Kimi K3.1 Pro vs K3 : les nouveautés, le prix et les utilisateurs qui devraient passer à la nouvelle version

Kimi K3.1 Pro est la première mise à jour de Kimi K3, le modèle à poids ouverts de 2.8 trillions de paramètres lancé par Moonshot AI le 16 juillet 2026. Il est sorti les 23 et 24 octobre 2026 dans l’application Kimi, Kimi Code et l’API Kimi. Dans son article de lancement, Moonshot le décrit comme « le premier modèle de notre nouvelle série K3.1 et notre modèle à poids ouverts de classe 3T le plus performant à ce jour » : une version de K3 entraînée après son préentraînement avec beaucoup plus de calcul, sur « des centaines de domaines en aval ». Moonshot annonce des progrès en programmation, en création 3D, ainsi qu’en recherche et modélisation financières. Une variante K3.1 Pro Highspeed offre des capacités identiques à une vitesse environ deux à trois fois supérieure, et les poids complets devraient être disponibles d’ici le 4 novembre 2026.

En bref : pour le code utilisant l’API, il suffit de changer l’ID du modèle. kimi-k3.1-pro a les mêmes contraintes de paramètres que kimi-k3 : les paramètres d’échantillonnage fixes, les trois niveaux d’effort et la valeur maximale par défaut restent donc inchangés. Le premier changement que vous remarquerez sera plus discret. Dans Kimi Code, K3 fonctionnait par défaut avec un effort élevé, tandis que K3.1 Pro utilise le niveau maximal. Attendez-vous à davantage de réflexion par tâche, et donc à plus de tokens ou à une plus grande consommation du quota de votre forfait pour chaque tâche.

K3.1 Pro coûte moins cher par token. AIHubMix l’affiche à 2,00 $ en entrée et 10,50 $ en sortie par million de tokens, contre 2,84 $ et 14,20 $ pour K3. Un tableau des prix en yuans qui circulait le jour du lancement montre une baisse similaire chez Moonshot. Au moment de la rédaction, il n’a pas été possible de confirmer le tarif officiel de Moonshot en USD. Les benchmarks communiqués par Moonshot montrent des progrès nets par rapport à K3 sur ses propres tests de programmation, d’hallucinations et de finance. La vraie question est donc de savoir si ces progrès, à un tarif par token inférieur, compensent le fait que le modèle réfléchit plus longtemps à vos tâches.

K3 et K3.1 Pro côte à côte

La colonne K3 reprend le guide Kimi K3 et la fiche du modèle publiés par Moonshot. La colonne K3.1 Pro s’appuie sur le guide de démarrage rapide de K3.1 Pro et la documentation des modèles Kimi Code de Moonshot, qui précise aussi les valeurs par défaut des deux modèles dans Kimi Code. Les ID de la version Highspeed sont kimi-k3.1-pro-highspeed pour l’API et k3.1-pro-highspeed dans Kimi Code. Dans Kimi Code, la fenêtre de 1M est réservée aux forfaits supérieurs. Moonshot n’a pas publié le nombre de paramètres actifs de K3.1 Pro ni indiqué la licence qui sera utilisée pour ses poids.

Comment K3.1 Pro a fait surface

La série K3.1 a fait l’objet de fuites successives pendant un mois. Le site CometAPI en a compilé les éléments, relayés par Wccftech, AIBase et des utilisateurs de LINUX DO. Moonshot n’en a confirmé aucun avant la vidéo teaser.

• 23 septembre : un extrait de configuration publié sur X révèle un identifiant k3d1-agent, trois niveaux d’effort (Low, High, Max), une option de contexte « Extra Long » allant jusqu’à 1M tokens, ainsi que des paramètres pour les modes agent, swarm, recherche et traitement par lots.
• 28 septembre : des développeurs découvrent kimi-k3-1 dans le registre des modèles de la plateforme API de Moonshot et signalent que l’API répond aux appels. L’aperçu de la plateforme ouverte affichait le même prix que K3.
• 21 octobre : la configuration model_switch_confirm de Kimi Code commence à renvoyer une règle qui redirige k3, K3, kimi-k3, k3-256k, kimi-for-coding et kimi-for-coding-highspeed vers k3.1. Deux jours plus tard, le modèle est lancé dans Kimi Code sous le nom k3.1-pro.
• 22 octobre : un modèle anonyme appelé Kibitz apparaît dans Code Arena, sur Arena. Une empreinte de tokenizer le rattache à Kimi, et son nom suit la convention de Moonshot (K3 a été testé sous le nom de Kivine). Les tests en duel à un seul tour sont encourageants, et un testeur évalue une création 3D à un niveau proche de Claude Opus 5.5 avec un effort moyen. Arena ne publie aucun score.
• 23 octobre : le compte officiel de Kimi publie une vidéo teaser de 24 secondes. On y voit un terminal Kimi Code afficher « Model: Kimi K3.1 » pendant que le modèle écrit une scène 3D avec Three.js.
• 23–24 octobre : Moonshot ajoute K3.1 Pro et K3.1 Pro Highspeed à la documentation Kimi Code, qui indique que le modèle est « désormais entièrement déployé dans Kimi Code ». L’article de lancement est brièvement publié, puis retiré avant de réapparaître dans la soirée avec le tableau complet des benchmarks, ainsi que la documentation API pour kimi-k3.1-pro et kimi-k3.1-pro-highspeed.

La plupart des paramètres révélés par les fuites correspondaient à des fonctionnalités déjà présentes dans K3 : trois niveaux d’effort, une fenêtre de contexte de 1M et le mode swarm existant de Kimi. Le lancement l’a confirmé. K3.1 Pro conserve le contrat de requête de K3 ; les nouveautés sont l’entraînement supplémentaire après le préentraînement, le niveau d’effort maximal par défaut dans Kimi Code et son modèle jumeau Highspeed.

Ce qui ne change pas et ce qu’il faut vérifier

Moonshot indique que kimi-k3.1-pro a « les mêmes contraintes de paramètres que kimi-k3 » : il suffit donc de remplacer l’ID pour que le code qui fonctionne avec K3 continue de fonctionner. Voici les règles qui restent valables :

• La réflexion est toujours activée. Moonshot précise que les requêtes qui la désactivent sont rejetées avec une erreur HTTP 400 ; les ID principaux d’AIHubMix ne les rejetaient pas (voir ci-dessous).
• reasoning_effort accepte low, high ou max et prend par défaut la valeur max. Il n’existe pas de niveau moyen, malgré une information publiée avant le lancement : Kimi Code convertit medium en high, xhigh et ultra en max, et minimum et light en low. Dans Kimi Code, les valeurs off, none, disabled ou toute valeur inconnue renvoient une erreur 400.
• Les paramètres d’échantillonnage sont fixes : temperature 1.0, top_p 0.95, n 1 et les deux pénalités à 0. Omettez-les ; toute autre valeur provoque une erreur avec l’API Moonshot.
• tool_choice accepte required, comme avec K3.
• max_completion_tokens est fixé par défaut à 131,072 et peut atteindre 1,048,576, dans la limite d’une fenêtre de contexte de 1M.
• Changer de modèle ou de niveau d’effort invalide le cache. Dans Kimi Code, Moonshot déconseille de passer à K3.1 Pro au milieu d’une session existante avec K3, K2.8 Preview ou K2.7 Code Highspeed, car la qualité des réponses baisse et les résultats du cache sont moins nombreux.

Comme avec K3, dans les conversations à plusieurs tours et les boucles d’utilisation d’outils, il faut renvoyer le message complet de l’assistant, y compris reasoning_content.

Mesures d’AIHubMix. Le 24 octobre, AIHubMix a testé les deux modèles avec leurs ID principaux, kimi-k3.1-pro et kimi-k3.1-pro-highspeed, ainsi qu’avec son canal de programmation, coding-kimi-k3.1-pro et coding-kimi-k3.1-pro-highspeed, qui reprend la correspondance des niveaux d’effort de Kimi Code :

• Chat Completions (avec reasoning_content) et Messages (blocs de réflexion et de texte) ont tous deux renvoyé un code 200 pour les deux modèles. L’API Responses n’a renvoyé un code 200 que pour le canal de programmation ; les ID principaux ont renvoyé un 404 : « Le modèle kimi-k3.1-pro n’est pas disponible sur ce point de terminaison. » Au lancement, Codex, qui utilise Responses, devait donc utiliser l’ID du canal de programmation sur AIHubMix.
• Toutes les valeurs de reasoning_effort testées (low, medium, high, max, xhigh) ont renvoyé un code 200. La passerelle les accepte toutes, mais Moonshot ne documente que low, high et max ; il ne faut donc pas interpréter les valeurs supplémentaires comme de nouveaux niveaux. off et une valeur inconnue ont également renvoyé un code 200, tout comme none ou un champ thinking: {"type": "disabled"}, sans aucune réflexion dans la réponse : sur AIHubMix, la désactivation de la réflexion échoue silencieusement, sans renvoyer d’erreur 400.
• temperature=0.2 a renvoyé une erreur 400 avec les ID principaux : « temperature invalide : seule la valeur 1 est autorisée pour ce modèle ». Le canal de programmation l’a accepté. Un champ thinking: {"type": "enabled"} hérité de K2.x a renvoyé un code 200 pour les deux.
• La sortie structurée fonctionne désormais avec l’API Messages. Une requête json_schema dont l’invite ne demandait pas de JSON a renvoyé {"city":"Paris"}. Lors du test d’AIHubMix en juillet, K3 avait ignoré silencieusement le schéma dans ce cas.
• La mise en cache est automatique : sur le canal de programmation, une invite répétée a été renvoyée avec la totalité de l’invite comptabilisée comme tokens mis en cache.

L’article de migration de cette série présente chacun de ces problèmes que vous pourriez rencontrer, avec le texte de l’erreur et la solution.

Benchmarks : comparaison avec K3 et les modèles de gamme supérieure

Les chiffres proviennent des résultats de lancement communiqués par Moonshot : l’article de lancement de K3.1 Pro et, pour K3, sa fiche de modèle sur GitHub. Les bancs d’essai diffèrent selon les modèles (K3.1 Pro a été principalement testé avec un environnement Claude Code), et personne n’a encore reproduit ces résultats.

De K3 à K3.1 Pro. Voici les paires que Moonshot a mesurées de la même manière sur les deux modèles :

Kimi Code Bench, Kimi Hallu Bench et les deux séries de tests financiers sont des benchmarks internes de Moonshot. Les deux résultats Kimi Code Bench 2.0 ont été obtenus avec un environnement Claude Code (le score de référence de K3, 72.9, provenait de Kimi Code), et Hallu Bench Hard est exécuté avec des outils. Les deux modèles évoluent dans la bonne direction sur toutes les paires : de 3 à 8 points sur les tests de programmation, de 7 à 12 points sur les tests financiers, et un taux d’hallucination qui passe de 23.4 à 8.3 sur le test difficile. Terminal-Bench, SWE Marathon et ProgramBench figurent dans les deux lancements, mais avec des versions ou des méthodes de notation différentes : les scores de K3, 88.3, 42.0 et 77.8, ne peuvent donc pas être comparés à ceux de K3.1 Pro, 65.7, 51.7 et 31.5.

Comparaison avec les modèles de gamme supérieure. Kimi ne propose aucun modèle au-dessus de K3.1 Pro ; la comparaison pertinente porte donc sur les modèles propriétaires du tableau de Moonshot. Moonshot les a testés avec le niveau d’effort maximal et précise que « les tests des modèles propriétaires peuvent comporter certains comportements de repli ».

Dans le tableau de scores de Moonshot, K3.1 Pro arrive en tête des quatre modèles en programmation prolongée (SWE Marathon v1.1) et sur HLE avec outils, et devance de peu les autres sur DeepSWE v1.1. Sur Terminal-Bench 4.0, il bat Fable 5.1 et GPT-6 Astra et se situe à moins d’un point d’Opus 5.5 ; sur GDPval-AA, il arrive juste derrière Opus 5.5. Il accuse un net retard sur ProgramBench, où Opus 5.5 obtient environ deux fois son score, ainsi que sur HLE sans outils et sur le Design Bench interne de Moonshot, où GPT-6 Astra arrive en tête. K3 a fait son entrée au sommet du classement Frontend Code d’Arena avec un score de 1,679 ; K3.1 Pro n’avait pas de score Arena à son lancement.

Prix et coût réel

Les prix sont indiqués par million de tokens. Chez AIHubMix, K3.1 Pro coûte 30% de moins que K3 en entrée et 26% de moins en sortie ; Highspeed coûte exactement deux fois plus que K3.1 Pro, en entrée comme en sortie, avec le même tarif pour les accès au cache. Le tarif officiel en USD de K3.1 Pro chez Moonshot n’ayant pas pu être confirmé au moment de la rédaction, la colonne officielle affiche un tiret. OpenAI propose actuellement un tarif promotionnel de $4 / $20 pour GPT-5.6 Sol, qui devrait durer au moins jusqu’au 21 novembre 2026. Les accès au cache via AIHubMix coûtent $0.20 par million pour K3.1 Pro et Highspeed, contre $0.284 pour K3 ($0.30 chez Moonshot). Depuis la mise à jour de la facturation de Moonshot, les écritures dans le cache de K3 semblent apparaître sur une ligne distincte : $3.00 par million pour une durée par défaut de 5 minutes, et $6.00 pour une heure. Sur l’API de Moonshot, K3.1 Pro suit le même modèle : tarification fixe quelle que soit la longueur du contexte, écritures dans le cache facturées selon leur durée de vie et tokens de raisonnement facturés comme des tokens de sortie, quel que soit le niveau d’effort. Les pages des modèles d’AIHubMix indiquent uniquement les tarifs d’entrée, de sortie et d’accès au cache, sans tarif distinct pour les écritures dans le cache.

Tarifs en yuans publiés par Moonshot. Un tableau tarifaire qui circulait le jour du lancement présente les tarifs chinois de Moonshot pour K3.1 Pro et K3.1 Pro Highspeed, y compris les écritures dans le cache. Il n’a pas été confirmé par rapport à la page des tarifs de Moonshot :

Par million de tokens, en CNY. La ligne de K3 correspond au tarif chinois de Moonshot. Si ce tableau est exact, Moonshot a réduit les prix de K3.1 Pro de 35% en entrée, de 32% en sortie et de 35% pour les accès au cache, une baisse légèrement supérieure à celle d’AIHubMix. En entrée, en sortie et pour les écritures dans le cache, Highspeed coûte deux fois plus que K3.1 Pro ; le prix des accès au cache reste identique. Cela le rend 30% plus cher que K3 en entrée et 36% plus cher en sortie. Les tarifs de Moonshot en USD et en CNY ne sont pas liés par un taux fixe ; les montants en yuans ne permettent donc pas de déterminer son prix en dollars.

Le coût d’une tâche concrète. En juillet, AIHubMix a demandé à K3 de créer un jeu HTML dans un fichier unique à partir d’une seule consigne et d’une image de référence. L’exécution a pris 2,541 secondes (environ 42 minutes) et produit 1,275 lignes de code fonctionnel. Elle a consommé 74,994 tokens de complétion, dont 54,486 (73%) consacrés au raisonnement. Le modèle tournait au niveau d’effort maximal, le seul accepté par K3 à l’époque et celui par défaut de K3.1 Pro aujourd’hui. La taille de l’entrée n’ayant pas été enregistrée, les estimations ci-dessous supposent 5,000 tokens d’entrée. Les prix sont ceux d’AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• GPT-5.6 Sol, avec le même nombre de tokens : ≈ $1.52
• Claude Fable 5.1, avec le même nombre de tokens : ≈ $4.18
• K3.1 Pro, avec le même nombre de tokens : 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• K3.1 Pro Highspeed, avec le même nombre de tokens : 5,000 × $4.00/M + 74,994 × $21.00/M ≈ $1.59

L’hypothèse d’un nombre de tokens identique reste une approximation, et les volumes réels peuvent faire varier le résultat dans un sens comme dans l’autre. Lors d’un test pratique de création mené par Chase AI, K3 a utilisé 21.5 millions de tokens, contre 3.5 millions pour Claude Fable 5, soit environ six fois plus. À ce ratio, Fable 5 aurait créé le jeu avec environ 12,200 tokens, pour un coût d’environ $0.73, inférieur aux $1.08 de K3 et aux $0.80 de K3.1 Pro, malgré un tarif de sortie près de quatre fois supérieur. Dans les tâches de l’indice d’Artificial Analysis, l’écart allait dans l’autre sens : Fable 5.1 utilisait en moyenne 78,000 tokens de sortie par tâche, contre 48,000 pour K3, et coûtait $7.63 par tâche, contre $2.00 pour K3.

La durée de réflexion d’un modèle dépend de la tâche. Lors d’un petit test ponctuel d’AIHubMix le 24 octobre, une consigne de 600 mots pour rédiger un texte explicatif a amené K3.1 Pro à raisonner pendant 5,561 à 7,356 tokens avant de répondre, et K3 pendant 3,013 à 7,051 : des volumes similaires. La différence se situait dans la vitesse. K3.1 Pro générait environ 86 tokens par seconde, contre 22 à 26 pour K3 ; il répondait donc en 80 à 99 secondes, contre 154 à 309 pour K3. Ce test portait sur une seule consigne et trois exécutions par modèle avec les identifiants principaux d’AIHubMix ; ce n’est pas un benchmark. Le prix de sortie étant inférieur d’un quart, la facture ne baisse d’un quart que si K3.1 Pro ne réfléchit pas plus longtemps que K3 pour vos tâches. Mesurez donc le nombre de tokens par tâche avant de calculer les économies.

Dans quels cas K3.1 Pro n’est pas le choix évident

• Les tâches sensibles à la latence. K3.1 Pro réfléchit toujours, utilise le niveau maximal par défaut et ne permet pas de désactiver la réflexion. L’exécution du jeu par K3 a pris 42 minutes en une seule requête et, lors du test ponctuel ci-dessus, même avec un faible niveau d’effort, le premier token de réponse de K3.1 Pro est arrivé au bout de 71 à 91 secondes (contre 132 à 280 pour K3). Highspeed accélère la génération de sortie d’environ 2 à 3×, mais Moonshot précise qu’il « accélère uniquement la sortie du modèle » ; les appels d’outils et les scripts s’exécutent donc à la même vitesse. Si les utilisateurs attendent chaque réponse, un modèle plus rapide qui ne raisonne pas conviendra mieux, même à qualité égale.
• Les pipelines qui nécessitent de contrôler la température. K3.1 Pro conserve le paramètre d’échantillonnage fixe de K3, à 1.0, et les identifiants principaux d’AIHubMix renvoient une erreur 400 pour une température de 0.2. Le canal de programmation l’a accepté, mais une réponse 200 ne prouve pas que la valeur a été appliquée. Si vous avez besoin d’une température de 0 pour obtenir des sorties reproductibles, K3.1 Pro ne vous le permettra pas.
• Les tâches correspondant à ses benchmarks les plus faibles. Dans son propre tableau, Moonshot indique que K3.1 Pro obtient la moitié du score de Claude Opus 5.5 sur ProgramBench, est devancé par les trois modèles fermés sur HLE sans outils, et par GPT-6 Astra sur Design Bench. Testez ces types de tâches avant de changer de modèle.
• Les tâches pour lesquelles le modèle de gamme supérieure réfléchit moins. Comme le montre le test de création de Chase AI, un modèle plus cher qui réfléchit moins peut revenir moins cher par tâche. Mesurez votre propre charge de travail avant de supposer que K3.1 Pro est l’option la moins coûteuse.
• Les offres Kimi Code d’entrée de gamme. K3.1 Pro nécessite l’offre Plus ou supérieure dans les nouvelles formules (Moderato ou supérieure dans les anciennes), et sa fenêtre de 1M nécessite Pro (Allegretto). Highspeed nécessite Pro ou supérieure (Allegretto).

Qui devrait changer de modèle et qui devrait attendre

• Utilisateurs de Kimi Code : K3.1 Pro est disponible sous le nom k3.1-pro. Démarrez une nouvelle session avec ce modèle au lieu de basculer dans une session K3, K2.8 Preview ou K2.7 Code Highspeed déjà en cours ; Moonshot indique qu’un changement en cours de session réduit la qualité des sorties et le taux d’accès au cache. Par défaut, attendez-vous au niveau d’effort maximal, contre élevé pour K3, et surveillez votre quota pendant la première semaine. S’il s’épuise plus vite, réservez le niveau élevé aux tâches courantes, mais ne vous attendez pas à ce que le niveau faible soit économique : lors du test ponctuel d’AIHubMix, même avec un faible niveau d’effort, K3.1 Pro a raisonné pendant 5,561 à 7,356 tokens.
• Utilisateurs de l’API K3 : remplacez kimi-k3 par kimi-k3.1-pro, en respectant les mêmes contraintes de paramètres. Sur l’API de Moonshot, le modèle est accessible après un rechargement de $1 ; AIHubMix le propose sous le même identifiant. Commencez par effectuer une évaluation d’une journée sur vos propres tâches et comparez les tokens de complétion et de raisonnement, pas seulement les taux de réussite. Le tarif officiel de Moonshot en USD n’était pas confirmé au moment de la rédaction ; chez AIHubMix, K3.1 Pro coûte $2.00 / $10.50 par million.
• Utilisateurs de K2.6 et K2.7 Code : le changement est plus important, et Moonshot a fixé une échéance. Sur la plateforme de Moonshot, l’accès aux nouveaux modèles de la série K2 est fermé aux nouveaux inscrits à partir du 31 octobre 2026, et Moonshot prévoit de retirer tous ces modèles d’ici fin décembre 2026. Le 24 octobre, AIHubMix proposait encore K2.6 et K2.7 Code, sans date de retrait annoncée. K3.1 Pro ne permet pas de désactiver la réflexion, et le raisonnement est réglé par niveau d’effort plutôt que par le paramètre thinking de K2.x. Lisez l’article sur la migration avant de modifier quoi que ce soit.
• Si la vitesse compte plus que le prix : K3.1 Pro Highspeed offre les mêmes capacités à une vitesse environ 2 à 3× supérieure, pour environ deux fois plus de quota dans Kimi Code et un tarif par token doublé ($4.00 / $21.00 chez AIHubMix). L’article Highspeed de cette série examine ce compromis.
• Attendez si vous achetez directement auprès de Moonshot et souhaitez voir son tarif en USD avant de vous engager.
• Gardez votre modèle actuel si votre charge de travail repose sur des requêtes courtes et fréquentes, pour lesquelles la réflexion toujours activée représente un surcoût inutile.

Pour comparer K3 et K3.1 Pro avec vos propres prompts, exécutez les deux via AIHubMix avec une seule clé. Le guide de démarrage rapide explique comment obtenir les clés et configurer les URL de base, et la page du modèle K3.1 Pro indique son prix. Utilisez Chat Completions ou Messages avec kimi-k3.1-pro ; pour l’API Responses, utilisez coding-kimi-k3.1-pro pour le moment. AIHubMix le présente comme un aperçu d’évaluation, pas comme une offre destinée à la production.

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = "Write a single-file HTML page that renders a rotating 3D cube with Three.js."

for model in ["kimi-k3", "kimi-k3.1-pro"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        timeout=3600,
    )
    print(model, r.usage.prompt_tokens, r.usage.completion_tokens)

Le script utilise Chat Completions et omet temperature : K3 et K3.1 Pro rejettent toute valeur différente de 1.

FAQ

Kimi K3.1 Pro est-il disponible ?
Oui. Moonshot l’a lancé les 23 et 24 octobre 2026 dans l’application Kimi, Kimi Work, Kimi Code et l’API Kimi, sous le nom kimi-k3.1-pro dans l’API et k3.1-pro dans Kimi Code. Les administrateurs Business et Enterprise doivent l’activer pour leurs équipes.

K3.1 Pro coûte-t-il plus cher que K3 ?
Par token, non. AIHubMix l’affiche à $2.00 en entrée et $10.50 en sortie par million de tokens, contre $2.84 et $14.20 pour K3. Un tableau en yuans qui circulait le jour du lancement indique une baisse d’environ un tiers chez Moonshot, mais le tarif officiel de Moonshot en USD n’était pas confirmé au moment de la rédaction. Le modèle réfléchit néanmoins beaucoup : le niveau maximal est activé par défaut dans Kimi Code et, lors d’un test ponctuel d’AIHubMix, il a raisonné pendant 5,561 à 7,356 tokens, même avec un faible niveau d’effort. Le coût par tâche peut donc tout de même augmenter.

Mon code K3 fonctionnera-t-il sur K3.1 Pro ?
Oui, en changeant l’identifiant du modèle. Moonshot indique que kimi-k3.1-pro est soumis aux mêmes contraintes de paramètres que kimi-k3. Continuez à omettre temperature et les autres paramètres d’échantillonnage, à renvoyer reasoning_content dans les requêtes à plusieurs tours et à ne pas tenter de désactiver la réflexion.

Qu’est-ce qui change dans Kimi Code ?
Comme le recommande la documentation de Moonshot, choisissez K3.1 Pro dans une nouvelle session plutôt qu’en cours de session. Son niveau d’effort par défaut est maximal, contre élevé pour K3. Il nécessite l’offre Plus ou supérieure, et la fenêtre complète de 1M nécessite l’offre Pro ou supérieure.

Qu’est-ce que K3.1 Pro Highspeed ?
Les mêmes capacités que le modèle standard, avec une vitesse de génération environ deux à trois fois supérieure via l’API, sous le nom kimi-k3.1-pro-highspeed. Dans Kimi Code, il consomme environ deux fois plus de quota et coûte deux fois plus cher par token : $4.00 / $21.00 sur AIHubMix. Seule la génération du modèle est accélérée ; les appels d’outils et les scripts ne le sont pas.

K3.1 Pro est-il aussi performant que Claude Fable 5.1, Claude Opus 5.5 ou GPT-6 Astra ?
D’après le tableau de Moonshot, il devance ces trois modèles sur SWE Marathon et HLE avec outils, dépasse Fable 5.1 et GPT-6 Astra sur Terminal-Bench 4.0, mais obtient des résultats inférieurs sur ProgramBench, HLE sans outils et Design Bench. Ces chiffres sont autodéclarés, les bancs d’essai diffèrent et personne ne les a encore reproduits.

K3.1 Pro sera-t-il disponible avec des poids ouverts ?
Oui. Moonshot indique que les poids complets seront publiés d’ici le 4 novembre 2026. L’entreprise n’a pas précisé la licence qui sera utilisée ; les poids de K3 sont sous licence Kimi K3.

À lire aussi : la série Kimi K3.1 Pro

• Si vous avez décidé de faire la migration, voici d’où viennent les erreurs 400 et les augmentations de facture qui passent inaperçues : du paramètre par défaut Max-Effort à l’identifiant Highspeed mal saisi : Migrer vers Kimi K3.1 Pro : corriger les erreurs 400, surveiller le paramètre Max-Effort par défaut et ne pas mal saisir l’identifiant Highspeed
• Si vous comparez K3.1 Pro à d’autres modèles plutôt que de passer à la nouvelle version, découvrez son face-à-face avec Qwen 4, apparu sur Arena la même semaine, et Claude Fable 5.5, le modèle que tous deux cherchent à rattraper : Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5 : qualité front-end, coût par tâche et examen du battage médiatique
• Si la vitesse multipliée par 2–3 vous tente, cet article explique dans quels cas Highspeed vaut le double du prix par token : Kimi K3.1 Pro vs K3.1 Pro Highspeed : une vitesse multipliée par 2–3 vaut-elle le double du prix ?

Sources

• Moonshot AI : article technique sur Kimi K3.1 Pro
• Moonshot AI : guide de démarrage rapide de Kimi K3.1 Pro
• Moonshot AI : configuration des modèles de Kimi Code
• AIHubMix : page du modèle Kimi K3.1 Pro
• Chase AI : Kimi K3 vs Claude Fable 5 vs GPT-5.6, coût réel