น้ำหนักโมเดล Kimi K3.1 Pro เปิดตัวแล้ว: 1.56 TB บนดิสก์ และเงื่อนไขใบอนุญาตมูลค่า 20 ล้านดอลลาร์

ตลอดสิบเอ็ดวันระหว่างการเปิดตัว API กับการดาวน์โหลด บทความส่วนใหญ่ที่กล่าวถึง Kimi K3.1 Proอ้างอิงน้ำหนัก BF16 จำนวน 5.6 เทระไบต์ แต่รีโพซิทอรีที่ Moonshot AI เผยแพร่จริงบน Hugging Face เมื่อวันที่ 4 พฤศจิกายน 2026 มีขนาด 1.56 TB กระจายอยู่บน 96 shard ของ safetensors นั่นไม่ใช่โมเดลที่เล็กกว่าโมเดลที่ทุกคนเขียนถึง — หากแต่เป็นโมเดล mixture-of-experts 2.8 ล้านล้านพารามิเตอร์ตัวเดียวกันที่ต่อยอดจาก Kimi K3 ซึ่งจัดส่งในความแม่นยำที่ Moonshot ฝึกมาเพื่อให้เสิร์ฟในระดับนั้น ช่องว่างระหว่างตัวเลขสองจำนวนนี้คือสิ่งแรกที่ควรทำความเข้าใจเกี่ยวกับการเปิดตัวครั้งนี้ เพราะมันเป็นตัวตัดสินว่าเครื่องที่คุณมีอยู่แล้วจะรองรับมันได้หรือไม่

สิ่งที��สองคือสัญญาอนุญาต ซึ่งไม่ใช่ Apache 2.0 ไม่ใช่ MIT และไม่ได้รับการรับรองจาก OSI แม้ย่อหน้าเปิดจะดูผ่อนปรนก็ตาม มันเป็นตราสารเฉพาะที่เรียกว่า Kimi K3.1-Pro License และมีเกณฑ์รายได้ซึ่งทำให้การดาวน์โหลดฟรีกลายเป็นการเจรจาสำหรับบริษัทประเภทหนึ่งโดยเฉพาะ ข้อเท็จจริงทั้งสองข้อนี้ยังตอบไม่ได้เมื่อวันที่ 25 ตุลาคม ในตอนที่น้ำหนักโมเดลเป็นเพียงคำสัญญาที่มีเช็กลิสต์แนบมาด้วย ตอนนี้ตอบได้แล้ว

อะไรกันแน่ที่ถูกปล่อยลงบน Hugging Face

Repo นี้คือ moonshotai/Kimi-K3.1-Pro ซึ่งไม่มีการจำกัดการเข้าถึง และมีไฟล์ทั้งหมด 111 ไฟล์ โดย 96 ไฟล์เป็น weight shard ส่วนไฟล์ที่เหลือเป็น config, tokenizer, ไฟล์ Python จำนวนสี่ไฟล์สำหรับสถาปัตยกรรมแบบกำหนดเอง, model card และ licence ขนาดรวมของทุกไฟล์คือ 1,561 GB

เหตุผลที่มันพอดีใน 1.56 TB แทนที่จะเป็น 5.6 TB ถูกเขียนไว้ใน model card เป็นบรรทัดสเปก ไม่ใช่เชิงอรรถ: น้ำหนัก MXFP4 พร้อมแอ็กติเวชัน MXFP8 ซึ่งนำมาใช้ผ่าน quantization-aware training นี่ไม่ใช่การควอนไทซ์ 4 บิตแบบย้อนหลังที่ใครบางคนไปทำหลังจากนั้น มันคือความแม่นยำในการให้บริการแบบเนทีฟ ซึ่งเป็นเหตุผลว่าทำไมรีโพซิทอรีจึงมีแท็ก compressed-tensors และทำไมจึงไม่มีเช็กพอยต์ BF16 วางอยู่ข้าง ๆ ถ้าคุณกำลังวางแผนโดยอิงจากการดาวน์โหลด 5.6 TB แสดงว่าคุณกำลังวางแผนกับตัวเลขที่ Moonshot ไม่เคยเผยแพร่

ส่วนที่เหลือของเอกสารข้อมูลจำเพาะ เพื่อให้คุณประเมินขนาดของงานได้:

• พารามิเตอร์ทั้งหมด — 2.8T ในแบบ mixture-of-experts โดยเปิดใช้งาน 104B ต่อโทเค็น

• ความลึก — 93 เลเยอร์ โดยหนึ่งในนั้นเป็นแบบ dense; สแต็กแอตเทนชันประกอบด้วยเลเยอร์ KDA 69 เลเยอร์ บวกกับเลเยอร์ Gated DeepSeek Sparse Attention 24 เลเยอร์ ซึ่งเป็นการเปลี่ยนแปลงจากเลเยอร์ Gated MLA แบบ full-attention ของ Kimi K3

• ผู้เชี่ยวชาญ — ทั้งหมด 896 ราย โดยเลือก 16 รายต่อโทเคน บวกกับอีก 2 รายที่ใช้ร่วมกัน ณ มิติแฝงของ MoE ที่ 3,584

• บริบท — 1,048,576 โทเค็น ไม่เปลี่ยนแปลงจาก Kimi K3

• รูปแบบข้อมูล — อินพุตเป็นข้อความและภาพ เอาต์พุตเป็นข้อความ; ตัวเข้ารหัสภาพคือ MoonViT-V2 ที่มีจำนวนพารามิเตอร์ 401M

• คำศัพท์ — 160K โทเค็น

มีเพียงตัวเลขเดียวในจำนวนเหล่านั้นที่ใหม่เมื่อเทียบกับ Kimi K3 และมันคือการเปลี่ยนแปลงของกลไก attention Moonshot ระบุชัดเจนว่านี่คือรีลีสหลังการเทรนบนฐาน K3 ที่มีการเรียนรู้แบบเสริมกำลังร่วมที่หนักขึ้นในหลายร้อยโดเมน ไม่ใช่สถาปัตยกรรมใหม่ การแทนที่ด้วย Gated DSA มีไว้เพื่อประสิทธิภาพในบริบทยาว ไม่ใช่เพื่อการก้าวกระโดดของขีดความสามารถ

ใบอนุญาตมีสามระดับ และระดับกลางคือระดับที่สำคัญ

สัญญาอนุญาต Kimi K3.1-Pro เปิดทางในแบบที่คุณคาดว่าจะเป็นสำหรับสัญญาอนุญาตแบบผ่อนปรน: ให้สิทธิ์ในการใช้ คัดลอก ดัดแปลง รวม เผยแพร่ แจกจ่าย อนุญาตช่วง และขาย เพื่อรัน ปรับใช้ และฟাইনจูน และสร้างงานดัดแปลง จากนั้นจึงเพิ่มเงื่อนไข และเงื่อนไขคือจุดที่การตัดสินใจอยู่

• ข้อ 2 เงื่อนไขการให้บริการแบบ model-as-a-service — หากคุณหรือบริษัทในเครือดำเนินธุรกิจที่ให้บุคคลภายนอกเข้าถึงการประมวลผลเพื่อสร้างคำตอบ (inference) หรือการปรับแต่งโมเดล (fine-tuning) และรายได้ของกลุ่มเกิน 20 ล้านดอลลาร์สหรัฐในช่วง 12 เดือนติดต่อกันใด ๆ คุณต้องมีข้อตกลงแยกต่างหากกับ Moonshot ก่อนการใช้งานเชิงพาณิชย์ มีข้อยกเว้นสำคัญสองประการ: ผลิตภัณฑ์สำหรับผู้ใช้ปลายทางที่โมเดลถูกฝังอยู่ในฟีเจอร์หรือโครงระบบ (harness) ไม่ถือเป็น "model as a service" และการเพียงส่งต่อคำขอไปยังโมเดลที่โฮสต์โดยผู้อื่นก็ไม่ถือเช่นกัน

• ข้อ 3 ข้อกำหนดการระบุแหล่งที่มา — ผลิตภัณฑ์เชิงพาณิชย์ที่มีผู้ใช้งานรายเดือนมากกว่า 100 ล้านคน หรือมีรายได้รายเดือนมากกว่า 20 ล้านดอลลาร์สหรัฐ ต้องแสดง "Kimi K3.1-Pro" อย่างเด่นชัดในอินเทอร์เฟซ นี่เป็นข้อผูกพันด้านแบรนดิง ไม่ใช่การชำระเงิน

• ข้อ 4 ข้อยกเว้น — ไม่มีข้อใดข้างต้นใช้บังคับกับการใช้งานภายใน ซึ่งหมายถึงการใช้งานใด ๆ ที่ไม่ทำให้ซอฟต์แวร์ ผลลัพธ์ หรือความสามารถพื้นฐานของซอฟต์แวร์พร้อมให้บุคคลภายนอกเข้าถึงหรือใช้งานได้ หรือการใช้ผ่านผลิตภัณฑ์อย่างเป็นทางการของ Moonshot และพันธมิตรด้านอินเฟอเรนซ์ที่ได้รับการรับรอง

การตีความในทางปฏิบัติคือ การติดตั้งใช้งานภายในองค์กรนั้นทำได้ฟรีและไม่มีข้อจำกัด และการสร้างผลิตภัณฑ์บนโมเดลนี้เพื่อผู้ใช้ของคุณเองก็ทำได้เช่นกัน สิ่งที่ทำให้ต้องเข้าสู่บทสนทนาเรื่อง 20 ล้านดอลลาร์คือการนำการเข้าถึงโมเดลแบบดิบไปขายต่อในระดับ規模 หากคุณหวังจะตั้ง endpoint สำหรับ inference ที่แข่งขันกันบน weights เหล่านี้ นั่นคือย่อหน้าที่ควรนำไปปรึกษาทนายความ และในเชิงโครงสร้างแล้วมันเป็นสัญญาอนุญาตแบบเดียวกับที่ Kimi K3 เปิดตัวภายใต้ ดังนั้นการตรวจสอบทางกฎหมายที่มีอยู่แล้วสำหรับ K3 จึงใช้ต่อได้โดยเพียงเปลี่ยนชื่อ

สิ่งหนึ่งที่สัญญาอนุญาตนี้ไม่ได้ทำคือทำให้สิ่งนี้เป็นโอเพนซอร์สในความหมายของ OSI ฟิลด์ในเมทาดาทาของรีโพซิทอรีระบุว่า license: other โดยตั้งชื่อสัญญาอนุญาตเป็น kimi-k3.1-pro สำนักข่าวที่บรรยายว่ามันเป็น MIT แบบดัดแปลงในช่วงไม่กี่ชั่วโมงแรกหลังการเปิดตัวนั้น อ่านเพียงส่วนเปิดที่อนุโลมและหยุดอยู่แค่นั้น

สิ่งที่ต้องใช้ในการรัน และจุดที่ API ได้เปรียบ

สูตรการใช้งาน vLLM ที่เผยแพร่สำหรับโมเดลนี้เป็นแนวทางปฏิบัติในการติดตั้งใช้งานที่ชัดเจนที่สุดเท่าที่มี และมีความเฉพาะเจาะจง โดยระบุว่าใช้ vLLM 0.34.0 หรือใหม่กว่า โดยมีค่าพื้นฐานเป็นหนึ่งกลุ่ม tensor-parallel ขนาด 8 GPU — สองถาด GB300 หรือหนึ่งโหนด B300 — ด้วย --tensor-parallel-size 8 ผ่าน --nnodes 2 โหมด long-context แบบเลือกใช้ได้ คือ DCP8 จะเพิ่มความจุ KV cache เป็นประมาณ 18.5 ล้านโทเคน เทียบกับ 2.6 ล้านโทเคนเมื่อใช้ FP8 KV บน B300 จำนวน 8 ตัว ซึ่งมากกว่าประมาณเจ็ดเท่า

มีผลตามมาสองประการ ประการแรก โหนด 8×H200 เป็นไปไม่ได้: HBM ขนาด 1.13 TB ไม่พอจะเก็บน้ำหนัก 1.56 TB ก่อนที่คุณจะจัดสรรแคชแม้แต่โทเคนเดียว ประการที่สอง ไม่มีเส้นทางสำหรับผู้ใช้ทั่วไป โมเดลต้องใช้ VRAM มากกว่าที่เวิร์กสเตชันหนึ่งเครื่องมี และสถาปัตยกรรมที่จะทำให้เวอร์ชัน CPU-offload ที่ช้านั้นพอทนได้ยังตามโค้ด kimi_k31 แบบกำหนดเองอยู่ไม่ทัน — รีโปมี trust_remote_code=True ในตัวอย่าง quickstart ของตัวเอง ซึ่งบอกคุณว่าสถาปัตยกรรมนี้ยังไม่อยู่ในเส้นทางค่าเริ่มต้นของไลบรารีต้นน้ำที่เผยแพร่แล้ว

หลักเศรษฐศาสตร์นี้เข้าใจได้ง่ายกว่าเมื่อมองในรูปของโทเค็นเอาต์พุต มากกว่าการมองเป็นรายการต้นทุนของ GPU ที่ราคา 10 ดอลลาร์ต่อโทเค็นเอาต์พุต 1 ล้านโทเค็น ต้นทุนเงินลงทุนโดยประมาณของโหนดหนึ่งซึ่งอยู่ที่ราว 550,000 ถึง 650,000 ดอลลาร์ จะซื้อโทเค็นเอาต์พุตได้ราว 55 ถึง 65 พันล้านโทเค็นผ่าน API ในราคาตามรายการ โหนดที่โฮสต์เองจะเหนือกว่าจุดนั้นก็ต่อเมื่อคุณใช้งานมันให้หนักพอที่จะให้บริการได้มากกว่านั้นก่อนที่มันจะล้าสมัย — และการเปรียบเทียบนั้นยังไม่นับค่าไฟฟ้า ค่าทีมปฏิบัติการ เวลาที่ไม่ได้ใช้งาน และโหนดที่สองซึ่งคุณต้องมีไว้เพื่อความซ้ำซ้อน สำหรับทีมส่วนใหญ่ที่อ่านข้อความนี้ คำตอบที่ตรงไปตรงมาคือ น้ำหนักของโมเดลเป็นสินทรัพย์เชิงกลยุทธ์ และ API เป็นวิธีที่ถูกกว่าในการใช้งานโมเดล

นี่ก็เป็นเหตุผลเช่นกันที่ kimi/kimi-k3.1-pro ซึ่งอยู่ในแคตตาล็อกของเราในราคา $2.00 ต่อล้านโทเค็นอินพุต และ $10.00 ต่อล้านโทเค็นเอาต์พุต ทำให้การคำนวณเปลี่ยนไปแทนที่จะเป็นการทำซ้ำ บริบทขนาด 1,048,576 โทเค็นเดียวกันและพารามิเตอร์ที่ใช้งานอยู่ 104B เดียวกันพร้อมใช้งานผ่าน Chat Completions, Responses API และ Anthropic Messages โดยไม่ต้องมีคลัสเตอร์สองโหนด ราคาของเราคือ มาร์กอัป 0% จากราคาลิสต์ของผู้ให้บริการ ดังนั้นเมื่อ Moonshot ปรับ rate card ตัวเลขที่นี่จะเปลี่ยนในวันเดียวกันแทนที่จะรอถึงการต่อสัญญาครั้งถัดไป และเนื่องจากสามารถเข้าถึงโมเดลได้ผ่านคีย์เดียวควบคู่กับ โมเดลอื่นอีกกว่า 200 ตัว การลองใช้กับงานจริงจึงไม่จำเป็นต้องผูกเส้นทางโปรดักชันเข้ากับโมเดลนี้ — คุณสามารถวางไว้หลังระบบ failover และปล่อยให้มันพิสูจน์ตัวเองจนได้รับทราฟฟิก

ตารางเกณฑ์มาตรฐานนั้นให้ผลได้ทั้งสองทาง

ตัวเลขทุกตัวในส่วนนี้อ้างอิงจากผู้จำหน่ายใน model card โดยรันที่ reasoning effort max พร้อม temperature 1.0 และ top-p 0.95 คอลัมน์เปรียบเทียบก็วัดที่ max effort โดยเปิดใช้ fallback เช่นกัน ซึ่งเป็นสิ่งที่ควรรู้ก่อนจะมองว่าช่องว่าง 1 จุดเป็นชัยชนะ

• Terminal-Bench 4.0 — Kimi K3.1 Pro 65.7% เทียบกับ Claude Opus 5.5 ที่ 66.4%, GPT-6 Astra ที่ 58.2% และ Claude Fable 5.1 ที่ 57.9% เป็นอันดับสองในตารางโดยห่าง 0.8 จุด และนำหน้าสองโมเดลที่ถูกนำมาเปรียบเทียบอย่างชัดเจน

• SWE Marathon v1.1 — 51.7% เทียบกับ 46.3% สำหรับ Claude Opus 5.5 และ 45.6% สำหรับ Claude Fable 5.1 ถือเป็นผู้นำที่แท้จริงในงานซอฟต์แวร์ระยะยาว

• HLE-Full เมื่อใช้เครื่องมือ — 70.0% เทียบกับ 67.7% ของ Claude Opus 5.5 และ 65.6% ของ Claude Fable 5.1 ส่วน BrowseComp อยู่ที่ 92.1% เทียบกับ 91.5% ของ GPT-6 Astra

Program Bench — 31.5% เทียบกับ 65.0% ของ Claude Opus 5.5, 53.5% ของ Claude Fable 5.1 และ 50.0% ของ GPT-6 Astra นี่คือจุดที่แพ้มากที่สุดในตารางอย่างห่างชั้น และเป็นแถวที่ควรดูหากงานของคุณคือการสังเคราะห์โปรแกรมมากกว่าลูปเอเจนต์ในรูปแบบเทอร์มินัล

• Terminal-Bench-Science 0.1 — 38.1% เทียบกับ 68.1% ของ GPT-6 Astra และ 63.3% ของ Claude Opus 5.5 อีกหนึ่งหมวดหมู่ที่โมเดลยังห่างไกลไม่ใกล้เคียง

HLE-Full แบบไม่ใช้เครื่องมือ — 51.1% เทียบกับ 59.8% สำหรับ Claude Opus 5.5 คอลัมน์การใช้เครื่องมือพลิกลำดับ ซึ่งสะท้อนคุณภาพของฮาร์เนสมากกว่าความสามารถในการให้เหตุผลล้วน ๆ

รูปแบบนี้สอดคล้องกันมากพอที่จะมีประโยชน์: Kimi K3.1 Pro เก่งในงานที่เอเจนต์เป็นตัวขับเคลื่อนเชลล์ เบราว์เซอร์ หรืองานเขียนโค้ดที่ใช้เวลานาน และอ่อนใน benchmark ด้านวิทยาศาสตร์และ benchmark ด้านการสร้างโปรแกรมแบบสมบูรณ์ในตัวเอง หากคุณกำลังเลือกระหว่างมันกับ Claude Opus 5.5 โดยอาศัยความแข็งแกร่งของตัวเลขเด่นเพียงตัวเดียว ตัวเลขเด่นนั้นคือจุดที่ทั้งสองใกล้กันที่สุด

การวัดผลโดยอิสระยังมีน้อย และควรพูดให้ตรงไปตรงมา ปัจจุบัน Artificial Analysis ให้คะแนน Kimi K3.1 Pro ที่ 46 บน Intelligence Index v5.0.1 และระบุว่าเป็น open weights โดยมีอัตรา 32 โทเคนเอาต์พุตต่อวินาที อยู่ในอันดับหนึ่งจาก 25 ในแผงที่แสดงบนหน้ารุ่นโมเดลของมัน การรายงานข่าวในสัปดาห์เปิดตัวระบุว่า 55 แต่ตัวเลขนั้นเทียบกับบิลด์ของดัชนีที่ใช้ก่อนการรีบิลด์ v5 เมื่อวันที่ 27 ตุลาคม — เป็นเครื่องมือที่ต่างกัน และการนำตัวเลขหนึ่งไปลบออกจากอีกตัวเลขหนึ่งก็ได้ตัวเลขที่ไม่มีความหมาย

เช็กพอยต์แบบเปิดไม่ใช่ตัวที่ไม่จำกัด

Moonshot กล่าวว่าได้นำข้อมูลการฝึกด้านความสามารถทางไซเบอร์ออกจากบางส่วนของการฝึกระยะกลางและการเรียนรู้แบบเสริมกำลังก่อนจะปล่อยเวตเหล่านี้ และการ์ดโมเดลก็บรรจุหลักฐานไว้แทนที่จะปล่อยให้เป็นเพียงถ้อยแถลงประชาสัมพันธ์ ในชุด {{1}}xdev-bench-hard{{/1}} ภายในของบริษัท เช็กพอยต์ที่ปล่อยออกมาทำคะแนนได้ 81.0% เทียบกับ 90.5% ของเช็กพอยต์แบบไม่จำกัดของโมเดลเดียวกัน ไม่ว่าคุณจะดาวน์โหลดสิ่งใดจากรีโพซิทอรีนั้น สิ่งนั้นคือ{{2}}บิลด์ที่ผ่านการลดความเสี่ยง{{/2}}

ตัวเลขสัมบูรณ์เองก็ไม่ได้ดูดีนักในอีกทางหนึ่งเช่นกัน บน ExploitBench โมเดลได้ 74.7 เทียบกับ 100 ของ GPT-6 Astra และ 91.0 ของ Claude Opus 5.5 ส่วนบน ExploitGym ได้ 20.7 เทียบกับ 42.4 ของ GPT-6 Astra ดังนั้นโมเดลที่เผยแพร่นี้จึงทั้งอ่อนแอกว่ารุ่นแบบไร้ข้อจำกัดของตัวเอง และตามหลังโมเดลระดับแนวหน้าในงานด้าน exploitation — ซึ่งเป็นส่วนผสมที่สมเหตุสมผลที่เราอยากได้ในโมเดล 2.8 ล้านล้านพารามิเตอร์ที่เปิดให้ดาวน์โหลดได้ และเป็นสิ่งที่ควรรู้ไว้หาก threat model ของคุณตั้งสมมติฐานว่า open weights หมายถึงความสามารถแบบไร้ข้อจำกัด

ใครควรดาวน์โหลดสิ่งนี้ และใครไม่ควร

ดาวน์โหลดมันหากคุณมีเหตุผลที่จะถือครองน้ำหนักโมเดลเอง เช่น ข้อกำหนดเรื่องถิ่นที่อยู่ของข้อมูลที่ตัดความเป็นไปได้ในการใช้การอนุมานจากบุคคลที่สาม โครงการปรับแต่งละเอียดที่ต้องการโมเดลฐานไว้ภายในองค์กร กลุ่มวิจัยที่ตรวจสอบพฤติกรรมแทนการเช่าใช้ หรือปริมาณการใช้งานต่อเนื่องมากพอที่โหนดเฉพาะจะคุ้มกว่าการคิดค่าบริการต่อโทเคน คุณจะต้องใช้สองโหนด ไม่ใช่หนึ่งโหนด และต้องมีแผนสำหรับ KV cache หากคุณตั้งใจจะใช้บริบทใกล้เคียงหนึ่งล้านโทเคน

อย่าดาวน์โหลดมันหากเป้าหมายคือการประหยัดเงินในภาระงานขนาดปานกลาง หรือเพื่อรันโมเดลระดับแนวหน้าบนฮาร์ดแวร์ที่คุณมีอยู่แล้ว 1.56 TB เป็นขั้นต่ำสุด ไม่ใช่ข้อกำหนด และข้อกำหนดคือคลัสเตอร์ระดับ B300 หรือ GB300 ข้ามมันไปเช่นกันหากภาระงานของคุณคือการสังเคราะห์โปรแกรมหรือวิทยาศาสตร์ที่ยาก — Program Bench และ Terminal-Bench-Science คือจุดที่โมเดลนี้ห่างจากทางเลือกอื่นมากที่สุด และความผ่อนปรนของไลเซนส์ไม่ว่าจะมากเพียงใดก็ปิดช่องว่างนั้นไม่ได้

สำหรับทุกคนที่อยู่ตรงกลาง การเปิดตัวน้ำหนักโมเดลยังคงเป็นข่าวที่สำคัญกว่า และไม่ใช่เพราะสิ่งที่มันทำให้คุณรันได้ แต่เป็นเพราะเช็กพอยต์ที่ดาวน์โหลดได้นั้นตรวจสอบได้ ในขณะที่ API ตรวจสอบไม่ได้ — และโมเดล 2.8 ล้านล้านพารามิเตอร์ที่ห่างจาก Claude Opus 5.5 เพียงหนึ่งคะแนนบน Terminal-Bench 4.0 ตอนนี้กลายเป็นสิ่งที่นักวิจัยภายนอกสามารถตรวจสอบได้ แทนที่จะต้องเชื่อใจ นั่นคือส่วนหนึ่งของวันที่ 4 พฤศจิกายน ที่ไม่ขึ้นอยู่กับการมีศูนย์ข้อมูลเป็นของตัวเอง