Tarification de Kimi K3.1 Pro : $2/$10, un plafond de sortie de 943K, et des poids qui n’existent pas encore

Il y a un chiffre sur la carte tarifaire de Kimi K3.1 Pro qui rend tout le reste étrange : le plafond de sortie. Le modèle est vendu à 2,00 $ par million de tokens d'entrée et 10,00 $ par million de sortie, avec une fenêtre de contexte de 1 M de tokens et une sortie maximale de 943 000 tokens. Ce n'est pas une erreur de frappe et ce n'est pas un arrondi du chiffre du contexte — c'est ce que la pile de service permettra réellement à une seule réponse d'atteindre, et cela change ce que « coûteux » signifie ici. Un modèle vendu comme une bête de somme de milieu de gamme est proposé avec une capacité de génération longue que la plupart des modèles à ce prix n'ont pas.

La deuxième chose étrange est que Moonshot le vend comme un modèle à poids ouverts sans avoir livré les poids. Sa propre documentation indique que les poids complets du modèle « seront publiés d’ici le 4 novembre », et Artificial Analysis — qui évalue ce qu’elle peut qualifier — classe encore le modèle comme propriétaire. Tant que cette date n’est pas passée, tous les prix annoncés pour Kimi K3.1 Pro sont des prix d’hébergement, et il n’existe aucune alternative auto-hébergée à laquelle le comparer. Ces deux faits ont leur place dans un article sur les prix, car tous deux déterminent ce que vous achetez réellement.

La carte, ligne par ligne

Relevé sur la page live du modèle sur OrcaRouter, le 29 octobre 2026 :

• Entrée — 2,00 $ par million de jetons.

• Sortie — 10,00 $ par million de tokens.

• Contexte — 1M de tokens, avec une sortie maximale de 943K.

• Modalités — en entrée texte, image et vidéo ; en sortie texte.

• Points de terminaison — /v1/chat/completions, /v1/responses et /v1/messages.

• Latence mesurée — temps jusqu'au premier token p50 de 7,26 secondes ; p95 de 10,00 secondes, sur sept jours.

• Trafic — 2 779,4 millions de jetons sur la même période de sept jours.

Cette dernière paire est la partie que la plupart des pages de tarification omettent, et c’est l’élément le plus utile de la page : 2,78 milliards de tokens en une semaine prouvent que le point de terminaison est utilisé à grande échelle, pas qu’il est rapide. Le chiffre de latence dit le contraire — 7,26 secondes jusqu’au premier token, c’est lent, et cette lenteur compte différemment selon ce que vous construisez.

Ce que la sortie à 10 $ permet réellement d’obtenir

La tarification par token est une unité peu adaptée à la planification, voici donc la même grille tarifaire exprimée en tâches. Une seule requête qui lit 200 000 tokens de contexte et en écrit 5 000 coûte 0,40 $ en entrée et 0,05 $ en sortie — environ 45 cents. Cette même requête face à GPT-6.1 Sol, qui applique la même grille tarifaire de 2,00 $ / 10,00 $, coûte les mêmes 45 cents et obtient trois points Index de moins sur le classement indépendant. C'est l'argument en faveur de Kimi K3.1 Pro en une phrase, et c'est aussi l'argument contre le fait de se fier à la seule grille tarifaire : des prix identiques signifient que la décision repose entièrement sur le modèle qui fait le travail.

Voici l'autre extrémité de la fourchette, là où le plafond de sortie de 943 K cesse d'être une curiosité. Un agent qui génère un long document ou un gros fichier de code en un seul appel peut plausiblement écrire 100 000 tokens de sortie. À 10 $ par million, cela représente 1,00 $ pour la réponse — cinq fois le coût du côté entrée si l'invite était courte. Les tokens de sortie sont là où cette carte devient coûteuse, et c'est dans la génération de contenu long qu'un plafond de 943 K sera réellement mis à l'épreuve.

Deux lacunes honnêtes dans ce que la page vous dit : elle indique les tarifs d'entrée et de sortie, mais pas de tarif de lecture de cache ni de tarif par lot, donc aucune remise publiée sur laquelle planifier ; et elle ne donne aucune limite de débit par compte, ce qui signifie que le plafond atteint sous charge relève de la découverte opérationnelle plutôt que d'une ligne budgétaire. Ces deux points méritent d'être clarifiés avant d'y transférer une tâche à fort volume.

La latence est la deuxième facture

Le délai de 7,26 secondes jusqu’au premier token n’apparaît pas sur la fiche tarifaire, et pour une interface de chat, il est presque sans importance — le lecteur attend de toute façon. Pour une boucle d’agent, c’est un tout autre chiffre. Une boucle qui effectue vingt tours paie environ deux minutes et demie d’attente pure par tâche au p50, et plutôt trois minutes et demie au p95, avant même que le moindre travail effectif ne soit compté. Multiplié par des agents parallèles, c’est le temps réel écoulé, et non la facture, qui devient la contrainte.

C'est précisément le compromis que ce modèle vous demande de faire : un prix identique à celui d'un modèle de milieu de gamme plus rapide, un meilleur score sur un index composite, mais une lenteur en tête de chaque requête. La bonne méthode pour décider consiste à mesurer votre propre p95 sur vos propres prompts plutôt qu'à faire confiance aux chiffres de l'un ou l'autre fournisseur.

Le point de terminaison dont personne ne parle, et celui qui décide de l'adoption

La page du modèle répertorie trois endpoints, et le troisième est le plus intéressant. Au-delà des routes chat completions et responses de type OpenAI, il existe un endpoint /v1/messages — la surface de type Anthropic. Pour quiconque utilise un harnais de codage qui parle l’API d’Anthropic, c’est la différence entre un modèle que l’on peut brancher sur ses outils existants et un modèle qui nécessite un adaptateur.

Cela recadre aussi le prix. Un harnais comme Claude Code coûte cher à exécuter, non pas à cause d’un appel isolé, mais du nombre d’appels qu’une session effectue. À $2.00 / $10.00 avec une fenêtre de 1 M, le calcul qui, d’ordinaire, tue ces configurations — un long contexte renvoyé à chaque tour — est justement celui pour lequel cette carte est la mieux adaptée, à condition que les 7 secondes avant le premier token ne donnent pas l’impression que la session est cassée.

Le 4 novembre, et ce que cela fait au prix

La date de publication des poids ouverts est un événement tarifaire, pas seulement un événement de licence, et il existe un précédent quant à la façon dont cela se déroule. Kimi K3 a été annoncé le 16 juillet 2026 et ses poids sont apparus sur Hugging Face le 27 juillet — un écart de onze jours. Si K3.1 Pro suit le même schéma, le prix de l'hébergement cesse d'être le seul prix du marché : l'auto-hébergement devient une option réelle pour quiconque dispose des GPU, et le prix hébergé doit rivaliser avec un coût marginal qui est la facture d'électricité de quelqu'un d'autre.

Ce que cela ne change pas, c’est ceci : héberger soi-même un modèle de cette taille est une décision d’investissement, pas une réduction. La carte hébergée est le moyen le moins cher de l’utiliser, et les poids sont le moyen le moins cher de le posséder — des acheteurs différents, des réponses différentes. Quiconque envisage un engagement important devrait considérer le 4 novembre comme la date à laquelle l’ensemble des comparaisons change, et non comme une date de baisse des prix.

Comment le budgéter sans deviner

Trois règles pratiques, par ordre d'importance.

• Budgétisez les sorties en premier. Avec un rapport de prix de 10:1 entre les sorties et les entrées, le côté sortie domine toute charge de travail qui génère plutôt qu’elle ne lit. Si vous ne connaissez pas votre part de jetons de sortie, mesurez-la avant de modéliser le coût.

• Traitez un contexte de 1 M comme un risque de facturation, et non comme une fonctionnalité. Une fenêtre étendue vous invite à tout envoyer ; envoyer tout à chaque tour, c’est ainsi qu’un modèle bon marché devient coûteux. Le comportement du cache n’est pas documenté sur cette page, alors supposez que chaque token est facturé à chaque fois jusqu’à ce que vous puissiez mesurer le contraire.

• Comparez l'alternative le jour même.Les tarifs évoluent. Sur OrcaRouter, le prix publié par le fournisseur est celui qui vous est facturé, sans marge : une modification de tarif Moonshot est donc effective ici le jour même de son annonce — ce qui signifie aussi qu'une comparaison que vous avez notée le mois dernier peut décrire une carte qui n'existe plus.

À surveiller : si les poids seront disponibles le 4 novembre et sous quelle licence, si la page du modèle affichera un tarif de lecture du cache une fois que le service en poids ouverts rendra le traitement par lots courant, et si la carte hébergée évoluera, ne serait-ce qu’un peu, en réponse. Le prix que vous payez pour Kimi K3.1 Pro cette semaine est un prix d’hébergement auquel est attachée une question en forme d’échéance.