Bobot Kimi K3.1 Pro Sudah Dirilis: 1,56 TB di Disk dan Lini Lisensi $20M

Selama sebelas hari antara peluncuran API dan unduhan, sebagian besar liputan tentang Kimi K3.1 Promengutip 5,6 terabyte bobot BF16. Repositori yang benar-benar diterbitkan Moonshot AI di Hugging Face pada 4 November 2026 berukuran 1,56 TB, tersebar dalam 96 shard safetensors. Itu bukan model yang lebih kecil daripada yang ditulis semua orang — ini adalah campuran-pakar (mixture-of-experts) 2,8 triliun parameter yang sama, yang diturunkan dari Kimi K3, dan dikirimkan dalam presisi yang Moonshot latih untuk melayaninya. Selisih antara kedua angka itu adalah hal pertama yang layak dipahami tentang rilis ini, karena itulah yang menentukan apakah mesin yang sudah Anda miliki dapat menampungnya.

Hal kedua adalah lisensi, yang bukan Apache 2.0, bukan MIT, dan tidak disetujui OSI meskipun paragraf pembukanya permisif. Ini adalah instrumen khusus bernama Lisensi Kimi K3.1-Pro, dan di dalamnya terdapat ambang pendapatan yang mengubah unduhan gratis menjadi negosiasi bagi satu jenis perusahaan tertentu. Kedua fakta itu tak terjawab pada 25 Oktober, ketika bobotnya masih berupa janji dengan daftar periksa yang terlampir. Sekarang keduanya sudah terjawab.

Apa yang sebenarnya muncul di Hugging Face

{{1}}Repo ini adalah moonshotai/Kimi-K3.1-Pro{{/1}}, {{2}}tanpa pembatasan akses{{/2}}, dan {{3}}berisi 111 file{{/3}}. {{4}}Sembilan puluh enam di antaranya adalah shard bobot{{/4}}; {{5}}sisanya adalah konfigurasi, tokenizer, empat file Python untuk arsitektur kustom, kartu model, dan lisensi{{/5}}. {{6}}Total ukuran seluruh file adalah 1,561 GB{{/6}}.

Alasan model ini muat dalam 1.56 TB, bukan 5.6 TB, tertulis di kartu model sebagai baris spesifikasi, bukan catatan kaki: bobot MXFP4 dengan aktivasi MXFP8, diterapkan melalui pelatihan yang sadar kuantisasi. Ini bukan kuantisasi 4-bit pasca-hoc yang dijalankan seseorang setelah semuanya selesai. Ini adalah presisi serving native, yang menjadi alasan repositori membawa tag compressed-tensors dan tidak ada checkpoint BF16 di sampingnya. Jika Anda merencanakan berdasarkan unduhan 5.6 TB, Anda merencanakan terhadap angka yang tidak pernah dirilis Moonshot.

Sisa lembar spesifikasi, agar Anda dapat memperkirakan skala pekerjaannya:

• Total parameter — 2,8T dalam mixture-of-experts, dengan 104B yang diaktifkan per token

• Kedalaman — 93 lapisan, salah satunya adalah lapisan dense; susunan attention terdiri dari 69 lapisan KDA ditambah 24 lapisan Gated DeepSeek Sparse Attention, sebuah perubahan dari lapisan Gated MLA full-attention milik Kimi K3

• Pakar — total 896, 16 dipilih per token ditambah 2 yang dibagikan, pada dimensi laten MoE sebesar 3.584

• Konteks — 1.048.576 token, tidak berubah dari Kimi K3

• Modalitas — teks dan gambar masuk, teks keluar; encoder visi adalah MoonViT-V2 dengan 401M parameter

• Kosakata — 160K token

Hanya satu dari angka-angka itu yang baru relatif terhadap Kimi K3, dan itu adalah perubahan attention. Moonshot menyatakan secara eksplisit bahwa ini adalah rilis pasca-pelatihan pada basis K3 dengan reinforcement learning gabungan yang lebih intensif di ratusan domain, bukan arsitektur baru. Substitusi Gated DSA ada untuk efisiensi konteks panjang, bukan untuk lompatan kemampuan.

Lisensi ini memiliki tiga tingkatan, dan yang di tengah adalah yang penting.

Lisensi Kimi K3.1-Pro membuka jalan sebagaimana yang Anda harapkan dari lisensi permisif: izin untuk menggunakan, menyalin, memodifikasi, menggabungkan, menerbitkan, mendistribusikan, mensublisensikan, dan menjual; untuk menjalankan, menerapkan, dan menyetel ulang; serta untuk membuat karya turunan. Kemudian lisensi ini menambahkan syarat-syarat, dan pada syarat-syarat itulah keputusan sesungguhnya terletak.

• Bagian 2, gerbang model-as-a-service — jika Anda atau afiliasi Anda menjalankan bisnis yang memberi pihak ketiga akses ke inferensi atau fine-tuning, dan pendapatan grup melebihi $20 juta selama 12 bulan berturut-turut mana pun, Anda memerlukan perjanjian terpisah dengan Moonshot sebelum penggunaan komersial. Dua pengecualian penting: produk pengguna akhir yang modelnya tertanam di dalam suatu fitur atau harness bukanlah "model as a service", dan begitu pula sekadar meneruskan permintaan ke model yang dihosting oleh pihak lain.

• Bagian 3, klausa atribusi — produk komersial dengan lebih dari 100 juta pengguna aktif bulanan, atau lebih dari $20 juta pendapatan bulanan, wajib menampilkan "Kimi K3.1-Pro" secara mencolok di antarmuka. Itu adalah kewajiban branding, bukan pembayaran.

• Bagian 4, pengecualian — tidak satu pun dari hal di atas berlaku untuk penggunaan internal, yang didefinisikan sebagai segala penggunaan yang tidak membuat perangkat lunak, keluarannya, atau kemampuan dasarnya tersedia bagi pihak ketiga, maupun untuk penggunaan melalui produk resmi dan mitra inferensi tersertifikasi Moonshot.

Pembacaan praktisnya adalah bahwa deployment internal bersifat gratis dan tanpa batasan, dan begitu pula membangun produk di atas model untuk pengguna Anda sendiri. Yang memicu pembicaraan $20 juta adalah menjual ulang akses model mentah dalam skala besar. Jika Anda berharap mendirikan endpoint inferensi pesaing dengan bobot ini, itulah paragraf yang perlu dibawa ke pengacara, dan secara struktural lisensi ini sama dengan lisensi yang digunakan Kimi K3 — jadi tinjauan hukum yang sudah ada atas K3 dapat dialihkan, dengan nama yang diganti.

Satu hal yang tidak dilakukan lisensi ini adalah menjadikannya open source dalam pengertian OSI. Bidang dalam metadata repositori terbaca license: other, dengan nama lisensi diatur ke kimi-k3.1-pro. Media yang menyebutnya sebagai MIT yang dimodifikasi pada jam-jam pertama setelah peluncuran hanya membaca bagian pembuka yang permisif dan berhenti di situ.

Apa yang dibutuhkan untuk menjalankannya, dan di mana API lebih unggul

Resep vLLM yang diterbitkan untuk model ini adalah panduan penerapan paling konkret yang tersedia, dan sangat spesifik. Dokumen ini menetapkan vLLM 0.34.0 atau yang lebih baru, baseline satu grup tensor-parallel berisi 8 GPU — dua tray GB300 atau satu node B300 — dengan --tensor-parallel-size 8 yang tersebar di --nnodes 2. Mode konteks panjang opsional, DCP8, meningkatkan kapasitas cache KV menjadi sekitar 18,5 juta token dibandingkan 2,6 juta dengan KV FP8 pada 8 B300, sekitar tujuh kali lebih banyak.

Dua konsekuensi menyusul. Pertama, node 8×H200 tidak layak: 1,13 TB HBM tidak dapat menampung 1,56 TB bobot sebelum Anda mengalokasikan satu token cache pun. Kedua, tidak ada jalur untuk konsumen. Model ini membutuhkan VRAM lebih besar daripada yang dimiliki workstation, dan arsitektur yang akan membuat versi CPU-offload yang lambat dapat ditoleransi masih mengejar kode kimi_k31 kustom — repo tersebut menyertakan trust_remote_code=True dalam cuplikan quickstart-nya sendiri, yang menunjukkan bahwa arsitektur tersebut belum masuk ke jalur default pustaka upstream yang telah dirilis.

Ekonomi penggunaan model lebih mudah dipahami lewat token keluaran daripada lewat rincian biaya GPU. Dengan $10 per juta token keluaran, perkiraan biaya modal satu node sekitar $550.000 hingga $650.000 dapat membeli antara 55 dan 65 miliar token keluaran melalui API dengan harga daftar. Node yang dihosting sendiri hanya bisa mengalahkan itu jika Anda menjaganya cukup sibuk untuk melayani lebih dari itu sebelum usang — dan perbandingan itu belum termasuk listrik, staf operasi, waktu menganggur, dan node kedua yang Anda perlukan untuk redundansi. Bagi sebagian besar tim yang membaca ini, jawaban jujurnya adalah bobot model merupakan aset strategis dan API adalah cara yang lebih murah untuk menggunakan model tersebut.

Itu juga alasan kimi/kimi-k3.1-pro berada di katalog kami dengan harga $2.00 per juta token input dan $10.00 per juta token output mengubah perhitungan, bukan menduplikasinya. Konteks 1.048.576 token yang sama dan 104B parameter aktif yang sama tersedia melalui Chat Completions, Responses API, dan Anthropic Messages, tanpa klaster dua node. Harga kami adalah markup 0% dari harga daftar penyedia, jadi saat Moonshot mengubah kartu tarif, angka di sini berubah pada hari yang sama, bukan pada perpanjangan kontrak berikutnya. Dan karena model ini dapat diakses melalui satu kunci bersama lebih dari 200 lainnya, mencobanya pada beban kerja nyata tidak mengharuskan Anda mengikat jalur produksi kepadanya — Anda dapat menempatkannya di balik failover dan membiarkannya memperoleh trafik.

Tabel benchmark itu bermata dua

Setiap angka di bagian ini dilaporkan oleh vendor dari kartu model, dijalankan pada reasoning effort max dengan temperature 1.0 dan top-p 0.95. Kolom perbandingan juga diambil pada max effort dengan fallback diaktifkan, yang perlu diketahui sebelum Anda membaca selisih satu poin sebagai kemenangan.

Terminal-Bench 4.0 — Kimi K3.1 Pro 65,7% melawan Claude Opus 5.5 pada 66,4%, GPT-6 Astra pada 58,2% dan Claude Fable 5.1 pada 57,9%. Berada di peringkat kedua dalam tabel dengan selisih delapan persepuluh poin, dan jelas unggul dari dua model yang dibandingkan dengannya.

• SWE Marathon v1.1 — 51,7% dibandingkan 46,3% untuk Claude Opus 5.5 dan 45,6% untuk Claude Fable 5.1. Keunggulan nyata dalam pekerjaan perangkat lunak berhorizon panjang.

• HLE-Full dengan alat — 70,0% dibandingkan 67,7% untuk Claude Opus 5.5 dan 65,6% untuk Claude Fable 5.1. BrowseComp mencapai 92,1% dibandingkan 91,5% untuk GPT-6 Astra.

• Program Bench — 31,5% dibandingkan 65,0% untuk Claude Opus 5.5, 53,5% untuk Claude Fable 5.1, dan 50,0% untuk GPT-6 Astra. Ini adalah kekalahan terlebar di lembar itu dengan selisih jauh, dan itulah baris yang perlu Anda perhatikan jika pekerjaan Anda adalah sintesis program, bukan loop agen berbentuk terminal.

• Terminal-Bench-Science 0.1 — 38,1% dibandingkan 68,1% untuk GPT-6 Astra dan 63,3% untuk Claude Opus 5.5. Kategori lain di mana model ini belum mendekati pesaing.

• HLE-Full tanpa alat — 51,1% dibandingkan 59,8% untuk Claude Opus 5.5. Kolom penggunaan alat membalik urutan, yang lebih mencerminkan kualitas harness daripada kemampuan penalaran mentah.

Polanya cukup konsisten sehingga berguna: Kimi K3.1 Pro kuat ketika agen menjalankan shell, browser, atau tugas pengodean yang berjalan lama, dan lemah pada tolok ukur ilmiah serta konstruksi program yang berdiri sendiri. Jika Anda memilih antara itu dan Claude Opus 5.5 berdasarkan satu angka utama saja, angka utama itulah satu-satunya area di mana keduanya paling berdekatan.

Pengukuran independen masih minim dan perlu dinyatakan secara gamblang. Artificial Analysis saat ini memberi Kimi K3.1 Pro skor 46 pada Intelligence Index v5.0.1 dan mencantumkannya sebagai open weights, dengan 32 token output per detik, peringkat pertama dari 25 pada panel yang ditampilkan di halaman modelnya. Liputan minggu peluncuran mengutip 55, tetapi itu terhadap versi indeks yang digunakan sebelum pembangunan ulang v5 pada 27 Oktober — instrumen yang berbeda, dan mengurangkan satu dari yang lain menghasilkan angka yang tidak berarti.

{{1}}Pos pemeriksaan terbuka{{/1}} bukan yang tanpa pembatasan

Moonshot mengatakan bahwa mereka menghapus data pelatihan kemampuan siber dari sebagian mid-training dan pembelajaran penguatan sebelum merilis bobot ini, dan kartu model memuat buktinya, bukan sekadar menjadikannya sebagai pernyataan pers. Pada set internal xdev-bench-hard miliknya, checkpoint yang dirilis mencetak 81,0% berbanding 90,5% untuk checkpoint tanpa pembatasan dari model yang sama. Apa pun yang Anda unduh dari repositori itu adalah build yang telah dimitigasi.

Angka absolutnya juga tidak menggembirakan jika dilihat dari arah sebaliknya. Pada ExploitBench, model ini mencetak 74,7 berbanding 100 untuk GPT-6 Astra dan 91,0 untuk Claude Opus 5.5; pada ExploitGym, model ini mencetak 20,7 berbanding 42,4 untuk GPT-6 Astra. Jadi, model yang dirilis ini lebih lemah daripada variannya sendiri yang tanpa pembatasan sekaligus tertinggal dari frontier dalam tugas-tugas eksploitasi — kombinasi yang wajar untuk diinginkan pada model 2,8 triliun parameter yang dapat diunduh secara terbuka, dan penting untuk diketahui jika model ancaman Anda mengasumsikan bahwa bobot terbuka berarti kemampuan tanpa batasan.

Siapa yang harus mengunduh ini, dan siapa yang tidak

Unduh jika Anda punya alasan untuk menyimpan bobotnya sendiri: persyaratan residensi data yang menutup kemungkinan inferensi pihak ketiga apa pun, program fine-tuning yang membutuhkan model dasar secara in-house, kelompok riset yang mengaudit perilaku alih-alih menyewanya, atau volume berkelanjutan yang cukup besar sehingga node khusus lebih unggul daripada penagihan per token. Anda akan memerlukan dua node, bukan satu, dan rencana untuk cache KV jika Anda berniat menggunakan konteks yang mendekati satu juta token.

Jangan mengunduhnya jika tujuannya adalah menghemat biaya pada beban kerja sedang, atau menjalankan model kelas terdepan pada perangkat keras yang sudah Anda miliki. 1,56 TB adalah batas minimum, bukan persyaratannya, dan persyaratannya adalah klaster kelas B300 atau GB300. Lewati juga jika beban kerja Anda adalah sintesis program atau sains yang sulit — Program Bench dan Terminal-Bench-Science adalah area di mana model ini paling jauh tertinggal dari alternatif lain, dan seberapa pun permisifnya lisensi tidak akan menutup kesenjangan itu.

Bagi semua orang di antaranya, ketersediaan bobot tetap menjadi berita yang lebih penting, dan bukan karena apa yang dapat Anda jalankan dengan model itu. Ini karena checkpoint yang dapat diunduh dapat diaudit, sedangkan API tidak — dan model berparameter 2,8 triliun yang selisih satu poin dari Claude Opus 5.5 pada Terminal-Bench 4.0 kini menjadi sesuatu yang dapat diperiksa oleh peneliti luar, bukan sekadar dipercaya. Itulah bagian dari 4 November yang tidak bergantung pada memiliki pusat data.