La « parité » de Kimi K3.1 Pro n’est qu’un communiqué tant que les poids n’arrivent pas

Quand un laboratoire affirme que son modèle est « juste derrière » le meilleur du monde, la question intéressante n’est pas de savoir de combien. C’est de savoir qui tenait la règle. Avec Kimi K3.1 Pro, la règle était surtout celle de Moonshot, et cela change la part du récit à laquelle vous devriez croire.

L’argumentaire de Moonshot repose surtout sur les chiffres de Moonshot

Moonshot a publié K3.1 Pro, un modèle à poids ouverts amélioré, et annonce que les poids complets arriveront d’ici le 4 novembre. Sur Terminal-Bench 4.0, selon The Next Web, l’entreprise dit avoir obtenu 65,7 %, devant le GPT-6 Astra d’OpenAI (58,2 %) et juste derrière le Claude Opus 5.5 d’Anthropic (66,4 %). Le même article précise que ces chiffres sont ceux de Moonshot et n’ont pas été vérifiés de manière indépendante.

Il existe une donnée extérieure. D’après The Decoder, Artificial Analysis place K3.1 Pro quatrième de son Intelligence Index avec 55 points, derrière Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) et Muse Wonder Full (56). Si les poids sont publiés, l’écart entre modèles ouverts et propriétaires passe, sur cet indice, de 12 points à 3.

L’écart se réduit, et cela, c’est réel

Nous ne voulons pas être cyniques par principe. Un bond de 11 points par rapport à K3 à taille identique, soit 2,8 billions de paramètres au total, est un résultat sérieux, et il vient d’un tiers, pas d’une diapositive de lancement. Même en retranchant un point ou deux par générosité, la direction est claire: la distance entre ce que l’on peut télécharger et ce qu’il faut louer fond rapidement.

C’est plus important que n’importe quelle place dans un classement. Cela oblige les laboratoires fermés à justifier leur surcoût autrement que par des scores bruts.

Mais « égale » porte beaucoup de poids

Regardez ce qui a été retenu. Les tests de Moonshot comprennent des tests internes: Kimi Hallu Bench Hard, où elle indique que les hallucinations passent de 23,4 % à 8,3 %, et un benchmark de vulnérabilités qui lui est propre. Moonshot reconnaît elle-même que le test d’hallucinations est un test de résistance, pas une mesure des taux d’erreur au quotidien. Et sur ce même test, GPT-6 Astra fait toujours mieux, avec 5,5 %.

Même la couverture bienveillante nuance. L’analyse d’Analytics Vidhya conclut que K3.1 Pro n’est « pas un sans-faute »: les modèles fermés restent en tête sur le travail 3D assisté par outils, et beaucoup des affirmations les plus audacieuses reposent sur les tests internes de Kimi. Son verdict: le vrai test viendra quand des équipes indépendantes auront les poids. Nous sommes d’accord, et nous allons plus loin: un benchmark que le fournisseur conçoit, exécute et publie, c’est du marketing avec des décimales.

Une particularité mérite aussi l’attention. Selon OfficeChai, Artificial Analysis crédite K3.1 Pro de 67,2 % sur Terminal-Bench 4.0, soit plus que les 65,7 % de Moonshot. C’est une bonne nouvelle pour Moonshot, mais cela montre aussi à quel point ces chiffres varient selon la configuration et selon qui les mesure.

Le prix est le vrai titre, avec un astérisque

Le meilleur argument en faveur de K3.1 Pro n’est pas la parité, c’est le coût. Les tarifs d’API de Moonshot sont de 2 $ par million de jetons en entrée et de 10 $ par million de jetons en sortie. OfficeChai situe Claude Opus 5.5 à 4 $/20 $ et GPT-6 Astra à 10 $/50 $. C’est environ la moitié du premier et un cinquième du second.

L’astérisque: le prix par jeton n’est pas le prix par tâche. Artificial Analysis a constaté que K3.1 Pro utilise 14 % de jetons de sortie de plus que K3; une tâche de son indice coûte donc 1,98 $ contre 2,00 $ pour l’ancien modèle. Une grille tarifaire plus basse ne garantit pas une facture plus basse, et nous voudrions voir des charges de travail réelles avant de parler d’aubaine. La variante Highspeed, à 4 $/20 $, coûte autant qu’Opus 5.5.

Testez-le sur votre charge de travail, pas sur le graphique de lancement

Notre conseil est simple. Si vous exploitez l’IA à grande échelle, mettez K3.1 Pro sur votre liste restreinte et testez-le sur vos propres tâches, avec vos propres prompts, en mesurant le coût par tâche menée à bien. Ne changez pas sur la foi d’un graphique de lancement.

Deux autres réserves méritent d’être prises au sérieux. Les poids ouverts ne sont pas encore publiés: « ouvert » reste donc une promesse jusqu’au 4 novembre. Et Moonshot est sous pression à Washington: en juillet, selon The Next Web, la Maison-Blanche l’a accusée d’utiliser des puces Nvidia interdites et de copier un modèle d’Anthropic, sans publier de preuves. C’est une allégation, pas une conclusion, mais toute entreprise soumise à des obligations de conformité devra la peser.

Notre verdict: l’écart avec la frontière se réduit, et c’est l’histoire qu’il faut prendre au sérieux. La « parité » n’est pas encore établie. Reposez la question le 5 novembre, quand quelqu’un d’autre que Moonshot tiendra la règle.