Kimi K3.1 对比 Kimi K3：开放权重揭示了发布博文未曾提及的内容

Kimi K3.1 Pro 和 Kimi K3 现在都包含相同的 96 个 safetensors 分片、相同的 1.56 TB 磁盘占用，但采用不同的注意力栈。Moonshot 的新仓库中的配置将 93 层描述为“69 KDA + 24 Gated DSA”。于 7 月发布的 Kimi K3 仓库，其配置写的是“69 KDA + 24 Gated MLA”。Moonshot 于 2026 年 10 月 24 日发布的 Kimi K3.1 Pro 发布文章，称这款更新的模型是“Kimi K3 的一个后训练版本”，却完全没有提到这次替换。在这个对比中，其他所有内容都源自那一行，包括这款更新的模型为什么是更便宜的那个。

权重文件本身悄然上线，没有任何公告。Moonshot 的博客在 10 月 24 日之后便再无更新。该仓库唯一的一次提交时间戳为 2026 年 11 月 2 日，比公司为自己设定的 11 月 4 日截止日期早两天；这些文件在该截止日期之前是否已可公开读取，仓库并未记录。仓库记录下的是架构、许可证和清单——而这恰恰是发布博文所遗漏的内容。

公告未提及的互换

模型卡片在一处脚注中坦承了这一点，就在一张在其他方面看似熟悉的规格表下方的一行：“与 Kimi K3 相比，我们将全注意力的 Gated MLA 层替换为 Gated DeepSeek Sparse Attention（Gated DSA）层，以实现更高效的长上下文建模。”

93 层中有 24 层发生变化。其余 69 层仍采用 Kimi Delta Attention，这是 Kimi K3 引入的线性注意力机制，并且层数、专家数量和隐藏维度均未改动。Gated MLA 是带有压缩键值缓存的全注意力；Gated DSA 会为每个查询选择过去 token 的稀疏子集，并对结果进行门控。实际差异在于随着上下文增长，模型如何花费计算资源和缓存，而这正是 100 万 token 窗口在推理服务账单上、而非基准测试表中体现出来的部分。

这张卡片没有提供的是一个数字。它没有每秒 token 数的数据，没有缓存内存的对比，也没有长上下文延迟的测量结果——只有“更高效的长上下文建模”这一句话。Moonshot 的发布文章完全没有给出任何架构细节。因此，所谓这次替换能让任何东西变快，在目前来说只是一项设计层面的说法，而非测量结果，并且 Moonshot 之外没有任何人发表过这两个检查点之间的服务性能对比。

这比听起来更重要。如果你围绕 Kimi K3 的注意力特性调优了批处理、缓存分配或上下文管理，那么较新的检查点在服务层并非可直接替换，尽管它在 API 层可以直接替换。API 掩盖了这一点；自托管部署则不会。

这两个检查点真正共享的是什么

完全相同的下载文件表明，这并不是一个更大的模型。下面每一项主要规格维度在两张卡上都相同，文件清单也证实了这一点：

• 总参数与激活参数——两个模型的总参数均为 2.8 万亿，激活参数均为 1040 亿。

• 深度 — 93 层，其中一层为稠密层，两者均如此。

• 专家 — 共 896 个，每个 token 选取 16 个，共享 2 个，两者均适用。

• 词汇量 — 两者均为 160K tokens。

• 视觉 — MoonViT-V2，4.01 亿参数，两者均配备。

• 上下文 — 两者均为 1,048,576 个 token；我们自己的模型页面显示，Kimi K3.1 Pro 的最大输出为 943,718 个 token。

• 量化 — 权重采用 MXFP4，激活值采用 MXFP8，两者均支持量化感知训练。

• 下载 — 每个仓库共 96 个 safetensors 分片，总计 1.56 TB。

• 输入模态——Kimi K3 的产品卡列出文本、图像和视频；Kimi K3.1 Pro 的产品卡列出文本和图像，而 API 文档还宣称支持视频。在处理器代码经过实际运行验证之前，应将视频这一说法视为未经证实。

一个保留参数量、专家路由和文件大小，并改动 24 个注意力层的小版本发布，与新一代发布是不同类型的发布。它更接近于周期中段的架构修订加上一次大规模后训练，而不是一个全新的基础模型，定价也反映了这一点。

两份费率表，以及一张并未下降三分之一的发票

纸面上，新款模型在每一项上都更便宜。Kimi K3.1 Pro 为每百万输入 token 2.00 美元、每百万输出 token 10.00 美元；Kimi K3 则为 3.00 美元和 15.00 美元。缓存命中价格从 0.30 美元降至 0.20 美元，五分钟和一小时 TTL 的缓存写入价格从 3.00 美元和 6.00 美元降至 2.00 美元和 4.00 美元，而价格为 4.00 美元和 20.00 美元的 Highspeed 变体则以价格换取两到三倍的输出速度。Kimi K3.1 Pro 上的批量推理按标准的 60% 计费，即 1.20 美元和 6.00 美元。

账单则是另一回事。Kimi K3.1 Pro 默认以最大努力进行推理，而最大努力会生成更多 token。Bito 的智能体编程对比发现，两款模型总体以 72% 打成平手，而 Kimi K3.1 Pro 输出了约 98,000 个 token，Kimi K3 则为 44,000 个；在一次长时间会话中，前者耗时 28 分钟，后者为 17 分钟，成本分别为 4.28 美元和 2.46 美元。Plotly 的数据分析运行在质量上走向相反，在成本上方向相同：43 项任务中解决了 42 项，而对比模型为 35 项；支出从 5.01 美元升至 13.47 美元，中位时间从 43 秒升至两分半钟。Ultralytics 在测试自动标注时测得 mAP50 提升了 33%，从 0.334 升至 0.444，排名从 39 个模型中的第 19 位升至第 9 位。

那三项是厂商在小样本上发布的测试，而非经同行评审的评估，且它们对新模型究竟好多少意见不一。它们在成本方向上看法一致：每 token 价格降低三分之一，在一个思考更久的模型上并不成立。要按每个已完成任务来编制预算，而不是按每百万 token。

此对比中的两个模型均可通过同一个密钥调用。Kimi K3.1 Pro 的路由为 kimi/kimi-k3.1-pro，价格为 Moonshot 的 $2.00 和 $10.00，而 Kimi K3 的路由为 kimi/kimi-k3，价格为 $3.00 和 $15.00，提供商的标价直接透传，未加任何加价，因此 Moonshot 价目表的变更当天即可在此生效。这正是它应归入定价部分而非页脚的具体原因：切换的全部理由就在于价格差，而在标价之上附加的任何价差都会在你尚未衡量任何任务之前就吃掉一部分节省。

基准表在两个模型下都移动了

Artificial Analysis 于 2026 年 10 月 27 日重建了其 Intelligence Index，而这次重建对本次比较的影响，比 Moonshot 发布的任何内容都更为重大。在当前的 v5 指数上，Kimi K3.1 Pro 得分 46，位列第九，落后于得分 58 的 Claude Opus 5.5 整整 12 分；排在它前面的还有 Gemini 4 Carbon（59 分）、GPT-6 Astra（57 分）和 GPT-6.1 Sol（55 分）。而在先前的 v4.3.2 指数上，同一模型得分 55，排名第四，距榜首仅差 3 分。

这两个数字并非退步，也不具可比性。Version 5 将榜单中约 60% 的内容迁移到私有留出集上，新增了 FrontierCode 2.0 和 Terminal-Bench-Science，移除了 SciCode 和 AA-LCR，并将每项任务的中位输出长度从约 35,000 个 token 提高到约 59,000 个。在如今奖励长程智能体工作的榜单上，回答简短的模型会处于劣势。Kimi K3.1 Pro 仍是其厂商称为开放权重的模型中排名最高的。

前代模型的数字才是陷阱。Kimi K3 在发布时于 v4 指数上得分 57，排名第三。流传的 Kimi K3（max）43.6 分来自 v5 切换前的聚合器快照，而我们找不到 Kimi K3 本身已发布的 v5 分数。因此，“46 对 43.6”并非受控配对，任何把这一差异说成实测能力提升的人，都是在跨两个测量工具做减法。能说的范围更窄：在当前指数上，被评分的是较新的模型，它位列第九。

供应商自己的表格又是另一套不同的评测工具，其中显示 Kimi K3.1 Pro 在 Terminal-Bench 4.0 上为 65.7，而 Claude Opus 5.5 为 66.4；在 SWE Marathon v1.1 上为 51.7；在使用工具的情况下 BenchCAD 上为 92.7；GPQA-Diamond 上为 94.2；HLE-Full 上为 51.1。其短板也同样明显：在 Terminal-Bench-Science 上为 38.1，而 GPT-6 Astra 为 68.1；在 HLE-Diamond 上为 39.4，而 Opus 5.5 为 60.9。Moonshot 通过 Claude Code harness 以最大推理强度运行了这些编码评测。这些结果均未经过独立复现。

发布中最清晰的一组对照数字，是 Moonshot 拿自家前代产品测出的：Kimi Code Bench 3.0 Long-horizon 为 61.2%，对比 55.95%；声明级幻觉率为 8.3%，而使用工具时为 23.4%；在 xdev-bench-hard 上为 81.0%，对比 33.3%。同一个内部基准属于 Moonshot，因此这些差值彼此一致，但并非来自外部。幻觉这一数字是实际影响最大、佐证最少的那个。

该许可证是 Kimi K3 的许可证，仅更改了一个名称。

两个仓库均附带一个约 3 KB 的许可证文件，逐行比较后发现唯一实质性差异：在署名条款中，用“Kimi K3.1-Pro”替换了“Kimi K3”。文档其余部分完全相同。

这意味着条款已经是已知的，而不是待定的。允许使用、复制、修改、分发、再许可和销售，并且明确允许微调。提供模型即服务且在任何连续十二个月内总收入超过 2000 万美元的企业，在商业使用前必须与 Moonshot 签署单独协议。月活跃用户超过 1 亿或月收入超过 2000 万美元的产品，必须显著展示模型名称。内部使用，以及通过 Moonshot 官方产品或其认证推理合作伙伴进行的使用，均不受这两项要求约束。

如果你计划转售访问权限，那么针对认证合作伙伴的豁免条款值得读两遍。2000万美元的门槛按滚动十二个月计算，而不是按产品线计算；并且“模型即服务”的定义足够宽泛，可以涵盖让客户控制输入、参数或训练数据的 API——同时排除了模型嵌入某项功能中的终端用户产品，以及仅将请求转发给其他地方托管的模型的情形。

运行其中任何一个需要什么

一个 1.56 TB 的 MXFP4 检查点并不是工作站能下载的，而且这两个模型同样庞大。Moonshot 指向三套服务栈——vLLM recipes、SGLang cookbook 和 TokenSpeed——而这三者在这种规模下都假定采用多节点部署。从监督微调阶段就开始的量化感知训练，正是让文件保持在 1.56 TB、而不是 BF16 副本会占用的约 5.6 TB 的原因；而且这种量化已经固化到上面的分数中，而不是事后才应用。

完全相同的占用空间带来的实际后果是：这次架构更换并没有换来任何硬件上的减负。如果你能服务 Kimi K3，你就能在同一类集群上服务 Kimi K3.1 Pro；但你无法在单节点上服务其中任何一个。

该选哪一个

• 你采用自托管，且你的技术栈已针对 {{1}}Kimi K3{{/1}} 调优——迁移前请重新做基准测试。注意力机制的变化会改变缓存行为，而与之相关的唯一效率声明只是脚注中的一句话。

• 你调用 API 进行智能体编码、长周期工具使用或文档验证——选择 Kimi K3.1 Pro，依据是其成对的内部增量与更低的费率卡，并先进行影子评估。

• 你需要一个失败特征已经定型的模型——Kimi K3。它自 7 月起就已投入生产，其怪癖也已由其他人记录在案。较新的模型在设计上就会改变推理行为。

• 你需要确定性——切换前先检查。Kimi K3.1 Pro 将 temperature 固定为 1.0、top_p 固定为 0.95，并拒绝其他替代值，而且在对话中途更改推理强度会使前缀缓存命中失效。

坦率地说，Kimi K3.1 Pro 在厂商测量的几乎每个维度上都优于 Kimi K3；在唯一给它打过分的独立指数上，它只是略好一些；而按每完成一项任务计算，它比其价目表所暗示的更贵。本周改变的不是结论，而是证据：检查点现在可以被读取、部署服务和测试，而不必再被凭信任接受；而读取它后产生的第一件事，就是对发布博文的更正。