La start-up chinoise d'intelligence artificielle Moonshot AI a lancé Kimi K3.1 Pro, son tout dernier modèle d'IA, doté d'une fenêtre de contexte d'un million de tokens et de capacités améliorées en codage, développement 3D, recherche financière et agents d'IA autonomes, selon l'annonce de l'entreprise.

Sur Terminal Bench 4.0, un benchmark qui évalue les agents d'IA sur des tâches de programmation réelles, Moonshot a indiqué que Kimi K3.1 Pro avait obtenu un score de 65,7 %. Ce résultat se situe à 0,7 point de pourcentage du Claude Opus 5.5 d'Anthropic, qui a obtenu 66,4 %, et dépasse le GPT 6 Astra d'OpenAI à 58,2 %. Cet écart de 0,7 point en tête de classement souligne à quel point les modèles les plus performants sont désormais proches sur les tâches de codage agentique.

Le modèle est construit sur la base de Kimi K3 avec un entraînement supplémentaire axé sur le renforcement du raisonnement complexe et la capacité à accomplir des tâches nécessitant plusieurs étapes et outils. Moonshot a également présenté Kimi K3.1 Pro Highspeed, une variante conçue pour fournir des réponses deux à trois fois plus rapides que le modèle standard. Les deux versions sont disponibles via Kimi.ai, Kimi Work, Kimi Code et l'API de l'entreprise, les poids complets du modèle devant être publiés d'ici le 4 novembre.

Des progrès en codage à long horizon

Moonshot a rapporté que Kimi K3.1 Pro avait obtenu un score de 61,2 % sur Kimi Code Bench 3.0 Long horizon, un benchmark interne mesurant la capacité d'un agent d'IA à accomplir des tâches de programmation complexes impliquant plusieurs étapes, l'utilisation d'outils et une résolution de problèmes étendue. Ce résultat constitue une amélioration par rapport aux 55,95 % enregistrés par son prédécesseur, Kimi K3.

L'entreprise a également mis en avant des améliorations en codage sur des moteurs de jeu tels que Unity, Unreal Engine et Godot, permettant au modèle de générer des environnements interactifs, des sites web et des actifs 3D. Lors d'une démonstration, Kimi K3.1 Pro a développé un simulateur de marche à partir d'un modèle anatomique contenant 296 composants squelettiques et 402 composants musculaires. Au fil de 167 tâches de développement et 420 révisions, le modèle a affiné le simulateur jusqu'à ce que son personnage virtuel puisse marcher continuellement pendant 11,2 secondes.

Le modèle a par ailleurs démontré des performances renforcées en modélisation 3D, avec un score de 92,7 % sur BenchCAD, contre 96,2 % pour Claude Opus 5.5 et 95,9 % pour GPT 6 Astra.

Un périmètre élargi vers la recherche financière

Au-delà du codage, Moonshot positionne Kimi K3.1 Pro pour l'analyse financ, la recherche en investissement et les opérations commerciales. L'entreprise a rapporté un score de 64,4 sur OfficeQA Pro v2, une évaluation mesurant l'analyse de documents financiers, la récupération d'informations et le raisonnement numérique.

Sur ses évaluations internes, Kimi K3.1 Pro s'est amélioré de 7,2 points en modélisation financière et de 11,6 points en recherche financière par rapport à Kimi K3. L'entreprise a également fait état de gains en exactitude factuelle, le taux d'hallucination du modèle passant de 23,4 % à 8,3 % sur son évaluation interne Kimi Hallu Bench Hard. Sur la même évaluation avec outils, Claude Opus 5.5 a enregistré un taux d'hallucination de 15 %, selon les comparaisons publiées par Moonshot. L'entreprise a précisé que ce benchmark teste spécifiquement des scénarios difficiles et ne représente pas les taux d'hallucination en usage quotidien.

Une publication des poids ouverts prévue en novembre

Ce lancement intervient alors que les développeurs d'IA continuent d'élargir l'accès aux modèles avancés pouvant être déployés indépendamment des plateformes cloud propriétaires. Moonshot a indiqué que Kimi K3.1 Pro est son modèle le plus performant dans la classe des 3 000 milliards de paramètres, les poids complets devant être rendus publics le 4 novembre. Comme plusieurs des chiffres annoncés proviennent des propres évaluations de Moonshot, la publication des poids permettra aux développeurs externes de tester les performances du modèle sur l'infrastructure de leur choix.

L'entreprise a également révélé des modifications de son processus d'entraînement destinées à réduire les risques de cybersécurité liés à la publication de modèles d'IA de plus en plus performants. Moonshot a indiqué avoir retiré certaines données et tâches d'entraînement en cybersécurité avant d'évaluer le modèle final sur un benchmark interne de recherche de vulnérabilités. Le modèle obtenu a obtenu un score de 81 % sur cette évaluation, contre 90,5 % pour une version entraînée sans ces restrictions, soit un écart de 9,5 points qui reflète le compromis introduit par cette approche d'entraînement restreinte. Selon l'entreprise, ces modifications visaient à limiter les capacités offensives en cybersécurité tout en préservant les performances générales de codage.

Kimi K3.1 Pro est actuellement accessible via les plateformes grand public, professionnelles et développeurs de l'entreprise, et la publication prévue des poids du modèle devrait permettre aux développeurs d'exécuter le modèle sur leur propre infrastructure. La sortie du 4 novembre constitue la prochaine étape à surveiller, marquant le moment où le modèle pourra être déployé et évalué en dehors des plateformes de Moonshot.