Moonshot AI lance Kimi K3.1 Pro, quatrième du classement Artificial Analysis

Une quatrième place à trois points du sommet

Moonshot AI a mis en ligne Kimi K3.1 Pro, une déclinaison post-entraînée de Kimi K3 ayant consommé nettement plus de calcul à cette étape, selon The Decoder. Le modèle obtient 55 points sur l'Artificial Analysis Intelligence Index, soit 11 points de plus que K3, ce qui le place au quatrième rang du classement.

Seuls Claude Opus 5.5 (58 points), Claude Sonnet 5.5 (56) et Muse Wonder Full (56) devancent le modèle chinois, d'après Artificial Analysis. Si Moonshot ouvre bien les poids comme prévu avant le 4 novembre 2026, K3.1 Pro deviendrait le modèle à poids ouverts le mieux noté disponible, réduisant l'écart entre modèles ouverts et propriétaires de 12 à 3 points, à condition que la hiérarchie ne bouge pas d'ici là.

Moonshot livre en parallèle une variante K3.1 Pro Highspeed annoncée deux à trois fois plus rapide. Les deux versions sont accessibles via Kimi.ai, Kimi Work, Kimi Code et l'API Kimi.

Tâches agentiques, code et modélisation 3D en progrès

Les gains les plus marqués concernent les tâches agentiques. Sur GDPval-AA, K3.1 Pro atteint 1 846 Elo selon Artificial Analysis, 312 points de mieux que K3, ce qui le situe juste derrière Claude Opus 5.5 (1 866) et Muse Wonder Full (1 857). Sur Terminal-Bench 4.0, Moonshot annonce 65,7 %, devant GPT-6 Astra (58,2 %) et à peine derrière Claude Opus 5.5 (66,4 %) ; K3 plafonnait à 13 % sur ce même test.

Le taux d'hallucinations recule fortement. Sur le benchmark interne Kimi Hallu Bench Hard, les hallucinations au niveau des affirmations passent de 23,4 % avec K3 à 8,3 %, précise l'entreprise, qui qualifie ce test de stress test et non de mesure générale du taux d'erreur. GPT-6 Astra descend à 5,5 % sur le même exercice et garde donc l'avantage.

Sur les benchmarks financiers internes, le modèle gagne 7,2 points en modélisation financière et 11,6 points en recherche financière. Pour les tâches bureautiques courantes, Moonshot le place en tête des modèles testés sur OfficeQA Pro v2.

Jeux vidéo et CAD

K3.1 Pro travaille directement avec les moteurs de jeu Unity, Unreal Engine et Godot, pour des corrections rapides comme pour des constructions de projet complètes, toujours selon Moonshot. Sur BenchCAD, il obtient 92,7 % avec outils, proche de Claude Opus 5.5 (96,2 %) et de GPT-6 Astra (95,9 %) ; sans outils, il atteint 72,8 %, quasiment au niveau de Claude Opus 5.5 (73,0 %).

L'entreprise indique que le modèle excelle dans la modélisation paramétrique de pièces mécaniques, de maquettes d'architecture et de produits configurables. Il peut écrire et exécuter des scripts pour Blender et les logiciels de CAO sans connecteurs MCP. Moonshot a aussi lancé sur Kimi.com une fonction « 3D Make » permettant de prévisualiser, modifier et exporter des modèles 3D.

Architecture inchangée, prix en baisse

K3.1 Pro conserve les dimensions de K3 : 2 800 milliards de paramètres au total, dont 104 milliards actifs, une fenêtre de contexte d'un million de tokens et la prise en charge du texte comme des images. Artificial Analysis le situe au sommet de la frontière de Pareto : aucun modèle d'un nombre de paramètres comparable ne fait mieux sur l'Intelligence Index.

Le prix des tokens baisse de 33 %. L'entrée coûte 2 $ par million de tokens (contre 3 $), la sortie 10 $ (contre 15 $) et les hits de cache 0,20 $ (contre 0,30 $). Chaque tâche de l'Intelligence Index revient à 1,98 $, presque comme avec K3 (2,00 $), le modèle générant 14 % de tokens de sortie en plus.

Cybersécurité : des données retirées avant l'ouverture

Moonshot consacre une section entière de son billet technique à la cybersécurité. L'entreprise dit avoir constaté que les capacités de recherche de vulnérabilités progressaient avec le post-entraînement, le contenu lié à la cyber étant présent dans le corpus général de mi-entraînement et les tâches associées dans le mélange d'environnements d'apprentissage par renforcement.

Pour la version à poids ouverts, les données cyber ont été retirées des deux phases d'entraînement. Sur son test interne xdev-bench-hard, qui reproduit des vulnérabilités récemment divulguées dans des logiciels comme le noyau Linux, Node.js et JavaScriptCore, la version non nettoyée résout 90,5 % des tâches ; après nettoyage, K3.1 Pro en résout 81,0 %. DeepSeek-V4.1-Flash atteint 85,7 % sur le même test, tandis que Kimi K3 obtenait 33,3 %.

Moonshot estime qu'aucun modèle à poids ouverts ne devrait pousser la frontière absolue des capacités cyber offensives. L'entreprise veut néanmoins élever progressivement ce que ces modèles savent faire, puisqu'ils servent aussi à la défense, notamment à l'audit de systèmes hérités. Anthropic a déjà montré que même GLM-5.3, crédité de 45 points sur l'AA Index, peut écrire des exploits proches des niveaux de Claude Mythos.