Kimi K3.1 Pro est sorti : contexte de 1M, poids ouverts prévus le 4 novembre

Moonshot AI a publié Kimi K3.1 Pro le 23 octobre 2026 : un modèle doté d'une fenêtre de contexte de 1 048 576 tokens, destiné aux tâches agentiques et au code, avec des poids entièrement ouverts promis pour le 4 novembre. Le prix de l'API est la seule chose qui manque : sur les pages que nous avons consultées le 23 octobre, il n'est pas publié.

Donc si vous êtes venu pour un verdict rapide, le voici : un modèle intéressant, des chiffres fournisseur solides, aucun moyen pour l'instant d'en chiffrer une charge de travail. Ci-dessous, ce que l'annonce dit réellement, comment lire les benchmarks, et un calcul de coût pour le même type de travail sur des modèles que vous pouvez exécuter dès aujourd'hui.

Ce que Moonshot a annoncé#

L'annonce de Kimi K3.1 Pro (consultée le 23 octobre 2026) indique que K3.1 Pro est le premier modèle de la série K3.1. Il existe aussi une variante plus rapide, Kimi K3.1 Pro Highspeed, que Moonshot décrit comme 2 à 3 fois plus rapide. Les identifiants d'API sont kimi-k3.1-pro et kimi-k3.1-pro-highspeed.

Moonshot le qualifie de « modèle à poids ouverts de classe 3T » et annonce que les poids complets arriveront d'ici le 4 novembre 2026. Une reprise sur Telegram cite un nombre exact de paramètres ; la page officielle ne le fait pas, donc considérez ce chiffre comme non confirmé.

Où l'utiliser aujourd'hui, selon l'annonce : Kimi.ai et les applications, Kimi Work desktop 3.1.0+, Kimi Code (via /model), l'API Kimi (avec Zero Data Retention pour les clients API) et Kimi Business, où un administrateur d'entreprise doit l'activer — il est désactivé par défaut au lancement.

Limites et détails de l'API#

Le quickstart (consulté le 23 octobre 2026) donne ces chiffres :

• fenêtre de contexte : 1 048 576 tokens ;
• max_completion_tokens : 131 072 par défaut, jusqu'à 1 048 576 ;
• tarification forfaitaire par token, sans paliers de contexte ;
• mise en cache automatique du contexte avec un TTL par défaut de 5 minutes ; les écritures de cache sont facturées selon le TTL (5 minutes ou 1 heure), l'entrée mise en cache au prix du cache-hit ;
• URL de base https://api.moonshot.ai/v1, avec des exemples pour le SDK OpenAI.

À propos du prix. La page de tarification renvoyait des tableaux vides pour K3.1 Pro lors de notre consultation le 23 octobre. Aucun prix d'entrée, de cache ou de sortie n'est encore public, donc tout « Kimi K3.1 Pro coûte X » que vous voyez aujourd'hui est une supposition.

Les benchmarks, et comment les lire#

Tous ces chiffres sont ceux de Moonshot, exécutés avec un effort de raisonnement maximal, température 1.0, top-p 0.95 :

• Terminal-Bench 4.0 : 65,7 % (GPT-6 Astra 58,2 %, Claude Opus 5.5 66,4 %) ;
• BenchCAD avec outils : 92,7 % (Opus 5.5 96,2 %, GPT-6 Astra 95,9 %) ;
• Kimi Code Bench 3.0, long-horizon : 61,2 % contre 55,95 % pour K3 ;
• taux d'hallucination au niveau des affirmations sur le Kimi Hallu Bench Hard interne de Moonshot : 8,3 %, contre 23,4 % pour K3.

Interprétez cela ainsi : proche du sommet sur les tâches de terminal, en retrait sur la CAO, et une forte baisse annoncée des affirmations inventées par rapport à son prédécesseur. Deux des quatre sont des benchmarks internes de Moonshot, donc attendez des exécutions indépendantes avant de reconstruire quoi que ce soit autour d'eux. Moonshot indique aussi avoir retiré les données liées à la cybersécurité du mid-training et de l'apprentissage par renforcement afin de limiter les capacités cyber offensives.

Ce que cela signifie pour votre facture d'agent#

Une fenêtre de 1M compte quand votre agent conserve beaucoup de contexte : fichiers de dépôt, sortie d'outils, historique long. Mais la plupart des boucles d'agent n'ont pas besoin d'un million de tokens par appel ; elles ont besoin de quelques dizaines de milliers, répétés de nombreuses fois. C'est de là que vient la facture, et vous pouvez la chiffrer dès aujourd'hui.

Supposons que votre agent exécute 1 000 étapes, et que chaque étape envoie 30 000 tokens de contexte et reçoive 800 tokens en retour. Cela fait 30 000 × 1 000 = 30 000 000 tokens d'entrée et 800 × 1 000 = 800 000 tokens de sortie. Le tableau chiffre exactement cela sur les modèles disponibles dans CheapTokens, à côté de la référence OpenRouter :

Pour les boucles agentiques et de code, MiniMax-M2.7 est le choix évident : dans les faits que nous avons vérifiés le 23 octobre 2026, son entrée comme sa sortie sont moins chères que la référence d'OpenRouter, avec un contexte de 180K et jusqu'à 8 192 tokens de sortie par réponse. Une étape de cette charge de travail coûte $0.0016.

Les prix proviennent de la liste de prix en direct, donc les chiffres ci-dessus se rafraîchissent quand les tarifs changent. Pour voir les modèles côte à côte, ouvrez la page de tarification ; pour une estimation pas à pas de votre propre boucle, voir comment estimer le coût d'un agent IA.

Essayez la même charge de travail vous-même#

L'API CheapTokens est compatible OpenAI, donc un client existant n'a besoin que d'une nouvelle URL de base et d'un identifiant de modèle. L'identifiant complet est requis ; le nom court de la liste de prix n'est pas accepté :

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [{"role": "user", "content": "List the files you would read first in a Python repo with a failing test."}],
    "max_tokens": 400
  }'

La réponse contient un bloc usage avec les tokens d'entrée et de sortie. Multipliez-les par votre nombre d'étapes et vous obtenez votre propre version du tableau ci-dessus. Les détails de configuration sont dans la documentation ; si vous hésitez entre les trois modèles, GLM vs DeepSeek vs MiniMax les passe en revue par tâche.

Ce qu'il faut surveiller ensuite#

• Le prix. Revérifiez la page de tarification de Kimi : dès que les prix d'entrée, de cache et de sortie apparaissent, vous pourrez y appliquer le même calcul sur 1 000 étapes.
• Le 4 novembre. Les poids ouverts. Des évaluations indépendantes suivent généralement en quelques jours.
• Highspeed. Son prix et sa fenêtre de contexte ne sont pas confirmés séparément de K3.1 Pro.

Une règle empirique pour tout nouveau modèle à long contexte : chiffrez votre étape réelle (contexte en entrée, réponse en sortie) avant de vous enthousiasmer pour la taille de la fenêtre.