Kimi K3.1 vs Kimi K4：权重已发布，K4 需要超越什么

Kimi K4 并不存在。Kimi K3.1 Pro 存在，而且从本周起，它既可以作为下载获取，也可以作为端点使用：96 个分片、1.56 TB、一个许可证文件和三份服务配方。这种不对称就是整个比较的全部。一边是固定的、可检查的制品。另一边是拍在内部横幅上的口号，以及一份没有点名任何型号的芯片采购报告。所以值得回答的问题不是哪一个更好，而是 Kimi K4 必须证明什么，等待它才会成为理性决策。

那个问题现在有了真正的答案，因为基线已经不再变动。在11月4日之前，“等待K4”和“等待权重”是同一个指令，只是截止时间不同。它们不再是同一个指令，而且只有其中一个仍然附有日期。

该家族有日期的文物，按顺序排列

对于这种规模的实验室而言，Moonshot 的节奏异常清晰可辨，这正是为什么 K4 产物的缺失具有信息价值，而不仅仅是令人失望。

• Kimi K3 — 于2026年7月16日宣布，是首个开放模型，属于2.8万亿参数级别；权重于7月27日随后发布，即十一天后。

Kimi K3.1 Pro ——于2026年10月23日发布并通过 API 销售，被描述为经过后训练的继任版本，具备 100 万 token 的上下文以及相同的 2.8 万亿总参数。该技术博客的日期为 10 月 24 日。

• Kimi K3.1 Pro 权重——承诺"11 月 4 日前"发布；而该仓库唯一的提交时间戳为 2026 年 11 月 2 日，且下载已上线。

• Kimi K4 — 没有博客文章，没有模型卡，没有代码仓库，没有 API 标识符，没有价目表行，没有许可证，没有 Artificial Analysis 页面。

自2025年7月以来已出现两代产品——2025年7月的K2和2026年7月的K3——其间还穿插了多个小版本发布，这就是规律。Kimi K3.1 Pro 正是这一规律所预测的那类发布，而如果在2026年内推出K4，那将是例外，而不是延续。

K4 杆必须清除

继任者要参照它所取代的对象来衡量，而那个对象现在是一份你可以阅读的文件。这些就是 Kimi K4 将继承、超越或败给的数字。

• 规模 — 总参数 2.8 万亿，活跃参数 1040 亿，93 层，896 个专家，每个 token 选择 16 个，另有 2 个共享专家。

• 上下文 — 1,048,576 个 token，在我们的模型页面上最大输出为 943,718 个 token。

• 权重占用 — 96 个 safetensors 分片，1.56 TB，MXFP4 权重和 MXFP8 激活，均来自量化感知训练。

{{1}}价格{{/1}} — 每百万输入 $2.00、每百万输出 $10.00，缓存输入 $0.20，Batch API 上为 $1.20 和 $6.00，Highspeed 变体上为 $4.00 和 $20.00。

• 独立排名——在 Artificial Analysis Intelligence Index v5 上得分 46，总排名第九，并且是其厂商称为开放权重的模型中排名最高的。

• 厂商基准测试——在最高推理强度下，Terminal-Bench 4.0 上为 65.7，SWE Marathon v1.1 上为 51.7，使用工具时 BenchCAD 上为 92.7，HLE-Full 上为 51.1。

• 薄弱环节——Terminal-Bench-Science 上为 38.1，HLE-Diamond 上为 39.4，两者均远低于闭源前沿。

• 许可证 — Kimi K3.1 Pro License：允许使用、修改、分发和微调；年收入超过 2000 万美元的模型即服务（model-as-a-service）业务需另行签订协议。

薄弱环节才是值得关注的那些行。一个 K4，如果在 Terminal-Bench 上再多拿两分，并且 Terminal-Bench-Science 得分相同，那它就会是一次换个新编号的小版本发布。开放权重前沿真正落后的地方，是科学推理和钻石级难度的推理，而这正是真正的代际跃迁必须显现出来的地方。

三项足以证明等待合理的测试

等待是一场下注，所以它应该有条件。以下是我们会采用的三个条件，按其改变决策的程度从大到小排列。

第一点是超出测量噪声的能力跃迁。基准分数会随评测框架、投入设置和评判器而波动，这就是为什么同一个模型在某个指数版本上能得到 55 分，在下一个版本上却只有 46 分，而权重没有任何变化。一个在重新评分的指数上以两分优势击败 Kimi K3.1 Pro 的 K4，不会达到这个标准。而一个把 Terminal-Bench-Science 从 38 提升到五十好几，或把 HLE-Diamond 从 39 提升到六十多的 K4，则会达到。

第二点是以同样速度实现开放。Kimi K3.1 Pro 的权重在 API 发布十天后才到位，而许可证条款是随权重一同公布的。如果 K4 以 API 优先的方式发布，却只给出一个没有明确期限的承诺，或者采用增加了 K3 系列所没有的限制的许可证，那么无论其得分如何，它都会比它所取代的模型更不划算。这里的产物顺序很重要：模型卡和许可证文件比博客文章更难收回。

第三是价格，也是最难攻克的一关。Kimi K3.1 Pro 已将其输入、输出和缓存价格较上一代下调了三分之一。若 K4 维持同样的 2 美元和 10 美元，那将是能力升级却无成本缓解；若 K4 高于这一价格，则需要显著更强才能证明涨价合理，尤其是在开源权重层级正于价格上趋同而非分化的市场中。

K4 证据究竟是什么，本周再次核查

自我们十月份审计以来，这份清单上的任何内容都没有发生变化。唯一发生变化的一件事——Kimi K3.1 Pro 的发布——改变的是基线，而不是证据。

• 这个名字源自2026年7月下旬一份泄露的内部庆祝横幅，上面写着“把K4逼到极限”。幻灯片上的一句话可以是产品名称的起点，但它并不是一次正式发布。

唯一实质性的报道来自 The Information，发布时间约为2026年7月29日，称 Moonshot 正在寻求额外的 Nvidia Blackwell 级 GPU，以训练一个比 K3 更大的后继模型。报道未点名任何模型，未给出参数规模，也未提及日期。这是一则采购新闻。

• “5至6万亿参数”这一数字出现在10月第二周的中文报道中，既未注明任何具名消息来源，也不存在于任何Moonshot文档中。那些报道中起关键作用的是“可能”一词。

• 一名泄密者声称，Moonshot 一款代号为“x4”的旗舰模型已完成预训练，正处于后训练的中后期阶段。x4 是否为 K4 尚未得到证实，而单一未经核实的账号只能算是一条线索，而非证据。

所有可核查的渠道都是空的。Moonshot 的博客在 10 月 24 日之后没有任何文章。Hugging Face 组织最新的文本模型是 Kimi K3.1 Pro；搜索 K4 只会返回第三方重新上传的版本。API 的模型列表包含 kimi-k3.1-pro、kimi-k3.1-pro-highspeed、kimi-k3、kimi-k2.7-code 和 kimi-k2.6。定价页面没有 K4 这一行。Artificial Analysis 没有 K4 页面。

还存在一项政策风险，它关联的是训练任务，而不是 API。Moonshot 一直面临据报道的指控，涉及其如何获取 Blackwell 级芯片；而一旦面临被列入实体清单的威胁，这对 K4 所依赖的 GPU 供应的限制，将远远大于对一款已经发布并已被下载的模型的限制。这是看淡激进 K4 时间表的理由，而不是怀疑 Kimi K3.1 Pro 可用性的理由。

等待的实际代价

成本并非为零，而且它比收益更容易说明。每等待一个月，就意味着有一个月无法使用这样的模型：它在当前指数上得分 46，支持百万 token 上下文，价格为 $2 和 $10，并且可以下载和检查。如果你的工作负载是普通的智能体编程、文档抽取或长上下文检索，那么你原本等待要替换掉的东西，已经比大多数团队正在运行的东西更好。

第二种代价是架构漂移。推迟决策的团队往往会围绕在此期间最方便的东西来构建，这会使最终迁移比它当初推迟的那次迁移成本更高。让这一选项保持低成本的方法，是把模型放在你控制的接口之后。OrcaRouter 的路由 DSL 具体实现了这一点：你面向的是策略而不是模型，因此当 K4 标识符最终存在时，添加它只是新增一条带有自身权重和回退的路由，而不是重写调用代码。跨供应商的自动故障转移在同一个端点之后运行，这对如此新的模型很重要——将生产路径固定到单一上游，正是路由器存在所要消除的故障模式。

第三项成本更难量化，但确实存在：开放权重领域的格局正在变化。Kimi K3.1 Pro 是目前被归为开放权重的模型中的领先者，但 DeepSeek V4.1 Flash 和 GLM-5.3 在同一指数上紧随其后，而六个月的等待足以让这一排名发生变化。等待 K4 并不是原地等待。

真正会改变日期的信号

如果你想监测这一点而不是靠猜测，就按实验室通常生成这些产物的顺序来观察这些产物。

• 一个 API 模型标识符。这是发布成本最低的内容，通常也是最先发布的——模型列表里的一个字符串，往往早于任何公告。

• 一行价目表。价格是第二廉价的产物，也最能清楚地表明这是一次商业发布，而非演示。

• 一个带有许可证文件的 Hugging Face 仓库。对 Moonshot 来说，这意味着在 API 发布后会出现 11 到 12 天的间隔，因此仓库出现是一个滞后信号，而不是一个早期信号。

• 一张模型卡，以及一张包含评测框架设置的基准测试表。Kimi K3.1 Pro 的模型卡具体得非同寻常——它明确指出了 Claude Code 评测框架、推理强度以及评判模型——而这种披露程度本身就表明这是一个已完成的发布。

• 一个产品界面。Kimi Code、Kimi Work 和移动应用历来都会在开发者文档跟上之前，先行公开新的模型标识符。

不算数的包括：没有文档支撑的参数量、从 K3 外推出来的基准测试数字，以及开头就喊“K4 要来了”、却拿不出上述五件产物之一的帖子。这些说法从七月起就一直在流传，但没有一个最终沉淀成一份规格说明。

决策规则

只有当你的工作负载恰好落在 Kimi K3.1 Pro 明显薄弱的两个领域——科学终端工作和极其困难的推理——并且你能承受以季度而非周为单位的等待时，才值得等。对那支团队来说，等待的理由是真实的：在这些任务上，与闭源前沿的差距足够大，以至于一次真正的代际更替才会真正重要，而任何点版本发布都不太可能弥合这一差距。

对其他人来说，答案是在已有基础上构建。Kimi K3.1 Pro 的定价低于与它并列的专有模型，它可下载，而且其失效模式正由第三方公开记录。Kimi K4 是一个排期问题，而排期正是关于它唯一没人公布的事情。用一张拍下来的标语来押注路线图，不是耐心。那是包装得更好的猜测。