Kimi K3.1 Pro-vikterna har släppts: 1,56 TB på disk och en licenspost på 20 miljoner dollar

Under de elva dagarna mellan API-lanseringen och nedladdningen angav de flesta rapporter om Kimi K3.1 Pro 5,6 terabyte BF16-vikter. Repositoriet som Moonshot AI faktiskt publicerade på Hugging Face den 4 november 2026 är 1,56 TB, fördelat över 96 safetensors-shards. Det är inte en mindre modell än den som alla skrev om – det är samma Kimi K3-baserade mixture-of-experts-modell med 2,8 biljoner parametrar, levererad i den precision som Moonshot tränade den att köras i. Gapet mellan de två siffrorna är det första som är värt att förstå med det här släppet, eftersom det avgör om en maskin du redan äger kan rymma den.

Den andra saken är licensen, som inte är Apache 2.0, inte MIT och inte OSI-godkänd trots ett tillåtande inledande stycke. Det är ett skräddarsytt instrument som kallas Kimi K3.1-Pro License, och det innehåller en intäktströskel som förvandlar en gratis nedladdning till en förhandling för en specifik typ av företag. Båda dessa fakta gick inte att besvara den 25 oktober, när vikterna var ett löfte med en checklista bifogad. Nu går de att besvara.

Vad som faktiskt landade på Hugging Face

Repot är moonshotai/Kimi-K3.1-Pro, det är inte åtkomstbegränsat och det innehåller 111 filer. Nittiosix av dem är vikt-shards; resten är konfigurationen, tokenizern, fyra Python-filer för den anpassade arkitekturen, modellkortet och licensen. Den sammanlagda storleken för alla filer är 1,561 GB.

Anledningen till att det får plats i 1,56 TB i stället för 5,6 TB står i modellkortet som en specrad, inte som en fotnot: MXFP4-vikter med MXFP8-aktiveringar, tillämpade genom kvantiseringsmedveten träning. Detta är inte en efterhandsutförd 4-bitarskvantisering som någon körde i efterhand. Det är den inbyggda serveringsprecisionen, vilket är anledningen till att repot har taggen compressed-tensors och till att det inte finns någon BF16-checkpoint bredvid den. Om du planerade utifrån en nedladdning på 5,6 TB planerade du mot en siffra som Moonshot aldrig levererade.

Resten av specifikationsbladet, så att du kan bedöma jobbets omfattning:

• Totalt antal parametrar — 2,8T i en mixture-of-experts, med 104B aktiverade per token

• Djup — 93 lager, varav ett är dense; attention-stacken består av 69 KDA-lager plus 24 Gated DeepSeek Sparse Attention-lager, en förändring från Kimi K3:s full-attention Gated MLA-lager

• Experter — 896 totalt, 16 valda per token plus 2 delade, med en latent MoE-dimension på 3 584

• Kontext — 1,048,576 tokens, oförändrad från Kimi K3

• Modalitet – text och bild in, text ut; visionskodaren är MoonViT-V2 med 401M parametrar

Ordförråd — 160K tokens

Bara en av dessa siffror är ny i förhållande till Kimi K3, och det är uppmärksamhetsändringen. Moonshot är tydliga med att detta är en efterträningsrelease på K3-basen med tyngre gemensam förstärkningsinlärning över hundratals domäner, inte en ny arkitektur. Ersättningen med Gated DSA finns där för effektivitet vid långa kontexter, inte för ett kapacitetslyft.

Licensen har tre nivåer, och det är den mellersta som spelar roll.

Kimi K3.1-Pro License öppnar på det sätt man förväntar sig att en tillåtande licens ska öppna: tillstånd att använda, kopiera, ändra, slå samman, publicera, distribuera, underlicensiera och sälja, att köra, driftsätta och finjustera, och att skapa derivatverk. Sedan lägger den till villkor, och det är i villkoren besluten ligger.

• Avsnitt 2, spärren för modell-som-tjänst – om du eller dina närstående bolag bedriver en verksamhet som ger tredje parter åtkomst till inferens eller finjustering, och koncernens intäkter överstiger 20 miljoner USD under en sammanhängande 12-månadersperiod, behöver du ett separat avtal med Moonshot före kommersiell användning. Två undantag är viktiga: slutanvändarprodukter där modellen är inbäddad i en funktion eller ett ramverk utgör inte "modell som en tjänst", och det gör inte heller enbart vidarebefordran av förfrågningar till modeller som driftas av någon annan.

Avsnitt 3, attribueringsklausulen – kommersiella produkter med fler än 100 miljoner månatligt aktiva användare, eller mer än 20 miljoner USD i månatliga intäkter, måste visa "Kimi K3.1-Pro" framträdande i gränssnittet. Det är ett varumärkesåtagande, inte en betalning.

• Avsnitt 4, undantagen – inget av ovanstående gäller för intern användning, definierad som all användning som inte gör programvaran, dess utdata eller dess underliggande kapaciteter tillgängliga för tredje part, eller för användning via Moonshots officiella produkter och certifierade inferenspartner.

Den praktiska tolkningen är att interna driftsättningar är gratis och obegränsade, och detsamma gäller att bygga en produkt ovanpå modellen för dina egna användare. Det som utlöser samtalet om 20 miljoner dollar är återförsäljning av rå modellåtkomst i stor skala. Om du hoppades kunna sätta upp en konkurrerande inferensslutpunkt på dessa vikter är det stycket du ska ta med till en jurist, och det är strukturellt samma licens som Kimi K3 släpptes under – så en befintlig juridisk granskning av K3 kan överföras, med namnet ändrat.

En sak som licensen inte gör är att göra detta till öppen källkod i OSI:s mening. Fältet i repository-metadatan anger license: other, med licensnamnet satt till kimi-k3.1-pro. Medier som beskrev den som modifierad MIT under de första timmarna efter släppet läste den tillåtande inledningen och stannade där.

Vad som krävs för att köra, och var API:et vinner

Det vLLM-recept som publicerats för den här modellen är den mest konkreta driftsättningsvägledning som finns, och den är specifik. Den anger vLLM 0.34.0 eller nyare, en baslinje med en tensor-parallell grupp på 8 GPU:er – två GB300-hyllor eller en B300-nod – med --tensor-parallel-size 8 över --nnodes 2. Det valfria läget för lång kontext, DCP8, höjer KV-cachekapaciteten till cirka 18,5 miljoner token jämfört med 2,6 miljoner med FP8 KV på 8 B300:or, ungefär sju gånger mer.

Det får två konsekvenser. För det första är en 8×H200-nod utesluten: 1,13 TB HBM rymmer inte 1,56 TB vikter innan man ens har allokerat cache för en enda token. För det andra finns det ingen väg för konsumenthårdvara. Modellen behöver mer VRAM än vad en arbetsstation har, och de arkitekturer som skulle göra en långsam CPU-offload-version dräglig har fortfarande inte kommit ikapp den anpassade kimi_k31-koden – repot inkluderar trust_remote_code=True i sitt eget quickstart-kodavsnitt, vilket visar att arkitekturen ännu inte finns i standardvägen för ett släppt uppströmsbibliotek.

Ekonomin är lättare att greppa i output-tokens än i GPU-kostnadsposter. Vid $10 per miljon output-tokens motsvarar en nods uppskattade kapitalkostnad på ungefär $550 000 till $650 000 någonstans mellan 55 och 65 miljarder output-tokens via API:et till listpris. En självhostad nod slår bara det om du håller den tillräckligt upptagen för att betjäna fler än så innan den blir föråldrad — och den jämförelsen är innan el, driftpersonal, outnyttjad tid och den andra nod du behöver för redundans. För de flesta team som läser detta är det ärliga svaret att vikterna är en strategisk tillgång och att API:et är det billigare sättet att använda modellen.

Det är också anledningen till att kimi/kimi-k3.1-pro som finns i vår katalog till $2.00 per miljon indata-token och $10.00 per miljon utdata-token förändrar kalkylen i stället för att duplicera den. Samma kontextfönster på 1,048,576 token och samma 104B aktiva parametrar är tillgängliga via Chat Completions, Responses API och Anthropic Messages, utan ett kluster med två noder. Vår prissättning är 0 % påslag på leverantörens listpris, så när Moonshot ändrar prislistan ändras siffran här samma dag i stället för vid nästa avtalsförnyelse. Och eftersom modellen är nåbar via en nyckel tillsammans med fler än 200 andra, kräver det inte att man binder en produktionsväg till den för att prova den på en verklig arbetsbelastning – du kan sätta den bakom failover och låta den förtjäna trafiken.

Jämförelsetabellen kan slå åt båda håll

Alla siffror i det här avsnittet är leverantörsrapporterade från modellkortet, körda med reasoning effort satt till max med temperature 1,0 och top-p 0,95. Jämförelsekolumnerna är också tagna vid max effort med fallback aktiverat, vilket är värt att veta innan du tolkar en enpoängsskillnad som en vinst.

• Terminal-Bench 4.0 — Kimi K3.1 Pro 65,7 % mot Claude Opus 5.5 på 66,4 %, GPT-6 Astra på 58,2 % och Claude Fable 5.1 på 57,9 %. Tvåa i tabellen, åtta tiondels poäng efter, och klart före de två modeller som den jämförs med.

• SWE Marathon v1.1 — 51,7 % mot 46,3 % för Claude Opus 5.5 och 45,6 % för Claude Fable 5.1. Ett verkligt försprång inom långsiktigt mjukvaruarbete.

• HLE-Full med verktyg — 70,0 % mot 67,7 % för Claude Opus 5.5 och 65,6 % för Claude Fable 5.1. BrowseComp ligger på 92,1 % mot 91,5 % för GPT-6 Astra.

• Program Bench — 31,5 % mot 65,0 % för Claude Opus 5.5, 53,5 % för Claude Fable 5.1 och 50,0 % för GPT-6 Astra. Detta är den största förlusten på bladet med bred marginal, och det är raden att titta på om ditt arbete är programsyntes snarare än terminalformade agentloopar.

• Terminal-Bench-Science 0.1 — 38,1 % mot 68,1 % för GPT-6 Astra och 63,3 % för Claude Opus 5.5. Ännu en kategori där modellen inte är i närheten.

• HLE-Full utan verktyg — 51,1 % mot 59,8 % för Claude Opus 5.5. Kolumnen för verktygsanvändning kastar om ordningen, vilket säger mer om kvaliteten på testramverket än om själva resonemangsförmågan.

Mönstret är tillräckligt konsekvent för att vara användbart: Kimi K3.1 Pro är stark när en agent driver ett skal, en webbläsare eller en långvarig kodningsuppgift, och svag på fristående vetenskapliga benchmarks och benchmarks för programkonstruktion. Om du väljer mellan den och Claude Opus 5.5 utifrån en enda toppsiffra, är toppsiffran det enda ställe där de ligger närmast varandra.

Oberoende mätningar är få och förtjänar att sägas rakt ut. Artificial Analysis ger för närvarande Kimi K3.1 Pro 46 poäng på Intelligence Index v5.0.1 och listar den som öppna vikter, med 32 utdatatokens per sekund, rankad etta av 25 i panelen som visas på dess modellsida. Rapporteringen i lanseringsveckan angav 55, men det gällde den indexversion som användes före v5-ombyggnaden den 27 oktober – olika mätinstrument, och att subtrahera det ena från det andra ger ett tal som inte betyder något.

Den öppna kontrollpunkten är inte den obegränsade.

Moonshot säger att man tog bort träningsdata för cyberkapacitet från delar av mellanträningen och förstärkningsinlärningen innan man släppte dessa vikter, och modellkortet innehåller bevisen i stället för att lämna det som en pressrad. På dess interna xdev-bench-hard-uppsättning får den släppta checkpointen 81,0 % mot 90,5 % för en obegränsad checkpoint av samma modell. Vad du än laddar ner från det arkivet är den mildrade byggversionen.

De absoluta siffrorna är inte heller smickrande åt andra hållet. På ExploitBench får modellen 74,7 jämfört med 100 för GPT-6 Astra och 91,0 för Claude Opus 5.5; på ExploitGym får den 20,7 jämfört med 42,4 för GPT-6 Astra. Så den släppta modellen är både svagare än sin egen obegränsade variant och ligger efter frontlinjen inom exploateringsuppgifter – en kombination som är rimlig att vilja ha i en öppet nedladdningsbar modell med 2,8 biljoner parametrar, och värd att känna till om din hotmodell antog att öppna vikter innebar obegränsad förmåga.

Vem bör ladda ner detta, och vem bör inte göra det?

Ladda ner den om du har skäl att själv hålla vikterna: ett datalokaliseringskrav som utesluter all tredjepartsinferens, ett finjusteringsprogram som behöver basmodellen internt, en forskargrupp som granskar beteende i stället för att hyra det, eller tillräckligt stor och jämn volym för att en dedikerad nod ska slå fakturering per token. Du vill ha två noder, inte en, och en plan för KV-cachen om du tänker använda något i närheten av en miljon tokens i kontext.

Ladda inte ner den om målet är att spara pengar vid en måttlig arbetsbelastning, eller att köra en modell i frontier-klass på hårdvara du redan äger. 1,56 TB är miniminivån, inte kravet, och kravet är ett kluster i B300- eller GB300-klass. Hoppa över den också om din arbetsbelastning är programsyntes eller hårda vetenskaper – Program Bench och Terminal-Bench-Science är där den här modellen ligger längst ifrån alternativen, och oavsett hur tillåtande licensen än är stängs inte det gapet.

För alla däremellan är släppet av vikterna fortfarande den viktigare nyheten, och inte för vad de låter dig köra. Det är för att en nedladdningsbar checkpoint är granskningsbar, och ett API är det inte – och en modell med 2,8 biljoner parametrar som ligger inom en poäng från Claude Opus 5.5 på Terminal-Bench 4.0 är nu något en utomstående forskare kan granska i stället för att lita på. Det är den delen av den 4 november som inte beror på att man äger ett datacenter.