Sono usciti i pesi di Kimi K3.1 Pro: 1,56 TB su disco e una voce di licenza da 20 milioni di dollari

Per gli undici giorni tra il lancio dell'API e il download, la maggior parte della copertura di Kimi K3.1 Procitava 5,6 terabyte di pesi BF16. Il repository che Moonshot AI ha effettivamente pubblicato su Hugging Face il 4 novembre 2026 è di 1,56 TB, distribuiti su 96 shard safetensors. Non si tratta di un modello più piccolo di quello di cui tutti hanno scritto — è lo stesso mixture-of-experts da 2,8 trilioni di parametri derivato da Kimi K3, rilasciato nella precisione con cui Moonshot lo ha addestrato a servire. Il divario tra le due cifre è la prima cosa che vale la pena capire di questo rilascio, perché decide se una macchina che già possedete può contenerlo.

La seconda cosa è la licenza, che non è Apache 2.0, non è MIT e non è approvata dall'OSI, nonostante un paragrafo introduttivo permissivo. È uno strumento personalizzato chiamato Kimi K3.1-Pro License, e contiene una soglia di ricavi che trasforma un download gratuito in una trattativa per un tipo specifico di azienda. Entrambi i fatti erano impossibili da stabilire il 25 ottobre, quando i pesi erano una promessa con una lista di controllo allegata. Ora è possibile.

Cosa è effettivamente arrivato su Hugging Face

Il repository è moonshotai/Kimi-K3.1-Pro, non è soggetto a restrizioni di accesso e contiene 111 file. Novantasei di questi sono shard dei pesi; il resto sono la configurazione, il tokenizer, quattro file Python per l'architettura personalizzata, la model card e la licenza. La dimensione complessiva di tutti i file è di 1.561 GB.

Il motivo per cui entra in 1,56 TB anziché in 5,6 TB è scritto nella model card come riga delle specifiche, non come nota a piè di pagina: pesi MXFP4 con attivazioni MXFP8, applicati tramite quantization-aware training. Non si tratta di una quantizzazione post-hoc a 4 bit eseguita a posteriori da qualcuno. È la precisione nativa per il serving, ed è per questo che il repository riporta il tag compressed-tensors e che non c'è un checkpoint BF16 accanto. Se stavi pianificando in base a un download da 5,6 TB, stavi pianificando su un numero che Moonshot non ha mai distribuito.

Il resto della scheda tecnica, così puoi valutare l'entità del lavoro:

• Parametri totali — 2,8T in un mixture-of-experts, con 104B attivati per token

• Profondità — 93 strati, di cui uno denso; lo stack di attenzione è composto da 69 strati KDA più 24 strati Gated DeepSeek Sparse Attention, un cambiamento rispetto agli strati Gated MLA a piena attenzione di Kimi K3

• Esperti — 896 in totale, 16 selezionati per token più 2 condivisi, con una dimensione latente MoE di 3.584

• Contesto — 1.048.576 token, invariato rispetto a Kimi K3

• Modalità — testo e immagini in input, testo in output; l'encoder visivo è MoonViT-V2 con 401M parametri

• Vocabolario — 160K token

Solo uno di quei numeri è nuovo rispetto a Kimi K3, ed è la modifica all’attenzione. Moonshot è esplicito: si tratta di un rilascio di post-training sulla base K3 con un apprendimento per rinforzo congiunto più intenso su centinaia di domini, non di una nuova architettura. La sostituzione con Gated DSA c’è per l’efficienza sui contesti lunghi, non per un salto di capacità.

La licenza ha tre livelli, e quello intermedio è quello che conta.

La licenza Kimi K3.1-Pro si apre nel modo in cui ci si aspetta che si apra una licenza permissiva: permesso di usare, copiare, modificare, unire, pubblicare, distribuire, sublicenziare e vendere, di eseguire, distribuire e mettere a punto, e di creare opere derivate. Poi aggiunge delle condizioni, ed è nelle condizioni che risiedono le decisioni.

• Sezione 2, la condizione del modello come servizio — se voi o le vostre società affiliate gestite un'attività che consente a terzi di accedere a inferenza o fine-tuning, e i ricavi del gruppo superano i 20 milioni di dollari in qualsiasi periodo di 12 mesi consecutivi, è necessario un accordo separato con Moonshot prima dell'uso commerciale. Due eccezioni sono importanti: i prodotti per utenti finali in cui il modello è incorporato all'interno di una funzionalità o di un harness non sono "modello come servizio", e non lo è nemmeno il mero inoltro di richieste a modelli ospitati da altri.

• Sezione 3, la clausola di attribuzione — i prodotti commerciali con più di 100 milioni di utenti attivi mensili, o con più di 20 milioni di dollari di ricavi mensili, devono visualizzare "Kimi K3.1-Pro" in modo ben visibile nell'interfaccia. Si tratta di un obbligo di branding, non di un pagamento.

• Sezione 4, le esenzioni — nessuna delle due disposizioni di cui sopra si applica all'uso interno, definito come qualsiasi uso che non renda il software, i suoi output o le sue capacità sottostanti disponibili a terzi, né all'uso tramite i prodotti ufficiali di Moonshot e i partner di inferenza certificati.

L'interpretazione pratica è che le distribuzioni interne sono gratuite e senza restrizioni, e lo stesso vale per costruire un prodotto sopra il modello per i propri utenti. Ciò che fa scattare il discorso dei 20 milioni di dollari è la rivendita su larga scala dell'accesso grezzo al modello. Se speravi di mettere in piedi un endpoint di inferenza concorrente su questi pesi, quello è il paragrafo da portare a un avvocato, ed è strutturalmente la stessa licenza con cui è stato rilasciato Kimi K3 — quindi una revisione legale già esistente di K3 si trasferisce, cambiando il nome.

Una cosa che la licenza non fa è renderlo open source nel senso OSI. Il campo nei metadati del repository riporta license: other, con il nome della licenza impostato su kimi-k3.1-pro. Le testate che nelle prime ore dopo il rilascio lo hanno descritto come MIT modificato si fermavano all'apertura permissiva e non andavano oltre.

Cosa serve per eseguirlo, e dove vince l'API

La ricetta vLLM pubblicata per questo modello è la guida al deployment più concreta disponibile, ed è specifica. Indica vLLM 0.34.0 o successivo, una baseline di un gruppo tensor-parallel di 8 GPU — due tray GB300 o un nodo B300 — con --tensor-parallel-size 8 su --nnodes 2. La modalità long-context opzionale, DCP8, aumenta la capacità della cache KV a circa 18,5 milioni di token rispetto a 2,6 milioni con KV FP8 su 8 B300, circa sette volte di più.

Ne derivano due conseguenze. Primo, un nodo 8×H200 è fuori gioco: 1,13 TB di HBM non contengono 1,56 TB di pesi prima ancora di allocare un singolo token di cache. Secondo, non esiste un percorso consumer. Il modello richiede più VRAM di quanta ne abbia una workstation, e le architetture che renderebbero tollerabile una versione lenta con offload sulla CPU stanno ancora recuperando terreno rispetto al codice personalizzato kimi_k31 — il repo include trust_remote_code=True nel proprio snippet di quickstart, il che ti dice che l'architettura non è ancora nel percorso predefinito di una libreria upstream rilasciata.

Con 10 $ per milione di token in uscita, il costo stimato di un nodo, pari a circa 550.000–650.000 $, consente di acquistare tra 55 e 65 miliardi di token in uscita tramite l’API a prezzo di listino. Un nodo self-hosted batte quel confronto solo se lo si tiene occupato abbastanza da servire più di quella quantità prima che diventi obsoleto — e questo confronto è prima di elettricità, personale operativo, tempi morti e del secondo nodo necessario per la ridondanza. Per la maggior parte dei team che leggono questo, la risposta onesta è che i pesi sono un asset strategico e l’API è il modo più economico di usare il modello.

È anche il motivo per cui kimi/kimi-k3.1-pro presente nel nostro catalogo a 2,00 $ per milione di token in input e 10,00 $ per milione di token in output cambia il calcolo anziché duplicarlo. Lo stesso contesto di 1.048.576 token e gli stessi 104B parametri attivi sono disponibili tramite Chat Completions, l'API Responses e Anthropic Messages, senza un cluster a due nodi. Il nostro prezzo prevede un ricarico dello 0% sul prezzo di listino del fornitore, quindi quando Moonshot aggiorna il listino prezzi il numero qui cambia lo stesso giorno anziché al successivo rinnovo contrattuale. E poiché il modello è raggiungibile tramite un'unica chiave insieme a più di 200 altri, provarlo su un carico di lavoro reale non richiede di impegnare un percorso di produzione — puoi metterlo dietro il failover e lasciare che si guadagni il traffico.

La tabella dei benchmark è un'arma a doppio taglio

Ogni cifra in questa sezione è dichiarata dal fornitore nella model card, ottenuta con reasoning effort impostato su max, temperatura 1.0 e top-p 0.95. Anche le colonne di confronto sono state rilevate con effort massimo e fallback abilitato, cosa che vale la pena sapere prima di leggere un divario di un punto come una vittoria.

• Terminal-Bench 4.0 — Kimi K3.1 Pro 65,7% contro Claude Opus 5.5 al 66,4%, GPT-6 Astra al 58,2% e Claude Fable 5.1 al 57,9%. Secondo in classifica per otto decimi di punto, e chiaramente avanti rispetto a due modelli con cui viene confrontato.

• SWE Marathon v1.1 — 51,7% contro il 46,3% di Claude Opus 5.5 e il 45,6% di Claude Fable 5.1. Un vero vantaggio nel lavoro software su orizzonti lunghi.

• HLE-Full con strumenti — 70,0% contro il 67,7% di Claude Opus 5.5 e il 65,6% di Claude Fable 5.1. BrowseComp arriva al 92,1% contro il 91,5% di GPT-6 Astra.

• Program Bench — 31,5% contro il 65,0% di Claude Opus 5.5, il 53,5% di Claude Fable 5.1 e il 50,0% di GPT-6 Astra. È di gran lunga la sconfitta più ampia del prospetto, ed è la riga da guardare se il vostro lavoro è la sintesi di programmi anziché cicli di agenti in stile terminale.

• Terminal-Bench-Science 0.1 — 38,1% contro il 68,1% di GPT-6 Astra e il 63,3% di Claude Opus 5.5. Un'altra categoria in cui il modello non si avvicina.

• HLE-Full senza strumenti — 51,1% contro 59,8% per Claude Opus 5.5. La colonna dell'uso degli strumenti inverte l'ordine, il che dice più sulla qualità dell'harness che sul ragionamento grezzo.

Il pattern è abbastanza coerente da essere utile: Kimi K3.1 Pro è forte quando un agente guida una shell, un browser o un compito di programmazione di lunga durata, mentre è debole sui benchmark autoconclusivi di tipo scientifico e di costruzione di programmi. Se stai scegliendo tra questo e Claude Opus 5.5 sulla base di un singolo numero in evidenza, il numero in evidenza è proprio il punto in cui sono più vicini.

La misurazione indipendente è limitata e vale la pena dirlo chiaramente. {{1}}Artificial Analysis attualmente assegna{{/1}} a {{2}}Kimi K3.1 Pro{{/2}} {{3}}46 su Intelligence Index v5.0.1{{/3}} e {{4}}lo indica come pesi aperti{{/4}}, {{5}}a 32 token di output al secondo{{/5}}, {{6}}classificato primo su 25 nel pannello mostrato nella sua pagina del modello{{/6}}. {{7}}La copertura della settimana di lancio citava 55{{/7}}, ma {{8}}si riferiva alla versione dell'indice in uso prima della ricostruzione v5 del 27 ottobre{{/8}} — {{9}}strumenti diversi, e sottrarre l'uno dall'altro produce un numero che non significa nulla{{/9}}.

Il checkpoint aperto non è quello senza restrizioni

Moonshot afferma di aver rimosso i dati di addestramento sulle capacità cyber da alcune parti dell'addestramento intermedio e dell'apprendimento per rinforzo prima di rilasciare questi pesi, e la scheda del modello riporta le prove anziché lasciarle come semplice comunicato stampa. Sul suo set interno xdev-bench-hard, il checkpoint rilasciato ottiene l'81,0% contro il 90,5% di un checkpoint senza restrizioni dello stesso modello. Qualunque cosa si scarichi da quel repository è la build mitigata.

Anche nell'altra direzione i numeri assoluti non sono lusinghieri. Su ExploitBench il modello ottiene 74,7 contro 100 di GPT-6 Astra e 91,0 di Claude Opus 5.5; su ExploitGym ottiene 20,7 contro 42,4 di GPT-6 Astra. Quindi il modello rilasciato è sia più debole della propria variante senza restrizioni sia dietro la frontiera sui compiti di exploitation — una combinazione che è ragionevole desiderare in un modello da 2,8 trilioni di parametri scaricabile apertamente, e che vale la pena conoscere se il tuo modello di minaccia presupponeva che pesi aperti significassero capacità senza restrizioni.

Chi dovrebbe scaricarlo e chi no

Scaricalo se hai un motivo per possedere i pesi stessi: un requisito di residenza dei dati che esclude qualsiasi inferenza di terze parti, un programma di fine-tuning che richiede il modello di base in-house, un gruppo di ricerca che verifica il comportamento invece di affittarlo, o un volume sostenuto sufficiente perché un nodo dedicato risulti più conveniente della fatturazione per token. Ti serviranno due nodi, non uno, e un piano per la KV cache se intendi usare qualcosa vicino a un milione di token di contesto.

Non scaricarlo se l'obiettivo è risparmiare su un carico di lavoro moderato, o eseguire un modello di classe frontier sull'hardware che già possiedi. I 1,56 TB sono il minimo, non il requisito, e il requisito è un cluster di classe B300 o GB300. Salta anche questo se il tuo carico di lavoro è sintesi di programmi o scienza dura — Program Bench e Terminal-Bench-Science sono i settori in cui questo modello è più distante dalle alternative, e nessuna quantità di permissività della licenza colma quel divario.

Per tutti quelli nel mezzo, l’arrivo dei pesi resta comunque la notizia più importante, e non per ciò che ti consentono di eseguire. È perché un checkpoint scaricabile è verificabile, mentre un’API no — e un modello da 2,8 trilioni di parametri, a un punto di distanza da Claude Opus 5.5 su Terminal-Bench 4.0, è ora qualcosa che un ricercatore esterno può ispezionare invece di fidarsi. Questa è la parte del 4 novembre che non dipende dal possedere un datacenter.