Kimi K3.1 vs Kimi K3 : ce que les poids ouverts révèlent et que l’article de lancement a omis

Kimi K3.1 Pro et Kimi K3 livrent désormais les mêmes 96 shards safetensors, les mêmes 1,56 To sur disque, et une pile d’attention différente. La configuration dans le nouveau dépôt de Moonshot décrit 93 couches comme « 69 KDA + 24 Gated DSA ». La configuration dans le dépôt de Kimi K3, publiée en juillet, indique « 69 KDA + 24 Gated MLA ». Le billet de lancement de Moonshot pour Kimi K3.1 Pro, daté du 24 octobre 2026, qualifie le modèle plus récent de « version post-entraînée de Kimi K3 » et ne mentionne pas du tout le remplacement. Tout le reste dans cette comparaison découle de cette seule ligne, y compris la raison pour laquelle le modèle plus récent est le plus économique.

Les poids eux-mêmes sont arrivés sans annonce. Le blog de Moonshot ne comporte aucune entrée après le 24 octobre. L'unique commit du dépôt est horodaté du 2 novembre 2026, deux jours avant l'échéance du 4 novembre que l'entreprise s'était fixée ; que les fichiers aient été lisibles publiquement avant cette échéance n'est pas quelque chose que le dépôt consigne. Ce qu'il consigne, en revanche, c'est l'architecture, la licence et l'inventaire — exactement ce que le billet de lancement avait omis.

Le swap que l'annonce n'a pas mentionné

La fiche du modèle contient cet aveu dans une note de bas de page, une ligne sous un tableau de spécifications par ailleurs familier : « Comparé à Kimi K3, nous remplaçons les couches Gated MLA à attention complète par des couches Gated DeepSeek Sparse Attention (Gated DSA) pour une modélisation plus efficace des contextes longs. »

Vingt-quatre des 93 couches changent. Les 69 autres restent Kimi Delta Attention, le mécanisme d’attention linéaire introduit par Kimi K3, et le nombre de couches, le nombre d’experts et les dimensions cachées sont inchangés. Gated MLA est une attention complète avec un cache clé-valeur compressé ; Gated DSA sélectionne un sous-ensemble épars de jetons passés pour chaque requête et applique une porte au résultat. La différence pratique réside dans la manière dont le modèle dépense du calcul et du cache à mesure que le contexte grandit, ce qui est la partie d’une fenêtre de 1 M de jetons qui apparaît sur votre facture de service plutôt que dans un tableau de référence.

Ce que la fiche ne fournit pas, c’est un chiffre. Aucun chiffre de jetons par seconde, aucune comparaison de mémoire cache, aucune mesure de latence sur contexte long — seulement l’expression « modélisation plus efficace sur contexte long ». L’article de lancement de Moonshot ne donne absolument aucun détail d’architecture. L’affirmation selon laquelle ce remplacement rend quoi que ce soit plus rapide relève donc, à ce stade, d’une intention de conception plutôt que d’une mesure, et personne en dehors de Moonshot n’a publié de comparaison de serving entre les deux checkpoints.

Cela compte plus qu’il n’y paraît. Si vous avez ajusté le batching, l’allocation de cache ou la gestion du contexte en fonction du profil d’attention de Kimi K3, le nouveau checkpoint n’est pas directement substituable au niveau de la couche de service, même s’il l’est au niveau de la couche API. L’API le masque ; un déploiement auto-hébergé, non.

Ce que les deux points de contrôle partagent véritablement

Le téléchargement identique est l’indice que ce n’est pas un modèle plus grand. Chaque dimension clé ci-dessous est identique sur les deux cartes, et l’inventaire des fichiers le confirme :

• Paramètres totaux et actifs — 2,8 billions au total, 104 milliards actifs sur les deux modèles.

• Profondeur — 93 couches, dont une dense, sur les deux.

• Experts — 896 au total, 16 sélectionnés par token, 2 partagés, sur les deux.

• Vocabulaire — 160K tokens pour les deux.

• Vision — MoonViT-V2, 401 millions de paramètres, sur les deux.

• Contexte — 1 048 576 tokens sur les deux ; notre propre page de modèle indique une sortie maximale de 943 718 tokens pour Kimi K3.1 Pro.

• Quantification — poids MXFP4 et activations MXFP8, entraînement tenant compte de la quantification, sur les deux.

• Téléchargement — 96 shards safetensors totalisant 1,56 To pour chaque dépôt.

• Modalités d'entrée — la fiche de Kimi K3 indique texte, images et vidéo ; celle de Kimi K3.1 Pro indique texte et image, tandis que la documentation de l'API annonce également la vidéo. Considérez l'affirmation concernant la vidéo comme non vérifiée tant que le code du processeur n'a pas été exercé.

Une version mineure qui conserve le nombre de paramètres, le routage des experts et la taille du fichier, et modifie 24 couches d’attention, relève d’un autre type de publication qu’une nouvelle génération. Elle s’apparente davantage à une révision d’architecture en milieu de cycle accompagnée d’une vaste phase de post-entraînement qu’à un nouveau modèle de base, et la tarification le reflète.

Deux grilles tarifaires, et une facture qui ne baisse pas d’un tiers

Sur le papier, le nouveau modèle est moins cher sur chaque ligne. Kimi K3.1 Pro coûte 2,00 $ par million de tokens d’entrée et 10,00 $ par million de tokens de sortie ; Kimi K3 coûte 3,00 $ et 15,00 $. Le prix des hits de cache passe de 0,30 $ à 0,20 $, les écritures de cache de 3,00 $ et 6,00 $ à 2,00 $ et 4,00 $ pour des TTL de cinq minutes et d’une heure, et une variante Highspeed à 4,00 $ et 20,00 $ échange le prix contre une vitesse de sortie deux à trois fois supérieure. L’inférence par lots sur Kimi K3.1 Pro est facturée à 60 % du tarif standard, soit 1,20 $ et 6,00 $.

La facture, c’est une autre histoire. Kimi K3.1 Pro raisonne par défaut à effort maximal, et l’effort maximal produit davantage de tokens. La comparaison de codage agentique de Bito a constaté que les deux modèles étaient à égalité à 72 % au global, tandis que Kimi K3.1 Pro a émis environ 98 000 tokens de sortie contre 44 000 pour Kimi K3, a pris 28 minutes contre 17, et a coûté 4,28 $ contre 2,46 $ pour une longue session. Le test d’analyse de données de Plotly a évolué en sens inverse sur la qualité et dans le même sens sur le coût : 42 tâches sur 43 résolues contre 35, les dépenses passant de 5,01 $ à 13,47 $ et le temps médian de 43 secondes à deux minutes et demie. Ultralytics, en testant l’annotation automatique, a mesuré une amélioration de 33 % du mAP50, 0,444 contre 0,334, passant de la 19e à la 9e place sur 39 modèles.

Ces trois-là sont des tests publiés par les fournisseurs sur de petits échantillons, et non des évaluations revues par les pairs, et ils ne s’accordent pas sur l’ampleur de l’amélioration du nouveau modèle. Ils s’accordent sur le sens du coût : une réduction d’un tiers du prix par token ne résiste pas à un modèle qui réfléchit plus longtemps. Établissez le budget par tâche terminée, pas par million de tokens.

Les deux termes de cette comparaison sont appelables avec une seule clé. Kimi K3.1 Pro est routé sous kimi/kimi-k3.1-pro à 2,00 $ et 10,00 $ chez Moonshot, et Kimi K3 sous kimi/kimi-k3 à 3,00 $ et 15,00 $ chez Moonshot, le prix catalogue du fournisseur étant répercuté sans marge ajoutée, de sorte qu'une modification de la grille tarifaire de Moonshot est effective ici le jour même. C'est précisément la raison pour laquelle cela a sa place dans une section de tarification plutôt que dans un pied de page : tout l'argument en faveur du changement tient à un écart de prix, et toute marge ajoutée au prix catalogue grignoterait une partie des économies avant même que vous n'ayez mesuré une seule tâche.

Le tableau de référence s'est déplacé sous les deux modèles

Artificial Analysis a reconstruit son Intelligence Index le 27 octobre 2026, et cette refonte a plus de conséquences pour cette comparaison que tout ce que Moonshot a publié. Sur l’indice v5 actuel, Kimi K3.1 Pro obtient 46 et se classe neuvième, douze points derrière Claude Opus 5.5 à 58, avec Gemini 4 Carbon à 59, GPT-6 Astra à 57 et GPT-6.1 Sol à 55 au-dessus de lui. Sur l’indice précédent v4.3.2, le même modèle obtenait 55 et se classait quatrième, à trois points de la tête.

Ces deux chiffres ne constituent pas une régression et ne sont pas comparables. La version 5 a fait passer environ 60 % de l’indice sur des ensembles privés tenus à l’écart, ajouté FrontierCode 2.0 et Terminal-Bench-Science, retiré SciCode et AA-LCR, et fait passer la longueur médiane de sortie par tâche d’environ 35 000 tokens à environ 59 000. Un modèle qui répond brièvement perd du terrain sur un indice qui récompense désormais le travail agentique long. Kimi K3.1 Pro reste le modèle le mieux classé que son fournisseur décrit comme open-weight.

Le score du prédécesseur est le piège. Kimi K3 a obtenu 57 sur l’indice v4 lors de son lancement et s’est classé troisième. Le 43.6 qui circule pour Kimi K3 (max) provient d’instantanés d’agrégateurs pris avant le passage à la v5, et nous n’avons pas pu trouver de score v5 publié pour Kimi K3 lui-même. Ainsi, « 46 contre 43.6 » ne constitue pas une paire contrôlée, et quiconque présente l’écart comme un gain de capacité mesuré soustrait des valeurs obtenues avec deux instruments différents. Ce que l’on peut affirmer est plus limité : sur l’indice actuel, le modèle le plus récent est celui qui a été évalué, et il est neuvième.

Le tableau du fournisseur lui-même, qui constitue encore un autre instrument, place Kimi K3.1 Pro à 65,7 sur Terminal-Bench 4.0, contre 66,4 pour Claude Opus 5.5, à 51,7 sur SWE Marathon v1.1, à 92,7 sur BenchCAD avec outils, à 94,2 sur GPQA-Diamond et à 51,1 sur HLE-Full. Ses points faibles sont tout aussi visibles : 38,1 sur Terminal-Bench-Science, contre 68,1 pour GPT-6 Astra, et 39,4 sur HLE-Diamond, contre 60,9 pour Opus 5.5. Moonshot a exécuté les évaluations de codage via le harnais Claude Code avec un effort de raisonnement maximal. Rien de tout cela n’a été reproduit indépendamment.

Les chiffres appariés les plus nets du lancement sont ceux que Moonshot a mesurés par rapport à son propre prédécesseur : Kimi Code Bench 3.0 Long-horizon à 61,2 % contre 55,95 %, un taux d’hallucination au niveau des affirmations de 8,3 % contre 23,4 % avec des outils, et 81,0 % contre 33,3 % sur xdev-bench-hard. Le même benchmark interne appartient à Moonshot, de sorte que les écarts sont cohérents mais non externes. Le chiffre des hallucinations est celui qui a la conséquence pratique la plus large et la corroboration la plus faible.

La licence est celle de Kimi K3, avec un nom changé.

Les deux dépôts contiennent un fichier de licence d'environ trois kilo-octets, et une comparaison ligne par ligne révèle une seule différence de fond : « Kimi K3.1-Pro » est substitué à « Kimi K3 » dans la clause d'attribution. Tout le reste est identique, il s'agit du même document.

Cela signifie que les conditions sont déjà connues plutôt qu’en attente. L’utilisation, la copie, la modification, la distribution, l’octroi de sous-licences et la vente sont autorisés, et le fine-tuning est explicitement permis. Une entreprise qui fournit un modèle en tant que service et dont le chiffre d’affaires cumulé dépasse 20 millions de dollars sur toute période de douze mois consécutifs doit signer un accord distinct avec Moonshot avant toute utilisation commerciale. Les produits comptant plus de 100 millions d’utilisateurs actifs mensuels ou 20 millions de dollars de revenus mensuels doivent afficher le nom du modèle de manière bien visible. L’utilisation interne, ainsi que l’utilisation via les produits officiels de Moonshot ou ses partenaires d’inférence certifiés, sont exemptées de ces deux exigences.

L'exemption pour les partenaires certifiés est la clause qu'il vaut la peine de lire deux fois si vous envisagez de revendre l'accès. Le seuil de 20 millions de dollars est mesuré sur une période glissante de douze mois, et non par gamme de produits, et la notion de « modèle en tant que service » est définie de manière suffisamment large pour couvrir une API qui donne aux clients le contrôle des entrées, des paramètres ou des données d'entraînement — tout en excluant les produits destinés aux utilisateurs finaux dans lesquels le modèle est intégré à une fonctionnalité, ainsi que la simple transmission de requêtes vers des modèles hébergés ailleurs.

Ce qu'il faut pour faire fonctionner l'un ou l'autre

Un checkpoint MXFP4 de 1,56 To n’est pas un téléchargement pour station de travail, et les deux modèles sont tout aussi lourds. Moonshot indique trois stacks de serving — les recettes vLLM, un cookbook SGLang et TokenSpeed — et toutes trois supposent un déploiement multi-nœuds à cette taille. C’est l’entraînement conscient de la quantification, dès l’étape de fine-tuning supervisé, qui maintient le fichier à 1,56 To plutôt qu’aux quelque 5,6 To qu’occuperait une copie BF16, et cette quantification est intégrée aux scores ci-dessus plutôt qu’appliquée après coup.

La conséquence pratique d’empreintes identiques est que le changement d’architecture n’apporte aucun allègement matériel. Si vous pouvez servir Kimi K3, vous pouvez servir Kimi K3.1 Pro sur la même catégorie de cluster ; vous ne pouvez servir ni l’un ni l’autre sur un seul nœud.

Lequel choisir

• Vous auto-hébergez et votre stack est optimisée pour Kimi K3 — refaites les benchmarks avant de migrer. Le changement d’attention modifie le comportement du cache, et la seule affirmation d’efficacité qui y est rattachée est une phrase dans une note de bas de page.

• Vous faites appel à l’API pour le codage agentique, l’utilisation d’outils sur un horizon long ou la vérification de documents — Kimi K3.1 Pro, en raison des deltas internes appariés et de la grille tarifaire plus basse, avec une évaluation fantôme au préalable.

• Il vous faut un modèle dont le profil de défaillance est stabilisé — Kimi K3. Il est en production depuis juillet et ses particularités sont documentées par d’autres. Le modèle plus récent modifie son comportement de raisonnement par conception.

• Vous avez besoin de déterminisme — vérifiez avant de basculer. Kimi K3.1 Pro fixe temperature à 1.0 et top_p à 0.95 et rejette les alternatives, et modifier l’effort de raisonnement en cours de conversation invalide les hits du cache de préfixe.

Le résumé honnête est que Kimi K3.1 Pro est un meilleur modèle que Kimi K3 sur presque tous les axes mesurés par le fournisseur, un modèle légèrement meilleur sur le seul indice indépendant qui l’ait évalué, et plus coûteux par tâche accomplie que ne le laisse entendre sa grille tarifaire. Ce qui a changé cette semaine n’est pas le verdict, mais les preuves : le checkpoint peut désormais être lu, servi et testé au lieu d’être accepté sur parole, et la première chose que sa lecture a produite a été une correction au billet de lancement.