Kimi K3.1 Pro : poids ouverts, téléchargement, licence et API

Les poids de Kimi K3.1 Pro sont disponibles dans le dépôt officiel de Moonshot AI sur Hugging Face. Commencez par une API hébergée pour vos essais de programmation. Choisissez l’auto-hébergement lorsque vos besoins de contrôle justifient le matériel et l’examen de la licence. Les 104B paramètres actifs ne représentent pas la taille du modèle complet à stocker.

Au 2026-11-11, le dépôt contient le checkpoint, c’est-à-dire les poids sauvegardés du modèle, la configuration et une licence propre. Le choix consiste à exploiter ces poids vous-même ou à acheter de l’inférence via une API.

Que contiennent les poids ouverts ?

Cette publication donne accès au checkpoint de Kimi K3.1 Pro, et pas seulement à un nom de modèle dans une API. Dans son annonce technique, Moonshot décrit un modèle multimodal issu de Kimi K3, avec un post-entraînement par apprentissage par renforcement conjoint.

La fiche officielle du modèle fournit les caractéristiques suivantes. La limite exacte de contexte figure aussi dans la documentation tarifaire de Kimi API.

Propriété	Valeur publiée
Dépôt Hugging Face	moonshotai/Kimi-K3.1-Pro
Architecture	Mélange d’experts, Mixture-of-Experts (MoE)
Paramètres totaux	2.8T
Paramètres actifs	104B
Fenêtre de contexte	1,048,576 tokens
Licence	Licence propre Kimi K3.1-Pro License

Un modèle MoE n’active qu’une partie de ses paramètres pour chaque token. Les autres experts restent pourtant dans les fichiers du checkpoint. Dimensionnez le stockage à partir des fichiers réels, pas uniquement des 104B.

La liste des fichiers du dépôt indique environ 1.56 TB et des noms de fichiers se terminant par of-000096.safetensors. La configuration spécifie mxfp4-pack-quantized. Le guide de déploiement vLLM précise que les experts routés utilisent MXFP4, tandis que les autres poids utilisent BF16.

Pour une équipe de développement, cela offre un choix de déploiement, pas un agent de programmation prêt à l’emploi. Choisissez séparément le moteur d’inférence qui traite les requêtes et le client de l’agent. Avant de transférer votre travail, vérifiez la lecture du dépôt, l’exécution des outils et un véritable test d’acceptation.

Le guide de démarrage de l’API de Moonshot présente aussi kimi-k3.1-pro-highspeed comme option hébergée. La vitesse annoncée concerne le service. Télécharger les poids ne garantit pas les mêmes performances sur votre infrastructure.

Quelles sont les conditions de la licence Kimi K3.1 Pro ?

L’utilisation commerciale est autorisée sous réserve des conditions de la Kimi K3.1-Pro License. Examinez séparément les règles MaaS et les obligations d’affichage du nom avant le déploiement. Cette lecture pratique ne constitue pas un avis juridique sur votre activité.

MaaS : un seuil de revenus sur 12 mois glissants

La section 2 s’applique lorsque le titulaire de la licence ou une entité affiliée exerce une activité de Model as a Service, ou MaaS. Un accord distinct est nécessaire lorsque leurs revenus cumulés dépassent $20 million sur toute période de 12 mois consécutifs.

Le texte vise les revenus cumulés du titulaire de la licence et de ses entités affiliées. Il ne se limite pas aux revenus de ce modèle. L’accord doit précéder l’utilisation commerciale du logiciel ou de ses œuvres dérivées.

MaaS désigne l’accès de tiers à l’inférence ou à l’ajustement fin, avec un contrôle significatif des entrées, paramètres ou données d’entraînement. Les produits destinés aux utilisateurs finaux sont exclus si les capacités du modèle sont intégrées uniquement dans des fonctions ou des cadres d’exécution spécifiques, appelés harnesses. Le simple relais de requêtes vers des modèles hébergés par d’autres est également exclu. Faites vérifier par un conseil juridique si votre service entre réellement dans une exclusion.

L’affichage du nom dépend de seuils mensuels du produit

La section 3 concerne les produits ou services commerciaux qui utilisent le logiciel ou ses œuvres dérivées. Dès qu’un des seuils est dépassé, le nom Kimi K3.1-Pro doit apparaître de façon bien visible dans l’interface du produit ou service concerné. Le seuil d’utilisateurs actifs mensuels est de 100 million ; celui des revenus mensuels, de $20 million.

Le nombre d’utilisateurs se mesure sur un mois, pas sur une journée. Les revenus se mesurent ici sur un mois. Ne les confondez pas avec la période glissante de 12 mois du critère MaaS.

Les exemptions ont un périmètre précis

La section 4 dispense l’usage interne des exigences des sections 2 et 3. Elle couvre aussi l’accès via les produits officiels de Moonshot ou ses partenaires d’inférence certifiés. Sa définition de l’usage interne exclut toute mise à disposition du logiciel, de ses résultats ou de ses capacités sous-jacentes à des tiers.

La compatibilité avec une API ne prouve pas le statut de partenaire certifié. L’intégration à une passerelle et l’exemption de licence sont deux questions distinctes. Conservez les mentions de droits d’auteur et d’autorisation requises. Examinez séparément les conditions applicables du fournisseur.

Comment télécharger et vérifier les poids ?

Examinez la licence et le volume à télécharger avant de transférer le checkpoint. Installez une version actuelle de hf CLI selon les instructions Hugging Face. Utilisez un système de fichiers disposant d’assez d’espace libre.

Les commandes suivantes utilisent Bash. Elles fixent la révision du dépôt examinée le 2026-11-11.

KIMI_REPO="moonshotai/Kimi-K3.1-Pro"
KIMI_REV="d9e99b0792a5e93b78ea9bea62a68167e36ddd9e"
KIMI_DIR="$PWD/kimi-k3.1-pro"

hf download "$KIMI_REPO" README.md LICENSE config.json \
  --revision "$KIMI_REV" --local-dir "$KIMI_DIR"

hf download "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" --dry-run

Lisez les fichiers LICENSE et README.md téléchargés. La simulation du téléchargement indique les fichiers et octets restants sans transférer les poids. Prévoyez de l’espace supplémentaire pour les caches de téléchargement et les fichiers de travail du moteur. La taille du dépôt ne couvre pas tous les besoins de stockage.

Après avoir validé la licence et l’espace disponible, exécutez ceci dans la même session Bash :

hf download "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" &&
hf cache verify "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" --fail-on-missing-files

La commande de vérification Hugging Face compare les fichiers locaux aux sommes de contrôle du Hub. --fail-on-missing-files détecte également une copie incomplète de la révision.

Ne poursuivez que si la vérification réussit, sans fichier manquant ni somme de contrôle incorrecte. Un téléchargement réussi confirme que les fichiers sont complets, pas que votre moteur d’inférence peut charger le modèle. En cas de somme incorrecte, utilisez hf download avec --force-download pour le fichier indiqué et la même révision. Relancez la vérification avant de servir le modèle.

Quel matériel faut-il prévoir ?

Suivez un guide de déploiement adapté au matériel. Ne traitez pas ce modèle comme un modèle de 104B paramètres destiné à une station de travail. Au 2026-11-11, le guide vLLM décrit une configuration de base à huit GPU NVIDIA : deux plateaux GB300 ou un nœud B300.

C’est une configuration documentée, pas un minimum universel ni une garantie de débit. Le guide précise que le débit de cette configuration de base n’a pas été optimisé. Utilisez les instructions propres au modèle plutôt qu’une commande de lancement générique.

Le guide SGLang propose une autre voie. Il indique la branche kimi-k3.1-day-0 et distingue les configurations vérifiées de celles dont la vérification se poursuit.

Pour un essai avant achat, sélectionnez une configuration matérielle documentée. Notez la version du moteur, l’empreinte de l’image et la révision du checkpoint. Commencez par une requête courte. Augmentez ensuite séparément le contexte et les requêtes simultanées, en mesurant la mémoire, le délai du premier token et le coût par tâche terminée.

La fenêtre de contexte annoncée ne garantit pas assez de mémoire à l’exécution pour tous les niveaux de concurrence. Pour comparer l’inférence locale et l’API, gardez le même client d’agent, les mêmes outils, le même réglage de raisonnement et les mêmes tests d’acceptation.

L’auto-hébergement devient plus intéressant si vous devez contrôler les poids, les personnaliser ou maîtriser l’environnement d’inférence. Il l’est moins si votre équipe ne peut pas exploiter le cluster ou utiliser suffisamment le matériel. Consultez la liste des coûts d’un modèle auto-hébergé avant de convertir une facture d’API en budget matériel.

Comment essayer le modèle via une API ?

Utilisez kimi-k3.1-pro pour une petite requête de programmation avant d’investir dans l’infrastructure. Distinguez l’identifiant du modèle dans l’API de celui du dépôt Hugging Face.

Ces accès API ont été vérifiés le 2026-11-11 :

Accès	Identifiant du modèle	URL de base compatible OpenAI	Identifiant d’accès
Moonshot API	kimi-k3.1-pro	https://api.moonshot.ai/v1	Votre clé API Moonshot
BetterToken API	kimi-k3.1-pro	https://www.bettertoken.ai/v1	Votre clé API BetterToken

BetterToken répertorie cet identifiant exact à la date de vérification. Consultez séparément les tarifs actuels de la passerelle. Les tarifs Moonshot présentés plus bas ne sont pas ceux de BetterToken.

Pour tester directement Moonshot, créez une clé API sur la plateforme indiquée dans son guide de démarrage. Utilisez Bash et saisissez la clé sans afficher ses caractères à l’écran :

read -rs MOONSHOT_API_KEY && export MOONSHOT_API_KEY

curl --fail-with-body --silent --show-error \
  "https://api.moonshot.ai/v1/chat/completions" \
  -H "Authorization: Bearer ${MOONSHOT_API_KEY}" \
  -H "Content-Type: application/json" \
  --data '{
    "model": "kimi-k3.1-pro",
    "reasoning_effort": "low",
    "max_completion_tokens": 4096,
    "messages": [
      {
        "role": "user",
        "content": "Return a Python function add(a, b) and one assert checking add(2, 3) == 5."
      }
    ]
  }'

Vérifiez que choices[0].message.content contient la fonction et l’assertion. Examinez les informations d’utilisation de la réponse avant d’élargir le test. Cette requête vérifie l’authentification et la génération de texte. Elle ne prouve pas qu’un agent de programmation peut lire ou modifier des fichiers.

La documentation du raisonnement Kimi prend en charge low, high et max, avec max par défaut. Le raisonnement reste activé. L’exemple choisit low pour une simple vérification de connexion.

Si la réponse contient une erreur d’API, vérifiez d’abord l’endpoint, le fournisseur de la clé et l’identifiant exact du modèle. Si la réponse est tronquée, examinez la limite de sortie avant d’incriminer la qualité du modèle.

Pour les conversations à plusieurs tours et les appels d’outils, renvoyez le message complet de l’assistant, inchangé, dans messages. Conservez notamment reasoning_content et tool_calls. Suivez ensuite le guide de configuration de Claude Code et Codex et vérifiez une véritable lecture de fichier.

La facturation des tokens d’API est distincte de l’abonnement Kimi et des quotas Kimi Code. Consultez le guide des quotas et de la facturation API si le blocage vient en réalité d’une limite d’abonnement.

Comment comparer les coûts de l’auto-hébergement et de l’API ?

Comparez des tâches terminées avec le même objectif de qualité. Ne comparez pas directement la disponibilité des poids à un tarif par token. Les poids téléchargeables n’éliminent pas les dépenses de matériel, stockage, réseau, exploitation ou d’un éventuel accord de licence.

Selon la vérification du 2026-11-11, la plateforme API de Moonshot affiche les tarifs suivants en USD pour 1,000,000 tokens. Les conditions tarifaires de Kimi excluent les taxes applicables.

Modèle API	Entrée normale	Sortie	Lecture depuis le cache	Écriture en cache de 5 minutes par défaut
kimi-k3.1-pro	$2.00	$10.00	$0.20	$2.00
kimi-k3.1-pro-highspeed	$4.00	$20.00	$0.20	$4.00

La documentation du cache sépare les lectures depuis le cache, les écritures et les entrées non mises en cache. Pour Chat Completions et Responses, omettre prompt_cache_options sélectionne une durée de conservation de 5m pour l’écriture en cache. La requête précédente omet ce champ et utilise donc cette valeur par défaut.

Ne comptez pas une seconde fois un token écrit en cache comme une entrée normale. Pour une autre durée de conservation, utilisez le tarif d’écriture correspondant.

Pour une estimation, supposons qu’une tâche du modèle standard consomme 100,000 tokens d’entrée et 10,000 tokens de sortie facturés. Supposons qu’aucun token ne soit lu depuis le cache. Toutes les entrées sont soit non mises en cache, soit écrites avec la durée par défaut de cinq minutes.

Dans ce scénario, les deux catégories d’entrée coûtent $2.00 par million de tokens :

Estimated token charge
= (100,000 × $2.00 + 10,000 × $10.00) / 1,000,000
= $0.30 before taxes

Il s’agit d’un calcul, pas d’une mesure sur une tâche réelle. Utilisez la consommation de sortie rapportée, plutôt que la longueur de la réponse visible. N’excluez les outils optionnels et autres services de l’estimation que si votre charge ne les utilise pas.

Pour l’auto-hébergement, divisez le coût total d’exploitation par le nombre de tâches équivalentes terminées avec succès. Incluez la capacité inutilisée, la mémoire de l’hôte, le stockage, l’électricité ou la location, le réseau, la maintenance et tout accord commercial nécessaire. Comptabilisez les nouvelles tentatives et les échecs aux tests d’acceptation dans les deux options.

Choisissez d’abord l’API pour un essai d’application ou une demande incertaine. Réévaluez l’auto-hébergement lorsque les besoins de contrôle le justifient et qu’une charge mesurée en confirme l’intérêt économique. Pour une activité MaaS, clarifiez les conditions de licence applicables avant de promettre un déploiement ou de vous engager sur un achat.