Claude Code avec Kimi attendait 22,6 s la vérification des commandes — un modèle rapide ramène ce délai à 9,9 s
Dans Claude Code avec Kimi K3.1 Pro, le mode Auto ralentit tout : avant un git push ou des tests, un appel distinct au modèle décide si la commande est sûre. D'après les logs de 646 actions, cette vérification prenait en moyenne 22,6 secondes. Pour 30 sous-agents, elle a absorbé 23,8% du temps. L'auteur a sorti les commandes fréquentes dans des règles allow explicites, sans passer par le modèle. Il a confié le reste à Kimi K2.8, plus rapide : 9,9 secondes au lieu de 22,6.
Traité par IA depuis Habr AI ; édité par Hamidun News
Vous demandez à l'agent de Claude Code de lancer les tests ou de faire un git push. Le modèle principal a déjà répondu, mais la commande ne démarre pas : le curseur reste figé quelques secondes, parfois plusieurs minutes. C'est le problème d'un développeur qui, après le blocage de son compte Anthropic, est passé à Kimi K3.
1 Pro tout en restant dans son Claude Code habituel. Le coupable n'est pas la génération de code lente, mais une vérification cachée : avant d'exécuter une commande, un second appel au modèle décide si elle est sûre. Si vous utilisez Claude Code avec un modèle tiers et que vos agents « se figent », cette analyse vous indiquera où chercher la cause et comment la supprimer.
Pourquoi l'agent se fige avant un git push
La migration est techniquement simple : il suffit de changer l'endpoint d'API et les noms des modèles dans les paramètres de Claude Code. Sur ses propres tâches, l'auteur n'a pas senti que Kimi était nettement moins bon qu'Opus 5.5. Les inconvénients sont ailleurs : le modèle coûte plus cher, ce qui signifie moins de limites dans l'abonnement, et le Kimi Code maison est, selon lui, pauvre en fonctionnalités et peu pratique comparé à Claude Code. L'auteur utilise les extensions VS Code et ne compare donc que celles-ci. Il n'a pas encore trouvé d'alternative digne de ce nom parmi les harnais (les couches d'orchestration autour du modèle).
Les problèmes ont commencé en mode Auto, où l'agent reçoit automatiquement les autorisations d'appeler des outils. Claude Code envoie à un classifieur distinct une partie de la conversation et l'action prévue, puis attend son verdict. Chez Anthropic, cela repose sur une extension du protocole entre le harnais et le modèle (server-side review).
Selon toute apparence, elle tourne en parallèle du modèle principal, et son coût n'entre pas dans les quotas. Kimi et la plupart des autres modèles frontier n'ont pas cette extension. Pour eux, il existe un mode de compatibilité : la variable CLAUDE_CODE_AUTO_MODE_SERVER réglée sur "0".
La vérification devient alors une requête synchrone ordinaire au modèle, et l'agent reste à l'arrêt jusqu'à l'arrivée de la réponse. C'est aussi un poste de dépense notable.
Ce que montrent les logs
L'auteur a analysé les logs de deux grosses tâches impliquant des agents et des sous-agents. Sur 646 actions, K3.1 Pro a consacré en moyenne 22,6 secondes à la seule vérification des autorisations. Une vérification en une étape prenait 15,6 secondes, une vérification en plusieurs étapes 35,8. Des annulations par expiration du délai sont survenues à 120 secondes. Selon l'estimation de l'auteur, pour 30 sous-agents, le classifieur a occupé 23,8% de leur temps actif.
La solution : des règles plutôt qu'un second modèle
L'idée centrale : toutes les actions ne nécessitent pas une décision d'un LLM. L'auteur a ajouté dans les paramètres des autorisations explicites permissions.allow, par exemple la commande exacte git push origin HEAD ou le lancement d'un script de formatage. Les actions couvertes par une règle n'appellent pas du tout le classifieur. Il a réparti les règles en trois groupes :
- Communes à tous les projets : les opérations non destructives avec Git et gh. On les place dans le ~/.claude/settings.json global.
- Propres au projet : appels de compilateurs, de linters, de tests. Elles se trouvent dans le .claude/settings.json du dépôt. Claude Code fusionne automatiquement les listes locales et globales.
- Releases et gestion. L'agent prépare à l'avance la liste des commandes, l'auteur ajoute des règles exactes avec tous les paramètres dans .claude/settings.local.json, et l'agent exécute ensuite rapidement toute la chaîne. Pour un force-push rare, il est plus simple de passer en Manual et de confirmer l'action une fois.
Pour tout ce que les règles ne couvrent pas, l'auteur a désigné kimi-for-coding (K2.8) comme classifieur via la variable CLAUDE_CODE_AUTO_MODE_MODEL. Lors des premiers tests, le temps moyen de vérification est tombé à 9,9 secondes, contre 22,6 pour K3.1 Pro, soit environ 2,3 fois plus vite. Ce n'est pas un véritable benchmark, mais cela donne un repère sur ses tâches.
Limites et conclusion
L'avertissement principal concerne la sécurité : les permission rules protègent des actions destructrices accidentelles, mais ne constituent pas une frontière de sécurité. L'agent peut réécrire vos fichiers même sans Bash ; pour une véritable isolation, il faut donc d'autres mesures.
En pratique, la marche à suivre est la suivante. Commencez par consulter les logs pour voir combien de temps part dans les vérifications d'autorisations. Sortez ensuite les commandes fréquentes et sûres dans des règles allow explicites, et laissez les cas ambigus au modèle, de préférence un modèle rapide et peu coûteux. Les règles déterministes sont plus rapides, moins chères et plus prévisibles, tandis qu'il vaut mieux réserver le LLM aux cas réellement flous. L'auteur a présenté la configuration et le release workflow dans la PR #34 du projet Quoll.
- 18 nov. 2026Opus 5.5 a distingué sans la moindre erreur 19 tests de sécurité de 36 tâches ordinaires
- 18 nov. 202612 services de design prêts à l'emploi pour débarrasser les sites IA du slop : gratuits ou à partir de $6 par mois
- 18 nov. 2026« Куб три » donne à un agent IA la mémoire du projet : revues plus simples, mais un modèle presque un tiers plus cher
- 18 nov. 2026GPT 6.2 Sol Ultrafast débite 150 tokens/s et consomme 6 fois plus de limites
Questions clés sur cet article
Pourquoi l'agent se fige avant un git push?
La migration est techniquement simple : il suffit de changer l'endpoint d'API et les noms des modèles dans les paramètres de Claude Code. Sur ses propres tâches, l'auteur n'a pas senti que Kimi était nettement moins bon qu'Opus 5.5. Les inconvénients sont ailleurs : le modèle coûte plus cher, ce qui signifie moins de limites dans l'abonnement, et le Kimi Code maison est, selon lui, pauvre en fonctionnalités et peu pratique comparé à Claude Code.
Que sait-on sur Ce que montrent les logs ?
L'auteur a analysé les logs de deux grosses tâches impliquant des agents et des sous-agents. Sur 646 actions, K3.1 Pro a consacré en moyenne 22,6 secondes à la seule vérification des autorisations. Une vérification en une étape prenait 15,6 secondes, une vérification en plusieurs étapes 35,8. Des annulations par expiration du délai sont survenues à 120 secondes. Selon l'estimation de l'auteur, pour 30 sous-agents, le classifieur a occupé 23,8% de leur temps actif.
Que sait-on sur La solution : des règles plutôt qu'un second modèle ?
L'idée centrale : toutes les actions ne nécessitent pas une décision d'un LLM. L'auteur a ajouté dans les paramètres des autorisations explicites permissions.allow, par exemple la commande exacte git push origin HEAD ou le lancement d'un script de formatage. Les actions couvertes par une règle n'appellent pas du tout le classifieur. Il a réparti les règles en trois groupes : Communes à tous les projets : les opérations non destructives avec Git et gh. On les place dans le ~/.claude/settings.json global.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.