ne change pas. Pour les longues chaînes agentiques avec un gros contexte répétitif (prompt système, base de code), cette condition est avantageuse. On peut activer le mode rapide pour les tâches interactives et laisser les exécutions en arrière-plan au tarif standard.

Le pélican à vélo et le test via LLM 0.32

Simon Willison a testé le modèle avec son épreuve habituelle : générer un SVG représentant un pélican sur un vélo. Il l'a lancé via l'API de Moonshot avec la commande `llm openai endpoint` de LLM 0.32, qu'il a ajoutée en août. La commande fonctionne avec n'importe quel endpoint compatible OpenAI, ici https://api.moonshot.ai/v1 avec le modèle kimi-k3.1-pro. La commande elle-même ne journalise pas les résultats : il a donc fallu rediriger la sortie et la trace de raisonnement vers des fichiers stdout et stderr. Il a utilisé le drapeau `--responses` et l'option `reasoning_effort`.

Le modèle prend en charge trois niveaux de raisonnement : low, medium et max. Willison a lancé les trois et, pour comparer, a relancé le Kimi K3 précédent. Il juge le résultat en max plutôt solide : les pieds reposent sur les pédales, le cadre du vélo est bien dessiné, le bec est réussi. Parmi les défauts, les deux jambes se trouvent du même côté du cadre.

Que vérifier d'ici le 4 novembre

Pour l'instant, seule l'API est disponible, et le plus simple est de tester via un client compatible OpenAI. Il suffit de changer l'URL de base et le nom du modèle. Pour évaluer le modèle, il vaut la peine d'exécuter les trois niveaux de raisonnement sur ses propres tâches et de comparer non seulement la qualité, mais aussi la consommation de tokens en sortie : en max, la trace de raisonnement entame nettement le budget. Il faut aussi mesurer séparément la part de hits du cache, car le prix de Highspeed en dépend.

Les équipes qui envisagent l'auto-hébergement doivent attendre les poids réels promis avant le 4 novembre 2026. Il est utile d'évaluer dès maintenant les besoins en GPU et les conditions de la licence. Si la promesse est tenue, les fournisseurs fermés auront face à eux un concurrent de qualité comparable, qu'il sera en outre possible d'exécuter sur sa propre infrastructure.