GPT-6.1 Sol vs Kimi K4 : le modèle mentionné dans le titre n’a jamais été annoncé

Kimi K4 n’est pas simplement un modèle non annoncé. C’est un nom derrière lequel il n’y a aucun modèle du tout. Moonshot AI n’a jamais publié de fiche modèle K4, de dépôt K4, d’identifiant d’API K4 ni de ligne tarifaire K4, et son propre index de recherche s’arrête à Kimi K3. Artificial Analysis n’a pas de page K4. Le nom est entré en circulation via une bannière interne divulguée en juillet, et tout ce qui a suivi relève de l’extrapolation à partir de Kimi K3, un modèle bien réel et plutôt bon. GPT-6.1 Sol, en revanche, est disponible de façon générale sur l’API OpenAI depuis le 29 septembre 2026, au tarif de 2,00 $ par million de jetons d’entrée et de 10,00 $ par million de jetons de sortie. La comparaison que l’on peut honnêtement écrire est donc celle de Sol avec le modèle Kimi qui existe — Kimi K3.1 Pro — assortie d’une explication de ce à quoi K4 devrait ressembler pour que le fait d’attendre ait un sens.

Un nom sans aucun modèle à l'appui

Il vaut la peine de présenter la chaîne de preuves, car le volume de contenus K4 en ligne est absolument disproportionné par rapport aux preuves.

• Juillet 2026 — une bannière de célébration interne divulguée de Moonshot contient la phrase « push K4 to the absolute limit ». C'est l'origine du nom.

• 29 juillet 2026 — The Information rapporte que Moonshot cherche à obtenir des capacités supplémentaires de classe Nvidia Blackwell afin d'entraîner un modèle plus grand que K3. Le rapport ne précise ni le nom du modèle, ni le nombre de paramètres, ni la date. Il s'agit d'une affaire d'approvisionnement en puces.

• 16 juillet 2026 — Kimi K3 est disponible : 2,8 billions de paramètres au total, 104 milliards actifs, un mélange d'experts parcimonieux avec 896 experts routés et 16 actifs, un contexte de 1 048 576 jetons et un encodeur visuel. Les poids ont été publiés fin juillet.

• 11 octobre 2026 — Des médias en langue chinoise rapportent qu’un modèle de 5 à 6 billions de paramètres est en cours d’entraînement, « probablement » K4, sans citer de source nommée.

• 15 octobre 2026 — une affirmation non confirmée selon laquelle une modèle phare portant le nom de code « x4 » a achevé son pré-entraînement et se trouve au milieu ou à la fin de la phase de post-entraînement.

• 23 octobre 2026 — Moonshot livre Kimi K3.1 Pro à la place.

Chaque chiffre de benchmark, longueur de contexte et prix du K4 que vous avez vu est le résultat de calculs arithmétiques effectués sur les chiffres du K3. Les marchés de prédiction estiment à environ 6 % la probabilité que le K4 soit livré d’ici au 31 décembre 2026, et à environ 17 % d’ici au 31 mars 2027. Il existe aussi un contexte non résolu qu’il vaut la peine de connaître : des allégations selon lesquelles Moonshot aurait obtenu l’accès aux GB300 via la Thaïlande et aurait procédé à une distillation à partir des modèles d’Anthropic, avec une action menacée au titre de la Commerce Entity List. C’est du contexte, pas une spécification du K4, mais c’est le genre de chose qui fait bouger une date de lancement.

Le modèle Kimi que vous pouvez vraiment comparer

Kimi K3.1 Pro est sorti le 23 octobre 2026 et est répertorié dans notre catalogue le 24 octobre sous le nom kimi/kimi-k3.1-pro. Il coûte 2,00 $ par million de jetons d'entrée et 10,00 $ par million de jetons de sortie — exactement le tarif affiché de GPT-6.1 Sol — avec l'entrée mise en cache à 0,20 $ plutôt qu'à 0,10 $ pour Sol. Il dispose d'un contexte de 1 048 576 jetons et, fait inhabituel, d'une sortie maximale de 943 718 jetons. Ce plafond de sortie n'est pas une coquille, et c'est le nombre le plus intéressant de cette comparaison.

Voici le duo sur l’Artificial Analysis Intelligence Index v5.0.1, tous deux au niveau d’effort maximal publié.

• Intelligence Index v5.0.1 — Sol 55 contre K3.1 Pro 46, un écart de neuf points

• Coût par tâche d’indexation terminée — Sol 1,27 $ vs K3.1 Pro 3,68 $

• Jetons de sortie lors de l’exécution de l’index — Sol 63,7 millions contre K3.1 Pro 113 millions

• Vitesse de sortie — Sol 56 tokens/seconde contre K3.1 Pro 33 tokens/seconde

• Fenêtre de contexte — Sol 1 050 000 vs K3.1 Pro 1 048 576, pratiquement identiques

• Sortie maximale en une seule réponse — Sol 128 000 vs K3.1 Pro 943 718

• Prix d'entrée / de sortie pour 1 M — 2,00 $ / 10,00 $ dans les deux cas

• Entrée mise en cache par 1 M — Sol 0,10 $ contre K3.1 Pro 0,20 $

• Contrôle du raisonnement — Sol exécute toujours le raisonnement, de faible à max, avec un niveau moyen par défaut et sans possibilité de désactivation ; K3.1 Pro active la réflexion par défaut, avec un effort sélectionnable parmi aucun, faible, élevé ou max

• Modalités d’entrée — Sol prend en charge le texte, les images et les fichiers ; K3.1 Pro prend en charge le texte, les images et la vidéo

• Poids — Sol fermé ; le checkpoint de K3.1 Pro a été publié le 2 novembre 2026

Le tarif affiché identique est un bon rappel que le prix catalogue n’est pas le coût. K3.1 Pro a consommé 1,8 fois plus de tokens de sortie que Sol pour réaliser le même index et a coûté 2,9 fois plus cher par tâche. Il est également nettement plus lent que l’autre, à 33 tokens par seconde, ce qui compte plus que d’habitude car il s’agit de génération en régime permanent sur un modèle qui réfléchit avant d’écrire.

Là où K3.1 Pro est le seul choix

Un chiffre mérite sa propre section. Une sortie maximale de 943 718 tokens représente environ sept fois les 128 000 de GPT-6.1 Sol. Si votre travail consiste à lire un long corpus et à produire en un seul appel un long artefact structuré — une migration complète de base de code, un examen statutaire, une tâche de normalisation de la longueur d’un livre —, Sol tronquera à 128K et K3.1 Pro ne le fera pas. Ce n’est pas une différence de benchmark que l’on peut gommer en ajustant les niveaux d’effort ; c’est un plafond absolu d’un côté.

Le coût de son utilisation est bien réel. À 10,00 $ par million de tokens de sortie, remplir ne serait-ce que la moitié de ce plafond coûte environ 4,70 $ pour la sortie seule, avant même les tokens de raisonnement. Mais pour une catégorie de tâches par lots, l’alternative n’est pas un modèle moins cher : c’est un pipeline de découpage avec ses propres modes de défaillance. Si c’est votre charge de travail, K3.1 Pro n’est pas un compromis ; c’est le modèle qui convient.

La raison d’attendre du côté des poids ouverts a déjà été satisfaite.

Retirez les spéculations et il reste exactement une chose structurelle qu'un K4 pourrait offrir que GPT-6.1 Sol ne peut pas : un point de contrôle téléchargeable. C'est la raison pour laquelle les gens suivent Moonshot, et c'est la raison pour laquelle cette comparaison comporte une troisième option bien réelle que le titre omet. Les poids de Kimi K3.1 Pro ont été publiés le 2 novembre 2026 sous une licence personnalisée. Il y a trois jours, pas dans quelque future version K4.

Le dépôt est un point de contrôle de 2,78 billions de paramètres. En précision 8 bits, cela représente environ 2,7 téraoctets de poids avant tout cache KV ou surcoût de serving, et les artefacts quantifiés en k du dépôt sont du même ordre de grandeur. Il s'agit d'un déploiement multi-nœuds avec une interconnexion conséquente, et non d'un téléchargement sur un seul GPU. Le nombre de paramètres actifs — 104 milliards sur Kimi K3 — détermine la vitesse à laquelle il s'exécute une fois la mémoire payée, ce qui explique pourquoi un modèle de cette taille peut être servi à une vitesse utilisable sur le bon cluster et pas du tout sur le mauvais.

Donc l’arbitrage est explicite. Les poids ouverts suppriment une dépendance à un fournisseur et la remplacent par une dépense d’investissement et une équipe d’exploitation. À 2,00 $ par million de tokens d’entrée et 10,00 $ par million de tokens de sortie, le prix hébergé de Kimi K3.1 Pro est suffisamment bas pour que l’auto-hébergement ait peu de chances de l’emporter sur le seul calcul ; ce sur quoi il l’emporte, c’est la résidence des données, le déploiement en environnement isolé (air-gapped) et la possibilité d’affiner le modèle sur du trafic que vous ne pouvez envoyer à personne. Si ce sont des exigences, elles sont satisfaites aujourd’hui par K3.1 Pro. Si ce n’est pas le cas, les poids ouverts sont une propriété intéressante que vous n’utiliserez jamais.

Ce que K4 apporterait de plus, au vu des éléments disponibles, c’est un plus grand nombre de paramètres et un meilleur score. C’est une raison de mettre à niveau un modèle. Ce n’est pas une raison de reporter un déploiement, et ce n’est certainement pas la seule façon d’obtenir des poids dont vous pouvez disposer.

Où se situent les deux vrais modèles pour la plupart des équipes

Pour les agents d’appel d’outils, les flux de questions-réponses sur documents et d’assistance, GPT-6.1 Sol est le meilleur choix par défaut sur chaque axe mesuré, sauf la longueur de sortie : score d’indice plus élevé, coût par tâche accomplie plus faible, génération 70 % plus rapide et lectures de cache moins coûteuses. Il est en production depuis assez longtemps pour disposer d’un véritable profil de télémétrie — selon nos chiffres sur sept jours, un temps médian jusqu’au premier jeton de 937 ms, un taux d’erreur de 5,7 % et 39,5 jetons par seconde en sortie, sur 382 millions de jetons de trafic.

Pour les travaux par lots à sortie longue, Kimi K3.1 Pro est le modèle vers lequel se tourner, et le plafond de 943K en est la raison. Pour les équipes qui doivent posséder les poids, Kimi K3.1 Pro est la réponse aujourd’hui : le checkpoint existe, il est téléchargeable et il date de trois jours. Voilà tout le contenu pratique de la question K4, à laquelle répond un modèle sorti en octobre.

Le point de routage n’est pas décoratif ici. Ces deux modèles ont le même tarif catalogue et des profils opposés : l’un est rapide, peu coûteux par tâche et plafonné à 128K de sortie ; l’autre est lent, coûteux par tâche et pratiquement sans plafond. C’est un cas d’école de répartition par requête plutôt qu’un choix binaire. Les deux sont accessibles derrière une seule clé, au tarif catalogue du fournisseur sans marge, de sorte qu’une règle de routage peut envoyer les tâches par lots à sortie longue vers K3.1 Pro et la boucle d’agent interactive vers Sol sans second contrat, ou les fusionner lorsqu’une réponse unique gagne à combiner les deux. C’est cette couche qui permet de reporter une décision sur K4 sans reporter le travail.

Donc la réponse à « GPT-6.1 Sol ou Kimi K4 » est que l’un des deux est une décision et l’autre une rumeur assortie d’un nombre de paramètres. Si K4 sort en 2027 avec des poids ouverts et un score supérieur à 46, il méritera un examen sérieux, et pour y être prêt, il faut disposer d’une pile où le remplacement d’un modèle se résume à un changement de routage. L’attendre n’est pas une stratégie ; pouvoir l’adopter en un après-midi en est une.