Gewichten van Kimi K3.1 Pro zijn uit: 1,56 TB op schijf en een licentieclausule van $20 mln

Gedurende de elf dagen tussen de API-lancering en de download werd in de meeste berichtgeving over Kimi K3.1 Pro 5,6 terabyte aan BF16-gewichten genoemd. De repository die Moonshot AI daadwerkelijk op 4 november 2026 op Hugging Face publiceerde, is 1,56 TB, verdeeld over 96 safetensors-shards. Dat is geen kleiner model dan waar iedereen over schreef — het is hetzelfde Kimi K3-afgeleide mixture-of-expertsmodel met 2,8 biljoen parameters, geleverd in de precisie waarin Moonshot het heeft getraind om te draaien. Het verschil tussen de twee cijfers is het eerste dat het begrijpen waard is aan deze release, want het bepaalt of een machine die je al bezit het aankan.

Het tweede punt is de licentie: geen Apache 2.0, geen MIT en niet door OSI goedgekeurd, ondanks een permissieve inleidende alinea. Het is een op maat gemaakt juridisch instrument genaamd de Kimi K3.1-Pro License, met een omzetdrempel die een gratis download voor één specifiek soort bedrijf verandert in een onderhandeling. Beide feiten konden op 25 oktober niet worden beantwoord, toen de gewichten een belofte waren met een checklist eraan vast. Nu kunnen ze wel worden beantwoord.

Wat er daadwerkelijk op Hugging Face is verschenen

De repo is moonshotai/Kimi-K3.1-Pro, heeft geen toegangsbeperking en bevat 111 bestanden. Zesennegentig daarvan zijn gewichtsshardes; de rest bestaat uit de config, de tokenizer, vier Python-bestanden voor de aangepaste architectuur, de modelkaart en de licentie. De totale grootte van alle bestanden samen is 1,561 GB.

De reden dat het in 1,56 TB past in plaats van 5,6 TB staat als specificatieregel in de modelkaart, niet als voetnoot: MXFP4-gewichten met MXFP8-activaties, toegepast via quantization-aware training. Dit is geen post-hoc 4-bit-kwantisatie die iemand achteraf heeft uitgevoerd. Het is de native serving-precisie, en daarom draagt de repository de tag compressed-tensors en staat er geen BF16-checkpoint naast. Als je uitging van een download van 5,6 TB, dan ging je uit van een getal dat Moonshot nooit heeft geleverd.

De rest van het specificatieblad, zodat u de omvang van de klus kunt inschatten:

• Totaal aantal parameters — 2,8T in een mixture-of-experts, met 104B geactiveerd per token

• Diepte — 93 lagen, waarvan één dense; de attention-stack bestaat uit 69 KDA-lagen plus 24 Gated DeepSeek Sparse Attention-lagen, een wijziging ten opzichte van de full-attention Gated MLA-lagen van Kimi K3

• Experts — 896 in totaal, 16 per token geselecteerd plus 2 gedeeld, bij een latente MoE-dimensie van 3.584

• Context — 1.048.576 tokens, ongewijzigd ten opzichte van Kimi K3

• Modaliteit — tekst en afbeelding in, tekst uit; de vision-encoder is MoonViT-V2 met 401M parameters

• Vocabulaire — 160K tokens

Slechts één van die getallen is nieuw ten opzichte van Kimi K3, en dat is de wijziging aan de attention. Moonshot is expliciet dat dit een post-trainingrelease is op de K3-basis met zwaardere gezamenlijke reinforcement learning over honderden domeinen, geen nieuwe architectuur. De vervanging door Gated DSA dient voor efficiëntie bij lange contexten, niet voor een sprong in capaciteiten.

De licentie heeft drie niveaus, en het middelste is het niveau dat ertoe doet.

De Kimi K3.1-Pro-licentie opent de weg zoals je van een permissieve licentie zou verwachten: toestemming om te gebruiken, kopiëren, wijzigen, samenvoegen, publiceren, distribueren, sublicentiëren en verkopen, om te draaien, te implementeren en fine-tunen, en om afgeleide werken te creëren. Vervolgens voegt deze voorwaarden toe, en in die voorwaarden liggen de beslissingen.

• {{1}}Sectie 2, de toegangspoort voor model-as-a-service{{/1}} — als u of uw gelieerde ondernemingen een bedrijf exploiteert dat derden toegang geeft tot inferentie of fine-tuning, en de groepsomzet over een willekeurige aaneengesloten periode van 12 maanden meer dan $20 miljoen bedraagt, hebt u een afzonderlijke overeenkomst met Moonshot nodig voordat u het commercieel gebruikt. Twee uitzonderingen zijn van belang: eindgebruikersproducten waarbij het model is ingebed in een functie of harness zijn geen "model as a service", en dat geldt ook niet voor het simpelweg doorgeven van verzoeken aan modellen die door iemand anders worden gehost.

• Sectie 3, de naamsvermeldingsclausule — commerciële producten met meer dan 100 miljoen maandelijks actieve gebruikers, of meer dan $20 miljoen maandelijkse omzet, moeten "Kimi K3.1-Pro" prominent in de interface weergeven. Dat is een merkverplichting, geen betaling.

• Sectie 4, de uitzonderingen — geen van beide bovenstaande is van toepassing op intern gebruik, gedefinieerd als elk gebruik waarbij de software, de outputs daarvan of de onderliggende capaciteiten niet beschikbaar worden gesteld aan derden, of op gebruik via Moonshot's officiële producten en gecertificeerde inference-partners.

De praktische lezing is dat interne implementaties gratis en onbeperkt zijn, en dat geldt ook voor het bouwen van een product bovenop het model voor je eigen gebruikers. Wat het gesprek over $20 miljoen uitlokt, is het op grote schaal doorverkopen van ruwe modeltoegang. Als je hoopte een concurrerend inference-endpoint op deze gewichten op te zetten, is dat de paragraaf die je naar een advocaat moet brengen, en het is structureel dezelfde licentie waaronder Kimi K3 is uitgebracht — dus een bestaande juridische beoordeling van K3 gaat over, met alleen de naam gewijzigd.

Eén ding doet de licentie niet: dit open source maken in de zin van de OSI. Het veld in de metadata van de repository luidt license: other, met de licentienaam ingesteld op kimi-k3.1-pro. Publicaties die het in de eerste uren na de release als gewijzigde MIT beschreven, lazen de permissieve opening en stopten daar.

Wat er nodig is om te draaien, en waar de API wint

Het voor dit model gepubliceerde vLLM-recept is de meest concrete beschikbare deploymentrichtlijn, en het is specifiek. Het schrijft vLLM 0.34.0 of nieuwer voor, een basisconfiguratie van één tensor-parallelle groep van 8 GPU's — twee GB300-trays of één B300-node — met --tensor-parallel-size 8 over --nnodes 2. De optionele modus voor lange context, DCP8, verhoogt de KV-cachecapaciteit tot ongeveer 18,5 miljoen tokens tegenover 2,6 miljoen met FP8-KV op 8 B300's, ongeveer zeven keer meer.

Hieruit volgen twee consequenties. Ten eerste valt een 8×H200-node af: 1,13 TB HBM kan geen 1,56 TB aan gewichten bevatten voordat je ook maar één token cache hebt toegewezen. Ten tweede is er geen consumentenpad. Het model heeft meer VRAM nodig dan een workstation heeft, en de architecturen die een trage CPU-offloadversie draaglijk zouden maken, lopen nog achter op de aangepaste kimi_k31-code — de repo levert trust_remote_code=True mee in zijn eigen quickstartfragment, wat erop wijst dat de architectuur nog niet in het standaardpad van een uitgebrachte upstream-bibliotheek zit.

De economie is gemakkelijker te begrijpen in outputtokens dan in GPU-regelposten. Bij $10 per miljoen outputtokens koopt een geschatte kapitaalkosten van ongeveer $550.000 tot $650.000 voor één node via de API tegen lijstprijs ergens tussen 55 en 65 miljard outputtokens. Een zelfgehoste node verslaat dat alleen als je hem druk genoeg bezighoudt om meer dan dat te verwerken voordat hij verouderd is — en die vergelijking is nog vóór elektriciteit, operationeel personeel, stilstand en de tweede node die je voor redundantie nodig hebt. Voor de meeste teams die dit lezen, is het eerlijke antwoord dat de gewichten een strategisch bezit zijn en dat de API de goedkopere manier is om het model te gebruiken.

Dat is ook de reden dat kimi/kimi-k3.1-pro in onze catalogus voor $2,00 per miljoen inputtokens en $10,00 per miljoen outputtokens de berekening verandert in plaats van die te dupliceren. Dezelfde context van 1.048.576 tokens en dezelfde 104B actieve parameters zijn beschikbaar via Chat Completions, de Responses API en Anthropic Messages, zonder een cluster van twee nodes. Onze prijsstelling is 0% opslag op de lijstprijs van de provider, dus wanneer Moonshot de tariefkaart aanpast, verandert het getal hier dezelfde dag mee in plaats van bij de volgende contractvernieuwing. En omdat het model bereikbaar is via één sleutel naast meer dan 200 andere, hoef je bij het uitproberen op een echte workload geen productiepad eraan vast te leggen — je kunt het achter failover zetten en het het verkeer laten verdienen.

De benchmarktabel snijdt aan twee kanten.

Elk cijfer in deze sectie is door de leverancier gerapporteerd op basis van de modelkaart, uitgevoerd met reasoning effort max, temperatuur 1.0 en top-p 0.95. De vergelijkingskolommen zijn ook bij maximale effort vastgelegd met fallback ingeschakeld, wat goed is om te weten voordat je een verschil van één punt als een overwinning leest.

• Terminal-Bench 4.0 — Kimi K3.1 Pro 65,7% tegenover Claude Opus 5.5 met 66,4%, GPT-6 Astra met 58,2% en Claude Fable 5.1 met 57,9%. Tweede op de ranglijst met acht tienden van een punt achterstand, en duidelijk voor op twee modellen waarmee het wordt vergeleken.

• SWE Marathon v1.1 — 51,7% tegen 46,3% voor Claude Opus 5.5 en 45,6% voor Claude Fable 5.1. Een echte voorsprong bij softwarewerk over lange termijn.

• HLE-Full met tools — 70,0% tegenover 67,7% voor Claude Opus 5.5 en 65,6% voor Claude Fable 5.1. BrowseComp komt op 92,1% tegenover 91,5% voor GPT-6 Astra.

• Program Bench — 31,5% tegenover 65,0% voor Claude Opus 5.5, 53,5% voor Claude Fable 5.1 en 50,0% voor GPT-6 Astra. Dit is met afstand het grootste verlies op het overzicht, en dit is de rij waar je naar moet kijken als je werk uit programsynthese bestaat in plaats van uit terminalvormige agent-lussen.

• Terminal-Bench-Science 0.1 — 38,1% tegenover 68,1% voor GPT-6 Astra en 63,3% voor Claude Opus 5.5. Weer een categorie waarin het model niet in de buurt komt.

• HLE-Full zonder hulpmiddelen — 51,1% tegenover 59,8% voor Claude Opus 5.5. De kolom voor hulpmiddelgebruik keert de volgorde om, wat meer zegt over de kwaliteit van de harness dan over het ruwe redeneervermogen.

Het patroon is consistent genoeg om nuttig te zijn: Kimi K3.1 Pro is sterk waar een agent een shell, een browser of een langdurige programmeertaak aanstuurt, en zwak op op zichzelf staande benchmarks voor wetenschap en programmaopbouw. Als je op basis van één enkel in het oog springend cijfer tussen Kimi K3.1 Pro en Claude Opus 5.5 kiest, is dat in het oog springende cijfer juist de plek waarop ze het dichtst bij elkaar liggen.

Onafhankelijke metingen zijn schaars en dat mag duidelijk worden gezegd. Artificial Analysis kent Kimi K3.1 Pro momenteel 46 punten toe op Intelligence Index v5.0.1 en vermeldt het model als open weights, met 32 outputtokens per seconde, als nummer één van de 25 in het panel dat op de modelpagina wordt getoond. De berichtgeving in de lanceringsweek noemde 55, maar dat was ten opzichte van de indexversie die in gebruik was vóór de v5-herziening op 27 oktober — verschillende meetinstrumenten, en het ene van het andere aftrekken levert een getal op dat niets betekent.

Het open checkpoint is niet het onbeperkte.

Moonshot zegt dat het cybercapaciteit-trainingsdata heeft verwijderd uit delen van de mid-training en reinforcement learning voordat deze gewichten werden vrijgegeven, en de modelkaart bevat het bewijs in plaats van het als een pr-regel te laten. Op de interne xdev-bench-hard-set scoort de vrijgegeven checkpoint 81,0% tegenover 90,5% voor een onbeperkte checkpoint van hetzelfde model. Wat je ook uit die repository downloadt, is de gemitigeerde build.

De absolute cijfers zijn in de andere richting ook niet flatteus. Op ExploitBench scoort het model 74,7 tegenover 100 voor GPT-6 Astra en 91,0 voor Claude Opus 5.5; op ExploitGym scoort het 20,7 tegenover 42,4 voor GPT-6 Astra. Het uitgebrachte model is dus zowel zwakker dan zijn eigen onbeperkte variant als achterlopend op de frontier bij exploitatie taken — een combinatie die redelijk is om te willen in een openlijk downloadbaar model met 2,8 biljoen parameters, en die het weten waard is als je dreigingsmodel ervan uitging dat open gewichten onbeperkte capaciteiten betekenden.

Wie zou dit moeten downloaden, en wie niet?

Download het als je een reden hebt om de gewichten zelf te beheren: een vereiste voor gegevensresidentie die inferentie door derden uitsluit, een fine-tuningprogramma dat het basismodel in-house nodig heeft, een onderzoeksgroep die gedrag auditeert in plaats van het te huren, of voldoende aanhoudend volume waarbij een toegewijde node voordeliger is dan facturering per token. Je wilt twee nodes, niet één, en een plan voor de KV-cache als je van plan bent om iets in de buurt van een miljoen tokens context te gebruiken.

Download het niet als het doel is om geld te besparen bij een matige werkbelasting, of om een model van frontierklasse te draaien op hardware die je al bezit. De 1,56 TB is het minimum, niet de vereiste, en de vereiste is een cluster van B300- of GB300-klasse. Sla het ook over als je werkbelasting programmasynthese of harde wetenschap is — Program Bench en Terminal-Bench-Science zijn waar dit model het verst van de alternatieven af staat, en geen enkele licentiepermissiviteit dicht die kloof.

Voor iedereen daartussenin is het verschijnen van de weights nog steeds het belangrijkere nieuws, en niet vanwege wat je ermee kunt draaien. Het is omdat een downloadbaar checkpoint auditbaar is, en een API niet — en een model met 2,8 biljoen parameters dat binnen één punt van Claude Opus 5.5 zit op Terminal-Bench 4.0, is nu iets dat een onderzoeker van buiten kan inspecteren in plaats van vertrouwen. Dat is het deel van 4 november dat niet afhangt van het bezit van een datacenter.