Kimi K3.1 Pro sur Felo API : Capacités, Benchmarks, Tarifs et Configuration

Un guide détaillé sur Kimi K3.1 Pro sur Felo API : contexte d’un million de tokens, entrée visuelle, résultats en programmation et finance, tarifs et configuration de l’API.

Kimi K3.1 Pro est accessible via Felo API. Si vous envisagez son utilisation pour un agent de programmation, un flux de travail visuel ou des recherches sur un vaste ensemble de documents, ce guide présente les informations nécessaires avant d’intégrer le modèle : ce qui a changé depuis K3, les résultats des évaluations publiées, les types d’entrées pris en charge par Felo et comment choisir entre ses deux routes de fournisseur.

L’identifiant public du modèle Felo est kimi-k3.1-pro. Vous pouvez le consulter dans le catalogue des modèles Felo et le tester dans le Playground.

Kimi K3.1 Pro en bref

Détail	Disponible actuellement
Modèle	Premier fleuron de la série K3.1 de Moonshot AI, version post-entraînement de Kimi K3
Identifiant modèle Felo	kimi-k3.1-pro
Fenêtre de contexte	1 048 576 tokens (environ 1 million)
Entrée	Texte, images et vidéo
Sortie	Texte ; il peut écrire du code pour un flux 3D, mais l’appel du modèle ne retourne pas directement un asset 3D ou une vidéo générée
Raisonnement	Activé par défaut ; Felo propose les niveaux d’effort max, high, low et none, avec max par défaut
Protocole Felo recommandé	Messages, sur POST https://openapi.felo.ai/api/v1/messages
Routes fournisseur sur Felo	Moonshot AI MXFP4 et Moonshot AI Highspeed

Voici les champs de la fiche modèle actuelle de Felo. Une grande fenêtre de contexte définit une capacité, sans garantir que chaque fait d’un prompt d’un million de tokens sera rappelé sans erreur. Pour un usage en production, testez la longueur, le format d’entrée et le réglage de raisonnement que vous comptez utiliser.

Qu’est-ce qui a changé depuis Kimi K3 ?

Moonshot décrit K3.1 Pro comme une version post-entraînement de K3, avec beaucoup plus de calcul post-entraînement et d’apprentissage par renforcement sur de nombreuses tâches aval. Cette distinction importe. La revendication publique concerne une amélioration du comportement sur les tâches de programmation, d’agent, de visuel et de travail de connaissance ; il ne s’agit pas d’une nouvelle architecture de base publiée pour K3.1. La page modèle K3.1 Pro de Felo résume le modèle et sa route API prise en charge.

K3 possède 2,8 trillions de paramètres, un modèle mixture-of-experts de classe 3T. Son architecture publiée utilise Kimi Delta Attention et Attention Residuals, avec compréhension visuelle native et une fenêtre de contexte d’un million de tokens. K3.1 Pro s’appuie sur K3, ce qui fournit un contexte architectural utile ; Moonshot n’a pas encore publié les poids complets de K3.1 ni une spécification architecturale séparée. Explorez l’architecture et les spécifications de K3 sur Felo.

Le changement concret concerne la capacité du modèle à mener une tâche à terme. Moonshot rapporte des progrès en programmation sur le long terme, modélisation 3D, recherche financière et précision factuelle lors de son test de résistance. K3.1 Pro propose aussi une option Highspeed, qui selon Moonshot offre 2 à 3 fois la vitesse de la version standard avec la même capacité. Cette route rapide affiche un prix token plus élevé, détaillé ci-dessous.

Le prix d’entrée publié a également évolué. Felo affiche K3 à 3 $ par million de tokens d’entrée et 15 $ par million de tokens de sortie. La route MXFP4 de K3.1 Pro est à 2 $ et 10 $ respectivement. La route la moins chère du nouveau modèle coûte donc un tiers de moins par token d’entrée ou de sortie non mis en cache, selon les tarifs actuels. Comparez les canaux et la latence que vous comptez utiliser avant de considérer cela comme une économie sur l’ensemble de la charge.

Points forts du modèle

Programmation sur le long terme et agents

K3.1 Pro fonctionne au-delà d’un simple extrait de code. Les exemples de Moonshot incluent développement multi-fichiers, débogage, construction front-end, travail sur moteur de jeu et tâches assistées par outils nécessitant inspection et révision répétées. Son score sur Kimi Code Bench 3.0 Long-horizon est passé de 55,95 % pour K3 à 61,2 % pour K3.1 Pro. Sur Terminal-Bench 4.0, K3.1 Pro a obtenu 65,7 % dans l’évaluation publiée par Moonshot. Pour une équipe d’ingénierie, la question utile consiste à savoir si le modèle peut modifier un dépôt sans perdre le fil : lire les bons fichiers, proposer un patch, lancer les vérifications pertinentes et corriger en cas d’échec d’un test. Donnez-lui un problème représentatif et évaluez le diff final et les résultats de test. Un plan bien présenté ne prouve pas que la tâche est terminée.

Images, vidéo et travail 3D

La route Felo accepte texte, image et vidéo en entrée et retourne du texte. K3.1 Pro s’adapte donc à des tâches comme expliquer une capture d’écran, comparer des images, raisonner sur une référence visuelle ou écrire du code et des scripts pour une chaîne de modélisation 3D. L’endpoint du modèle ne génère pas directement une image, une vidéo ou un fichier 3D. Pour produire un asset, connectez la sortie du modèle à vos outils ou à un flux de génération adapté.

Moonshot annonce 92,7 % sur BenchCAD avec outils, un test de reconstruction d’objets 3D à partir de vues rendues multiples via du code CAD généré. Son ensemble d’exemples publié inclut aussi des scripts Blender et CAD, des scènes interactives Three.js, et du travail sur Unity, Unreal Engine et Godot. Ces exemples illustrent le type de tâches à évaluer ; ils ne signifient pas que chaque outil est inclus dans une requête API simple.

Recherche et modélisation financière

Moonshot rapporte 64,4 sur OfficeQA Pro v2, qui teste l’analyse de documents financiers, incluant extraction, vérifications croisées et raisonnement numérique. Dans ses évaluations internes, K3.1 Pro a obtenu 70,4 contre 58,8 pour K3 en recherche financière et 57,6 contre 50,4 en modélisation financière. Il s’agit de scores par tâche, non de rendements d’investissement ou de mesures de précision sur chaque question financière.

Ce modèle convient pour tester sur un corpus contrôlé : rapports annuels, dépôts, documents de résultats et une question qui exige de citer des passages précis et de montrer les calculs. Gardez les documents source et les calculs disponibles pour vérification. Dans un flux de travail qui prend des décisions financières, une vérification indépendante reste nécessaire.

Documents longs et recherche multi-étapes

La fenêtre d’un million de tokens permet à une application de soumettre beaucoup plus de contenu qu’une requête de chat classique : code, transcriptions, rapports, images et historique de conversation peuvent partager le même contexte. Le modèle peut aussi participer à des flux d’agents multi-étapes via des appels d’outils. Mais capacité de contexte et comportement d’agent restent distincts. Un prompt long nécessite une tâche claire, une cartographie des documents et un moyen de vérifier la réponse ; un agent a besoin que le développeur fournisse les outils et gère leurs résultats.

Pour la recherche, demandez au modèle d’identifier d’abord la source pertinente, puis de répondre avec des références de pages ou sections et une liste séparée des points incertains. Cette structure facilite la détection des erreurs par rapport à un résumé long et fluide.

Moonshot et Felo décrivent aussi une orchestration multi-agents pouvant atteindre des centaines de sous-agents en parallèle. Il s’agit d’une capacité de système d’agents construite autour du modèle, non d’une réponse API unique. Le développeur doit coordonner les travailleurs, outils, budgets et l’étape finale de revue. Voir la description du modèle Felo.

Comment lire les résultats des benchmarks

L’annonce de Moonshot contient de nombreuses évaluations. La sélection suivante couvre différents types de tâches sans mélanger des tests dissemblables dans un classement unique.

Évaluation	K3.1 Pro	Comparaison rapportée par Moonshot	Ce que cela teste
Terminal-Bench 4.0	65,7 %	Claude Opus 5.5 : 66,4 % ; GPT-6 Astra : 58,2 %	Agents de programmation sur tâches terminal avec tests spécifiques
Kimi Code Bench 3.0 Long-horizon	61,2 %	K3 : 55,95 %	Benchmark interne de programmation multi-étapes de Moonshot
BenchCAD, avec outils	92,7 %	Claude Opus 5.5 : 96,2 % ; GPT-6 Astra : 95,9 %	Génération de code CAD à partir de rendus multi-vues
Recherche financière, interne	70,4	K3 : 58,8	Recherche financière fondée sur des preuves
Modélisation financière, interne	57,6	K3 : 50,4	Formules de tableur, logique financière et qualité du modèle final
Kimi Hallu Bench Hard	8,3 % taux d’hallucination au niveau des affirmations	K3 : 23,4 % ; plus bas = mieux	Test de résistance de précision factuelle délibérément difficile

Toutes les valeurs proviennent de l’annonce technique de K3.1 Pro par Moonshot AI, et non d’évaluations réalisées par Felo. Sauf indication contraire, Moonshot rapporte les résultats de K3.1 Pro avec effort de raisonnement max, température 1.0 et top-p 0.95. Le protocole varie selon le benchmark, et certaines comparaisons utilisent les résultats publiés par d’autres fournisseurs. En particulier, Kimi Code Bench et les deux scores financiers ci-dessus sont des évaluations internes. Utilisez-les pour choisir des tests adaptés à votre charge, sans supposer le même taux de réussite en production. Felo reproduit aussi une sélection de ces résultats sur sa page modèle.

Le taux d’hallucination nécessite une mise en garde. 8,3 % correspond au taux au niveau des affirmations sur Kimi Hallu Bench Hard, un test de résistance conçu pour révéler les erreurs. Moonshot précise que ce n’est pas le taux d’erreur quotidien du modèle. Ce chiffre montre une amélioration par rapport à K3 sur ce test, mais ne dispense pas de vérifier les sources.

Tarifs et choix de fournisseur sur Felo API

Felo propose deux canaux Moonshot AI pour kimi-k3.1-pro. Voici les tarifs publiés par million de tokens, en dollars américains :

Canal Felo	Entrée	Sortie	Lecture cache
moonshotai-mxfp4	2 $	10 $	0,20 $
moonshotai-highspeed	4 $	20 $	0,20 $

La page modèle en direct fournit les tarifs de Felo. Highspeed apparaît comme canal par défaut dans le catalogue Felo. Si votre budget ou objectif de latence dépend d’une route spécifique, envoyez explicitement X-Felo-Channel au lieu de supposer le canal utilisé. Le guide de routage fournisseur de Felo explique l’en-tête et son comportement de repli.

Par exemple, une requête avec 200 000 tokens d’entrée non mis en cache et 8 000 tokens de sortie coûterait environ 0,48 $ sur MXFP4 (0.2 × 2 $ + 0.008 × 10 $) ou 0,96 $ sur Highspeed (0.2 × 4 $ + 0.008 × 20 $). Si 100 000 tokens d’entrée bénéficient du tarif de lecture cache publié, cette portion coûte 0,02 $ sur chaque canal. Un hit cache n’est pas garanti ; il dépend du service en amont et de votre requête. Le guide des tarifs de Felo explique le calcul des tokens et des frais de cache.

Ce sont des estimations pour les tokens du modèle. Vérifiez les tarifs actuels, les relevés d’utilisation et tout autre outil facturable avant d’utiliser ces chiffres dans un budget de production. Felo API fonctionne avec des crédits prépayés ; aucun abonnement n’est requis pour l’utilisation de l’API. Consultez le guide de facturation.

Démarrer avec Kimi K3.1 Pro sur Felo

1. Créez une clé API Felo et ajoutez des crédits si votre compte en nécessite.
2. Essayez un prompt dans le Playground. Utilisez un contenu similaire à celui que votre application enverra.
3. Intégrez le prompt dans votre client en utilisant l’identifiant public du modèle. L’endpoint Messages est le protocole recommandé sur la page modèle Felo.

La requête ci-dessous sélectionne explicitement le canal MXFP4 moins cher :

export FELO_API_KEY="YOUR_API_KEY"

curl https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -H "X-Felo-Channel: moonshotai-mxfp4" \
  -d '{
    "model": "kimi-k3.1-pro",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Review this TypeScript refactor plan. Identify missing tests, risky changes, and the first file you would inspect."
      }
    ]
  }'

Pour choisir la route rapide, modifiez l’en-tête en X-Felo-Channel: moonshotai-highspeed. Pour laisser Felo décider, omettez l’en-tête. Felo accepte le même en-tête de routage sur ses endpoints Chat Completions, Responses et Messages. Un canal explicitement sélectionné ne bascule pas automatiquement sur un autre fournisseur ; votre application doit réessayer avec un autre canal si nécessaire. Voir la documentation de routage Felo.

SDK, streaming, outils et raisonnement

Felo propose trois surfaces compatibles pour l’appel de modèles. Utilisez celle que votre application gère déjà :

Style client	Endpoint	URL de base SDK
OpenAI Chat Completions	/api/v1/chat/completions	https://openapi.felo.ai/api/v1
OpenAI Responses	/api/v1/responses	https://openapi.felo.ai/api/v1
Anthropic Messages	/api/v1/messages	https://openapi.felo.ai/api

Pour les SDK compatibles Anthropic, l’URL de base s’arrête à /api ; le SDK ajoute /v1/messages. Le protocole Messages exige max_tokens. Ajoutez "stream": true pour recevoir des événements envoyés par le serveur, et attendez l’événement de fin du protocole au lieu de considérer une connexion interrompue comme une réponse terminée. Le guide des protocoles Felo détaille les formats de requête et le comportement du streaming.

Il s’agit d’options de protocole au niveau plateforme. Vérifiez que la combinaison de paramètres et de modalités dont vous avez besoin fonctionne sur la route K3.1 Pro avant de migrer une intégration existante.

Felo propose tools, tool_choice, des paramètres de sortie structurée et des contrôles de raisonnement pour ce modèle. Les valeurs d’effort de raisonnement prises en charge sont max, high, low et none, avec max par défaut. Le support du modèle et du protocole peut varier, donc testez la combinaison exacte de paramètres dont votre client a besoin avant de vous y fier. Les résultats de benchmark publiés utilisent principalement max ; réduire l’effort constitue une expérience de qualité et de coût, sans garantir la reproduction de ces scores. Vérifiez les capacités actuelles du modèle.

Si votre flux de travail requiert des données web récentes, une calculatrice, un shell de dépôt ou un programme CAD, fournissez et gérez ces outils dans votre application. Appeler kimi-k3.1-pro seul n’exécute pas d’outils externes ni ne vérifie les affirmations citées.

Plan d’évaluation pratique

K3.1 Pro couvre un large spectre, donc un test générique "Quel modèle est le meilleur ?" n’apporte pas grand-chose. Trois petits essais produisent des preuves plus utiles :

1. Programmation : Donnez-lui un vrai problème et le contexte du dépôt pertinent. Exigez un patch, des tests et une courte explication des risques restants. Notez si les tests passent et combien de tours d’outils sont nécessaires.
2. Visuel ou 3D : Fournissez une image de référence ou plusieurs vues et demandez un plan de modélisation ou un script. Faites vérifier dimensions et géométrie par une personne ou un renderer, sans juger uniquement le texte.
3. Recherche : Donnez un ensemble de documents fixe et une question avec une réponse connue. Exigez des emplacements de source, des calculs et un "non trouvé" explicite en cas d’absence de preuve.

Testez chaque essai sur les deux canaux Felo si la latence importe. Notez tokens d’entrée, de sortie et de cache, ainsi que coût total et temps écoulé. Gardez les mêmes prompts et outils pour comparer avec K3 ou un autre modèle. Cela permet une décision basée sur le travail accompli par dollar et minute, et non sur un benchmark de titre.

Limites et état de publication à garder en tête

• Publication des poids ouverts : Moonshot qualifie K3.1 Pro de modèle open-weight mais prévoit la publication complète des poids pour le 4 novembre 2026. L’accès API est disponible maintenant ; ne décrivez pas les poids comme déjà téléchargeables. La page modèle Felo indique la date prévue.
• Format de sortie : Felo affiche actuellement une sortie texte, même si l’entrée contient images ou vidéo. La création d’asset nécessite un outil connecté ou un autre endpoint de génération. Fiche modèle Felo.
• Transfert de benchmark : Scores internes, tests avec outils et démos long-terme ne se transposent pas directement à un appel API one-shot. Adaptez le setup d’évaluation à votre application.
• Précision : Le taux d’hallucination amélioré reste un taux d’erreur sur un test de résistance. Vérifiez citations, calculs et affirmations factuelles dans les flux critiques.
• Contexte et coût : Une fenêtre d’un million de tokens permet des requêtes très volumineuses et coûteuses. Prévoyez le prompt réel, la réponse générée, les essais et le contexte répété ; utilisez le tarif cache-read uniquement si l’utilisation indique un hit.

Moonshot décrit aussi des contrôles d’entraînement ciblés pour la capacité cyber-offensive dans la version K3.1 Pro. Les équipes évaluant des tâches de sécurité défensive doivent tester les tâches autorisées spécifiques dont elles ont besoin, sans supposer une performance à partir des résultats de programmation générale.

Foire aux questions

Kimi K3.1 Pro est-il identique à Kimi K3 ?

Non. Moonshot décrit K3.1 Pro comme une amélioration post-entraînement de K3 et rapporte des progrès en programmation, création 3D, recherche financière et test de précision factuelle. Il conserve la classe de contexte d’un million de tokens et la compréhension visuelle native.

Quel identifiant de modèle dois-je envoyer à Felo API ?

Utilisez kimi-k3.1-pro. Sur Felo, MXFP4 et Highspeed sont des canaux fournisseur pour cet identifiant public ; sélectionnez-en un avec X-Felo-Channel si vous avez besoin d’une route spécifique.

Peut-il générer des modèles 3D ou des vidéos directement via l’endpoint du modèle ?

Il comprend l’entrée visuelle et peut écrire des plans, du code ou des scripts pour des flux 3D et vidéo. Felo affiche actuellement texte comme modalité de sortie de cet endpoint. Vous avez besoin d’un renderer, d’un outil de conception ou d’un service de génération pour produire l’asset lui-même.

Dois-je utiliser MXFP4 ou Highspeed ?

Commencez par MXFP4 si le coût token constitue la contrainte principale. Testez Highspeed si le temps d’attente impacte votre produit ou boucle d’agent. Moonshot indique que Highspeed conserve la même capacité de modèle à une vitesse environ 2 à 3 fois supérieure, tandis que les tarifs d’entrée et de sortie publiés par Felo sont le double de ceux de MXFP4.

Le modèle complet est-il déjà disponible pour auto-hébergement ?

Moonshot prévoit la publication complète des poids K3.1 Pro pour le 4 novembre 2026. Consultez sa page officielle pour le statut le plus récent. L’accès API Felo est déjà disponible.

Testez-le sur votre propre charge

Kimi K3.1 Pro constitue une option intéressante lorsque la tâche combine contexte long, utilisation d’outils et preuves visuelles ou documentaires. Les progrès rapportés sont importants, mais la façon la plus rapide de savoir s’ils vous concernent consiste à exécuter un travail représentatif, inspecter le résultat et comparer le coût total des routes MXFP4 et Highspeed.

Explorez Kimi K3.1 Pro sur Felo API →

---

Cet article est également disponible en English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, العربية, Русский, اردو, Bahasa Indonesia, Deutsch, Tiếng Việt, Türkçe, Italiano, ไทย, Español, বাংলা and Português.