Kimi K3.1：Kimi K3 的搜尋框名稱，以及 Moonshot 實際推出的內容

輸入kimi k3.1到搜尋框，你並不是要查新聞。在 M​oonshot AI 自家任何官方頁面上，都找不到 Kimi K3.1 的模型卡、權重儲存庫、價目表上的一列，也沒有任何帶有那個數字的 API 識別碼——而且在該實驗室把它放上去之前，這種東西也不會出現。那個點實際指向的，是它用簡寫指稱的產品：Kimi K3，也就是 M​oonshot 於 2026 年 7 月 16 日推出的 2.8 兆參數開放權重旗艦模型，以及它所屬的產品線。「Kimi K3.1」是搜尋框偏好用來指稱那條產品線的拼法；Kimi K3 則是廠商使用的拼法。下面整頁談的就是這個差異，因為正是這個差異決定你實際上能執行什麼。

寫下這件事的理由是需求，而非新聞。截至 2026 年 10 月 12 日的二十八天內，以帶點拼法為基礎的查詢在我們自家網站上帶來 777 次曝光與 70 次點擊——共十二個查詢，基本上沒有長尾，而在 kimi k3.1 本身上的點擊率為 9.7%。這是本輪測量的任何面向中最高的轉換表現，大約是無點拼法的兩倍。會輸入那個點的讀者不是在隨意瀏覽。他們已經讀過關於這條產品線的某些內容，現在是回頭來找它。與此同時，kimi k3 在 189 個查詢中帶來 4,004 次曝光，是帶點版本曝光量的五倍，而這個數字告訴你，這兩個名稱中哪一個才是產品。

「Kimi K3.1」指的是什麼，一屏看懂

三項陳述，依序，因為順序很重要：

• Kimi K3.1 並非獨立的發行版本。Mo​onshot AI 只發布一款 K3 模型。其說明文件、定價頁面、Hugging Face 組織與部落格全都使用相同名稱，且沒有任何一處使用帶點的後綴。

• Kimi K3 是已正式推出的模型，今日即可呼叫。這是一套 2.8T 參數的混合專家系統，具備 1,048,576 個 token 的上下文視窗、原生圖片輸入、在 Moonshot 自有授權條款下開放的權重，以及公布的 API 費率：每百萬輸入 token 3.00 美元、每百萬輸出 token 15.00 美元。

• 那個點是標籤，不是版本。它是該詞在搜尋與社群討論中所採取的形式，也是該產品線傳聞中的後繼者自七月以來所採取的形式。那是兩個不同的事物，卻共用同一種拼寫，而本頁其餘部分會將它們區分開來。

如果你是因為一則關於洩漏的連結來到這裡，那是這個故事的另一半，而且有專門的頁面——這一頁則是有關其背後名稱與型號的參考頁面。

Kimi K3 是什麼，出自 Moonshot 自家的說明卡

本節中的每一個數字皆取自 M​oonshot 自家資料：Hugging Face 上 moonshotai/Kimi-K3 儲存庫中的模型卡、kimi.com/blog/kimi-k3 的技術部落格，以及該實驗室 API 平台上的模型文件。這些是廠商公布的數字，而非經獨立重現的數字；這個區別值得保留，因為 K3 是一個大型稀疏模型，其基準測試與服務表現的主張都是由訓練它的一方所提出。

• Class — 一個具備視覺能力的混合專家語言模型，M​oonshot 稱其為 3 兆參數級別中全球首個開放模型。

• 規模 — 總參數為 2.8T，每個 token 啟用 104B，涵蓋 896 個路由專家，其中每個 token 會觸發 16 個，另有 2 個共享專家。共 93 層，其中一層為稠密層。

• 架構 — Kimi Delta Attention（KDA）與注意力殘差（Attention Residuals），具備 69 層 KDA 與 24 層閘控 MLA，注意力隱藏維度為 7,168，並配置 96 個注意力頭。M​oonshot 指出，兩者結合後的擴展效率約為 Kimi K2 的 2.5 倍。

• 上下文 — 1,048,576 個 token，與 API 定價頁面為該模型所列出的數字相同。

• 模態 — 輸入文字與圖像，輸出文字。視覺編碼器為 MoonViT-V2，具 401M 參數，詞彙量為 160K。

• 數值格式 — 從監督式微調階段開始即進行量化感知訓練，權重採用 MXFP4、激活值採用 MXFP8，Moonshot 將其定位為具備廣泛的硬體相容性。

• 推理控制 — 思考一律開啟，深度則透過頂層的 reasoning_effort 欄位設定，可接受 low、high 或 max，預設為 max。

• 價格，由供應商公布 — 每百萬輸入 token $3.00，每百萬輸出 token $15.00，每百萬快取輸入讀取 $0.30；快取寫入在 5 分鐘保留層級以每百萬 $3.00 計費，在一小時層級則以每百萬 $6.00 計費。

{{1}}那份清單中有一行值得被特別挑出來，因為它是 K3 最常在參數數量中被忽略的部分：這個模型不讓你設定它的取樣參數。M​oonshot 的參數參考把 temperature 固定為 1.0、top_p 固定為 0.95、n 固定為 1，並把兩個 penalty 都固定為 0，而且指出傳入任何其他值都會回傳錯誤——所以建議是根本不要送出這些參數。深度是唯一的調節鈕，透過 reasoning_effort 控制，而同一頁也帶有一個在你開始建置前值得知道的警告：在對話中途改變 effort 等級會使前綴快取命中失效，所以最好在工作階段開始時就決定這個等級。{{/1}}

Mo​onshot 有推出任何叫做 3.1 的東西嗎？

這就是那位打出句點的讀者真正在問的問題，而且它有個可以查證的答案，而不是個人意見。以下每個介面都是在 2026 年 10 月 13 日讀取的，而讀者可以在一個下午內把它們全部重新查閱一遍。

• Moonshot API 平台上的模型清單列出了四個可呼叫的模型：kimi-k3、kimi-k2.7-code、kimi-k2.7-code-highspeed 和 kimi-k2.6。其中並沒有 K3.1 這個項目，同一頁面反而將十三個較早的識別碼標記為已棄用。

• 定價頁面上只有一列 K3 系列。那就是 kimi-k3，採用上述費率，並具有 1,048,576 個 token 的上下文視窗。沒有第二列需要定價。

• 平台為自動化讀者發布的文件索引中，列出了三份 K3 專屬指南——快速入門、工具呼叫最佳實務頁面，以及代理設定頁面——而沒有任何編號為 3.1 的項目。

• 該實驗室的 Hugging Face 組織恰好只有一個 K3 儲存庫，moonshotai/Kimi-K3，而在 Hub 上搜尋編號為 3.1 的儲存庫，無論用哪種拼寫都不會回傳任何結果。

• kimi.com 的研究索引將 K3 列於該實驗室已發表作品中，僅有一筆項目。其上方並無第二筆 K3 項目。

所以 3.1 是從哪裡來的？有兩個地方，而且都不是模型版本。第一，數字 3.1 確實出現在 Moonshot 自家的 K3 發表資料中——它是你在 Mac 或 Windows 電腦上執行 K3 所需的 Kimi Work 桌面應用程式版本，部落格寫的是「3.1.0 版或更新版本」。一個由該實驗室發布、出現在 K3 相關文件中的產品版本，出現在模型名稱旁邊完全是一件尋常的事，而這種相鄰關係正是會變成搜尋詞的那種。第二是外洩脈絡：Kimi K3.1 這個名稱從七月起就被冠在一款傳聞中的後繼者上，九月時被解讀進一則隱晦的廠商貼文，還被一名爆料者宣稱會落在秋季的某個時程，而此人先前對同一款模型的時程已經落空。那段歷史記錄在我們的外洩頁面上，此處不再重述。

沒有任何來源會在任何技術軸線上區分 Kimi K3.1 與 Kimi K3。沒有變更日誌，沒有並列對照，也沒有「3.1 有什麼新功能」，因為根本沒有兩樣東西可以比較。這就是那項發現，值得直白說出，而不是加以粉飾：如果某個頁面向你展示一張比較 K3 與 K3.1 的規格表，其中至少有一欄是憑空捏造的。

權重、授權，以及如何執行

K3 的權重是開放的，而條款是 Moonshot 自家的，而非現成授權——這項區別比「開放」這個標題字眼更重要。該儲存庫宣告 license: other，並帶有 license_name: kimi-k3，而條文授予使用、複製、修改、合併、發布、散布、再授權與販售的權利，包括微調與建立衍生作品的權利。這項授權之上還有兩項條件，而且兩者都是商業性質，而非技術性質：

• 如果你經營模型即服務（model-as-a-service）業務——讓第三方以 API 形式存取，並能對輸入、參數或訓練資料進行有意義的控制——而在任何連續十二個月內的總收入超過 2,000 萬美元，那麼在商業使用這些權重或衍生品之前，你需要與 M​oonshot 另行簽訂協議。

• 若以這些權重為基礎打造的商業產品或服務，其月活躍使用者超過 1 億人，或每月營收超過 2,000 萬美元，就必須在其介面中顯著顯示「Kimi K3」。

• 這兩項條件皆不適用於內部使用，亦不適用於透過 Moonshot 自有產品或其認證推論合作夥伴所觸及的任何內容。

下載本身並不小，而在開始之前先了解它的規模是值得的。這個儲存庫帶有 97 個 safetensors 分片，總計約 1.56 TB，並以模型訓練時所採用的 MXFP4/MXFP8 配置發布——這其實相當方便，因為這意味著實驗室自家的量化就是基準，而不是你得自行重現的東西。Moonshot 為 K3 點名了三款推薦的推論引擎：vLLM、SGLang 與 TokenSpeed，每一款都附有已發布的配方或操作指南。廠商自家的部署說明還加上了一個值得原文照引的硬體門檻：K3 建議在由 64 個以上加速器組成的超級節點配置上運行；這對「我能在本機跑這個嗎」是個誠實的答案，而這個答案與參數量所暗示的並不相同。

如果 1.56 TB 的 MXFP4 超出你機器的容量——而對幾乎每位讀者而言都是如此——社群縮減版是實用路線，而且它們是正當的。unsloth/Kimi-K3-GGUF 儲存庫是 Hub 上下載次數最多的 GGUF 轉換版本；NVIDIA 發布了 NVFP4 版本；有針對 Apple silicon 的 MLX 轉換版本；還有數個 REAP 風格的剪枝變體，以專家數量換取能裝進單一大型工作站的佔用空間。那些是權重的第三方修改，並非 Moonshot 發布，而授權條款同時跟隨衍生作品與原始作品。將剪枝或高度量化的版本視為獨立的產物：它會比參考版本更便宜執行，而且得分不會完全相同，本頁上的任何基準測試都不應被解讀為適用於它。

「我該下載哪個檔案」這個問題，講得更精確一點：如果你是透過 llama.cpp 風格的工具鏈來提供服務，而且需要塞進固定的記憶體用量，就選 GGUF；如果機器是 Apple silicon，就選 MLX 版本；如果你有加速器預算，而且想要 Moonshot 訓練時所用的配置，就選廠商自家的分片。這就是全部的規則，決定它的是你的硬體，而不是模型。

此頁面與洩漏頁面相鄰的位置

這個主題分支上唯一已上線的頁面是 kimi-k3-1-leak，它涵蓋了這則傳聞：外洩的功能清單、那則隱晦貼文及其刪除，以及已經延後過一次的時程。本頁則是另一半，且刻意不重述上述任何內容。如果你想了解的是猜測目前的狀態，請讀外洩頁；如果你想了解的是實際存在的模型、它在供應商自家目錄中的名稱，以及其權重所附帶的條款，請讀這一頁。

什麼尚未確定？

Moonshot 究竟是否會推出一個它稱為 K3.1 的模型，以及那裡面會有什麼。有一層推理上的跳躍，指向一個更著重於電腦操作與多模態的後繼模型，而這是對該實驗室自身產品方向的一種合理解讀——但合理並不等於已經出貨，而且廠商資料中沒有任何內容承諾一個編號、一個日期或一種形態。唯一真正塵埃落定的事，是那個以否定形式呈現的規格問題：今天沒有任何來源能給出 K3.1 的規格。

可用性，謹慎表述

本節必須掌握的區別，在於名稱與識別碼之間，因為兩者很容易混淆。Moonshot 為這條產品線只發布一個識別碼——kimi-k3，在 moonshotai/Kimi-K3 及其自家 API 平台上——而那是唯一值得引用的 id。在我們能找到的任何目錄中，包括我們自己的，都沒有 kimi-k3.1、沒有 kimik3.1，也沒有 kimi-k3-1，而本頁不會印出任何一個來當作示例。

目前可取得的是 Kimi K3。在 OrcaRouter 上，它列為 kimi/kimi-k3，價格為每百萬輸入 token $3.00、每百萬輸出 token $15.00——供應商的定價原樣傳遞，並加上0% 加價，這是我們自己的加價，對應 1,048,576-token 上下文視窗與 OpenAI 相容介面，因此你原本使用的客戶端無須更動。我們的即時目錄中有四個 Moonshot 識別碼：kimi/kimi-k2.5、kimi/kimi-k2.6、kimi/kimi-k2.7-code 和 kimi/kimi-k3，且在任何 3.1 拼寫下都沒有第五個識別碼；這是對照即時模型清單讀取而得的，而非憑空假設。

實際上，這對於你如何持有未經驗證的後繼產品很重要。如果 K3.1 真的出現，有用的做法是把一部分流量導向它，並置於自動容錯移轉之後，以 K3 作為備援路徑——相同金鑰、相同端點，無需第二份合約——這樣它的到來就只是一項路由變更，而不是一輪採購流程。目前還沒有任何東西可以容錯移轉過去，我們也沒有如此宣稱。

該拿這一切怎麼辦？

如果你搜尋 Kimi K3.1 是因為你想要一個後繼版本，那麼誠實的指示是等待一項實證產物——模型列表中的一列、一個 API 識別碼，或該實驗室自家組織底下的程式碼倉庫——並且依據其中一項來判斷它是否真的到來，而不是依據一張截圖。如果你搜尋是因為你想今天就用上這條產品線，那麼該模型是 Kimi K3，它是在某個授權條款下的開放權重模型——在你據此出貨之前，你應該先讀過那份條款——而且它可以依一份價目表來呼叫，表上的數字是公開的，而不是推斷出來的。搜尋框使用、而產品本身並不使用的版本標籤，並不是一個模型，無論背後有多少需求在支撐它。