La distribution de Kimi K3.1 Pro s'étend aux infrastructures indépendantes

Moonshot AI publie les poids de Kimi K3.1 Pro, un modèle multimodal à un million de jetons de contexte, destiné au code et aux tâches agentiques.

La publication d'un modèle d'intelligence artificielle ne signifie pas nécessairement que ses utilisateurs peuvent l'exécuter sur leurs propres infrastructures. Les services accessibles par API conservent généralement leurs paramètres internes sur les serveurs de leur éditeur. Moonshot AI adopte une autre approche pour Kimi K3.1 Pro : après son lancement commercial en octobre, l'entreprise chinoise a publié les poids du modèle sur Hugging Face, conformément à son calendrier annoncé.

Cette mise à disposition concerne un système multimodal particulièrement volumineux, doté de 2 800 milliards de paramètres et d'une fenêtre de contexte atteignant 1 048 576 jetons. Le modèle est conçu pour traiter du texte, interpréter des images et conduire des tâches complexes impliquant plusieurs outils. Sa publication ouvre la possibilité de le déployer et de l'adapter indépendamment de l'API officielle, sous réserve de disposer de ressources informatiques adaptées et de respecter sa licence. Une architecture géante, mais partiellement activée

La taille de Kimi K3.1 Pro repose sur une architecture à mélange d'experts, ou Mixture of Experts (MoE). Contrairement à un modèle dense, qui mobilise tous ses paramètres lors de chaque calcul, cette organisation sélectionne seulement une partie de ses composants pour traiter chaque jeton.

Sur les 2 800 milliards de paramètres annoncés, environ 104 milliards sont activés à chaque étape. L'architecture comprend 896 experts spécialisés, dont 16 sont sélectionnés par jeton, auxquels s'ajoutent deux experts partagés. Le réseau compte 93 couches.

Cette répartition réduit la quantité de calcul nécessaire à chaque étape par rapport à l'activation de l'ensemble des paramètres, sans éliminer la difficulté liée au stockage et à l'exploitation d'un modèle de cette taille. Les fichiers publiés occupent environ 1,56 To dans leur représentation quantifiée, un volume qui place le déploiement complet hors de portée des ordinateurs personnels ordinaires.

Pour améliorer le traitement des contextes longs, les équipes ont remplacé une partie du mécanisme d'attention de Kimi K3 par une variante reposant sur Gated DeepSeek Sparse Attention. L'objectif technique est de limiter les opérations nécessaires lorsque le modèle travaille sur de très grandes quantités d'informations.

L'encodage visuel repose de son côté sur MoonViT-V2, un composant de 401 millions de paramètres. Le modèle peut ainsi associer l'analyse d'images à des instructions textuelles, mais sa configuration publiée ne correspond pas à un générateur natif d'images ou de vidéos. Des résultats proches des modèles propriétaires sur plusieurs tâches

Le rapport technique de Moonshot AI présente des comparaisons avec GPT-6 Astra, Claude Opus 5.5, Claude Fable 5.1 et plusieurs modèles chinois.

Sur Terminal-Bench 4.0, une évaluation de tâches informatiques réalisées dans un terminal, Kimi K3.1 Pro atteint 65,7 %, contre 58,2 % pour GPT-6 Astra et 66,4 % pour Claude Opus 5.5 dans les configurations testées. Sur SWE Marathon v1.1, qui examine la capacité à résoudre des tâches de programmation nécessitant plusieurs étapes, son score atteint 51,7 %, contre 46,3 % pour Opus 5.5 et 42,5 % pour GPT-6 Astra.

Les résultats ne sont toutefois pas uniformément favorables. Sur Terminal-Bench-Science 0.1, Kimi obtient 38,1 %, tandis que GPT-6 Astra atteint 68,1 %. Sur Program Bench, le modèle chinois recueille 31,5 %, contre 65 % pour Opus 5.5.

Ces écarts montrent que la position d'un modèle dépend fortement des tâches et des environnements utilisés. Les tableaux fournis par Moonshot constituent une base de comparaison, mais ils ne démontrent pas une supériorité générale sur les modèles propriétaires.

Les évaluations ont principalement été réalisées avec le niveau de raisonnement maximal. Pour plusieurs concurrents, les configurations mentionnent également des mécanismes de repli. Les conditions ne sont donc pas nécessairement identiques entre toutes les solutions. De la programmation au travail en trois dimensions

La création de contenus interactifs et la modélisation 3D occupent une place importante dans la présentation technique du modèle.

Sur BenchCAD, une évaluation portant sur la reconstruction tridimensionnelle et la génération de code de conception assistée par ordinateur, Kimi K3.1 Pro atteint 92,7 % avec les outils autorisés. Claude Opus 5.5 obtient 96,2 % et GPT-6 Astra 95,9 % dans la même comparaison.

Le modèle peut exploiter des descriptions textuelles, des croquis et des références visuelles pour produire des scripts destinés à des logiciels comme Blender. Les démonstrations comprennent la création d'objets paramétriques, de scènes interactives et d'environnements pour des moteurs de jeu tels qu'Unity, Unreal Engine et Godot.

Une expérimentation interne plus longue porte sur la simulation de la marche humaine. En travaillant sur une représentation anatomique comprenant 296 éléments squelettiques et 402 composants musculaires, le modèle aurait réalisé 167 missions et 420 révisions successives. Il aurait notamment identifié 36 erreurs dans le calcul des mouvements de l'épaule avant de poursuivre l'optimisation du simulateur.

Ces réalisations décrivent des capacités obtenues dans des environnements instrumentés, avec des outils et des boucles de correction. Elles ne garantissent pas qu'une instruction isolée produise systématiquement un projet exploitable sans intervention humaine.

Les applications financières font également partie des domaines mis en avant. Sur OfficeQA Pro v2, consacré à l'exploitation de documents financiers, le modèle atteint 64,4 %. Sur un test interne destiné à mesurer les erreurs factuelles difficiles, Moonshot annonce une réduction du taux d'affirmations incorrectes de 23,4 % avec Kimi K3 à 8,3 % avec K3.1 Pro. Cette comparaison reste propre au protocole de l'entreprise. Des poids accessibles sous une licence spécifique

Les paramètres sont disponibles dans le dépôt officiel Hugging Face, accompagnés d'une fiche technique et de