Wagi Kimi K3.1 Pro są już dostępne: 1,56 TB na dysku i linia licencyjna o wartości 20 mln USD

W ciągu jedenastu dni między premierą API a udostępnieniem do pobrania większość materiałów o Kimi K3.1 Propodawała 5,6 terabajta wag w formacie BF16. Repozytorium, które Moonshot AI faktycznie opublikowało na Hugging Face 4 listopada 2026 roku, ma 1,56 TB i jest podzielone na 96 shardów safetensors. To nie jest mniejszy model niż ten, o którym wszyscy pisali — to ten sam wywodzący się z Kimi K3mixture-of-experts z 2,8 biliona parametrów, dostarczony w tej precyzji, w jakiej Moonshot go trenowało z myślą o serwowaniu. Różnica między tymi dwiema liczbami to pierwsza rzecz, którą warto zrozumieć w tym wydaniu, bo decyduje o tym, czy posiadana już maszyna zdoła go pomieścić.

Druga rzecz to licencja, która nie jest Apache 2.0, nie jest MIT i nie została zatwierdzona przez OSI, mimo permisywnego pierwszego akapitu. To niestandardowy instrument o nazwie Kimi K3.1-Pro License, zawierający próg przychodów, który zamienia darmowe pobranie w negocjacje dla jednego konkretnego rodzaju firmy. Oba te fakty pozostawały bez odpowiedzi 25 października, kiedy wagi były obietnicą z dołączoną listą kontrolną. Teraz można na nie odpowiedzieć.

Co właściwie trafiło na Hugging Face

Repozytorium to moonshotai/Kimi-K3.1-Pro, jest bez ograniczeń dostępu i zawiera 111 plików. Dziewięćdziesiąt sześć z nich to shardy wagowe; pozostałe to konfiguracja, tokenizer, cztery pliki Pythona dla niestandardowej architektury, karta modelu i licencja. Łączny rozmiar wszystkich plików wynosi 1561 GB.

Powód, dla którego mieści się w 1,56 TB, a nie w 5,6 TB, jest zapisany w karcie modelu jako wiersz specyfikacji, a nie przypis: wagi MXFP4 z aktywacjami MXFP8, uzyskane poprzez trening świadomy kwantyzacji. To nie jest 4-bitowa kwantyzacja po fakcie, którą ktoś uruchomił później. To natywna precyzja serwowania, dlatego repozytorium ma tag compressed-tensors i dlatego nie ma obok niego checkpointu BF16. Jeśli planowanie opierało się na pobraniu 5,6 TB, to opierało się na liczbie, której Moonshot nigdy nie dostarczył.

Reszta karty specyfikacji, żebyś mógł ocenić skalę zadania:

• Łączna liczba parametrów — 2,8 bln w architekturze mixture-of-experts, przy 104 mld aktywowanych na token

• Głębokość — 93 warstwy, z których jedna jest gęsta; stos uwagi obejmuje 69 warstw KDA oraz 24 warstwy Gated DeepSeek Sparse Attention, co jest zmianą względem warstw Gated MLA z pełną uwagą w Kimi K3

• Eksperci — w sumie 896, 16 wybieranych na token plus 2 współdzielone, przy wymiarze ukrytym MoE wynoszącym 3584

• Kontekst — 1,048,576 tokenów, bez zmian względem Kimi K3

• Modalność — tekst i obraz na wejściu, tekst na wyjściu; enkoder wizyjny to MoonViT-V2 o 401 mln parametrów

• Słownictwo — 160K tokenów

Tylko jedna z tych liczb jest nowa względem Kimi K3, i jest to zmiana w mechanizmie uwagi. Moonshot wyraźnie zaznacza, że jest to wydanie po treningu na bazie K3 z intensywniejszym wspólnym uczeniem ze wzmocnieniem w setkach dziedzin, a nie nowa architektura. Zastąpienie przez Gated DSA służy wydajności długiego kontekstu, a nie skokowi możliwości.

Licencja ma trzy poziomy, a środkowy jest tym, który się liczy.

Licencja Kimi K3.1-Pro otwiera się tak, jak można oczekiwać od licencji permisywnej: daje zezwolenie na używanie, kopiowanie, modyfikowanie, łączenie, publikowanie, rozpowszechnianie, sublicencjonowanie i sprzedaż, na uruchamianie, wdrażanie i dostrajanie oraz na tworzenie dzieł pochodnych. Następnie dodaje warunki, a to właśnie w warunkach zapadają decyzje.

• Sekcja 2 – warunek dotyczący modelu jako usługi: jeśli Ty lub Twoje podmioty powiązane prowadzicie działalność polegającą na zapewnianiu stronom trzecim dostępu do wnioskowania lub dostrajania, a przychody grupy przekraczają 20 mln USD w dowolnym okresie kolejnych 12 miesięcy, przed użyciem komercyjnym potrzebujesz odrębnej umowy z Moonshot. Istotne są dwa wyjątki: produkty dla użytkowników końcowych, w których model jest osadzony w ramach funkcji lub otoczki (harness), nie są „modelem jako usługą”; nie jest nim również samo przekazywanie żądań do modeli hostowanych przez kogoś innego.

• Sekcja 3, klauzula atrybucji — produkty komercyjne z ponad 100 milionami aktywnych użytkowników miesięcznie lub ponad 20 milionami dolarów miesięcznego przychodu muszą w widoczny sposób eksponować „Kimi K3.1-Pro” w interfejsie. To obowiązek brandingowy, a nie opłata.

• Sekcja 4, wyłączenia — żadne z powyższych nie ma zastosowania do użytku wewnętrznego, rozumianego jako każde użycie, które nie udostępnia oprogramowania, jego wyników ani jego podstawowych możliwości stronom trzecim, ani do użytku za pośrednictwem oficjalnych produktów Moonshot i certyfikowanych partnerów w zakresie wnioskowania.

Praktyczna interpretacja jest taka, że wdrożenia wewnętrzne są darmowe i nieograniczone, podobnie jak budowanie produktu na bazie modelu dla własnych użytkowników. To, co uruchamia rozmowę o 20 milionach dolarów, to odsprzedaż surowego dostępu do modelu na dużą skalę. Jeśli liczyłeś na uruchomienie konkurencyjnego endpointu inferencyjnego na tych wagach, to właśnie ten akapit warto zanieść prawnikowi; jest on strukturalnie tą samą licencją, na której wydano Kimi K3 — więc istniejący przegląd prawny K3 przenosi się po zmianie nazwy.

Jednego jednak licencja nie robi – nie czyni tego projektu otwartoźródłowym w rozumieniu OSI. Pole w metadanych repozytorium ma wartość license: other, a nazwa licencji jest ustawiona na kimi-k3.1-pro. Media, które w pierwszych godzinach po publikacji opisały ją jako zmodyfikowaną wersję MIT, czytały permisywny początek i na tym poprzestawały.

Co jest potrzebne do uruchomienia i gdzie API wygrywa

Opublikowany dla tego modelu przepis vLLM jest najbardziej konkretnymi dostępnymi wytycznymi wdrożeniowymi i jest bardzo szczegółowy. Określa vLLM 0.34.0 lub nowszy, punkt wyjścia w postaci jednej grupy równoległości tensorowej złożonej z 8 GPU — dwa moduły GB300 albo jeden węzeł B300 — z --tensor-parallel-size 8 w --nnodes 2. Opcjonalny tryb długiego kontekstu, DCP8, zwiększa pojemność pamięci podręcznej KV do około 18,5 mln tokenów w porównaniu z 2,6 mln przy FP8 KV na 8 B300, czyli około siedmiokrotnie więcej.

Wynikają z tego dwie konsekwencje. Po pierwsze, węzeł 8×H200 odpada: 1,13 TB HBM nie pomieści 1,56 TB wag, zanim przydzielisz choćby jeden token pamięci podręcznej. Po drugie, nie ma ścieżki dla konsumentów. Model wymaga więcej VRAM, niż ma stacja robocza, a architektury, które pozwoliłyby zaakceptować wolną wersję z odciążaniem na CPU, wciąż nadganiają niestandardowy kod kimi_k31 — repozytorium zawiera trust_remote_code=True we własnym fragmencie szybkiego startu, co wskazuje, że architektura nie znajduje się jeszcze w domyślnej ścieżce wydanej biblioteki upstream.

Ekonomię łatwiej zrozumieć w tokenach wyjściowych niż w pozycjach kosztowych GPU. Przy 10 dolarach za milion tokenów wyjściowych szacowany koszt kapitałowy jednego węzła wynoszący około 550 000–650 000 dolarów pozwala uzyskać od 55 do 65 miliardów tokenów wyjściowych przez API według ceny katalogowej. Węzeł hostowany samodzielnie wygrywa z tym tylko wtedy, gdy utrzymasz go wystarczająco zajętego, by obsłużył więcej niż ta liczba, zanim stanie się przestarzały — a to porównanie nie uwzględnia jeszcze energii elektrycznej, personelu operacyjnego, przestojów ani drugiego węzła potrzebnego do redundancji. Dla większości zespołów czytających to szczera odpowiedź brzmi: wagi są strategicznym aktywem, a API jest tańszym sposobem korzystania z modelu.

To również jest powód, dla którego kimi/kimi-k3.1-pro obecny w naszym katalogu w cenie 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych zmienia kalkulację, zamiast ją powielać. Ten sam kontekst 1 048 576 tokenów i te same 104 mld aktywnych parametrów są dostępne przez Chat Completions, Responses API i Anthropic Messages, bez klastra dwuwęzłowego. Nasza cena to 0% narzutu na cenę katalogową dostawcy, więc gdy Moonshot zmieni cennik, liczba tutaj zmienia się tego samego dnia, a nie przy kolejnym odnowieniu umowy. A ponieważ model jest dostępny przez jeden klucz obok ponad 200 innych, wypróbowanie go na rzeczywistym obciążeniu nie wymaga przypisywania mu ścieżki produkcyjnej — można umieścić go za mechanizmem failover i pozwolić mu zapracować na ruch.

Tabela benchmarków działa w obie strony

Każda wartość w tej sekcji jest raportowana przez dostawcę w karcie modelu, przy uruchomieniu z maksymalnym wysiłkiem rozumowania, temperaturą 1,0 i top-p 0,95. Kolumny porównawcze również pochodzą z maksymalnego wysiłku z włączonym mechanizmem fallback, co warto wiedzieć, zanim odczyta się jednopunktową różnicę jako zwycięstwo.

• Terminal-Bench 4.0 — Kimi K3.1 Pro 65,7% wobec Claude Opus 5.5 z 66,4%, GPT-6 Astra z 58,2% i Claude Fable 5.1 z 57,9%. Drugie miejsce w tabeli, o 0,8 punktu za pierwszym, i wyraźnie przed dwoma modelami, z którymi jest porównywany.

• SWE Marathon v1.1 — 51,7% wobec 46,3% dla Claude Opus 5.5 i 45,6% dla Claude Fable 5.1. Prawdziwa przewaga w długoterminowej pracy nad oprogramowaniem.

• HLE-Full z narzędziami — 70,0% wobec 67,7% w przypadku Claude Opus 5.5 i 65,6% w przypadku Claude Fable 5.1. BrowseComp osiąga 92,1% wobec 91,5% dla GPT-6 Astra.

• Program Bench — 31,5% wobec 65,0% dla Claude Opus 5.5, 53,5% dla Claude Fable 5.1 i 50,0% dla GPT-6 Astra. To zdecydowanie największa strata w całym zestawieniu, a zarazem wiersz, na który warto spojrzeć, jeśli Twoja praca polega na syntezie programów, a nie na pętlach agentowych w formie terminalowej.

• Terminal-Bench-Science 0.1 — 38,1% w porównaniu z 68,1% dla GPT-6 Astra i 63,3% dla Claude Opus 5.5. Kolejna kategoria, w której model nie jest blisko.

• HLE-Full bez narzędzi — 51,1% wobec 59,8% dla Claude Opus 5.5. Kolumna użycia narzędzi odwraca kolejność, co mówi więcej o jakości harnessu niż o samym rozumowaniu.

Wzorzec jest wystarczająco spójny, by być użyteczny: Kimi K3.1 Pro jest mocny tam, gdzie agent steruje powłoką, przeglądarką lub długotrwałym zadaniem programistycznym, a słaby w samodzielnych benchmarkach naukowych i dotyczących konstruowania programów. Jeśli wybierasz między nim a Claude Opus 5.5 na podstawie jednej głównej liczby, właśnie ta liczba jest tym miejscem, w którym są sobie najbliższe.

Niezależnych pomiarów jest niewiele i warto powiedzieć to wprost. Artificial Analysis obecnie przyznaje Kimi K3.1 Pro wynik 46 w Intelligence Index v5.0.1 i klasyfikuje go jako model o otwartych wagach, przy 32 tokenach wyjściowych na sekundę, plasując go na pierwszym miejscu wśród 25 modeli pokazanych na panelu na jego stronie modelu. Publikacje z tygodnia premiery podawały 55, ale dotyczyło to wersji indeksu używanej przed przebudową v5 z 27 października — to różne narzędzia pomiarowe, a odejmowanie jednego od drugiego daje liczbę, która nic nie znaczy.

Otwarty punkt kontrolny to nie ten bez ograniczeń.

Moonshot twierdzi, że przed udostępnieniem tych wag usunął dane treningowe dotyczące zdolności cybernetycznych z części treningu pośredniego i uczenia ze wzmocnieniem, a karta modelu zawiera dowody, zamiast pozostawiać to jako linię prasową. W jego wewnętrznym zestawie xdev-bench-hard udostępniony checkpoint uzyskuje 81,0% wobec 90,5% dla nieograniczonego checkpointu tego samego modelu. Cokolwiek pobierzesz z tego repozytorium, jest złagodzoną wersją.

Absolutne liczby nie są pochlebne również w drugą stronę. W ExploitBench model uzyskuje 74,7 punktu wobec 100 dla GPT-6 Astra i 91,0 dla Claude Opus 5.5; w ExploitGym uzyskuje 20,7 wobec 42,4 dla GPT-6 Astra. Udostępniony model jest więc zarówno słabszy od własnego nieograniczonego wariantu, jak i pozostaje za czołówką w zadaniach eksploatacyjnych — kombinacja, której można rozsądnie chcieć w otwarcie pobieralnym modelu o 2,8 biliona parametrów, i warta poznania, jeśli Twój model zagrożeń zakładał, że otwarte wagi oznaczają nieograniczone możliwości.

Kto powinien to pobrać, a kto nie

Pobierz go, jeśli masz powód, by przechowywać same wagi: wymóg rezydencji danych, który wyklucza jakiekolwiek wnioskowanie przez strony trzecie, program dostrajania, który wymaga modelu bazowego na miejscu, zespół badawczy audytujący zachowanie zamiast wynajmowania go, albo wystarczająco duży stały wolumen, by dedykowany węzeł wygrywał z rozliczaniem za token. Będziesz potrzebować dwóch węzłów, a nie jednego, oraz planu dla pamięci podręcznej KV, jeśli zamierzasz używać kontekstu o długości bliskiej miliona tokenów.

Nie pobieraj go, jeśli celem jest zaoszczędzenie pieniędzy przy umiarkowanym obciążeniu albo uruchomienie modelu klasy frontier na sprzęcie, który już posiadasz. 1,56 TB to dolna granica, a nie wymóg — wymogiem jest klaster klasy B300 lub GB300. Odpuść go również, jeśli Twoim obciążeniem jest synteza programów lub nauki ścisłe — Program Bench i Terminal-Bench-Science to obszary, w których ten model najbardziej odstaje od alternatyw, a żadna permisywność licencji nie zasypie tej luki.

Dla wszystkich, którzy są pomiędzy, udostępnienie wag nadal jest ważniejszą wiadomością — i nie z powodu tego, co pozwalają uruchomić. Chodzi o to, że pobierany checkpoint można poddać audytowi, a API nie — i model o 2,8 biliona parametrów, który na Terminal-Bench 4.0 ustępuje Claude Opus 5.5 o zaledwie punkt, jest teraz czymś, co zewnętrzny badacz może sprawdzić, zamiast mu ufać. To ta część 4 listopada, która nie zależy od posiadania centrum danych.