L’essentiel
- Kimi K3.1 Pro, de Moonshot AI, prend la quatrième place de l’Artificial Analysis Intelligence Index avec 55 points, soit 11 de plus que Kimi K3.
- Seuls Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) et Muse Wonder Full (56) le devancent ; si les poids sont publiés d’ici au 4 novembre 2026, l’écart entre modèles ouverts et fermés passerait de 12 à 3 points.
- L’API facture 2 dollars le million de tokens en entrée et 10 en sortie ; la variante Highspeed, annoncée deux à trois fois plus rapide, coûte 4 et 20 dollars.
Deux manières de vendre un modèle d’élite se font face cette semaine. Anthropic garde Claude Opus 5.5 derrière son API et en tire la première place de l’indice. Moonshot AI promet de publier les poids de Kimi K3.1 Pro, ces paramètres qui permettent à n’importe quelle équipe de faire tourner le modèle sur sa propre infrastructure, et se contente pour l’instant de la quatrième marche.
Entre les deux, trois points sur l’Artificial Analysis Intelligence Index, l’indice de synthèse que tient Artificial Analysis. Kimi K3, le prédécesseur, se trouvait 11 points plus bas.
Deux promesses, un même classement
Claude Opus 5.5 promet le sommet : 58 points, devant Claude Sonnet 5.5 et Muse Wonder Full, tous deux à 56. Kimi K3.1 Pro promet la proximité, et la liberté qui va avec si les poids sortent comme annoncé. Moonshot a fixé l’échéance au 4 novembre 2026. À cette date, ce serait le modèle à poids ouverts le mieux noté, et l’écart avec les modèles propriétaires tomberait de 12 à 3 points, à condition que personne d’autre ne bouge d’ici là.
Aujourd’hui, K3.1 Pro est pourtant aussi fermé que son rival : il s’utilise par Kimi.ai, Kimi Work, Kimi Code et l’API Kimi. Ce qui sépare les deux modèles tient pour l’instant à une promesse datée.
Où l’écart se referme, où il tient
Le gain sur K3 vient surtout des tâches d’agent. Sur GDPval-AA, noté en Elo (un classement par confrontations directes, comme aux échecs), K3.1 Pro atteint 1 846 selon Artificial Analysis, soit 312 points de plus que K3 : il se place derrière Claude Opus 5.5 (1 866) et Muse Wonder Full (1 857). Sur Terminal-Bench 4.0, Moonshot annonce 65,7 %, contre 66,4 % pour Opus 5.5 et 58,2 % pour GPT-6 Astra. K3 plafonnait à 13 %.
Dans le tableau publié par Moonshot, Kimi passe devant Opus 5.5 sur plusieurs lignes : SWE Marathon v1.1 (51,7 contre 46,3), HLE-Full avec outils (70,0 contre 67,7), BrowseComp (92,1 contre 90,8), OfficeQA Pro v2 (64,4 contre 62,2). Le modèle d’Anthropic garde l’avantage ailleurs. BenchCAD avec outils : 96,2 contre 92,7. ExploitBench, test de cybersécurité offensive : 91,0 contre 74,7, et GPT-6 Astra y affiche 100.
Hors indice et GDPval-AA, ces chiffres viennent de l’éditeur, qui les a obtenus avec l’effort de raisonnement réglé sur « max ». La part d’affirmations hallucinées passe de 23,4 % à 8,3 % sur le Kimi Hallu Bench Hard, mais Moonshot précise lui-même qu’il s’agit d’un test de résistance, pas d’une mesure du taux d’erreur général. GPT-6 Astra y obtient 5,5 %.
Le prix au million de tokens ne dit pas le prix d’une tâche
Kimi affiche 2 dollars par million de tokens en entrée, 10 en sortie, et 0,20 dollar pour une entrée en cache, soit un dixième du tarif normal. La version Highspeed double la facture (4 et 20 dollars) pour une vitesse annoncée à deux ou trois fois celle de la version standard.
La grille d’Anthropic ne figure pas dans nos sources : relevez-la vous-même avant de comparer. Le tarif unitaire ne suffit d’ailleurs pas. Un modèle de raisonnement poussé à son effort maximal consomme davantage de tokens avant de répondre ; le coût réel d’un ticket traité ou d’un agent qui tourne toute une nuit dépend du volume consommé autant que du prix du million.
L’hébergement des poids ajoute une troisième ligne au calcul : machines, énergie, équipe pour les faire tourner. Il peut battre une API ou lui coûter plus cher, selon votre volume de requêtes et votre exigence de confidentialité des données.
Les poids, pièce manquante
Tout l’argument repose sur cette publication. Les conditions de la licence restent inconnues ; elles décideront de ce qu’une entreprise pourra faire du modèle, et il faudra les lire avant de bâtir quoi que ce soit dessus.
D’ici là, le test le plus utile ne dépend ni de Moonshot ni d’Artificial Analysis : rejouez dix de vos vraies tâches sur les deux modèles, avec le même effort de raisonnement, et comptez les tokens consommés. Trois points d’indice ne disent pas lequel des deux se trompe le moins sur vos dossiers.
Mon avis
Le score de 55 ne vaudra quelque chose que le 4 novembre au soir, poids en main. Si Moonshot tient parole, les 3 points d’avance d’Opus 5.5 devront se justifier par un prix, et non plus par un classement. Si la date glisse, K3.1 Pro reste un concurrent de plus, facturé au token comme les autres.
Sources
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 22 évaluations
Faire appel à mes services →
