Kimi K3.1 : le nom de recherche pour Kimi K3, et ce que Moonshot livre réellement

Tapez kimi k3.1 dans un champ de recherche, et vous ne demandez pas des actualités. Il n'existe aucune fiche de modèle Kimi K3.1, aucun dépôt de poids, aucune ligne de grille tarifaire et aucun identifiant d'API portant ce numéro, où que ce soit sur les propres surfaces de M​oonshot AI — et il n'y en aura pas tant que le laboratoire ne l'y aura pas mis. Ce que le point désigne, c'est le produit qu'il nomme en abrégé : Kimi K3, le fleuron à poids ouverts de 2,8 billions de paramètres que M​oonshot a livré le 16 juillet 2026, et la gamme à laquelle il appartient. « Kimi K3.1 » est l'orthographe que le champ de recherche privilégie pour cette gamme ; Kimi K3 est celle qu'emploie le fournisseur. Toute la page ci-dessous traite de cette différence, car c'est elle qui détermine ce que vous pouvez réellement exécuter.

La raison de consigner cela par écrit tient à la demande plutôt qu'à l'actualité. Au cours des vingt-huit jours précédant le 12 octobre 2026, les requêtes construites sur la graphie avec point ont totalisé 777 impressions et 70 clics sur notre propre propriété — douze requêtes, pratiquement aucune longue traîne, et un taux de clic de 9,7 % sur kimi k3.1 lui-même. C'est la conversion la plus élevée de toutes les facettes mesurées dans ce tour, et environ le double de ce qu'obtient la graphie sans point. Les lecteurs qui tapent le point ne sont pas en train de naviguer. Ils ont déjà lu quelque chose sur cette ligne et ils reviennent pour cela. Pendant ce temps, kimi k3 totalise 4 004 impressions sur 189 requêtes, soit cinq fois le volume de la version avec point, et c'est ce chiffre qui vous dit lequel des deux noms est le produit.

À quoi fait référence « Kimi K3.1 », en un écran

Trois énoncés, dans l’ordre, car l’ordre compte :

• Kimi K3.1 n’est pas une version distincte. Moonshot AI publie un seul modèle K3. Sa documentation, sa page de tarification, son organisation Hugging Face et son blog utilisent tous le même nom pour le désigner, et aucun d’entre eux n’utilise de suffixe pointé.

• Kimi K3 est le modèle livré, et il est appelable dès aujourd'hui. Un système de mélange d'experts de 2,8 billions de paramètres avec une fenêtre de contexte de 1 048 576 jetons, une entrée d'image native, des poids ouverts sous la propre licence de M​oonshot, et un tarif API publié de 3,00 $ par million de jetons d'entrée et de 15,00 $ par million de jetons de sortie.

• Le point est une étiquette, pas une version. C’est la forme que prend le terme dans la recherche et dans les discussions communautaires, et c’est aussi la forme qu’a prise le successeur présumé de la ligne depuis juillet. Ce sont deux choses différentes qui partagent une même graphie, et le reste de cette page les distingue.

Si vous arrivez ici depuis un lien à propos d’une fuite, c’est l’autre moitié de l’histoire et il y a une page pour cela — celle-ci est la page de référence pour le nom et le modèle qui se cachent derrière.

Ce qu'est Kimi K3, d'après la fiche de Moonshot elle-même

Chaque chiffre de cette section est tiré des documents de M​oonshot lui-même : la fiche du modèle dans le dépôt moonshotai/Kimi-K3 sur Hugging Face, le blog technique à kimi.com/blog/kimi-k3, et la documentation du modèle sur la plateforme API du laboratoire. Ce sont des chiffres déclarés par le fournisseur, non reproduits de manière indépendante, et cette distinction mérite d'être conservée, car K3 est un grand modèle épars où les affirmations sur les benchmarks et le serving sont faites par la partie qui l'a entraîné.

• Classe — un modèle de langage à mélange d'experts doté de vision, décrit par Moonshot comme le premier modèle ouvert au monde de la classe des 3 000 milliards de paramètres.

• Taille — 2,8 T de paramètres au total avec 104 B activés par token, répartis sur 896 experts routés dont 16 s'activent par token, plus 2 experts partagés. 93 couches, dont une dense.

• Architecture — Kimi Delta Attention (KDA) et Attention Residuals, avec 69 couches KDA et 24 couches MLA à portes, une dimension cachée d'attention de 7 168 et 96 têtes d'attention. Moonshot rapporte environ 2,5 × l'efficacité de mise à l'échelle de Kimi K2 grâce à cette combinaison.

• Contexte — 1,048,576 jetons, soit le même chiffre que celui indiqué sur la page de tarification de l’API pour le modèle.

• Modalité — texte et image en entrée, texte en sortie. L'encodeur vision est MoonViT-V2 avec 401 M de paramètres, et le vocabulaire compte 160 K entrées.

• Numériques — entraînement sensible à la quantification dès l'étape de réglage fin supervisé, avec des poids MXFP4 et des activations MXFP8, ce que Moonshot présente comme une large compatibilité matérielle.

• Contrôles de raisonnement — la réflexion est toujours activée, et la profondeur est définie par un champ de premier niveau reasoning_effort prenant les valeurs low, high ou max, avec max par défaut.

• Prix, publié par le fournisseur — 3,00 $ par million de jetons d'entrée, 15,00 $ par million de jetons de sortie, 0,30 $ par million de lectures d'entrée mises en cache, les écritures dans le cache étant facturées à 3,00 $ par million pour le palier de rétention de 5 minutes et à 6,00 $ par million pour le palier d'une heure.

Une ligne de cette liste mérite d’être isolée, car c’est la partie de K3 qui se perd le plus souvent dans le décompte des paramètres : le modèle ne vous laisse pas définir ses paramètres d’échantillonnage. La référence des paramètres de M​oonshot indique temperature fixé à 1.0, top_p fixé à 0.95, n fixé à 1 et les deux pénalités fixées à 0, et précise que transmettre toute autre valeur renvoie une erreur — le conseil est donc de ne pas les envoyer du tout. La profondeur est le seul levier, via reasoning_effort, et la même page comporte un avertissement qu’il vaut mieux connaître avant de construire : modifier le niveau d’effort en cours de conversation invalide les hits de cache de préfixe, il vaut donc mieux décider du niveau au démarrage de la session.

M​oonshot propose-t-il quelque chose appelé 3.1 ?

Voici la question que se pose réellement le lecteur qui a tapé le point, et elle a une réponse vérifiable plutôt qu’une opinion. Chaque surface ci-dessous a été lue le 13 octobre 2026, et un lecteur peut les refaire toutes en un après-midi.

• La liste des modèles sur la plateforme API de M​oonshot énumère quatre modèles appelables : kimi-k3, kimi-k2.7-code, kimi-k2.7-code-highspeed et kimi-k2.6. Il n'existe aucune entrée K3.1, et la même page marque à la place treize identifiants antérieurs comme obsolètes.

• La page de tarification comporte une seule ligne de la série K3. Il s'agit de kimi-k3, aux tarifs indiqués ci-dessus, avec une fenêtre de contexte de 1 048 576 jetons. Il n'y a pas de deuxième ligne à tarifer.

• L’index de documentation que la plateforme publie pour les lecteurs automatisés recense trois guides spécifiques à K3 — le guide de démarrage rapide, une page de bonnes pratiques sur l’appel d’outils et une page de configuration d’agent — et aucun élément numéroté 3.1.

• L'organisation Hugging Face du laboratoire ne contient qu'un seul dépôt K3, moonshotai/Kimi-K3, et une recherche sur le Hub portant sur un dépôt numéroté 3.1 ne renvoie rien, quelle que soit l'orthographe utilisée.

• L'index de recherche sur kimi.com répertorie K3 parmi les travaux publiés du laboratoire, avec une seule entrée. Il n'existe pas de seconde entrée K3 au-dessus de celle-ci.

Alors, d'où vient 3.1 ? De deux endroits, et aucun n'est une version de modèle. Le premier, c'est que le nombre 3.1 apparaît bel et bien dans le matériel de lancement de K3 de M​oonshot lui-même — en tant que version de l'application de bureau Kimi Work dont vous avez besoin pour exécuter K3 sur un Mac ou une machine Windows, que le blog indique comme « version 3.1.0 ou ultérieure ». Une version de produit, publiée par le laboratoire, dans un document consacré à K3, est une chose parfaitement ordinaire à trouver à côté d'un nom de modèle, et c'est le genre de proximité qui finit par devenir un terme de recherche. Le second, c'est la lignée des fuites : le nom Kimi K3.1 est accolé à un successeur supposé depuis juillet, a été décelé dans une publication sibylline d'un fournisseur en septembre, et a été annoncé pour une fenêtre automnale par un leaker dont le calendrier précédent pour le même modèle n'a pas été respecté. Cette histoire est documentée sur notre page dédiée aux fuites et n'est pas reprise ici.

Ce qu’aucune source ne fait, c’est distinguer un Kimi K3.1 d’un Kimi K3 sur le moindre plan technique. Il n’y a pas de journal des modifications, pas de comparatif côte à côte, pas de « quoi de neuf dans la 3.1 », parce qu’il n’y a pas deux choses à comparer. C’est là le constat, et il vaut mieux le formuler sans détour plutôt que de l’enjoliver : si une page vous présente un tableau de spécifications comparant K3 et K3.1, au moins une de ses colonnes a été inventée.

Poids, licence et comment l'exécuter

Les poids de K3 sont ouverts, et les conditions sont celles de Moonshot lui-même plutôt qu’une licence standard — une distinction qui compte davantage que le mot d’accroche « open ». Le dépôt déclare license: other avec license_name: kimi-k3, et le texte accorde l’utilisation, la copie, la modification, la fusion, la publication, la distribution, la sous-licence et la vente, y compris le droit d’affiner et de créer des œuvres dérivées. Deux conditions s’ajoutent à cette autorisation, et toutes deux sont commerciales plutôt que techniques :

• Si vous exploitez une activité de modèle en tant que service — donnant à des tiers un accès de type API avec un contrôle significatif sur les entrées, les paramètres ou les données d’entraînement — et que votre chiffre d’affaires cumulé sur toute période de douze mois consécutifs dépasse 20 millions de dollars, vous avez besoin d’un accord distinct avec M​oonshot avant d’utiliser les poids ou les dérivés à des fins commerciales.

• Si un produit ou service commercial construit sur les poids dépasse 100 millions d’utilisateurs actifs mensuels ou 20 millions de dollars de revenus mensuels, « Kimi K3 » doit être affiché de manière bien visible dans son interface.

• Aucune de ces deux conditions ne s'applique à l'usage interne, ni à tout élément accessible via les produits propres de Moonshot ou ses partenaires d'inférence certifiés.

Le téléchargement lui-même n'est pas petit, et il vaut la peine de connaître sa forme avant d'en lancer un. Le dépôt contient 97 fragments safetensors totalisant environ 1,56 To, publiés dans la configuration MXFP4/MXFP8 que le modèle a été entraîné à utiliser — ce qui est vraiment pratique, car cela signifie que la quantification propre au laboratoire sert de référence plutôt que quelque chose que vous devez reproduire. M​oonshot nomme trois moteurs d'inférence qu'il recommande pour K3 : vLLM, SGLang et TokenSpeed, chacun avec une recette ou un cookbook publié. La note de déploiement du fournisseur ajoute un seuil matériel minimal qu'il vaut la peine de citer exactement : K3 est recommandé sur des configurations supernode de 64 accélérateurs ou plus, ce qui est la réponse honnête à « puis-je exécuter ceci localement » et est une réponse différente de celle qu'implique le nombre de paramètres.

Si 1,56 To de MXFP4 dépassent la capacité de votre machine — et c’est le cas pour presque tous les lecteurs —, les réductions communautaires constituent la voie pratique, et elles sont légitimes. Le dépôt unsloth/Kimi-K3-GGUF est la conversion GGUF la plus téléchargée sur le Hub ; NVIDIA publie une version NVFP4 ; il existe des conversions MLX destinées aux puces Apple ; et plusieurs variantes élaguées de type REAP échangent un nombre d’experts contre une empreinte qui tient sur une seule grande station de travail. Ce sont des modifications tierces des poids, et non des versions publiées par M​oonshot, et les termes de la licence s’appliquent à la fois au dérivé et à l’original. Traitez une version élaguée ou fortement quantifiée comme un artefact à part entière : elle sera moins coûteuse à exécuter que la référence et n’obtiendra pas exactement les mêmes scores, et aucun benchmark de cette page ne doit être interprété comme s’appliquant à elle.

La question « quel fichier dois-je télécharger », précisée : prenez un GGUF si vous servez via des outils de type llama.cpp et devez tenir dans une quantité de mémoire fixe ; prenez la version MLX si la machine est une Apple silicon ; prenez les shards du fournisseur lui-même si vous avez le budget d'accélérateur et voulez la configuration que Moonshot a entraînée. Telle est toute la règle, et elle est décidée par votre matériel plutôt que par le modèle.

Où se trouve cette page à côté de la page sur la fuite

La seule page active sur ce sujet est kimi-k3-1-leak, et elle couvre la rumeur : la liste des fonctionnalités divulguée, la publication énigmatique et sa suppression, ainsi que le calendrier qui a déjà été repoussé une fois. Cette page est l'autre moitié, et elle ne raconte délibérément rien de tout cela. Lisez la page sur la fuite si ce que vous voulez, c'est l'état des spéculations ; lisez celle-ci si ce que vous voulez, c'est le modèle qui existe, le nom qu'il porte dans le catalogue du fournisseur lui-même, et les conditions qui s'appliquent à ses poids.

Qu'est-ce qui n'est pas réglé ?

Que Moonshot finisse un jour par livrer un modèle qu'il appelle K3.1, et ce qu'il contiendrait. Il y a un saut de raisonnement qui pointe vers un successeur davantage orienté vers l'utilisation de l'ordinateur et la multimodalité, et c'est une lecture plausible de l'orientation produit du laboratoire lui-même — mais plausible ne signifie pas livré, et rien dans les documents du fournisseur ne garantit un numéro, une date ou une forme. La seule chose véritablement réglée est la question de la spécification, par la négative : il n'y a aucune spécification de K3.1 à donner, de quelque source que ce soit, aujourd'hui.

Disponibilité, formulée avec soin

La distinction que cette section doit préserver est celle entre un nom et un identifiant, car il est facile de les confondre. Moonshot publie exactement un identifiant pour cette gamme — kimi-k3, dans moonshotai/Kimi-K3 et sur sa propre plateforme API — et c'est le seul id qui mérite d'être cité. Il n'existe aucun kimi-k3.1, aucun kimik3.1 et aucun kimi-k3-1 dans le moindre catalogue que nous pouvons trouver, y compris le nôtre, et cette page ne va pas en imprimer un à titre d'illustration.

Ce qui est accessible, c'est Kimi K3. Sur OrcaRouter, il est répertorié comme kimi/kimi-k3 à 3,00 $ par million de tokens d'entrée et 15,00 $ par million de tokens de sortie — le prix catalogue du fournisseur répercuté avec 0 % de marge de notre part, avec une fenêtre de contexte de 1 048 576 tokens et une interface compatible O​penAI, donc le client que vous utilisez déjà ne change pas. Notre catalogue en direct contient quatre identifiants M​oonshot, kimi/kimi-k2.5, kimi/kimi-k2.6, kimi/kimi-k2.7-code et kimi/kimi-k3, et aucun cinquième, quelle que soit l'orthographe de 3.1 ; cela a été relevé dans la liste des modèles en direct plutôt que supposé.

En pratique, cela importe pour la façon dont vous considérez un successeur non vérifié. Si un K3.1 fait son apparition, la posture utile consiste à diriger une fraction du trafic vers lui derrière un basculement automatique avec K3 comme branche de secours — même clé, mêmes points de terminaison, pas de second contrat — afin que son arrivée soit un changement de routage plutôt qu’un cycle d’approvisionnement. Il n’y a encore rien vers quoi basculer, et nous ne prétendons pas le contraire.

Que faire de tout ça

Si vous avez cherché Kimi K3.1 parce que vous voulez un successeur, la consigne honnête est d’attendre un artefact — une ligne dans une liste de modèles, un identifiant d’API, ou un dépôt sous l’organisation propre du laboratoire — et de juger l’arrivée sur l’un de ceux-ci plutôt que sur une capture d’écran. Si vous avez cherché parce que vous voulez utiliser cette gamme aujourd’hui, le modèle est Kimi K3, il est à poids ouverts sous une licence que vous devriez lire avant de bâtir dessus, et il est appelable selon une grille tarifaire dont les chiffres sont publiés plutôt que déduits. Une étiquette de version que la barre de recherche utilise et que le produit n’utilise pas n’est pas un modèle, quelle que soit la demande qui la sous-tend.