Kimi K3.1 Pro vs Kimi K3 : même socle, prix inférieur et une facture de post-entraînement arrivée à échéance

Kimi K3.1 Pro n’est pas un nouveau modèle à la manière dont Kimi K3 était un nouveau modèle. La version publiée par Moonshot AI le 24 octobre 2026 est explicitement une version post-entraînée de Kimi K3, avec un volume de calcul de post-entraînement nettement plus important — la même architecture, le même contexte de 1 048 576 tokens, la même vision native, et un ensemble différent de comportements greffés par apprentissage par renforcement sur des centaines de domaines en aval. Ce qui rend la comparaison intéressante, ce n’est pas l’écart dans le tableau des benchmarks. C’est que le modèle plus récent et meilleur coûte un tiers de moins par token que l’ancien.

Cette inversion est assez rare pour mériter un examen attentif. Normalement, un laboratoire commercialise un modèle plus puissant au même prix et laisse l’ancien descendre en gamme. Moonshot a fait l’inverse : il a maintenu l’ancien prix pour l’ancien modèle et ramené celui du nouveau à 2,00 $ en entrée et 10,00 $ en sortie par million de tokens, contre 3,00 $ et 15,00 $ pour Kimi K3. Pour comprendre pourquoi, il faut distinguer ce qui a réellement changé dans le modèle de ce qui a changé dans l’activité qui l’entoure.

L'architecture n'a pas bougé.

Kimi K3 est arrivé le 16 juillet 2026 comme le premier modèle ouvert de la classe des 2,8 billions de paramètres : une architecture de mélange d'experts avec environ 104 milliards de paramètres actifs, 896 experts et 16 activés par token, une fenêtre de 1 million de tokens, une compréhension native des images et des vidéos, l'appel d'outils, la mise en cache des prompts et un raisonnement intégré. Ses poids ont suivi le 27 juillet sous une licence qui autorise l'utilisation, la modification, la distribution et le fine-tuning, avec un accord distinct requis pour les fournisseurs de modèles en tant que service réalisant plus de 20 millions de dollars par an et une mention d'attribution obligatoire pour les produits commerciaux de très grande taille.

Kimi K3.1 Pro conserve tout cela. Moonshot qualifie le nouveau modèle de « classe 3T », ce qui relève du langage de positionnement ; les informations publiées lors du lancement le situent aux mêmes 2,8 billions de paramètres au total et 104 milliards de paramètres actifs. Le plafond de contexte, la prise en charge de la vision et la limite de sortie de 1 M de tokens restent inchangés. Si vous espériez un nombre de paramètres actifs moins coûteux ou une fenêtre plus longue, ce n'est pas cette version-là.

Ce qui a changé, c’est l’entraînement après le pré-entraînement. Moonshot décrit un apprentissage par renforcement conjoint à grande échelle sur des centaines de domaines, soutenu par une infrastructure de bac à sable remaniée, un ordonnancement des rollouts et des contrôles de qualité des environnements. En termes simples, l’entreprise a consacré beaucoup de puissance de calcul à apprendre au modèle existant à mieux se comporter sur des tâches agentiques et professionnelles plutôt qu’à lui enseigner davantage de faits. C’est pourquoi les gains se concentrent là où ils se concentrent.

Ce que disent les chiffres, et où la comparaison reste fragile

La fiche de benchmarks du fournisseur est vaste — 14 évaluations — mais il ne s’agit pas d’une comparaison appariée propre. Moonshot n’a publié les chiffres de Kimi K3 que pour une partie des nouveaux tests, de sorte que certains des écarts les plus spectaculaires portent sur ses propres suites internes plutôt que sur un benchmark public que les deux modèles ont passé.

• Codage longue durée — Kimi Code Bench 3.0 Long-horizon : 61,2 % pour Kimi K3.1 Pro contre 55,95 % pour Kimi K3. C'est le chiffre de comparaison au prédécesseur le plus net de ce lancement, et aussi le plus contrôlé par le fournisseur, puisque le benchmark comme le harnais appartiennent tous deux à Moonshot.

• Hallucination — Le taux au niveau des affirmations sur Kimi Hallu Bench Hard est passé de 23,4 % sur Kimi K3 à 8,3 % avec outils sur Kimi K3.1 Pro. Sans outils, le nouveau modèle obtient 5,4 %. Moonshot indique également que les réponses contenant au moins une erreur factuelle représentent désormais 42,4 % du taux du prédécesseur. Pour les travaux à forte composante documentaire, il s’agit de l’amélioration la plus importante de cette version.

• Finance et opérations commerciales — Financial Modeling interne : 57,6 contre 50,4 ; Financial Research : 70,4 contre 58,8 ; Business Operation : 37 contre 8,9. Le dernier représente une amélioration d’un facteur quatre sur une tâche où l’ancien modèle était à peine fonctionnel. Il s’agit des propres évaluations de Moonshot ; il faut donc considérer l’ampleur comme indicative.

• 3D et CAO — BenchCAD avec outils 92,7, sans outils 72,8. Moonshot n’a pas publié les chiffres de Kimi K3 pour ce test, donc le gain n’est pas mesuré dans l’article de lancement, même si le score absolu est solide.

Codage adversarial — le pass@3 sur xdev-bench-hard est de 81,0 % pour Kimi K3.1 Pro, contre 33,3 % pour Kimi K3 et 85,7 % pour DeepSeek-V4.1-Flash-1017. Un checkpoint entraîné sans les mesures de réduction des risques de l’entreprise a obtenu 90,5 %, et Moonshot attribue cet écart de 9,5 points aux travaux de sécurité et aux contrôles des données d’entraînement.

• Position face à la frontière — Terminal-Bench 4.0 à 65,7 %, derrière Claude Opus 5.5 à 66,4 % et devant GPT-6 Astra à 58,2 %. BenchCAD avec outils, à 92,7, est en retrait d’Opus à 96,2 et d’Astra à 95,9. La tendance est constante : proche de la frontière, rarement au sommet.

Rien de tout cela n’est vérifié de manière indépendante. Kimi K3 est arrivé avec un indice d’intelligence Artificial Analysis de 57, troisième au niveau mondial à l’époque derrière Claude Fable 5 et GPT-5.6 Sol, et aucun score tiers équivalent pour K3.1 Pro n’existait le jour du lancement. Le problème du harnais d’évaluation n’est pas hypothétique : les scores Terminal-Bench varient de dizaines de points selon l’échafaudage, ce qui explique pourquoi un 65,7 % et un 58,2 % obtenus dans des laboratoires différents ne mesurent pas un écart de 7,5 points. La direction est crédible ; l’ampleur ne l’est pas encore.

L’inversion des prix est la véritable histoire.

Kimi K3 a été lancé comme le modèle chinois le plus cher du marché, à 3,00 $ en entrée et 15,00 $ en sortie par million de tokens, soit environ trois à quatre fois la génération K2. Cette tarification était un pari délibéré : les capacités, et non le coût, l’emporteraient sur les charges de travail de pointe. Kimi K3.1 Pro inverse la tendance sur le modèle plus récent tout en laissant intact le prix de l’ancien.

Entrée — 2,00 $ par million sur K3.1 Pro contre 3,00 $ sur K3, soit une réduction de 33 %.

Production — 10,00 $ contre 15,00 $, soit également 33 %.

• Cache hit — 0,20 $ contre 0,30 $, soit une baisse de 33 % sur la ligne qui domine les charges de travail des agents.

• Écritures de cache — 2,00 $ et 4,00 $ avec une durée de vie de cinq minutes et d’une heure, contre 3,00 $ et 6,00 $.

• Variante Highspeed — 4,00 $ et 20,00 $, avec le même prix de 0,20 $ en cas de cache-hit ; deux à trois fois la vitesse de sortie, soit environ le double du quota dans Kimi Code.

Le calcul est assez simple pour être fait sur un coin de serviette. Une requête qui lit 1 M de jetons d’entrée et écrit 200 K de jetons de sortie coûte 6,00 $ sur Kimi K3 et 4,00 $ sur Kimi K3.1 Pro. Un agent qui relit un grand dépôt à chaque tour et touche le cache 70 % du temps paie environ 4,11 $ sur K3 et 2,74 $ sur K3.1 Pro pour une même forme d’appel. Si le nouveau modèle termine en outre en moins de tours — ce qui est tout l’intérêt de l’entraînement à long horizon — le coût par tâche accomplie baisse plus que ne le suggère le prix des jetons.

Pourquoi baisser les prix ? L'explication la plus probable est concurrentielle plutôt que charitable. Un modèle de 2,8 T de paramètres coûte cher à servir, et le marché des modèles proches de la frontière a passé 2026 à converger sur les prix. Le calendrier de retrait de K2 propre à Moonshot ajoute à la pression : les modèles de la série K2 cessent d'être disponibles pour les nouveaux utilisateurs le 31 octobre 2026 et doivent être retirés fin décembre. Fixer le prix de K3.1 Pro en dessous de celui de K3 donne à chaque client K2 une raison de migrer vers le haut plutôt que d'aller voir ailleurs. Le prix de l'ancien K3 reste inchangé, car personne ayant déjà prévu un budget pour celui-ci n'a besoin d'une remise pour rester.

Quand Kimi K3 reste encore la bonne réponse

Trois cas résistent à la comparaison. Le premier est l'auto-hébergement aujourd'hui : les poids de Kimi K3 sont publics depuis le 27 juillet, tandis que ceux de Kimi K3.1 Pro ne sont promis que pour le 4 novembre 2026. Si votre déploiement ne peut pas appeler une API hébergée, le modèle le plus récent n'est pas encore une option, quoi qu'en dise la fiche de benchmarks.

Le deuxième point est la stabilité comportementale. Un modèle en production depuis trois mois possède un profil de défaillance connu. Kimi K3.1 Pro modifie son comportement de raisonnement par conception, et son mode de réflexion toujours actif, avec un effort maximal par défaut, n’est pas un remplacement transparent pour tous les pipelines. Les équipes disposant de suites d’évaluation strictes doivent s’attendre à devoir réétablir une base de référence, et non simplement à remplacer une chaîne.

Le troisième point est le contrôle de l’échantillonnage. Kimi K3.1 Pro fixe la température à 1,0 et top_p à 0,95 et rejette les autres valeurs ; modifier l’effort de raisonnement en cours de conversation invalide également les hits du cache de préfixes. Si votre application dépend d’un déterminisme à basse température, vérifiez si le modèle plus ancien vous offre le contrôle que le plus récent ne vous offre pas avant de supposer que la mise à niveau est gratuite.

La décision de migration, sans le battage médiatique

Pour les agents de codage, l'utilisation d'outils sur un horizon long, la recherche financière et la vérification de documents, les arguments en faveur d'un changement sont solides : de meilleurs scores rapportés par le fournisseur précisément dans ces domaines, un prix inférieur sur chaque ligne de facturation, et un taux d'hallucination qui a chuté d'environ deux tiers. Le risque, c'est que tout cela soit auto-déclaré ; la voie raisonnable consiste donc à réaliser une évaluation en shadow sur vos propres tâches avant de basculer le trafic de production.

Pour la génération par lots et la récupération en contexte long, le prix en cas de cache-hit est le chiffre qui compte, et il avantage le nouveau modèle d’un tiers. Pour quiconque est attaché aux poids ouverts, le calendrier décide : le 4 novembre est la première date à laquelle la comparaison devient réelle.

Le rôle d'OrcaRouter dans tout cela est volontairement peu glorieux. Notre catalogue propose kimi/kimi-k3 dès aujourd'hui au prix catalogue de Moonshot, avec 0 % de marge, sur la même clé que le reste de votre stack, si bien que l'ancien volet de cette comparaison est déjà appelable sans second contrat. Kimi K3.1 Pro n'est pas au catalogue au moment où nous écrivons ces lignes. Lorsqu'il y sera, le modèle de répercussion signifie que les 2 $/10 $ ci-dessus correspondent à ce que vous payez ici, et non à la version d'un revendeur, et que changer de génération revient à modifier une chaîne de modèle dans une politique de routage plutôt qu'à mener un projet de migration.

Verdict

Kimi K3.1 Pro est le meilleur modèle et le moins cher, ce qui rend la recommandation facile et les preuves plus minces qu’elles n’en ont l’air. Moonshot a amélioré les comportements qui comptent pour le travail agentique et professionnel, réduit d’un tiers tous les tarifs et divulgué une régression liée à la sécurité que la plupart des articles de lancement auraient enterrée. Ce qu’il n’a pas fait, c’est soumettre le résultat à un cadre d’évaluation indépendant. Si vous étiez déjà sur Kimi K3, la mise à niveau est rentabilisée sur la facture avant de l’être sur le benchmark. Si vous attendiez des preuves, les poids et les premières évaluations externes sont tous deux attendus sous deux semaines — et c’est à ce moment que cette comparaison cesse d’être une affirmation de fournisseur pour devenir une mesure.