EN DIRECT
Mistral rend Large 4 accessible en poids ouverts29/10/26 · Mistral AI|Gemini 4 Carbon prend la première place de l'Intelligence Index v529/10/26 · Google|Mistral Large 4 disponible sur Hugging Face29/10/26 · Mistral AI|Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|Un benchmark évalue si les IA testent vraiment leurs hypothèses médicales temporelles29/10/26|Une méthode ODE pour accélérer l'échantillonnage des modèles de diffusion discrète29/10/26|OpenAI révise son Model Spec autour de cinq valeurs directrices29/10/26 · OpenAI|Chez Proton, un virage vers l'IA provoque une crise interne29/10/26 · Proton|Mistral rend Large 4 accessible en poids ouverts29/10/26 · Mistral AI|Gemini 4 Carbon prend la première place de l'Intelligence Index v529/10/26 · Google|Mistral Large 4 disponible sur Hugging Face29/10/26 · Mistral AI|Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|Un benchmark évalue si les IA testent vraiment leurs hypothèses médicales temporelles29/10/26|Une méthode ODE pour accélérer l'échantillonnage des modèles de diffusion discrète29/10/26|OpenAI révise son Model Spec autour de cinq valeurs directrices29/10/26 · OpenAI|Chez Proton, un virage vers l'IA provoque une crise interne29/10/26 · Proton|
🌍 generalistSortie octobre 2026

Kimi K3.1 Pro

Moonshot AI
Verdict

Un modèle polyvalent, équilibré sur la plupart des usages.

Présentation

Kimi K3.1 Pro est un modèle MoE de 2 800 milliards de paramètres (104 milliards actifs) de Moonshot AI, pensé pour le code et les tâches agentiques, avec une fenêtre de contexte d'un million de tokens. Il n'est pour l'instant accessible que par l'API de Moonshot, hébergée en Chine ; les poids ouverts sont annoncés pour début novembre 2026, et leur licence sera à qualifier à leur sortie. Ses performances sont mesurées par Artificial Analysis.

Profil de compétences

Non communiqué

Forces

  • Très long contexte

Limites

  • Pas de résidence UE documentée
  • Tarification API non publiée

À qui ça s'adresse

Pour vous si…
    À éviter si…
    • vous manipulez des données sensibles sans option UE

    Cas d'usage idéaux

    • Agents autonomes complexes
    • Génération et revue de code
    • Analyse de très longs documents
    • Prototypage rapide via API

    Caractéristiques clés

    Contexte
    1M
    Prix entrée
    —
    Prix sortie
    —
    Vitesse
    —
    Prix non auditéBenchmarks non audités

    Combien ça coûte par mois

    Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.

    Via API
    Tarif API non publié
    Auto-hébergé
    Poids fermés : pas d’auto-hébergement

    Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.

    nAIvigate Trust Index

    ≈ 13/100

    Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.

    6/20 critères documentés · 30 % · provisoire : 50 % de critères documentés ou moins

    Données0
    0/5 · 30 %
    Souveraineté0
    1/3 · 20 %
    Transparence0
    3/4 · 15 %
    Entreprise0
    0/6 · 20 %
    Licence85
    2/2 · 15 %
    Voir les critères▾
    Données
    Résidence des données en UEnon documenté
    Pas de transfert hors UEnon documenté
    Pas d’entraînement sur vos donnéesnon documenté
    Rétention configurablenon documenté
    Zero Data Retentionnon documenté
    Souveraineté
    Auto-hébergeable (poids ouverts)
    Hébergement UE proposénon documenté
    Éditeur européennon documenté
    Transparence
    Licence publiée (URL)
    Tarifs publics sourcés
    Engagements de conformité publiés
    Liste des sous-traitants publiéenon documenté
    Entreprise
    DPA disponiblenon documenté
    SSO / SAMLnon documenté
    Provisionnement SCIMnon documenté
    Journaux d’auditnon documenté
    SOC 2 / ISO 27001non documenté
    Endpoint privé chez l’éditeurnon documenté
    Licence
    Usage commercial autorisé
    Type de licencePropriétaire (poids annoncés)70
    Classement complet et méthodologie

    Badge Trust Index

    Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.

    nAIvigate Trust Index · Kimi K3.1 Pro
    [![nAIvigate Trust Index · Kimi K3.1 Pro](https://naivigate.com/badge/kimi-k3-1-pro.svg)](https://naivigate.com/fr/model/kimi-k3-1-pro)

    Données & conformité

    Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.

    Résidence des données en UENon documenté
    Accord de traitement (DPA)Non documenté
    Transfert hors UENon documenté
    Entraînement sur vos donnéesNon documenté
    Rétention configurableNon documenté
    Zero Data RetentionNon documenté
    Auto-hébergeableNon
    Déduit de l’hébergement déclaré, non vérifié à la source.Besoin d’une analyse dans votre contexte ? Shadow AI Sentinel

    Qualité des données de la fiche

    30/100

    Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.

    2/6 documentées · 0/6 sources primaires

    Prix APIabsent
    Fenêtre de contexteévaluation nAIvigate
    Elo Arenaabsent
    Benchmarks (MMLU, GPQA, SWE-bench…)absent
    Licenceévaluation nAIvigate
    Données & conformitéabsent
    Données avancées · pour experts
    Architecture, modalités, coût détaillé, benchmarks complets
    ▾
    Architecture
    MoE (104B actifs)
    Taille
    2.8T
    Date de coupe
    —
    Entrées
    text, image
    Sorties
    text
    Licence
    Propriétaire (poids annoncés)
    Hébergement
    —
    Score d'hallucination
    —
    Coût estimé (API)
    Échange type (~3k entrée / 1k sortie)
    Non communiqué
    1M entrée + 1M sortie
    Non communiqué
    Tous les benchmarks
    Arena Elo—
    MMLU—
    GPQA—
    HumanEval—
    SWE-Bench—
    MATH—

    Modèles similaires