Analyse approfondie · Environ 9 min de lecture
Kimi K3.1 Pro : progrès du post-entraînement, dépendance aux outils et publication ultérieure des poids
Moonshot décrit le déploiement d'un modèle au contexte de 1M, de meilleurs résultats d'agents et des contrôles cyber ciblés ; les poids complets restent un engagement pour le 4 novembre.
- Publié ici
- Date de la source
- Source vérifiée
L'annonce de Moonshot du 24 octobre présente Kimi K3.1 Pro et une variante Highspeed dans sa gamme de produits. Les questions de fond sont ce que le post-entraînement a changé, comment les évaluations publiées ont été menées et quelles affirmations sur l'accès correspondent à des fonctions déjà opérationnelles ou à des projets futurs.
Écouter les actualités
Écoutez cet article ou poursuivez la lecture des actualités.
Préparation de la lecture…
Voix de l’appareil
La voix est traitée par votre navigateur ou appareil. AISubHub n’envoie pas le texte à une API audio. Les voix et la lecture écran verrouillé dépendent de l’appareil.
La reprise peut répéter une courte phrase.
En bref
- Moonshot présente K3.1 Pro comme un modèle K3 post-entraîné doté d'une fenêtre de contexte d'un million de tokens ; la vitesse de 2–3× annoncée pour Highspeed n'est pas une mesure de ce site.
- Les résultats en programmation, en CAO et en finance dépendent des outils, des environnements d'évaluation et des définitions des tests ; ils n'établissent pas un classement universel des modèles.
- L'annonce indique que le déploiement dans les produits commence maintenant, que les poids complets arriveront au plus tard le 4 novembre 2026 et que l'accès en entreprise est désactivé par défaut jusqu'à son activation par un administrateur.
Le changement concerne le post-entraînement et le système qui le soutient
Moonshot présente K3.1 Pro comme le premier modèle de sa série K3.1 et une version post-entraînée de K3, avec des moyens de calcul nettement plus importants consacrés au post-entraînement. L'entreprise décrit un apprentissage par renforcement conjoint dans des centaines de domaines en aval, soutenu par des modifications de l'inférence à contexte long, de l'infrastructure des environnements isolés, de l'ordonnancement des exécutions de génération et des contrôles de qualité des environnements. L'annonce emploie la catégorie 3T et précise une fenêtre de contexte d'un million de tokens ; cet article ne transforme pas cette catégorie en nombre exact de paramètres.
Selon notre lecture, il s'agit d'une affirmation sur l'amélioration de l'apprentissage d'un modèle existant et de sa capacité à accomplir des tâches prolongées, et non d'une preuve que la longueur du contexte suffit à produire de meilleurs résultats. Moonshot présente également K3.1 Pro Highspeed et revendique une vitesse de 2–3× celle de Pro. L'annonce ne fournit ni distribution de latence reproduite indépendamment, ni accélération universelle par tâche, ni comparaison complète des coûts ; la variante plus rapide doit donc encore être évaluée sur la charge de travail réelle du lecteur.
Les scores de programmation doivent être lus avec les notes sur l'environnement d'évaluation
Sur Terminal-Bench 4.0, Moonshot annonce 65,7 % pour K3.1 Pro, contre 58,2 % pour GPT-6 Astra et 66,4 % pour Claude Opus 5.5. Son résultat sur Kimi Code Bench 3.0 Long-horizon est de 61,2 %, contre 55,95 % pour K3. Ces tests sont différents : le premier vérifie des tâches de terminal soumises à des contraintes propres à chaque tâche, tandis que le second est une évaluation interne de travaux d'ingénierie en plusieurs étapes. Aucun de ces chiffres ne signifie que le modèle accomplira la même proportion de projets de production quelconques.
Les notes de bas de page indiquent que Kimi utilise l'environnement d'évaluation Claude-Code pour ces tests de programmation. Sauf indication contraire, Kimi est évalué avec un effort de raisonnement max, une temperature de 1,0 et un top-p de 0,95 ; les résultats des autres modèles peuvent provenir de rapports de lancement ou de classements officiels, et certaines configurations propriétaires peuvent comprendre des mécanismes de repli. Notre analyse traite donc ces données comme une comparaison du fournisseur dont les conditions sont exposées, et non comme une nouvelle exécution indépendante. Les équipes devraient comparer ensemble la réussite des tâches, les autorisations des outils et l'utilisation réelle des ressources.
La CAO montre pourquoi la configuration des outils compte
Moonshot annonce des scores BenchCAD de 92,7 avec outils et de 72,8 sans outils. Le test reconstruit des formes à partir de plusieurs vues rendues au moyen de code CAO ; les modèles ouverts ont été évalués sur un sous-ensemble de 1000 cas tirés aléatoirement d'un jeu de 17900 cas. La configuration avec outils utilise Claude Code, tandis que l'autre recourt à une génération unique et à la chaîne officielle de notation. Aucun score sans outils n'est publié pour GPT-6 Astra dans cette comparaison ; une valeur manquante ne vaut pas zéro.
L'annonce indique que K3.1 Pro peut écrire des scripts pour Blender et des logiciels de CAO sans connecteur MCP, et décrit 3D Make pour prévisualiser, modifier et exporter des modèles. Pour un concepteur, notre distinction pratique sépare la production de géométrie modifiable, la correspondance avec une forme de référence et la démonstration qu'une pièce convient à la fabrication. Ce sont des exigences différentes. Les légendes des exemples de la page citent également des ressources externes ; les scènes présentées ne doivent donc pas être décrites comme du contenu entièrement créé par le modèle. Nous n'avons pas utilisé ces démonstrations de manière indépendante.
Les progrès en finance et les taux d'hallucination utilisent des unités différentes
La source annonce 64,4 sur OfficeQA Pro v2, qui combine recherche d'informations, vérifications entre documents et raisonnement numérique sur des documents financiers. Ses tests internes de modélisation et de recherche financières progressent respectivement de 7,2 et 11,6 points par rapport à K3. Ces affirmations concernent des tâches d'évaluation définies, et non des rendements d'investissement ou une productivité d'analyste vérifiée. La page comporte aussi une divergence non résolue : le graphique Business Operation affiche 37,0, tandis que le tableau complet des évaluations affiche 37,8. Nous ne rapprochons pas silencieusement ces valeurs et n'en déduisons pas un multiplicateur précis de performance d'entreprise.
Dans le test de résistance interne Hallu Bench Hard, Moonshot affirme que le taux d'hallucination au niveau des affirmations passe de 23,4 % pour K3 à 8,3 % pour Pro. Séparément, la proportion de réponses contenant au moins une erreur factuelle représente 42,4 % du taux de son prédécesseur ; il ne s'agit pas d'un taux d'erreur absolu de 42,4 %. La source précise expressément que ces requêtes volontairement difficiles ne représentent pas les taux d'erreur en usage quotidien. Pour le travail financier, nous en déduisons qu'il faut conserver les citations, les hypothèses et les vérifications des calculs, plutôt que de considérer le taux plus faible du test comme une autorisation de supprimer la relecture.
Les contrôles cyber réduisent une capacité mesurée sans l'éliminer
Moonshot indique avoir repéré des contenus liés à la cybersécurité dans les données de la phase intermédiaire d'entraînement et dans les environnements d'apprentissage par renforcement, puis avoir retiré les contenus ciblés tout en conservant les tâches générales de programmation. Dans son test interne xdev-bench-hard, le point de contrôle non filtré résout 90,5 % des problèmes en pass@3 et le modèle Pro final atteint 81,0 %. L'évaluation utilise un sous-ensemble d'exécutions sans limite stricte de temps ni de tokens de sortie. Pass@3 est une mesure sur plusieurs tentatives, pas un taux de réussite en une seule tentative ni une garantie concernant les risques d'un déploiement ordinaire.
Le principe de publication déclaré par l'entreprise consiste à éviter de repousser la frontière absolue des capacités cyber offensives tout en diffusant progressivement des capacités défensives utiles grâce aux poids ouverts. C'est l'argument de politique de Moonshot, pas notre certification de sécurité. Un résultat de 81,0 % indique encore une capacité importante dans ce test, et la source reconnaît que les progrès généraux en programmation se transfèrent aux tâches cyber après le filtrage ciblé. Notre analyse privilégie le maintien des contrôles d'accès et des limites des environnements isolés, plutôt que de considérer la suppression de données d'entraînement comme une protection opérationnelle complète.
La disponibilité dans les produits et les poids téléchargeables suivent des calendriers distincts
L'annonce indique que Pro est déployé sur Kimi.com, les applications mobiles, Kimi Work, Kimi Code et l'API. Elle précise Kimi Work 3.1.0 ou version ultérieure sur Windows et Mac équipés d'Apple silicon, la sélection du modèle par /model dans Kimi Code et les identifiants d'API kimi-k3.1-pro et kimi-k3.1-pro-highspeed. Zero Data Retention est présenté comme disponible pour les clients de l'API ; cela ne prouve pas qu'il s'agit du réglage par défaut de chaque compte. Les administrateurs d'entreprise peuvent activer Pro, dont l'accès est désactivé par défaut au lancement.
Les poids complets du modèle sont promis au plus tard le 4 novembre 2026. Cet engagement futur doit rester distinct de l'annonce actuelle de produits hébergés et de toute évaluation ultérieure de licence ou de matériel. Nous n'avons ni téléchargé les poids, ni testé l'accès payant, ni vérifié toutes les offres et régions. Cette analyse s'appuie sur le texte complet de l'article, les notes de bas de page, le tableau d'évaluation affiché et les figures statiques ; les vidéos de démonstration facultatives, les exemples interactifs et les documents d'exemple joints n'ont pas été intégralement audités et ne constituent pas ici des preuves de performances vérifiées de manière indépendante.
Pourquoi cela compte
Pour les développeurs et les organisations, cette publication fournit une configuration concrète de modèle et d'outils à évaluer en programmation, en CAO et dans les travaux faisant un usage intensif de documents. La comparaison utile consiste à vérifier si elle accomplit leurs propres tâches dans les limites de leurs autorisations, de leur budget et de leur processus de contrôle.
Limites et disponibilité
Tous les résultats publiés sur les performances et la réduction des risques sont attribués à Moonshot et aux évaluations qu'elle cite. Ce site ne les a pas reproduits indépendamment, n'a pas vérifié tous les droits d'accès et n'a pas audité les démonstrations facultatives ; la publication originale n'est connue qu'à la précision du jour calendaire.
Sources et preuves
Date de la source: · Source vérifiée:
Articles assistés par IA, vérifiés avec les sources primaires citées. Les affirmations des fournisseurs sont attribuées ; la présence ne vaut pas recommandation.