Dépêche

MACHINES

Pourquoi payer Opus 5.5 quand Kimi K3.1 Pro fait pareil pour moitié prix ?

2 $ l’entrée, 10 $ la sortie : la moitié exacte des tarifs d’Opus 5.5, et 0,7 point d’écart sur le travail en terminal. Anatomie d’un modèle qui mérite mieux que le buzz qu’il déclenche.

Pourquoi payer Opus 5.5 quand Kimi K3.1 Pro fait pareil pour moitié prix ?

Le 23 octobre, Moonshot AI publie Kimi K3.1 Pro.

Et le web tourne en boucle sur la même phrase : la frontière, open source, pour moitié prix d’Opus.

Artificial Analysis l’a classé quatrième mondial au lancement. Indice 55. Quatre jours plus tard, la refonte de l’échelle le recale à 46.

Et c’est là, l’information qui compte. Sur la nouvelle échelle, il est premier des modèles à poids ouverts de sa catégorie : les gros, ceux de plus de 150 milliards de paramètres. La médiane de la catégorie plafonne à 23.

Ce buzz repose sur du réel, pour une fois. Mais un classement dit combien. Jamais comment, ni pourquoi.

La fiche technique, si.

Prenons-la ligne par ligne.

La bête

2 800 milliards de paramètres. 104 milliards actifs par token.

Pour le dire simplement : 896 spécialistes internes, dont 16 se réveillent à chaque mot, plus deux permanents.

Le reste, en tableau :

SpecValeur
Paramètres totaux2 800 Md
Actifs par token104 Md
Experts (MoE)896 (16 actifs + 2 partagés)
Couches93 (69 KDA + 24 Gated DSA)
Encodeur de vision401 M
Contexte1 048 576 tokens
QuantificationMXFP4 (≈ 1,4 To de poids)

Rien de tout cela n’est neuf. K3.1 Pro partage son squelette avec Kimi K3, sorti en juillet. Aucun pré-entraînement supplémentaire.

Ce qui a changé, c’est le post-entraînement. Moonshot a déversé de l’apprentissage par renforcement à très grande échelle sur des centaines de domaines. Le code d’abord, puis la 3D, puis la finance.

Et pour que la machine tienne, ils ont réoutillé toute la chaîne : framework RL, bacs à sable, ordonnancement des rollouts, inférence long-contexte.

Où ça paie

BancKimi K3.1 ProOpus 5.5
Terminal-Bench 4.0 (terminal)65,766,4
OSWorld (pilotage OS)79,681,8
HLE (connaissances)51,159,8

Sept dixièmes de point sur le terminal. Voilà le « fait pareil » du titre. (Pas partout). Mais précisément sur le créneau qui facture : le code longue durée.

Le reste des bancs confirme le diagnostic. SWE Marathon, le débogage en sessions longues : 51,7, meilleur score du tableau. GPQA-Diamond : 94,2. Et la science en terminal s’effondre : 38,1 contre 68,1 pour GPT-6 Astra.

Deux précisions, parce qu’un chiffre sans son protocole n’est qu’un chiffre.

Premièrement : ces scores viennent des bancs de Moonshot, évalués à effort « max » par défaut. Opus 5.5, lui, sort d’usine en « medium ». Sur l’agrégat d’Artificial Analysis, ça donne : Opus en croisière à 48, Kimi à fond à 46.

C’est plus ou moins l’équivalent d’un Opus en régime normal, pour la moitié du tarif.

Deuxièmement : un banc maison d’hallucinations lui prête 5,4 affirmations erronées sur 100, contre 6,8 à l’Opus. Banc maison, donc à recevoir prudemment. Mais l’écart est dans le bon sens.

L’étiquette, la facture, la file d’attente

2 $ le million de tokens en entrée, 10 $ en sortie. Soit… la moitié exacte des 4 $ / 20 $ d’Opus, au centime près !

La lecture en cache coûte 10 % du tarif plein, contre 5 % chez Anthropic.

Mais attention au coût réel, celui que mesure Artificial Analysis par tâche de son index :

ModèleCoût moyen par tâche
Kimi K3.1 Pro3,68 $
Opus 5.5 (effort max)10,04 $

Pas tout à fait la moitié, plutôt 2,7 fois moins.

Il y a cependant une variable majeure que « la moitié du prix » n’achète pas : la vitesse.

KimiOpus 5.5
Débit en sortie30 tokens/s114 tokens/s
Minutes par tâche39,625,4
Premier token (effort max)186,6 s396,1 s

L’option Highspeed est facturée 4 $ / 20 $. Exactement les tarifs d’Opus. Pour un débit annoncé deux à trois fois supérieur.

Détail piquant au passage. Le bavard des deux n’est pas celui qu’on attend. Pour passer l’index, Kimi écrit 113 millions de tokens. L’Opus à fond en écrit 218. À effort maximal, le champion de concision est américain…

Pourquoi ce prix n’est pas un prix

1,4 téraoctet de poids ne se pose pas sur une carte.

La recette officielle vLLM démarre à huit GPU B300 sur une seule machine. Et prévient : multi-nœuds « pour du trafic réel ».

Des B300, c’est du Blackwell. Très exactement ce que Washington interdit justement d’exporter vers la Chine. Moonshot aurait entraîné sur environ 20 000 GPU loués à Alibaba Cloud.

Moonshot rationne. Son agent de code renvoie par défaut vers un modèle plus léger depuis le 11 septembre. Puis publie les poids le 4 novembre, téléchargeables sans condition d’accès. 41 000 fois en dix jours. Et NVIDIA publie déjà sa version compressée NVFP4.

La licence raconte la stratégie. Usage libre, dérivés compris. Sauf pour revendre l’accès : au-delà de 20 millions de dollars de revenus sur douze mois, il faut un contrat séparé avec Moonshot. Selon Reuters, la maison demanderait jusqu’à 30 % de revenus aux clouds américains. (En négociation…)

Le marché, lui, a déjà tranché sur le prix. Dix jours après la sortie des poids, dix-huit hébergeurs servent le modèle sur OpenRouter. De 2 $ / 10 $ chez Moonshot à 0,24 $ / 8,41 $ chez Relace.

L’étiquette « moitié prix » aura fondu avant la fin du mois.

Deux précisions pour un lectorat français.

Déjà, il n’y a pas de routage « in-region UE » sur OpenRouter à ce jour. La conformité données se négocie ailleurs.

D’autre part, les deux camps se sont déjà affrontés, et pas sur un banc. Dans son rapport de renseignement sur les menaces publié en septembre, Anthropic décrit Moonshot relayant près de 300 000 requêtes clients vers Claude en dix jours, via 5 380 faux comptes. Puis collectant 23 millions d’échanges entre mai et juillet, avec un pipeline pour en extraire le raisonnement.

Le modèle « qui fait pareil pour moitié » a beaucoup appris de celui qu’il vise :)

La frontière qui bouge vraiment

Le même communiqué publie le banc cyber. Et c’est son passage le plus stratégique.

Exploitation de vulnérabilités (xdev-bench-hard, trois essais) :

ModèleScore
GPT-5.6 Sol100
Kimi (checkpoint non filtré)90,5
DeepSeek V4.1 Flash85,7
Kimi (filtré)81,0
Kimi K3 (ancien)33,3

Moonshot a purgé les données de cybersécurité du corpus et des environnements d’entraînement, ça coûte 9,5 points.

La leçon dépasse le communiqué. Entre K3 et K3.1 Pro, sans un seul exemple d’attaque dans les données, la capacité d’exploitation est passée de 33 à 81 !

Depuis le 4 novembre, ces 81 % se téléchargent.

Retournée, la pièce a un revers utile : c’est aussi l’argument du modèle qu’on héberge chez soi, pour auditer ce qui ne doit pas sortir.

Le réel, pour finir

Les essais terrain convergent avec les bancs. Huit tâches de développement opposées à l’Opus : simulations physiques, 3D, montage vidéo.

  • Kimi est très bon en code et en 3D : 92,7 contre 96,2 à l’Opus en CAO avec outils. Et la parité presque parfaite sans outils : 72,8 contre 73,0.
  • Pour l’instant encore dépassé en motion design et en montage (les modèles d’Anthropic maintiennent leur avantage compétitif sur ce point.)
  • Et un talon d’Achille : en français, précisément, la pertinence s’effondre. Le modèle boucle, réfléchit en rond. L’effort maximal gonfle parfois la facture sans améliorer le résultat.

La RL a optimisé un examen anglophone, le multilingue reste une dette.


Pour du code agentique longue durée, en anglais, en traitements par lots : la remise est réelle, mesurée tâche par tâche, prenez-la.

Pour le français, la latence interactive ou le design : l’Opus reste seul en lice, et il le sait.

Dépêche

MACHINES

Why pay for Opus 5.5 when Kimi K3.1 Pro does the same for half the price?

2 dollars in, 10 dollars out: exactly half of Opus 5.5's rates, and 0.7 points apart on terminal work. An anatomy of a model that deserves better than the buzz it triggers.

Why pay for Opus 5.5 when Kimi K3.1 Pro does the same for half the price?

On October 23, Moonshot released Kimi K3.1 Pro, and the internet has been saying the same sentence on a loop ever since: the frontier, open source, for half the price of Opus.

Artificial Analysis ranked it fourth in the world at launch. Index 55. Four days later, the index was overhauled and it fell to 46.

That second number is the one that matters. On the new scale, Kimi is first among open-weight models in its class — the big ones, over 150 billion parameters — while the median of that class sits at 23.

The buzz is actually grounded this time. But a ranking tells you how much. Never how, or why.

The spec sheet does. Line by line.

The beast

2.8 trillion parameters. 104 billion active per token.

In plain terms: 896 internal specialists, 16 of which wake up for each word, plus two permanent ones.

The rest, in a table:

SpecValue
Total parameters2.8T
Active per token104B
Experts (MoE)896 (16 active + 2 shared)
Layers93 (69 KDA + 24 Gated DSA)
Vision encoder401M
Context1,048,576 tokens
QuantizationMXFP4 (≈ 1.4TB of weights)

None of this is new. K3.1 Pro shares its skeleton with Kimi K3, out in July. No additional pre-training.

What changed is post-training. Moonshot dumped reinforcement learning at massive scale across hundreds of domains — code first, then 3D, then finance — and re-tooled the whole chain to keep the machine standing: RL framework, sandboxes, rollout scheduling, long-context inference.

Where it pays

And it shows exactly where companies pay. The numbers:

BenchmarkKimi K3.1 ProOpus 5.5
Terminal-Bench 4.0 (terminal)65.766.4
OSWorld (OS control)79.681.8
HLE (knowledge)51.159.8

Seven-tenths of a point on the terminal. That's the "does the same" in the title. Not everywhere. Precisely on the niche that bills: long-horizon code.

The rest of the benches confirm the diagnosis. SWE Marathon, the long-session debugging: 51.7, best score on the board. GPQA-Diamond: 94.2. And terminal science collapses: 38.1 against 68.1 for GPT-6 Astra.

Two caveats, because a number without its protocol is just a number.

First: those scores come from Moonshot's own benches, evaluated at "max" reasoning effort by default. Opus 5.5, for its part, ships in "medium." On Artificial Analysis's aggregate, that's Opus cruising at 48 and Kimi flat-out at 46.

More or less the equivalent of an Opus in normal operation, at half the blended price.

Second: an in-house hallucination bench gives it 5.4 wrong assertions per 100, against 6.8 for Opus. In-house, so take it with salt — but the gap points the right way.

The label, the bill, the queue

2 dollars per million tokens in, 10 out. Exactly half of Opus's $4/$20, to the cent.

Cached reads cost 10% of full price, versus 5% at Anthropic.

But the real cost, the one Artificial Analysis measures per task on its index:

ModelAverage cost per task
Kimi K3.1 Pro$3.68
Opus 5.5 (max effort)$10.04

Not quite half, rather 2.7 times less.

There is however one major variable that "half the price" doesn't buy: speed.

KimiOpus 5.5
Output throughput30 tok/s114 tok/s
Minutes per task39.625.4
First token (max effort)186.6 s396.1 s

The Highspeed option is billed at $4/$20 — exactly Opus's rates — for a claimed two to three times the throughput.

The deal, then: the same work, delivered more slowly.

Fun detail: the chatty one of the two isn't who you'd expect. To get through the index, Kimi writes 113 million tokens. Opus flat-out writes 218. At max effort, the champion of concision is American...

Why this price isn't a price

1.4 terabytes of weights do not sit on one card.

The official vLLM recipe starts at eight B300 GPUs on a single machine. And warns: multi-node "for real traffic."

B300s are Blackwell — exactly what Washington bans from export to China. Moonshot allegedly trained on about 20,000 GPUs rented from Alibaba Cloud.

In other words: a model too big for its own creator's servers.

Moonshot rations — its coding agent has defaulted to a lighter model since September 11 — then publishes the weights on November 4, downloadable with no access condition. 41,000 times in ten days, and NVIDIA already ships a compressed NVFP4 version.

The license tells the strategy. Free use, derivatives included. Except for reselling access: past $20 million in trailing-twelve-month revenue, you need a separate deal with Moonshot. Per Reuters, the house is asking US clouds for up to 30% of revenue. (In negotiation...)

The market, meanwhile, has already decided on price. Ten days after the weights dropped, eighteen hosters serve the model on OpenRouter. From $2/$10 at Moonshot down to $0.24/$8.41 at Relace.

The "half price" label will have melted before the end of the month.

Two notes for a French readership.

One: no EU in-region routing on OpenRouter yet — data compliance is negotiated elsewhere.

Two: the two camps have already clashed, and not on a bench. In its September threat-intelligence report, Anthropic describes Moonshot relaying nearly 300,000 client requests to Claude over ten days, through 5,380 fake accounts. Then collecting 23 million exchanges between May and July, with a pipeline to extract the reasoning.

The model that "does the same for half" learned a lot from the one it's aiming at :)

The frontier that actually moves

The same announcement ships the cyber bench. And it's the most strategic part.

Vulnerability exploitation (xdev-bench-hard, three attempts):

ModelScore
GPT-5.6 Sol100
Kimi (unfiltered checkpoint)90.5
DeepSeek V4.1 Flash85.7
Kimi (filtered)81.0
Kimi K3 (old)33.3

Moonshot purged cybersecurity data from the corpus and the training environments — that costs 9.5 points.

The lesson goes beyond the announcement. Between K3 and K3.1 Pro, with not a single attack example in the data, exploitation went from 33 to 81.

Knowing how to code as a long-horizon agent and knowing how to break into a system are becoming the same skill.

Since November 4, that 81% is downloadable.

Flip the coin and it has a useful other side: it's also the argument for the model you host yourself, to audit what must not leave.

The real world, finally

Field tests converge with the benches. Eight development tasks pitted against Opus: physics simulations, 3D, video editing.

  • Kimi is very good at code and 3D: 92.7 against 96.2 for Opus on CAD with tools, and near-parity without tools (72.8 vs 73.0).
  • Still behind on motion design and editing (Anthropic's models hold their competitive edge there.)
  • And one Achilles' heel: in French, relevance collapses. The model loops, thinks in circles, and max effort sometimes inflates the bill without improving the result.

The RL optimized for an English-speaking exam. Multilingual stays a debt.


For long-horizon agentic code, in English, in batch: the discount is real, measured task by task. Take it.

For French, interactive latency, or design: Opus is still alone in the running, and it knows it.