Moonshot publie les poids de Kimi K3.1 Pro, tandis que Huawei et Alibaba ajoutent leur prise en charge du déploiement

Un modèle de 2 800 milliards de paramètres va au-delà de l’API

Moonshot AI a publié sur Hugging Face l’intégralité des poids de Kimi K3.1 Pro, permettant aux développeurs et aux entreprises d’exécuter son modèle multimodal phare sur leur propre infrastructure informatique. L’annonce a été faite à l’aube, à Pékin, le 5 novembre, après une présentation le 24 octobre 2026 qui avait rendu le modèle accessible via les produits Kimi et son interface de programmation d’applications, ou API.

K3.1 Pro contient 2 800 milliards de paramètres, les réglages numériques qui stockent ce qu’un modèle a appris. Son architecture à mélange d’experts active environ 104 milliards de paramètres à chaque étape d’inférence, au lieu d’utiliser l’ensemble du modèle simultanément. Elle prend en charge un contexte d’environ un million de tokens et peut comprendre des informations visuelles en plus du texte.

Huawei Ascend et Alibaba Cloud ont tous deux annoncé leur prise en charge le jour de la publication des poids. Leurs déploiements s’appuient sur les frameworks d’inférence vLLM et SGLang, des logiciels qui gèrent le traitement des requêtes par les modèles entraînés. Pour les entreprises qui envisagent un déploiement local, cette publication fournit à la fois des poids téléchargeables et des premières solutions pour les exécuter sur des systèmes chinois à accélérateurs.

Dans son annonce du lancement du modèle, mise à jour le 24 octobre, Moonshot indiquait que l’intégralité des poids serait publiée au plus tard le 4 novembre ; l’annonce de leur mise à disposition publique a suivi le 5 novembre. L’entreprise avait déjà ouvert l’accès via kimi.com, Kimi App, Kimi Work, Kimi Code et Kimi API.

Le changement concret concerne le contrôle de l’environnement d’exécution du modèle. Un client de l’API envoie ses requêtes au service d’un fournisseur. Une organisation qui déploie les poids peut faire fonctionner le modèle dans une infrastructure qu’elle gère, sous réserve de respecter la licence de Moonshot et de disposer du matériel considérable nécessaire à son exploitation.

Moonshot a également présenté Kimi Hosted Agents, un service géré qui permet de maintenir des agents d’IA en activité pendant des tâches de longue durée. Ensemble, ces annonces offrent aux entreprises deux options différentes : gérer elles-mêmes le modèle ou confier à Kimi une plus grande part du travail d’exploitation.

Qu’est-ce qui change, et qu’est-ce qui est repris de K3 ?

Kimi K3.1 Pro s’appuie sur le modèle de base K3 grâce à un entraînement supplémentaire, plutôt que de repartir d’un nouveau modèle fondamental. Moonshot indique avoir considérablement augmenté les ressources de calcul consacrées à l’apprentissage par renforcement, un processus qui récompense les actions réussies et aide un modèle à progresser au fil de tentatives répétées.

Moonshot a appliqué cet entraînement à des centaines de domaines, en mettant l’accent sur le codage, la création 3D, la recherche financière et les agents qui effectuent des tâches en plusieurs étapes. Les changements apportés à son ingénierie concernent les logiciels d’entraînement, le traitement des contextes longs, la planification et les environnements sandbox où le code généré peut être exécuté.

La fenêtre de contexte d’environ un million de tokens est reprise de K3. Les tokens sont les unités en lesquelles un modèle découpe le texte et les autres entrées. Une fenêtre de contexte plus grande permet de conserver davantage de documents, d’instructions et d’échanges antérieurs à disposition pendant une requête.

La séquence de lancement distingue l’accès au service de l’accès au modèle lui-même :

• 16 juillet 2026 : Kimi K3 est présenté, selon le comparatif de modèles publié.
• 24 octobre 2026 : Moonshot présente K3.1 Pro via ses produits et son API, et prévoit de publier les poids au plus tard le 4 novembre.
• 5 novembre : Moonshot annonce la publication des poids et Kimi Hosted Agents ; Huawei et Alibaba annoncent leur prise en charge du déploiement.

Les poids ouverts s’accompagnent de conditions d’exploitation et de licence

Les poids permettent aux organisations disposant d’une capacité de calcul suffisante de télécharger K3.1 Pro et de l’exécuter de façon autonome. Les entreprises peuvent configurer leurs propres systèmes de mise à disposition, les connecter à leurs outils internes et procéder à des adaptations spécialisées dans le cadre de la licence applicable.

Moonshot applique une licence spécifique qui encadre l’utilisation commerciale. La publication porte sur les poids du modèle, tandis que le code d’entraînement et les jeux de données d’entraînement d’origine ne sont pas publiés. Les développeurs ont donc accès au modèle entraîné, selon les autorisations définies par les conditions de Moonshot, et non à un ensemble complet d’éléments d’entraînement répondant à la définition de l’Open Source Initiative.

La taille du modèle reste un facteur majeur pour son exploitation. Même si seule une partie du réseau à mélange d’experts est active à chaque étape, le déploiement nécessite toujours d’accéder à l’ensemble des poids. Les requêtes longues génèrent également d’importantes quantités de données temporaires d’attention, qui doivent être stockées pendant le traitement du modèle.

Huawei répartit la charge mémoire entre les systèmes Ascend

Huawei indique que son équipe Ascend a achevé l’adaptation le jour de la mise à disposition des poids de K3.1 Pro, permettant de valider immédiatement le déploiement. La prise en charge concerne les systèmes Atlas 800 A3, Atlas 900 A3 SuperPod et les supernœuds Ascend 950, via vLLM Ascend et SGLang.

L’adaptation porte sur l’architecture hybride d’attention du modèle, notamment l’attention parcimonieuse et le traitement multimodal. L’attention est le mécanisme qui aide un modèle à déterminer quelles parties de son entrée sont importantes pour l’étape suivante. L’attention parcimonieuse limite certaines de ces connexions afin de réduire le travail nécessaire au traitement d’entrées très longues.

Ascend s’appuie sur la mise en cache distribuée pour répartir les données temporaires du modèle entre plusieurs unités de traitement neuronal, ou NPU, ce qui réduit la pression sur la mémoire de chaque accélérateur. Huawei décrit également des changements apportés aux opérations mathématiques fondamentales pour réduire les copies et calculs superflus.

Les exploitants peuvent charger les poids d’origine ou utiliser une précision réduite pour différents composants du modèle, ainsi que la quantification du cache d’attention. La quantification stocke les nombres sur moins de bits, ce qui réduit les besoins en mémoire. Huawei indique que l’implémentation conserve la mise en cache des préfixes, qui permet de réutiliser les entrées répétées ; le préremplissage par blocs, qui traite les longs prompts par portions ; et l’inférence spéculative, qui accélère la génération en vérifiant des groupes de tokens proposés.

Alibaba propose une autre voie via sa plateforme SuperPoD

Alibaba Cloud indique que son système Lingjun Zhenwu M890 SuperPoD a achevé l’adaptation et la validation sur l’ensemble de la pile logicielle vLLM et SGLang. La prise en charge concerne aussi les configurations Zhenwu 810E, offrant une autre possibilité de déploiement du modèle sur des accélérateurs chinois.

Alibaba Cloud, T-Head et l’équipe Kimi ont travaillé sur la pile logicielle SAIL de T-Head, qui comprend FlashMLA, les opérations de mélange d’experts DeepGEMM, MegaMoE et MoonEP. Ces composants gèrent les calculs d’attention et la répartition du travail entre experts et accélérateurs. Les clients peuvent déployer le modèle sur des instances SuperPoD dédiées en bare metal ou via le service REIN d’Alibaba ; l’accès à l’API est également proposé sur sa plateforme d’IA Qwen.

Alibaba a ouvert des tests sur invitation pour une région SuperPoD à Zhongwei, dans le Ningxia, ainsi que des instances disponibles dès le lancement à Zhongwei et à Ulanqab. La configuration de Zhongwei intègre la carte réseau Panmai 920 de T-Head, qui, selon Alibaba, prend en charge PCIe 5.0, l’Ethernet PAM4 112G, un débit pouvant atteindre 400 gigabits par seconde et 400 millions de paquets par seconde.

Ces caractéristiques réseau sont importantes, car un modèle de cette taille doit transférer rapidement des informations entre processeurs. Alibaba indique que le commutateur PCIe intégré à la carte peut réduire le coût du système d’environ 30 %. L’entreprise affirme également que le M890 SuperPoD sert plus de 100 grands clients et prévoit pour son successeur V900, encore en projet, des performances environ trois fois supérieures à celles de la génération actuelle ; il s’agit d’une prévision de l’entreprise.

Les résultats en codage montrent des progrès dans l’exécution prolongée

Moonshot annonce un score de 65,7 % sur Terminal-Bench 4.0, qui évalue des agents sur des tâches de terminal dans de véritables environnements informatiques soumis à des limites de ressources. Le comparatif publié par l’entreprise attribue 58,2 % à GPT-6 Astra et 66,4 % à Claude Opus 5.5 ; K3.1 Pro se situe donc 0,7 point de pourcentage derrière ce dernier dans cette configuration.

Le score obtenu par l’entreprise dans son test interne Kimi Code Bench 3.0 Long-horizon est passé de 55,95 % pour K3 à 61,2 % pour K3.1 Pro, soit une progression de 5,25 points de pourcentage. Ce test porte sur la planification, l’utilisation d’outils et la résolution de problèmes d’ingénierie en plusieurs étapes.

Les évaluations indépendantes offrent un autre éclairage. Artificial Analysis a mesuré une hausse de l’Intelligence Index, passé de 44 à 55, ainsi que des résultats sur Terminal-Bench d’environ 67 % pour K3.1 Pro, contre 13 % pour K3. Son évaluation du terminal utilisait un framework d’agent différent de celui de Moonshot ; les scores correspondent donc à des configurations d’exploitation distinctes.

Les démonstrations de Moonshot mettent l’accent sur la persévérance autant que sur la génération de code. Lors d’un exercice interne, le modèle a travaillé sur une simulation de marche composée de 296 éléments squelettiques et de 402 éléments musculaires. Sur 167 tâches et 420 évaluations indépendantes, il a porté à 11,2 secondes la durée de marche continue du corps simulé et corrigé 36 erreurs dans les calculs des muscles de l’épaule, selon l’entreprise.

Une évaluation distincte de Plotly a donné 42 bonnes réponses sur 43 à K3.1 Pro, contre 35 à K3, mais avec un coût plus élevé et un temps de réponse médian plus long. Une génération de tokens plus rapide et des réponses plus pertinentes peuvent donc aller de pair avec une attente plus longue avant l’achèvement d’une tâche.

La création 3D et la finance bénéficient d’améliorations ciblées

K3.1 Pro a obtenu un score de 92,7 % avec des outils sur BenchCAD, selon Moonshot. Ce benchmark demande à un modèle de reconstruire des objets 3D à partir de vues en générant du code de conception assistée par ordinateur. Le comparatif de l’entreprise indique 96,2 % pour Claude Opus 5.5 et 95,9 % pour GPT-6 Astra.

Moonshot indique que le modèle peut écrire et exécuter des scripts pour des outils de modélisation professionnels, notamment Blender et des logiciels de CAO. Parmi ses exemples figurent un turboréacteur créé dans FreeCAD et composé de 2 100 objets solides, ainsi qu’une lampe conçue en cinq pièces pour l’impression 3D. Le site web et l’application Kimi proposent également 3D Make, qui permet de prévisualiser, modifier et exporter des modèles.

Les tâches financières constituent une autre cible majeure. Moonshot annonce un score de 64,4 sur OfficeQA Pro v2, qui évalue l’analyse de documents financiers réels par la recherche d’informations, les vérifications croisées entre documents et le raisonnement numérique. Ses évaluations internes montrent une progression de 14 % pour la modélisation financière et de 20 % pour la recherche financière ; les opérations commerciales simulées atteignent environ 4,2 fois le score de K3.

Le comparatif publié fournit les chiffres détaillés de deux de ces tests : le score de recherche financière est passé de 58,8 à 70,4, tandis que celui des opérations commerciales a progressé de 8,9 à 37,0. Pour les utilisateurs professionnels, l’objectif est de disposer d’un modèle capable de mener une tâche de bout en bout, de la recherche d’informations aux calculs, jusqu’à la production d’un classeur ou d’un résultat de recherche finalisé.

Moonshot publie deux résultats différents sur les erreurs factuelles

Dans son annonce de lancement, Moonshot indique que le taux d’erreur pour les affirmations factuelles isolées sur Kimi Hallu Bench Hard est passé de 23,4 % pour K3 à 8,3 % pour K3.1 Pro ; son guide de l’API donne un résultat différent lors d’un test de résistance, avec une baisse de 23,35 % à 6,85 % sur des conversations anonymisées signalées par des utilisateurs pour des erreurs factuelles.

Les deux pages donnent également des chiffres différents au niveau des réponses. Selon l’annonce de lancement, la proportion de réponses contenant au moins une erreur factuelle correspondait à environ 42,4 % du taux de K3 ; le guide de l’API indique environ 46,4 %. Moonshot n’a pas expliqué le lien entre ces évaluations.

Les deux descriptions portent sur des exemples difficiles, sélectionnés parce que les modèles sont susceptibles d’y commettre des erreurs. Pour les déploiements financiers et commerciaux, il reste essentiel de vérifier les calculs, les citations et les affirmations factuelles à partir des documents sources avant d’agir sur la base des résultats.

Le comparatif indépendant a également relevé un léger recul dans un test de contexte long : le score AA-LCR v1.1 est passé de 88,7 % pour K3 à 86,3 % pour K3.1 Pro. Les organisations qui traitent des documents volumineux devront tenir compte de la précision de la recherche d’informations, en plus de la capacité de contexte inchangée du modèle.

Les agents hébergés et l’accès à l’API présentent des compromis différents

Kimi Hosted Agents fournit le framework d’exploitation, souvent appelé harnais, qui entoure un modèle d’IA. Ce framework gère les outils, l’exécution du code, le contexte, les autorisations et la reprise après une interruption de tâche. Moonshot indique que le service permet un fonctionnement continu, des tâches de longue durée et la collaboration entre plusieurs agents.

Moonshot cite la surveillance interne et les interventions opérationnelles parmi les utilisations possibles, ainsi que les assistants de recherche et les services d’assistance destinés aux clients. Les entreprises qui utilisent le service géré définissent les tâches et connectent les outils, tandis que Kimi entretient l’environnement d’exécution sous-jacent. Celles qui exécutent les poids prennent en charge leurs propres modalités de mise à disposition et d’exploitation.

Pour les clients de l’API, le guide de démarrage rapide de l’API de Moonshot exige un rechargement d’au moins 10 yuans pour débloquer K3.1 Pro. Le bon d’achat de 15 yuans accordé aux nouveaux utilisateurs inscrits ne peut pas être utilisé pour ce modèle. Le guide propose des réglages de raisonnement faible, élevé et maximal, ce dernier étant le réglage par défaut, ainsi que des options de conservation du cache de cinq minutes ou d’une heure.

Moonshot propose également K3.1 Pro Highspeed, qui, selon l’entreprise, offre le même niveau d’intelligence avec une vitesse de génération environ deux à trois fois supérieure. Le comparatif publié indique des tarifs standard de 2 dollars par million de tokens en entrée et de 10 dollars en sortie, contre respectivement 3 et 15 dollars pour K3, soit une baisse d’un tiers avant les frais de cache et autres frais applicables. La dépense totale dépend toujours du nombre de tokens et d’interactions avec des outils nécessaires à une tâche.

Les développeurs doivent respecter plusieurs exigences d’intégration spécifiques : les messages complets de l’assistant doivent être conservés lors des appels aux outils, les entrées visuelles doivent utiliser des données base64 ou des identifiants de fichiers téléversés plutôt que des URL d’images publiques, et le guide déconseille l’utilisation en production de son outil de recherche sur le web pendant sa mise à jour.

Points clés

• Moonshot a annoncé les poids de Kimi K3.1 Pro le 5 novembre, après avoir ouvert auparavant l’accès via ses produits et son API.
• Le modèle compte 2 800 milliards de paramètres au total, dont environ 104 milliards actifs par étape d’inférence, et dispose d’un contexte d’environ un million de tokens.
• Huawei Ascend et Alibaba Cloud ont annoncé la prise en charge du déploiement via vLLM et SGLang.
• Moonshot fait état de progrès en codage, en modélisation 3D et dans la finance ; les résultats varient selon la tâche et la méthode d’évaluation.
• Un déploiement indépendant nécessite d’importantes ressources de calcul et le respect de la licence spécifique de Moonshot.
• Kimi Hosted Agents propose une solution gérée pour exécuter des tâches de longue durée et coordonner plusieurs agents.