Kimi K3.1: Namnet i sökrutan för Kimi K3, och vad Moonshot faktiskt levererar

Skriv kimi k3.1 i en sökruta och du frågar inte efter nyheter. Det finns inget modellkort för Kimi K3.1, inget viktarkiv, ingen rad i prislistan och ingen API-identifierare med det numret någonstans på M​oonshot AI:s egna ytor — och det kommer inte att finnas någon förrän labbet lägger dit den. Vad punkten refererar till är den produkt den kortfattat betecknar: Kimi K3, den 2,8 biljoner parametrar stora flaggskeppsmodellen med öppna vikter som M​oonshot släppte den 16 juli 2026, och den linje den tillhör. "Kimi K3.1" är den stavning sökrutan föredrar för den linjen; Kimi K3 är den stavning leverantören använder. Hela sidan nedan handlar om den skillnaden, eftersom det är skillnaden som avgör vad du faktiskt kan köra.

Anledningen till att skriva ned det här är efterfrågan snarare än nyheter. Under de tjugoåtta dagarna fram till den 12 oktober 2026 gav sökningar som bygger på stavningen med punkt 777 visningar och 70 klick på vår egen webbplats – tolv sökningar, i stort sett ingen lång svans, och en klickfrekvens på 9,7 % på kimi k3.1 i sig. Det är den högsta konverteringen av alla aspekter som mätts i den här omgången, och ungefär dubbelt så hög som stavningen utan punkt uppnår. Läsare som skriver punkten surfar inte. De har redan läst något om den här linjen och de kommer tillbaka för den. Under tiden kimi k3 har 4 004 visningar fördelade på 189 sökningar, fem gånger volymen för stavningen med punkt, och det är siffran som talar om vilket av de två namnen som är produkten.

Vad "Kimi K3.1" refererar till, på en skärm

Tre påståenden, i ordning, eftersom ordningen spelar roll:

• Kimi K3.1 är inte ett separat släpp. Moonshot AI publicerar en K3-modell. Dess dokumentation, prissättningssida, Hugging Face-organisation och blogg använder alla samma namn för den, och ingen av dem använder ett suffix med punkt.

• Kimi K3 är den levererade modellen, och den kan anropas redan idag. Ett mixture-of-experts-system med 2,8 biljoner parametrar och ett kontextfönster på 1 048 576 token, inbyggd bildinmatning, öppna vikter under Moonshots egen licens samt en publicerad API-taxa på 3,00 USD per miljon indatatoken och 15,00 USD per miljon utdatatoken.

• Punkten är en beteckning, inte en version. Det är den form som termen har i sökningar och i communitydiskussioner, och det är också den form som den ryktade efterträdaren till linjen har antagit sedan juli. Det är två olika saker som delar en stavning, och resten av den här sidan håller dem åtskilda.

Om du kom hit från en länk om en läcka är det den andra halvan av historien och det finns en sida för det — den här är referenssidan för namnet och modellen bakom det.

Vad Kimi K3 är, från Moonshots eget kort

Varje siffra i det här avsnittet är hämtad från Moonshots eget material: modellkortet i repositoriet moonshotai/Kimi-K3 på Hugging Face, den tekniska bloggen på kimi.com/blog/kimi-k3 och modelldokumentationen på labbets API-plattform. De är leverantörsangivna siffror, inte oberoende reproducerade sådana, och åtskillnaden är värd att behålla eftersom K3 är en stor gles modell där benchmarkpåståenden och serveringspåståenden framförs av den part som tränade den.

• Klass — en mixture-of-experts-språkmodell med vision, beskriven av Moonshot som världens första öppna modell i 3-biljonersklassen.

• Storlek — 2,8T totala parametrar med 104B aktiverade per token, över 896 routade experter varav 16 aktiveras per token, plus 2 delade experter. 93 lager, varav ett är dense.

• Arkitektur — Kimi Delta Attention (KDA) och Attention Residuals, med 69 KDA-lager och 24 gated MLA-lager, en dold attention-dimension på 7 168 och 96 attention-huvuden. M​oonshot rapporterar ungefär 2,5× skalningseffektiviteten hos Kimi K2 från kombinationen.

• Kontext — 1 048 576 tokens, vilket är samma siffra som API-prissidan anger för modellen.

• Modalitet — text och bild in, text ut. Visionskodaren är MoonViT-V2 med 401M parametrar, och vokabulären är 160K.

• Numerik – kvantiseringsmedveten träning från och med den övervakade finjusteringsfasen och framåt, med MXFP4-vikter och MXFP8-aktiveringar, vilket M​oonshot beskriver som bred hårdvarukompatibilitet.

• Resonemangskontroller — tänkandet är alltid på, och djupet ställs in med ett reasoning_effort-fält på toppnivå som tar low, high eller max, med max som standard.

• Pris, leverantörspublicerat – 3,00 USD per miljon indatatoken, 15,00 USD per miljon utdatatoken, 0,30 USD per miljon cachelagrade indataläsningar, där cacheskrivningar debiteras med 3,00 USD per miljon vid kvarhållningsnivån på 5 minuter och 6,00 USD per miljon vid nivån för en timme.

En rad i den listan förtjänar att lyftas ut, eftersom det är den del av K3 som oftast försvinner i parameterräkningen: modellen låter dig inte ställa in sina samplingsparametrar. M​oonshots parameterreferens markerar temperature som låst vid 1.0, top_p som låst vid 0.95, n som låst vid 1 och båda straffparametrarna som låsta vid 0, och anger att om något annat värde skickas returneras ett fel — så rådet är att inte skicka dem alls. Djupet är den enda ratten, via reasoning_effort, och samma sida innehåller en varning värd att känna till innan du bygger: att ändra effort-nivå mitt i en konversation ogiltigförklarar träffar i prefixcachen, så nivån avgörs bäst när sessionen startar.

Släpper M​oonshot något som heter 3.1?

Det här är frågan som läsaren som skrev punkten faktiskt ställer, och den har ett kontrollerbart svar i stället för en åsikt. Varje yta nedan lästes den 13 oktober 2026, och en läsare kan upprepa alla under en eftermiddag.

• Modellistan på M​oonshots API-plattform räknar upp fyra anropbara modeller: kimi-k3, kimi-k2.7-code, kimi-k2.7-code-highspeed och kimi-k2.6. Det finns ingen post för K3.1, och samma sida markerar i stället tretton tidigare identifierare som föråldrade.

• Prissättningssidan har en rad för K3-serien. Det är kimi-k3, till de priser som anges ovan, med ett kontextfönster på 1 048 576 tokens. Det finns ingen andra rad att prissätta.

• Dokumentationsindexet som plattformen publicerar för automatiserade läsare listar tre K3-specifika guider — snabbstarten, en sida med bästa praxis för verktygsanrop och en sida för agentkonfiguration — och inget numrerat 3.1.

• Labbets Hugging Face-organisation har exakt ett K3-repositorium, moonshotai/Kimi-K3, och en sökning på Hubben efter ett repositorium numrerat 3.1 ger ingenting under någon stavning.

• Forskningsindexet på kimi.com listar K3 bland labbets publicerade arbeten med en enda post. Det finns ingen andra K3-post ovanför den.

Så var kommer 3.1 ifrån? Två ställen, och ingen av dem är en modellversion. Det första är att siffran 3.1 faktiskt förekommer i Moonshots eget lanseringsmaterial för K3 – som versionen av skrivbordsappen Kimi Work som du behöver för att köra K3 på en Mac eller Windows-dator, vilket bloggen anger som "version 3.1.0 eller senare". En produktversion, publicerad av labbet, i ett dokument om K3, är en helt vanlig sak att hitta intill ett modellnamn, och det är den typen av närhet som blir en sökterm. Det andra är läckagelinjen: namnet Kimi K3.1 har kopplats till en ryktad efterträdare sedan juli, har tolkats in i ett kryptiskt leverantörsinlägg i september, och har sagts vara planerad till ett höstfönster av en läckare vars tidigare tidslinje för samma modell inte höll. Den historiken dokumenteras på vår läcksida och upprepas inte här.

Det som ingen källa gör är att skilja Kimi K3.1 från Kimi K3 på någon teknisk punkt. Det finns ingen ändringslogg, ingen sida-vid-sida-jämförelse, inget ”vad som är nytt i 3.1”, eftersom det inte finns två saker att jämföra. Det är slutsatsen, och den är värd att säga rakt ut i stället för att försköna: om en sida visar dig en specifikationstabell som jämför K3 med K3.1, är åtminstone en av kolumnerna i den påhittad.

Vikter, licens och hur man kör den

K3:s vikter är öppna, och villkoren är Moonshots egna snarare än en färdig licens – en distinktion som spelar större roll än rubrikordet "öppen". Repositoriet deklarerar license: other med license_name: kimi-k3, och texten beviljar användning, kopiering, modifiering, sammanslagning, publicering, distribution, underlicensiering och försäljning, inklusive rätten att finjustera och att bygga derivatverk. Två villkor ligger ovanpå detta beviljande, och båda är kommersiella snarare än tekniska:

• Om du bedriver en model-as-a-service-verksamhet — där tredje parter får API-liknande åtkomst med reell kontroll över indata, parametrar eller träningsdata — och dina sammanlagda intäkter under någon sammanhängande tolvmånadersperiod överstiger 20 miljoner dollar, behöver du ett separat avtal med Moonshot innan du använder vikterna eller derivaten kommersiellt.

• Om en kommersiell produkt eller tjänst som bygger på vikterna överstiger 100 miljoner månatliga aktiva användare eller 20 miljoner dollar i månatliga intäkter, måste "Kimi K3" visas framträdande i dess gränssnitt.

• Inget av villkoren gäller för intern användning, eller för något som nås via Moonshots egna produkter eller dess certifierade inferenspartner.

Själva nedladdningen är inte liten, och det är värt att känna till formen innan man startar en. Repositoriet innehåller 97 safetensors-shards som totalt uppgår till ungefär 1,56 TB, publicerade i den MXFP4/MXFP8-konfiguration som modellen tränades för att använda – vilket är en verklig bekvämlighet, eftersom det innebär att labbets egen kvantisering är referensen i stället för något man själv måste återskapa. M​oonshot namnger tre inferensmotorer som den rekommenderar för K3: vLLM, SGLang och TokenSpeed, var och en med ett publicerat recept eller en kokbok. Leverantörens egen driftsättningsanteckning lägger till ett hårdvarugolv som är värt att citera ordagrant: K3 rekommenderas på supernodskonfigurationer med 64 eller fler acceleratorer, vilket är det ärliga svaret på "kan jag köra detta lokalt" och är ett annat svar än det som parametrantalet antyder.

Om 1,56 TB MXFP4 är mer än vad din maskin rymmer – och det är det för nästan varje läsare – är community-reduceringarna den praktiska vägen, och de är legitima. Repositoriet unsloth/Kimi-K3-GGUF är den mest nedladdade GGUF-konverteringen på Hub; NVIDIA publicerar en NVFP4-byggversion; det finns MLX-konverteringar riktade mot Apple silicon; och flera REAP-liknande beskurna varianter byter expertantal mot en storlek som får plats på en enda stor arbetsstation. Det är tredjepartsmodifieringar av vikterna, inte Moonshot-utgåvor, och licensvillkoren följer både derivatet och originalet. Betrakta en beskuren eller hårt kvantiserad byggversion som en egen artefakt: den blir billigare att köra än referensen och den kommer inte att ge identiska resultat, och ingen benchmark på den här sidan bör läsas som att den gäller för den.

Frågan "vilken fil ska jag ladda ner", skärpt: ta en GGUF om du serverar via llama.cpp-liknande verktyg och måste rymmas inom ett fast minnesutrymme; ta MLX-bygget om maskinen är en Apple silicon-maskin; ta leverantörens egna shards om du har acceleratorbudgeten och vill ha den konfiguration som M​oonshot tränade. Det är hela regeln, och den avgörs av din hårdvara snarare än av modellen.

Var den här sidan ligger intill läcksidan

Den enda aktiva sidan på den här stammen är kimi-k3-1-leak, och den täcker ryktet: den läckta funktionslistan, det kryptiska inlägget och dess borttagning, samt tidslinjen som redan har förskjutits en gång. Den här sidan är den andra halvan och återberättar medvetet inget av det. Läs läcksidan om det du vill ha är spekulationens status; läs den här om det du vill ha är modellen som finns, namnet den har i leverantörens egen katalog och villkoren som dess vikter bär.

Vad är inte avgjort

Om M​oonshot någonsin släpper en modell som de kallar K3.1, och vad den i så fall skulle innehålla. Det finns ett språng i resonemanget som pekar mot en efterföljare med större tyngdpunkt på datoranvändning och multimodalitet, och det är en rimlig tolkning av labbets egen produktinriktning – men troligt är inte samma sak som släppt, och inget i leverantörens material lovar en siffra, ett datum eller en form. Det enda som verkligen är avgjort är specifikationsfrågan, och svaret är nekande: det finns ingen K3.1-specifikation att ge, från någon källa, i dag.

Tillgänglighet, noggrant formulerad

Den åtskillnad som det här avsnittet måste upprätthålla är mellan ett namn och en identifierare, eftersom den är lätt att sudda ut. Moonshot publicerar exakt en identifierare för den här linjen – kimi-k3, i moonshotai/Kimi-K3 och på sin egen API-plattform – och det är den enda id som är värd att citera. Det finns ingen kimi-k3.1, ingen kimik3.1 och ingen kimi-k3-1 i någon katalog vi kan hitta, inklusive vår egen, och den här sidan kommer inte att skriva ut en som en illustration.

Det som är nåbart är Kimi K3. På OrcaRouter listas det som kimi/kimi-k3 till $3.00 per miljon indata-token och $15.00 per miljon utdata-token — leverantörens listpris vidarebefordrat med 0 % påslag av vårt eget, mot ett kontextfönster på 1 048 576 token och ett OpenAI-kompatibelt gränssnitt, så klienten du redan använder ändras inte. Vår livekatalog innehåller fyra Moonshot-identifierare, kimi/kimi-k2.5, kimi/kimi-k2.6, kimi/kimi-k2.7-code och kimi/kimi-k3, och ingen femte på någon stavning av 3.1; det lästes mot den aktuella modellistan snarare än antogs.

Praktiskt sett har det betydelse för hur du hanterar en overifierad efterträdare. Om en K3.1 dyker upp är den användbara hållningen att rikta en del av trafiken mot den bakom automatisk redundansväxling med K3 som reservväg — samma nyckel, samma slutpunkter, inget andra avtal — så att ankomsten blir en routingändring snarare än en upphandlingscykel. Det finns inget att växla över till ännu, och vi påstår inte något annat.

Vad ska man göra med allt detta?

Om du sökte efter Kimi K3.1 för att du vill ha en efterträdare, är det ärliga rådet att vänta på en artefakt – en rad i modellistan, en API-identifierare eller ett repository under labbets egen organisation – och att bedöma att den har kommit utifrån något av dessa i stället för utifrån en skärmbild. Om du sökte för att du vill använda linjen i dag, är modellen Kimi K3, den har öppna vikter under en licens du bör läsa innan du släpper något som bygger på den, och den kan anropas enligt ett prisblad vars siffror är publicerade snarare än härledda. En versionsbeteckning som sökrutan använder men produkten inte gör är inte en modell, hur stor efterfrågan som än står bakom den.