Le 4 novembre 2026, Ollama a annoncé l’arrivée prochaine de Kimi K3.1 Pro sur Ollama Cloud. Le service met en avant un hébergement aux États-Unis et une politique de zéro conservation des données échangées avec le modèle. Pour les développeurs et les PME, cette annonce ouvre une nouvelle possibilité : accéder à un modèle de grande taille sans investir dans l’infrastructure nécessaire à son exécution.
Cette intégration accompagne la publication des poids de Kimi K3.1 Pro par Moonshot AI. Deux évolutions complémentaires, qui répondent à des besoins différents : déployer le modèle sur une infrastructure que l’on maîtrise, ou utiliser un service cloud pour éviter d’avoir à l’héberger.
Dans son message publié sur X, Ollama évoque un déploiement prochain. Au moment de cette annonce, il faut donc distinguer la disponibilité des poids du modèle de son ouverture effective dans le catalogue Ollama Cloud.
Un modèle conçu pour le code et les tâches complexes
Moonshot AI présente Kimi K3.1 Pro comme un modèle multimodal destiné notamment au développement logiciel, à la création 3D, à la recherche financière et aux tâches nécessitant plusieurs étapes et l’utilisation d’outils.
Sa fiche technique officielle indique les caractéristiques suivantes :
| Caractéristique | Kimi K3.1 Pro |
|---|---|
| Architecture | Mélange d’experts, ou MoE |
| Paramètres totaux | 2 800 milliards |
| Paramètres actifs par token | 104 milliards |
| Fenêtre de contexte | 1 048 576 tokens |
| Entrées prises en charge | Texte et images |
L’architecture MoE mobilise une partie des paramètres à chaque étape du calcul. Elle réduit le calcul nécessaire par rapport à l’activation de l’ensemble du modèle, mais ne transforme pas ce dernier en petit modèle facile à héberger.
La grande fenêtre de contexte permet de fournir des ensembles de documents ou de code volumineux. Elle ne garantit toutefois pas que chaque information sera correctement exploitée : la qualité de la réponse reste à vérifier sur le travail demandé.
Ollama Cloud évite de devoir héberger le modèle
Ollama est largement associé à l’exécution locale de modèles. Son offre cloud permet également d’utiliser des modèles exécutés à distance, depuis une application ou un terminal, sans télécharger leurs poids.
Pour une petite équipe, l’intérêt est concret : tester un modèle de cette taille sans préparer de serveurs d’inférence ni acheter le matériel correspondant. Le calcul est pris en charge par le service distant.
La documentation Ollama Cloud décrit un accès par API, application et ligne de commande. Pour les appels directs à l’API, elle recommande d’utiliser l’identifiant renvoyé par le catalogue des modèles. Il faudra donc reprendre celui de Kimi K3.1 Pro lors de son ouverture effective, puis vérifier les conditions d’accès et les limites du forfait utilisé.
Les données envoyées à un modèle cloud quittent la machine de l’utilisateur. Exécuter la commande depuis son propre ordinateur ne rend pas le traitement local.
Ce que signifie zéro conservation des données
L’annonce d’Ollama met en avant deux engagements : un hébergement aux États-Unis et la zéro conservation des données.
Sa politique de confidentialité précise que les requêtes et les réponses des modèles cloud sont traitées temporairement pour fournir le service, sans stockage au-delà du temps nécessaire à la requête. Ollama indique également ne pas utiliser ces contenus pour entraîner des modèles.
Cet engagement porte sur le contenu des échanges. Le service collecte par ailleurs des informations de compte et certaines métadonnées techniques ou d’utilisation. Zéro conservation des prompts ne signifie donc pas absence totale de données enregistrées par le fournisseur.
Pour une entreprise, cette distinction permet d’évaluer le service plus précisément. La localisation annoncée reste américaine : une équipe qui exige un traitement exclusivement européen devra intégrer ce point à son choix.
Des usages à tester dans une petite équipe
Pour un développeur, Kimi K3.1 Pro pourrait notamment servir à examiner plusieurs fichiers liés à une anomalie, proposer une modification et préparer les tests associés. Une équipe travaillant sur une application PHP pourrait, par exemple, lui fournir le parcours d’une requête entre contrôleur, service et accès aux données.
Côté métier, un essai pourrait porter sur la synthèse de documents, la comparaison de propositions ou la préparation d’une analyse à partir de plusieurs sources. Le gain éventuel se mesure au temps nécessaire pour obtenir un résultat utilisable, corrections comprises.
Moonshot publie des résultats encourageants, notamment 65,7 % sur Terminal-Bench 4.0, un benchmark de tâches réalisées dans un terminal. Ce résultat provient des évaluations présentées par l’éditeur et ne prédit pas directement les performances sur le projet d’une entreprise. Les conditions de test sont détaillées dans son article technique.
Pour comparer utilement ce modèle avec un outil déjà utilisé, le plus simple est de reprendre quelques tâches représentatives : une correction de bug, une modification fonctionnelle et une analyse documentaire. On peut ensuite mesurer la justesse, le respect des consignes, la durée et les reprises manuelles nécessaires.
Des poids accessibles avec une licence spécifique
Moonshot AI a également annoncé la publication des poids le 4 novembre. Les organisations disposant de l’infrastructure adaptée peuvent ainsi envisager leur propre déploiement.
Le terme modèle à poids ouverts décrit ici plus précisément la situation. Le dépôt fournit une licence Kimi K3.1 Pro, avec ses propres conditions. L’accès aux poids, la licence applicable et le coût de l’hébergement constituent trois éléments distincts du choix.
Pour une PME, l’accès cloud peut faciliter un premier essai. Un déploiement autonome répond à d’autres priorités, comme la maîtrise de l’infrastructure, et demande des moyens techniques adaptés.
Le choix dépendra du résultat sur vos tâches
L’arrivée annoncée de Kimi K3.1 Pro élargit les possibilités offertes aux utilisateurs d’Ollama. Elle associe un modèle ambitieux à un accès distant qui évite son hébergement, avec des engagements explicites sur le traitement des échanges.
Pour une équipe de développement ou une PME, la prochaine étape utile sera de tester le modèle dès son ouverture effective, sur un périmètre limité et mesurable. La qualité obtenue, le temps de correction et les limites d’usage permettront de décider de sa place dans les outils existants.
