Kimi K3.1 Pro : benchmarks, prix, API, RGPD

Qu'est-ce que Kimi K3.1 Pro

Kimi K3.1 Pro est le premier modèle de la série K3.1 de Moonshot AI. D'après sa fiche, il a été post-entraîné à partir de Kimi K3 par apprentissage par renforcement conjoint à grande échelle sur des centaines de domaines, et Moonshot annonce des progrès en code, en création 3D, en recherche financière, en exactitude factuelle et sur les autres tâches agentiques. L'architecture garde l'échelle de Kimi K3 mais remplace ses couches d'attention complète par une attention clairsemée (Gated DeepSeek Sparse Attention), que Moonshot présente comme plus efficace sur les longs contextes.

Les poids sont livrés déjà quantifiés : le MXFP4 est le format pour lequel Moonshot a entraîné le modèle, pas une compression appliquée après coup — les hébergeurs qui le servent font donc tourner les poids publiés par Moonshot.

Benchmarks : le tableau de Moonshot

Les scores ci-dessous sont un extrait du tableau de la fiche. Ce sont les chiffres de Moonshot, pas les nôtres : chaque résultat de Kimi K3.1 Pro utilise l'effort de raisonnement max, une température de 1,0 et un top-p de 0,95, et Moonshot étiquette les colonnes propriétaires « max, w/ fallback ». Un tiret signifie que la fiche ne donne pas de score ; l'astérisque marque un score sur le sous-ensemble texte seul.

Lisez les lignes, pas le titre. Sur ce tableau, Kimi K3.1 Pro mène sur SWE Marathon, BrowseComp et HLE avec outils, et se tient à moins d'un point de la meilleure colonne sur Terminal-Bench 4.0. Il reste nettement derrière sur Program Bench et sur HLE sans outils, les trois modèles propriétaires restent devant sur MMMU-Pro, et deux d'entre eux sur OSWorld. Le modèle n'est pas encore au classement LMArena : son export publié le 2026-10-28 n'a pas d'entrée K3.1 Pro, donc notre page de benchmark open source n'affiche que son score GPQA Diamond. Comme sur chaque fiche modèle, un score de classement est un point de départ, pas un verdict : testez vos propres prompts difficiles.

Ce que nous avons mesuré (2026-11-06)

Nous avons branché le modèle le jour de son arrivée chez Verda et vérifié l'API par des appels réels plutôt que de nous fier à la documentation :

• Réponse, streaming et usage : un appel direct a renvoyé une réponse avec son usage ; en streaming, l'usage arrive sur le dernier chunk avec stream_options.include_usage, donc les appels streamés sont décomptés comme les autres.
• Appel d'outils : une requête avec un outil get_weather a renvoyé un tool_call valide aux arguments JSON corrects.
• Images : un petit carré rouge envoyé en image a été lu correctement (« Red »).
• Limites : Verda ne publie pas de plafond de sortie séparé. Une requête avec max_tokens à 262 144 a été acceptée ; une demande de 1 048 576 tokens de sortie a été refusée parce qu'entrée plus sortie dépasseraient le contexte de 1 048 576 tokens — c'est la seule limite rencontrée.

Nous avons ensuite passé nos deux suites Frontière Verified via la passerelle, sur la route Verda sans repli. Benchmark : réussi — 25 réponses QA justes sur 25, 0,50 s jusqu'au premier token en moyenne (environ 2,7 s avant le premier mot visible, après le raisonnement), 93,4 tokens/s sur une génération de 4 201 tokens. Audit de sécurité : réussi — 15 prompts adverses sur 15 traités sans risque, les cinq catégories validées. Avec la licence, la provenance, l'évaluation RGPD et une API en service, le modèle porte 6 contrôles sur 6.

Effort de raisonnement et conversations multi-tours

Kimi K3.1 Pro raisonne avant de répondre, à l'effort max par défaut. Les tokens de réflexion sont de vrais tokens de sortie et sont facturés comme tels : reasoning_effort est donc aussi un levier de coût. La fiche liste low, high et max ; la documentation de Verda ajoute none, qui répond sans raisonner. À l'effort max, un petit max_tokens peut être entièrement consommé par la réflexion — la réponse revient alors vide avec finish_reason: "length". Ne fixez pas max_tokens, ou prévoyez une large marge.

Le raisonnement revient dans reasoning_content, séparé de la réponse dans content. Pour les conversations multi-tours et les appels d'outils, Moonshot demande de renvoyer dans messages le message d'assistant complet tel que reçu — reasoning_content et tool_calls compris, pas seulement content.

curl https://getfrontiereai.eu/api/v1/chat/completions \
  -H "Authorization: Bearer $FRONTIERE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "kimi-k3.1-pro", "reasoning_effort": "high",
       "messages": [{"role": "user", "content": "Relis cette pull request..."}]}'

Prix et disponibilité

Kimi K3.1 Pro est live sur notre catalogue sous le slug kimi-k3.1-pro, appelé avec la même requête compatible OpenAI que tous les autres modèles. Prix client (notre marge et la TVA comprises, solde prépayé, sans abonnement) : 3,024 € par million de tokens d'entrée, 15,12 € par million de tokens de sortie, 0,3024 € par million de tokens d'entrée en cache.

Notre base de coût est le tarif « Inference Preview » de Verda pour ce modèle — 2,00 USD par million de tokens d'entrée, 0,20 USD en cache et 10,00 USD en sortie —, converti en euros et majoré comme le reste du catalogue. Le nouveau modèle est moins cher sur notre catalogue que Kimi K3, qui ne passe que par une infrastructure américaine. Tous les prix de la famille Kimi, avec un calculateur de coût, sont sur la page de tarifs de l'API Kimi.

La Kimi K3.1-Pro License

La licence est permissive dans sa première clause — utiliser, copier, modifier, distribuer, sous-licencier, vendre, affiner et déployer —, avec trois conditions en plus :

• « Model as a service » au-delà de 20 millions USD : un licencié qui donne à des tiers un contrôle réel sur l'inférence ou l'affinage (par exemple via une API) et dont le chiffre d'affaires cumulé dépasse 20 millions USD sur douze mois doit signer un accord séparé avec Moonshot AI avant tout usage commercial. La licence précise que les produits finaux qui intègrent le modèle dans leurs fonctions, et le « mere relaying of requests to models hosted by others », n'en sont pas.
• Mention au-delà de 100 millions d'utilisateurs ou de 20 millions USD par mois : un produit commercial au-dessus de l'un de ces seuils doit afficher « Kimi K3.1-Pro » en évidence dans son interface.
• Exemptions : l'usage interne, et l'usage via les produits officiels de Moonshot AI ou ses partenaires d'inférence certifiés, échappent aux deux conditions.

Pour la plupart des entreprises qui appellent le modèle par API, ces conditions ne se déclenchent jamais. Elles comptent si vous prévoyez d'héberger vous-même les poids et de revendre l'accès à grande échelle.

Souveraineté et RGPD : qui l'exécute

Sur Frontière AI, Kimi K3.1 Pro est servi par Verda — Verda Cloud Oy, société finlandaise à Helsinki, ex-DataCrunch — via Verda Inference, l'API au token qu'elle a ouverte le 2026-11-04 avec un accès au modèle dès sa sortie. La documentation de Verda indique que le modèle « runs in Germany », sur les propres GPU de Verda, et que « inference runs without subprocessors ». La route est donc marquée souveraine, chaque réponse porte x-sovereign: true, et les clés restreintes aux fournisseurs souverains peuvent l'appeler.

Côté données, la FAQ de Verda affirme qu'aucune requête n'est stockée : le contexte reste brièvement dans un cache d'inférence en mémoire, supprimé sous 2 heures — le cache de préfixe derrière le prix des tokens en cache —, entrées et sorties ne servent à entraîner aucun modèle, et aucune donnée de requête n'est transmise à Moonshot AI ni à un tiers. Frontière AI ne stocke ni prompt ni réponse, sur aucune route. Le score de souveraineté du modèle est de 90/100 ; notre méthodologie détaille chaque critère, et l'article RGPD vs CLOUD Act explique pourquoi c'est l'opérateur — pas le modèle — qui décide de la juridiction.

Les poids viennent d'un laboratoire chinois ; ce n'est pas ce qui décide où vont vos prompts. Des poids ouverts permettent à une société européenne de faire tourner le modèle sur du matériel européen, et c'est la juridiction de l'opérateur qui s'applique à vos données. C'est la différence pratique avec Kimi K3 sur notre catalogue, qui passe par une infrastructure américaine et porte l'étiquette accès rapide.

FAQ