Les poids de Kimi K3.1 Pro ont été officiellement publiés le 4 novembre. Moonshot AI a rendu public ce jour-là le dépôt moonshotai/Kimi-K3.1-Pro sur Hugging Face, tenant la promesse faite lors du lancement du 23 octobre de publier les poids avant le 4 novembre. Il s'agit d'une véritable publication en poids ouverts : 2 800 milliards de paramètres au total, 104 milliards de paramètres activés et une fenêtre de contexte d'un million de jetons, avec un tableau d'évaluation complet sur la fiche du modèle. Mais téléchargeable ne veut pas dire utilisable par tout le monde : les exigences de déploiement et les conditions de licence sont les points qui méritent vraiment d'être expliqués.
Que contient réellement le dépôt
Selon la fiche du modèle sur Hugging Face, Kimi K3.1 Pro est un modèle agentique nativement multimodal, fondé sur une architecture de mélange d'experts : 896 experts dont 16 activés par jeton, 93 couches, une longueur de contexte de 1 048 576 jetons, un encodeur visuel MoonViT-V2 de 401 millions de paramètres, des poids MXFP4 et des activations MXFP8 issus d'un entraînement sensible à la quantification. Le dépôt pèse environ 1,56 To répartis en 96 fragments, et la recommandation officielle est de l'exécuter avec vLLM, SGLang ou TokenSpeed. Côté évaluation, la fiche du modèle rapporte 65,7 % à Terminal-Bench 4.0, légèrement en dessous de Claude Opus 5.5 à 66,4 % et au-dessus de GPT-6 Astra à 58,2 %. Ce sont les chiffres propres à Moonshot AI ; aucune reproduction indépendante sur les poids ouverts n'a encore été publiée, il faut donc en indiquer la source lorsqu'on les cite.
Lisez d'abord la licence et les exigences de déploiement
Cette publication relève d'une licence dédiée, la Kimi K3.1 Pro License, et non d'une licence MIT standard. Selon son texte, une activité de modèle en tant que service dont le chiffre d'affaires dépasse 20 millions de dollars sur douze mois doit conclure un accord distinct avec Moonshot AI, et les produits comptant plus de 100 millions d'utilisateurs mensuels ou plus de 20 millions de dollars de revenus mensuels doivent en outre nommer le modèle ; il convient de lire le texte original avant tout usage commercial. Côté déploiement, un téléchargement de 1,56 To et un modèle de 2 800 milliards de paramètres en font un modèle de classe serveur, qui exige un environnement multi-GPU et la capacité d'exploitation correspondante — les ordinateurs personnels ordinaires et les stations de travail à un seul GPU sont hors de portée. Pour la plupart des utilisateurs, continuer à utiliser les applications Kimi et l'API reste l'option la plus réaliste, au prix de 2 dollars par million de jetons d'entrée et de 10 dollars par million de jetons de sortie ; les poids ouverts changent surtout l'espace de reproduction et de personnalisation des équipes de recherche et des équipes disposant de puissance de calcul.
Ce que les poids ouverts changent
Pour les chercheurs et les équipes disposant d'une infrastructure, les poids ouverts permettent de reproduire les évaluations, d'affiner le modèle pour des besoins précis et de l'intégrer dans leurs propres pipelines d'inférence, au lieu d'accepter seulement la version et le tarif du service hébergé. Pour l'écosystème, des poids ouverts à l'échelle de 2 800 milliards de paramètres sont rares, et cette publication deviendra un point de référence pour tester les cadres d'inférence des grands modèles et les approches de quantification. Elle ne change pas ce qu'est Kimi K3.1 Pro : d'abord le modèle phare de la gamme de produits hébergés de Moonshot AI, les poids ouverts étant une autre manière de livrer le même produit. La suite à surveiller concerne les scores que les évaluateurs indépendants obtiendront sur les poids ouverts, et la capacité de la communauté à l'exploiter réellement à un coût raisonnable.
