Kimi K3.1 Pro face à Claude Opus 5.5 et GPT-6 Astra : test complet en français (2026)

Mise à jour (9 novembre 2026) : Claude Fable 5.2 et Mythos 5.2 sont sortis - prix, accès et benchmarks dans mon guide Claude Fable 5.2.

👁 130 lectures

Le 24 octobre 2026, j’ai testé Kimi K3.1 Pro sur un ensemble de 12 tâches rédigées directement en français, ancrées dans les réalités administratives, fiscales et linguistiques hexagonales. Face à six rivaux dont Claude Opus 5.5, GPT-6 Astra et Gemini 4 Argon, le modèle de Moonshot AI obtient 68,0 points sur 72 et se classe sixième, tout en restant dans un mouchoir de poche avec le peloton central.

• Score en français : 68,0 / 72 (6e place sur 7 modèles testés), à seulement 1 ou 1,5 point de Gemini 4 Argon, DeepSeek V4.1 Flash et Qwen3.8 Max.
• Points forts (6,0 / 6) : calculs de TVA française (20 / 10 / 5,5 %), code de validation SIRET commenté en français, extraction JSON, contexte long d’environ 30 000 tokens, énigme logique et correction orthographique.
• Points faibles : dépassement de la limite de mots sur le résumé d’actualité locale (4,0 / 6) et référence juridique trop vague dans le courrier de résiliation de bail (5,0 / 6).
• Coût et vitesse sur le test français : 0,158 USD pour les 12 tâches (médiane de 85 tok/s sur l’endpoint moonshotai/mxfp4).

Méthodologie du test en français et classement complet

Ce protocole évalue la maîtrise pratique du français à travers 12 exercices conçus de zéro dans cette langue (et non traduits d’un test anglophone) : courrier formel avec formules de politesse adéquates, expressions idiomatiques et jeux de mots, résumé d’une actualité locale, traduction français-anglais aller-retour avec faux-amis, facture avec taux de TVA français, formats de dates et nombres, script Python validant un numéro SIRET avec commentaires en français, énigme logique, extraction JSON, question factuelle nationale, recherche d’informations dans environ 30 000 tokens de procès-verbaux de copropriété et correction de fautes.

J’ai interrogé tous les modèles via l’API OpenRouter avec un seul essai par tâche, un effort de raisonnement réglé sur medium et une limite de 16 000 tokens. Chaque exercice est noté de 0 à 6 (trois critères de 0 à 2 points). Les tâches factuelles, mathématiques, le JSON et l’exécution du code Python sous python -I ont été validés automatiquement. Au cours de la vérification en français, j’ai corrigé l’expression régulière de la tâche sur les formats (f) afin d’accepter la graphie typographique « 1ᵉʳ mai » sans avoir à relancer les modèles.

Pour les critères rédactionnels et linguistiques, j’ai fait appel à deux juges IA à l’aveugle : GPT-6.1 Sol et Gemini 4 Argon. Afin d’éviter tout favoritisme familial, les réponses de GPT-6 Astra n’ont été notées que par Gemini 4 Argon, celles de Gemini 4 Argon uniquement par GPT-6.1 Sol, tandis que Kimi K3.1 Pro, Claude Opus 5.5 et les autres modèles ont reçu la moyenne des deux juges. Vous pouvez consulter la vue d’ensemble de mes essais sur le dossier central Kimi K3.

Note sur les débits : les requêtes ayant été envoyées en parallèle, les durées restent indicatives. De plus, GPT-6 Astra a été routé sur le point de terminaison économique openai/flex pour ce test en français, ce qui rend sa latence non comparable avec une file standard. Quant à la variante Kimi K3.1 Pro Highspeed, je ne l’ai testée que sur le banc d’essai polonais pour des raisons de budget ; je n’extrapolerai donc ni sa vitesse ni son comportement en français.

Analyse des réponses de Kimi K3.1 Pro : exemples et écarts

Sur les huit épreuves techniques et structurées (de e à l), Kimi K3.1 Pro obtient le score maximal de 6,0 / 6, tout comme Claude Opus 5.5 et GPT-6 Astra. La différence au classement se joue exclusivement sur les quatre premières tâches, purement langagières.

Résumé avec contexte local (tâche c - 4,0 / 6)

L’exercice demandait de résumer en trois puces et moins de 60 mots une brève sur le plan vélo de la Métropole européenne de Lille. Kimi K3.1 Pro a restitué tous les faits exacts dans un français impeccable, mais a échoué sur la contrainte de concision en dépassant les 70 mots, ce qui lui coûte 2 points sur le premier critère :

La Métropole européenne de Lille adopte un plan vélo de 48 millions d'euros sur cinq ans, malgré des réserves de maires périphériques.
- Il prévoit 120 kilomètres de pistes cyclables nouvelles, dont 35 kilomètres de voies express, avec un financement d'environ un tiers par l'État et la Région.
- Dès le 1er mars 2027, les trottinettes en libre-service devront stationner sur des emplacements matérialisés, avec une redevance de 50 euros par engin et par an

En comparaison, DeepSeek V4.1 Flash 1017 (6,0 / 6) s’en est tenu à environ 44 mots en élaguant les détails secondaires de financement et de redevance.

Courrier formel et droit locatif (tâche a - 5,0 / 6)

Il fallait rédiger une lettre recommandée de congé de bail d’habitation à Lyon (zone tendue) avec préavis réduit à un mois. Le ton et la mise en page de Kimi sont irréprochables, mais les deux juges lui retirent un point pour l’absence de référence légale précise (comme la loi du 6 juillet 1989 ou le décret définissant les zones tendues) :

Par la présente, je vous informe de ma décision de donner congé du logement vide que j’occupe au 12 rue Sainte-Catherine, 69001 Lyon, en vertu du bail signé le 1er septembre 2022.

Le logement étant situé en zone tendue, je bénéficie du préavis réduit à un mois prévu par la législation en vigueur. Ce préavis court à compter de la réception de la présente lettre

Traduction avec faux-amis (tâche d - 5,5 / 6)

Sur l’exercice de traduction aller-retour parsemé de pièges lexicaux (stage/internship, éventuellement, sensible/sensitive, library/librairie, actually), Kimi déjoue tous les faux-amis. Le juge Gemini 4 Argon lui retire toutefois un demi-point sur la moyenne finale pour avoir surtraduit « éventuellement » par « at some point » et affaibli « actually » par « vraiment » :

1: At the moment, I’m looking for an internship, but it’s a real struggle. My boss told me my contract might be extended at some point-which basically means I can forget about it. Anyway, I’m fed up with it all, and my girlfriend, who’s very sensitive, keeps telling me not to stress about it.

2: J’ai fini par me rendre compte que la bibliothèque était fermée, alors j’ai décidé d’aller à la librairie à la place. Mon entraîneur est très exigeant, mais il a vraiment raison : je dois participer à davantage de séances. Ce n’est pas sorcier

Un écart similaire de 0,5 point apparaît sur la tâche b (idiomes et jeux de mots, 5,5 / 6) : les expressions (« poser un lapin », « avoir le cafard », « se faire rouler dans la farine ») et le calembour sur l’électricien (« être au courant ») sont parfaitement expliqués, mais Gemini 4 Argon a jugé la blague créée sur « vers/verre » un peu tirée par les cheveux.

Implications pratiques et stabilité de l’endpoint

En français, l’endpoint moonshotai/mxfp4 s’est montré parfaitement stable lors de mon exécution : les 12 réponses étaient pertinentes et dans la bonne langue. Il faut néanmoins noter que sur l’ensemble des 120 requêtes de ma campagne multilingue (10 langues), ce même endpoint a produit 8 réponses totalement hors sujet dans d’autres langues (en allemand, italien, turc et japonais, comptées 0 dans le classement officiel). Des relances diagnostiques hors classement ont suggéré un souci lié au service de l’endpoint standard plutôt qu’au modèle lui-même, mais un développeur utilisant l’API reste exposé à ce comportement.

Pour un usage quotidien en français portant sur de l’extraction de données, du code commenté, de la comptabilité avec TVA à taux multiples ou de la fouille dans de longs documents de 30 000 tokens, Kimi K3.1 Pro fait jeu égal avec Claude Opus 5.5 et GPT-6 Astra pour un coût bien inférieur sur cette série (0,158 USD contre 0,411 USD pour Opus 5.5). En revanche, si vos flux de travail exigent le respect strict d’un calibre de mots ou des citations juridiques précises sans les fournir dans le prompt, une vérification humaine reste indispensable.

Si vous souhaitez essayer l’environnement officiel par vous-même, vous pouvez passer par mon lien partenaire vers Kimi (lien affilié : je peux percevoir une commission sans frais supplémentaires pour vous).

Limites de ce comparatif

Ce banc d’essai comporte des limites méthodologiques qu’il convient de garder à l’esprit avant toute généralisation :

• Un seul essai par tâche : sans répétition pour mesurer la variance, un écart de 1 à 2 points sur 72 (comme entre les 68,0 points de Kimi, les 69,0 de Gemini 4 Argon et les 69,5 de DeepSeek ou Qwen) correspond en pratique à une égalité statistique.
• Saturation des tâches automatiques : presque tous les modèles ont obtenu 6/6 sur les exercices e à l. Le classement repose donc sur de fines nuances stylistiques dans les tâches a à d.
• Conception du jeu de test : les énoncés et les grilles de correction ont été préparés à l’aide d’un agent tournant sous Claude Opus 5.5. Même si la notation a été assurée par du code et par des juges d’autres familles (OpenAI et Google), les formulations de référence peuvent naturellement favoriser le style d’Opus 5.5. Il ne s’agit pas d’un benchmark académique indépendant.
• API contre interface web : j’ai interrogé les modèles exclusivement via OpenRouter. Ces résultats ne prouvent pas que l’application web grand public de Kimi se comportera de manière identique, ni que ces scores se maintiendront sur d’autres domaines ou d’autres langues.

FAQ : questions fréquentes sur Kimi K3.1 Pro en français

Kimi K3.1 Pro est-il aussi performant que Claude Opus 5.5 en français ?

Sur les tâches techniques, logiques, d’extraction JSON, de code Python (validation SIRET) et d’analyse de longs documents en français, Kimi K3.1 Pro a obtenu exactement le même score que Claude Opus 5.5 (6,0 / 6 partout). Il cède en revanche 4 points au total sur la concision du résumé, la précision juridique d’un courrier et deux détails de traduction et de jeu de mots (68,0 / 72 contre 72,0 / 72).

Combien a coûté le test complet en français par rapport aux concurrents ?

Exécutées via OpenRouter sur l’endpoint moonshotai/mxfp4 (tarifé à 2 USD / 1M de tokens en entrée et 10 USD / 1M en sortie lors du relevé), les 12 tâches françaises ont coûté 0,158 USD avec Kimi K3.1 Pro. C’est nettement moins cher que Claude Opus 5.5 (0,411 USD) ou GPT-6 Astra en mode flex (0,256 USD), mais plus onéreux que DeepSeek V4.1 Flash (0,028 USD via Together) ou GLM-5.3 (0,072 USD).

Kimi K3.1 Pro maîtrise-t-il les spécificités administratives françaises ?

Oui dans une large mesure : il a appliqué sans erreur les taux de TVA français (20 %, 10 % et 5,5 %), les conventions typographiques locales de dates et de montants, ainsi que l’algorithme de contrôle SIRET. Toutefois, dans la lettre de préavis réduit en zone tendue, il s’est contenté de mentionner « la législation en vigueur » là où les meilleurs modèles citaient le décret ou la loi applicable.

Pourquoi GPT-6.1 Sol et Gemini 4 Argon n’ont-ils pas noté tous les modèles de la même façon ?

Pour empêcher un juge IA de favoriser un modèle issu de sa propre famille, j’ai exclu l’auto-évaluation familiale : les réponses de GPT-6 Astra n’ont été évaluées que par Gemini 4 Argon, et celles de Gemini 4 Argon uniquement par GPT-6.1 Sol. Pour Kimi K3.1 Pro et Claude Opus 5.5, la note de chaque critère subjectif est la moyenne des deux juges (qui ont affiché un taux d’accord parfait de 89 % sur les 975 paires de critères du test global).

Sources et documentation

L’intégralité des scores, temps de réponse, coûts et extraits présentés dans cet article provient de mon propre banc d’essai exécuté le 24 octobre 2026 via l’API OpenRouter, en m’appuyant pour le volet fiscal français sur les taux officiels de TVA en vigueur à cette date. Pour replacer le modèle dans son contexte général, vous pouvez consulter la documentation officielle de l’éditeur (qui ne constitue pas la source de mes mesures) :

• Annonce officielle de Kimi K3.1 Pro sur le blog de Moonshot AI
• Documentation tarifaire de l’API sur la plateforme Kimi

// lire la suiteClaude Opus 5.5 : prix, benchmarks et tests completsBenchmarksTest de 7 modèles d’IA : Claude Opus 5, GPT-6 Astra, Gemini 3.1BenchmarksClaude Opus 5.5 benchmarks : tableau complet et notes explicativesBenchmarks

Kinetyra