Les poids de Kimi K3.1 Pro sont disponibles : 1,56 To sur disque et une ligne de licence à 20 M$

Pendant les onze jours séparant le lancement de l'API et le téléchargement, la plupart des articles consacrés à Kimi K3.1 Pro citaient 5,6 téraoctets de poids en BF16. Le dépôt que Moonshot AI a réellement publié sur Hugging Face le 4 novembre 2026 pèse 1,56 To, réparti sur 96 fragments safetensors. Ce n'est pas un modèle plus petit que celui dont tout le monde a parlé — c'est le même mélange d'experts de 2 800 milliards de paramètres dérivé de Kimi K3, livré dans la précision avec laquelle Moonshot l'a entraîné pour le servir. L'écart entre les deux chiffres est la première chose à comprendre au sujet de cette publication, car il détermine si une machine que vous possédez déjà peut le contenir.

La deuxième chose est la licence, qui n’est ni Apache 2.0, ni MIT, ni approuvée par l’OSI malgré un paragraphe d’ouverture permissif. Il s’agit d’un instrument sur mesure appelé la Kimi K3.1-Pro License, et il contient un seuil de revenus qui transforme un téléchargement gratuit en négociation pour un type précis d’entreprise. Ces deux faits étaient sans réponse le 25 octobre, lorsque les poids étaient une promesse assortie d’une liste de vérification. Ils sont désormais élucidables.

Qu’est-ce qui a réellement été publié sur Hugging Face ?

Le dépôt est moonshotai/Kimi-K3.1-Pro, il est sans restriction d’accès et contient 111 fichiers. Quatre-vingt-seize d’entre eux sont des fragments de poids ; les autres sont la configuration, le tokenizer, quatre fichiers Python pour l’architecture personnalisée, la fiche du modèle et la licence. La taille totale de tous les fichiers est de 1 561 Go.

La raison pour laquelle il tient dans 1,56 To plutôt que 5,6 To est inscrite dans la carte du modèle sous forme de ligne de spécification, et non de note de bas de page : des poids MXFP4 avec des activations MXFP8, appliqués via un entraînement conscient de la quantification. Il ne s’agit pas d’une quantification 4 bits post-hoc exécutée après coup. C’est la précision native de service, ce qui explique pourquoi le dépôt porte l’étiquette compressed-tensors et pourquoi il n’y a pas de checkpoint BF16 à côté. Si vous planifiiez autour d’un téléchargement de 5,6 To, vous planifiiez contre un chiffre que Moonshot n’a jamais livré.

Le reste de la fiche technique, pour que vous puissiez évaluer l’ampleur du travail :

• Paramètres totaux — 2,8 T dans un mélange d’experts, avec 104 Md activés par jeton

• Profondeur — 93 couches, dont une est dense ; la pile d’attention est constituée de 69 couches KDA et de 24 couches Gated DeepSeek Sparse Attention, un changement par rapport aux couches Gated MLA à attention complète de Kimi K3

• Experts — 896 au total, 16 sélectionnés par token plus 2 partagés, pour une dimension latente MoE de 3 584

• Contexte — 1 048 576 jetons, inchangé par rapport à Kimi K3

• Modalité — texte et image en entrée, texte en sortie ; l’encodeur visuel est MoonViT-V2 avec 401 M de paramètres

Vocabulaire — 160K tokens

Seul l’un de ces chiffres est nouveau par rapport à Kimi K3, et il s’agit du changement d’attention. Moonshot précise explicitement qu’il s’agit d’une version issue du post-entraînement sur la base K3, avec un apprentissage par renforcement conjoint plus intensif sur des centaines de domaines, et non d’une nouvelle architecture. La substitution par Gated DSA vise l’efficacité en contexte long, et non un saut de capacité.

La licence comporte trois niveaux, et c’est celui du milieu qui compte.

La licence Kimi K3.1-Pro ouvre la voie comme on peut s’y attendre d’une licence permissive : l’autorisation d’utiliser, copier, modifier, fusionner, publier, distribuer, sous-licencier et vendre, d’exécuter, déployer et affiner, et de créer des œuvres dérivées. Puis elle ajoute des conditions, et c’est dans ces conditions que se trouvent les décisions.

• Section 2, le seuil du modèle en tant que service — si vous ou vos sociétés affiliées exploitez une activité donnant à des tiers accès à l’inférence ou à l’affinage, et que le chiffre d’affaires du groupe dépasse 20 millions de dollars sur toute période consécutive de 12 mois, vous devez conclure un accord distinct avec Moonshot avant toute utilisation commerciale. Deux exceptions comptent : les produits destinés aux utilisateurs finaux dans lesquels le modèle est intégré à une fonctionnalité ou à un harnais ne constituent pas un « modèle en tant que service », et le simple relais de requêtes vers des modèles hébergés par un tiers non plus.

• Section 3, la clause d’attribution — les produits commerciaux comptant plus de 100 millions d’utilisateurs actifs mensuels, ou plus de 20 millions de dollars de revenus mensuels, doivent afficher « Kimi K3.1-Pro » de manière bien visible dans l’interface. Il s’agit d’une obligation de marque, et non d’un paiement.

• Section 4, les exemptions — aucune des deux conditions ci-dessus ne s’applique à un usage interne, défini comme tout usage qui ne met pas le logiciel, ses résultats ou ses capacités sous-jacentes à la disposition de tiers, ni à un usage via les produits officiels de Moonshot et ses partenaires d’inférence certifiés.

En pratique, cela signifie que les déploiements internes sont gratuits et sans restriction, tout comme la création d'un produit fondé sur le modèle pour vos propres utilisateurs. Ce qui déclenche la discussion à 20 millions de dollars, c'est la revente d'accès brut au modèle à grande échelle. Si vous espériez monter un point de terminaison d'inférence concurrent sur ces poids, c'est le paragraphe à apporter à un avocat, et il s'agit structurellement de la même licence que celle sous laquelle Kimi K3 a été publié — une analyse juridique existante de K3 reste donc transposable, à condition d'en changer le nom.

Ce que la licence ne fait pas, c’est rendre ce projet open source au sens de l’OSI. Le champ dans les métadonnées du dépôt indique license: other, avec le nom de la licence défini sur kimi-k3.1-pro. Les médias qui l’ont décrit comme du MIT modifié dans les premières heures après la publication ne lisaient que l’ouverture permissive et s’arrêtaient là.

Ce qu'il faut pour le faire tourner, et où l'API l'emporte

La recette vLLM publiée pour ce modèle constitue les recommandations de déploiement les plus concrètes disponibles, et elles sont précises. Elle spécifie vLLM 0.34.0 ou version ultérieure, une base d’un groupe de parallélisme tensoriel de 8 GPU — deux châssis GB300 ou un nœud B300 — avec --tensor-parallel-size 8 sur --nnodes 2. Le mode optionnel de contexte long, DCP8, porte la capacité du cache KV à environ 18,5 millions de tokens, contre 2,6 millions avec le KV FP8 sur 8 B300, soit environ sept fois plus.

Deux conséquences en découlent. Premièrement, un nœud 8×H200 est exclu : 1,13 To de HBM ne peuvent pas contenir 1,56 To de poids avant même d’allouer un seul token de cache. Deuxièmement, il n’existe pas de voie grand public. Le modèle nécessite plus de VRAM qu’un poste de travail n’en possède, et les architectures qui rendraient tolérable une version lente avec déport sur CPU rattrapent encore le code personnalisé kimi_k31 — le dépôt fournit trust_remote_code=True dans son propre extrait de démarrage rapide, ce qui indique que l’architecture n’est pas encore dans le chemin par défaut d’une bibliothèque amont publiée.

L’économie est plus facile à saisir en jetons de sortie qu’en lignes de coûts GPU. À 10 $ par million de jetons de sortie, le coût d’investissement estimé d’un nœud, de l’ordre de 550 000 $ à 650 000 $, permet d’acheter entre 55 et 65 milliards de jetons de sortie via l’API au prix catalogue. Un nœud auto-hébergé n’est plus avantageux que si vous le maintenez suffisamment occupé pour servir plus que cela avant qu’il ne soit obsolète — et cette comparaison ne tient pas compte de l’électricité, du personnel d’exploitation, des temps d’inactivité ni du second nœud nécessaire pour la redondance. Pour la plupart des équipes qui lisent ceci, la réponse honnête est que les poids sont un actif stratégique et que l’API est le moyen le moins cher d’utiliser le modèle.

C'est aussi la raison pour laquelle kimi/kimi-k3.1-pro présent dans notre catalogue à 2,00 $ par million de tokens en entrée et 10,00 $ par million en sortie change le calcul plutôt que de le dupliquer. Le même contexte de 1 048 576 tokens et les mêmes 104 B de paramètres actifs sont disponibles via Chat Completions, l'API Responses et Anthropic Messages, sans cluster à deux nœuds. Notre tarification est 0 % de marge sur le prix catalogue du fournisseur, donc lorsque Moonshot modifie sa grille tarifaire, le chiffre ici change le jour même plutôt qu'au prochain renouvellement de contrat. Et comme le modèle est accessible via une seule clé aux côtés de plus de 200 autres, l'essayer sur une charge de travail réelle ne nécessite pas d'engager un chemin de production vers lui — vous pouvez le placer derrière un basculement et le laisser gagner le trafic.

Le tableau comparatif est à double tranchant

Tous les chiffres de cette section sont rapportés par le fournisseur dans la fiche du modèle ; ils ont été obtenus avec un effort de raisonnement maximal, une température de 1,0 et un top-p de 0,95. Les colonnes de comparaison sont elles aussi obtenues avec l’effort maximal et le repli activé, ce qu’il vaut la peine de savoir avant d’interpréter un écart d’un point comme une victoire.

• Terminal-Bench 4.0 — Kimi K3.1 Pro 65,7 % contre Claude Opus 5.5 à 66,4 %, GPT-6 Astra à 58,2 % et Claude Fable 5.1 à 57,9 %. Deuxième au classement à huit dixièmes de point, et nettement devant deux modèles auxquels il est comparé.

• SWE Marathon v1.1 — 51,7 % contre 46,3 % pour Claude Opus 5.5 et 45,6 % pour Claude Fable 5.1. Une véritable avance sur le travail logiciel à long terme.

• HLE-Full avec outils — 70,0 % contre 67,7 % pour Claude Opus 5.5 et 65,6 % pour Claude Fable 5.1. BrowseComp atteint 92,1 % contre 91,5 % pour GPT-6 Astra.

• Program Bench — 31,5 % contre 65,0 % pour Claude Opus 5.5, 53,5 % pour Claude Fable 5.1 et 50,0 % pour GPT-6 Astra. C'est de loin la perte la plus large du tableau, et c'est la ligne à examiner si votre travail relève de la synthèse de programmes plutôt que de boucles d'agents en forme de terminal.

• Terminal-Bench-Science 0.1 — 38,1 % contre 68,1 % pour GPT-6 Astra et 63,3 % pour Claude Opus 5.5. Encore une catégorie où le modèle est loin du compte.

• HLE-Full sans outils — 51,1 % contre 59,8 % pour Claude Opus 5.5. La colonne « utilisation d’outils » inverse le classement, ce qui en dit plus sur la qualité du harnais que sur le raisonnement brut.

Le constat est suffisamment cohérent pour être utile : Kimi K3.1 Pro est solide là où un agent pilote un shell, un navigateur ou une tâche de codage de longue durée, et faible sur des benchmarks autonomes de sciences et de construction de programmes. Si vous choisissez entre lui et Claude Opus 5.5 sur la base d’un seul chiffre phare, ce chiffre phare est précisément l’endroit où ils sont le plus proches.

Les mesures indépendantes sont rares et méritent d’être énoncées clairement. Artificial Analysis attribue actuellement à Kimi K3.1 Pro un score de 46 sur l’Intelligence Index v5.0.1 et le classe comme modèle à poids ouverts, à 32 jetons de sortie par seconde, au premier rang sur 25 dans le panneau affiché sur sa page modèle. La couverture de la semaine de lancement citait 55, mais cela concernait la version de l’indice utilisée avant la refonte v5 du 27 octobre — des instruments différents, et soustraire l’un de l’autre produit un nombre qui ne veut rien dire.

Le point de contrôle ouvert n’est pas celui sans restrictions.

Moonshot affirme avoir retiré les données d’entraînement relatives aux capacités cyber de certaines parties de l’entraînement intermédiaire et de l’apprentissage par renforcement avant de rendre publics ces poids, et la fiche modèle en apporte la preuve au lieu de s’en tenir à une simple déclaration de communication. Sur son ensemble interne xdev-bench-hard, le checkpoint publié obtient un score de 81,0 % contre 90,5 % pour un checkpoint non restreint du même modèle. Tout ce que vous téléchargez depuis ce dépôt correspond à la version atténuée.

Les chiffres absolus ne sont pas flatteurs dans l’autre sens non plus. Sur ExploitBench, le modèle obtient 74,7 contre 100 pour GPT-6 Astra et 91,0 pour Claude Opus 5.5 ; sur ExploitGym, il obtient 20,7 contre 42,4 pour GPT-6 Astra. Le modèle publié est donc à la fois plus faible que sa propre variante non restreinte et en retard sur la frontière dans les tâches d’exploitation — une combinaison qu’il est raisonnable de vouloir dans un modèle de 2,8 billions de paramètres téléchargeable ouvertement, et qu’il vaut la peine de connaître si votre modèle de menace supposait que des poids ouverts signifiaient une capacité non restreinte.

Qui devrait télécharger ceci, et qui ne devrait pas

Téléchargez-le si vous avez une raison de conserver les poids eux-mêmes : une exigence de résidence des données qui exclut toute inférence par un tiers, un programme de fine-tuning qui nécessite le modèle de base en interne, un groupe de recherche qui audite le comportement plutôt que de le louer, ou un volume soutenu suffisant pour qu’un nœud dédié soit plus rentable que la facturation par token. Il vous faudra deux nœuds, pas un seul, et un plan pour le cache KV si vous comptez utiliser ne serait-ce qu’approximativement un million de tokens de contexte.

Ne le téléchargez pas si votre objectif est d’économiser de l’argent sur une charge de travail modérée, ou d’exécuter un modèle de classe frontière sur du matériel que vous possédez déjà. Les 1.56 TB constituent le plancher, pas l’exigence, et l’exigence est un cluster de classe B300 ou GB300. Passez également votre tour si votre charge de travail relève de la synthèse de programmes ou des sciences dures — Program Bench et Terminal-Bench-Science sont les domaines où ce modèle est le plus éloigné des alternatives, et aucun degré de permissivité de licence ne comble cet écart.

Pour tous ceux qui se situent entre les deux, l’arrivée des poids reste la nouvelle la plus importante, et non pas à cause de ce qu’ils vous permettent d’exécuter. C’est parce qu’un checkpoint téléchargeable est auditable, contrairement à une API — et un modèle de 2 800 milliards de paramètres à un point de Claude Opus 5.5 sur Terminal-Bench 4.0 est désormais quelque chose qu’un chercheur extérieur peut inspecter plutôt que croire sur parole. C’est la partie du 4 novembre qui ne dépend pas du fait de posséder un datacenter.