Kimi K3.1 Pro : un modèle ouvert chinois proche des meilleurs, bridé en cybersécurité

Les modèles d’IA dits ouverts, dont les paramètres sont publiés pour que chacun puisse les télécharger et les adapter, continuent de réduire l’écart avec les meilleurs modèles fermés. Nouvelle illustration avec Kimi K3.1 Pro, présenté le 23 octobre 2026 par la start-up chinoise Moonshot AI. Ce modèle de très grande taille se rapproche des leaders américains sur plusieurs tests de programmation et de travail de bureau. Sa particularité : Moonshot a volontairement réduit ses capacités en cybersécurité avant d’en publier les poids, une précaution rare chez les éditeurs de modèles ouverts.

Ce que Moonshot AI a présenté

Kimi K3.1 Pro est le premier modèle de la série K3.1. Il ne s’agit pas d’un modèle entièrement nouveau, mais d’une version de Kimi K3 retravaillée par un post-entraînement beaucoup plus poussé, c’est-à-dire une phase d’affinage qui suit l’apprentissage initial. Moonshot le présente comme « son modèle ouvert de classe 3T le plus performant à ce jour », 3T désignant environ 3 000 milliards de paramètres, et lui associe une fenêtre de contexte d’un million de jetons, soit la quantité de texte qu’il peut prendre en compte en une fois.

Pour mémoire, Kimi K3, sorti en juillet 2026, compte 2 800 milliards de paramètres selon How2Shout. Il repose sur une architecture dite de mélange d’experts : pour chaque mot traité, seule une petite partie du modèle, environ 104 milliards de paramètres, est sollicitée, ce qui limite le coût de calcul.

Une variante, K3.1 Pro Highspeed, fonctionne deux à trois fois plus vite. Les deux modèles sont accessibles sur le site Kimi.ai, dans les applications mobiles Kimi pour iOS et Android, dans l’application de bureau Kimi Work, dans l’outil de programmation Kimi Code et par l’API de Moonshot, avec une option sans conservation des données pour les clients de l’API. Moonshot n’a pas détaillé leur disponibilité par pays. Dans l’outil de programmation Kimi Code, le nouveau modèle se sélectionne avec la commande /model. Pour les entreprises clientes de Kimi Enterprise, il est en revanche désactivé par défaut au lancement : un administrateur doit l’activer.

Que valent ses performances ?

Moonshot publie de nombreux résultats, dont une partie sur des tests internes, qui ne peuvent pas être vérifiés de façon indépendante. Sur les tests publics, le tableau est contrasté : Kimi K3.1 Pro bat certains modèles fermés de premier plan, sans les dépasser tous.

Ces chiffres appellent quelques précautions de lecture. Les tests choisis par un éditeur pour présenter son modèle sont rarement ceux où il est le plus faible, et Moonshot signale lui-même que certains résultats des modèles concurrents peuvent inclure des comportements de repli, quand un modèle bascule sur une solution de secours. Les tests internes, comme ceux consacrés à la finance ou à la programmation longue, ne peuvent pas être reproduits par d’autres. Les premières évaluations indépendantes, attendues après la publication des poids, permettront de situer plus précisément le modèle.

Les progrès par rapport à Kimi K3 portent surtout sur la programmation au long cours, où le modèle doit mener seul des tâches longues, et sur la finance : sur un test interne d’opérations d’entreprise, le score passe de 8,9 à 37. Moonshot revendique aussi une forte baisse des hallucinations, ces affirmations fausses présentées avec assurance : sur son test le plus exigeant, le taux d’affirmations erronées tombe de 23,4 % à 8,3 %. L’entreprise précise qu’il s’agit d’un test volontairement difficile, qui ne reflète pas le taux d’erreur au quotidien.

Pourquoi Moonshot a bridé son modèle en cybersécurité

C’est l’aspect le plus intéressant de l’annonce. Avant la publication des poids, Moonshot dit avoir retiré les données liées à la cybersécurité de deux phases de l’entraînement, tout en conservant les tâches de programmation générales. Sur un test interne, une version entraînée sans cette précaution résolvait 90,5 % des problèmes, contre 81 % pour la version finale. « Le retrait des données réduit de manière significative les capacités en cybersécurité », écrit l’éditeur.

La raison est simple : une fois les poids publiés, l’éditeur perd tout contrôle sur l’usage du modèle. N’importe qui peut le télécharger, le modifier et retirer ses garde-fous. Or les modèles d’IA sont devenus redoutables pour trouver des failles, comme l’a montré en octobre 2026 l’affaire des failles critiques de PHP découvertes avec l’aide de l’IA. Publier un modèle ouvert très performant en attaque informatique reviendrait à mettre cette capacité entre toutes les mains.

Peut-on l’utiliser chez soi ?

Les poids complets doivent être publiés d’ici le 4 novembre 2026. Mais « ouvert » ne veut pas dire accessible à tous. Avec environ 3 000 milliards de paramètres, même compressé au maximum, un tel modèle demande plus d’un téraoctet de mémoire : à raison de 4 bits par paramètre, les 2 800 milliards de paramètres de Kimi K3 représentaient déjà environ 1,4 To. Il faut donc plusieurs serveurs équipés de processeurs d’IA haut de gamme. Aucun ordinateur personnel ne peut le faire tourner.

L’intérêt des poids ouverts est ailleurs : des entreprises, des hébergeurs ou des chercheurs peuvent installer le modèle sur leurs propres infrastructures, y compris en Europe, et l’adapter à leurs besoins sans dépendre de l’éditeur. Pour un usage individuel, le plus simple reste de passer par les applications Kimi ou par des services tiers qui hébergent le modèle.

La Chine accélère sur les modèles ouverts

Avec Kimi K3.1 Pro, Moonshot confirme la place des laboratoires chinois à la pointe des modèles ouverts, aux côtés de DeepSeek, dont la mise à jour V4.1 Flash misait en octobre sur des prix cassés. Le rythme est soutenu : depuis Kimi K2, en juillet 2025, l’écart avec les meilleurs modèles fermés n’a cessé de se réduire, au point que certains tests placent désormais Kimi devant des modèles américains récents.

Cette dynamique pose une question de fond aux régulateurs comme aux entreprises : comment encadrer des modèles très puissants dont les poids circulent librement ? Le choix de Moonshot de limiter lui-même une compétence jugée dangereuse esquisse une réponse, mais il repose sur la bonne volonté de l’éditeur et sur des tests internes. Les évaluations indépendantes, une fois les poids publiés, diront si ce bridage tient ses promesses.