Tech • IA • Robotique • Jeu
C'est fini... Le nouvel IA de la Chine vient de rattraper les meilleures des États-Unis
INTRO
Kimi K3.1 Pro de Moonshot AI a porté un modèle chinois à poids ouverts presque au niveau des meilleurs systèmes américains sur les principaux benchmarks d’agents et de programmation, réduisant un écart qui définissait la frontière du secteur pendant la majeure partie de l’année.
POINTS CLÉS
Quasi-parité sur les meilleurs benchmarks
Sur Terminal Bench 4.0, un test exigeant de travail informatique autonome, Kimi K3.1 Pro a obtenu 65,7 %, juste derrière Claude Opus 5.5 à 66,4 % et devant GPT-6 Astra à 58,2 %. L’évaluateur indépendant Artificial Analysis l’a classé comme le quatrième modèle le plus intelligent au total avec un score de 55, soit un gain de 11 points par rapport à la précédente version de Kimi.
Les poids ouverts accentuent le basculement concurrentiel
La publication des poids complets du modèle est prévue avant le 4 novembre, ce qui permettra à toute personne disposant d’un matériel suffisant de l’exécuter en local. Cela réduirait l’écart entre le meilleur modèle librement accessible et le meilleur modèle fermé d’environ 12 points à 3, un changement majeur pour l’accès à une IA de niveau frontière.
Des débuts discrets alimentant l’examen en ligne
Avant son lancement, le système est apparu anonymement sur Arena sous le nom Kibitz, où des utilisateurs ont comparé ses capacités en code et en génération visuelle à celles de modèles rivaux. Des internautes l’ont relié à Moonshot via le comportement du tokenizer, des références d’API divulguées, des mises à jour d’outils de développement et des étiquettes de code pointant vers la génération 3D, l’automatisation et des fonctions multi-agents.
Échelle massive et apprentissage par renforcement
Kimi K3.1 Pro est un modèle de 3 billions de paramètres avec une fenêtre de contexte de 1 million de tokens, construit sur K3, lancé en juillet avec 2,8 billions de paramètres. Moonshot a indiqué que l’avancée clé venait d’une forte extension de l’apprentissage par renforcement et d’une pile d’entraînement reconstruite pour convertir davantage de calcul en meilleures performances dans de nombreux domaines.
Une tarification inférieure à celle des rivaux premium
Moonshot a positionné le modèle en dessous des meilleurs concurrents américains sur le prix. K3.1 Pro coûte 13 yuans par million de tokens d’entrée et 68 yuans par million de tokens de sortie, avec une réutilisation moins chère des entrées répétées, soit environ la moitié du prix de Claude Opus 5.5 et un niveau proche de Claude Sonnet, tout en rivalisant bien davantage avec les capacités de la classe Opus.
Solide en code, agents et outils 3D
Le modèle est commercialisé pour la correction de bugs, la génération de projets complets et le travail autonome dans Unity, Unreal Engine, Godot et Blender. Sur BenchCAD, il a obtenu 92,7 %, proche de Opus 5.5 à 96,2 % et de GPT-6 Astra à 95,9 %, et il peut générer directement des ressources 3D modifiables pour des outils comme Blender, SolidWorks et Rhino.
Des démonstrations détaillées ont mis en avant la précision technique
Dans un test, un croquis d’avion dessiné à la main est devenu un modèle 3D complet en environ 40 minutes, avec 608 lignes de script Blender et des dimensions précises à 1 millimètre près. Dans un autre, le modèle a généré un moteur à réaction de 2 100 pièces avec vues en coupe et animations de rotor dans FreeCAD, soulignant son intérêt pour la conception et les flux 3D web.
Les progrès restent inégaux hors des tâches phares
Certains gains sur benchmarks ont été modestes. Sur Humanity’s Last Exam, la performance est passée de 47 % à 52 %; sur un test de recherche en physique, de 23 % à 25 %; et sur un test de code scientifique, de 59 % à 61 %. Les premiers utilisateurs ont aussi signalé que des rivaux plus grands restent plus forts en créativité, en perspicacité et en qualité d’écriture sur des tâches réelles difficiles.
La finance et les taux d’hallucination se sont améliorés
Sur Office QA Pro V2, un benchmark orienté finance fondé sur des documents réels, Kimi a obtenu 64,4, ce que Moonshot a présenté comme le meilleur résultat publié. L’entreprise a aussi indiqué que les taux d’hallucination sur un test de stress interne sont passés de 23,4 % à 8,3 %, tout en précisant que le test comprend de nombreuses invites adversariales.
La capacité de piratage a été volontairement réduite
Moonshot a révélé qu’une variante interne plus puissante était devenue très capable en cybersécurité offensive après l’intégration de données de piratage dans le préentraînement et l’apprentissage par renforcement. Sur le benchmark d’exploits de l’entreprise, cette version réussissait dans 90,5 % des cas en trois essais maximum, contre 81 % pour le modèle publié, après réduction de ces compétences afin de maintenir la version ouverte en dessous de la pointe en capacité d’attaque.
Les limites d’usage ont provoqué un retour négatif
La principale plainte après le lancement concernait l’accès plutôt que la qualité brute. Certains utilisateurs payants ont indiqué épuiser un quota de cinq heures en moins d’une heure, tandis que d’autres disaient qu’une seule tâche pouvait consommer l’essentiel de leur allocation, soulevant des doutes sur le caractère pratique du modèle malgré ses gains sur benchmarks.
CONCLUSION
Kimi K3.1 Pro montre que la Chine est revenue dans le premier rang de l’IA de frontière, non seulement sur le coût, mais aussi sur la capacité absolue. Le prochain test sera de savoir si l’accès ouvert, les compromis de sécurité et les limites d’usage restrictives détermineront l’importance concrète de cette avancée.
Poser une question