Kimi K3.1 Pro 權重已釋出：磁碟佔用 1.56 TB，授權費達 2,000 萬美元

在 API 上線到下載開放的這十一天裡，大多數關於Kimi K3.1 Pro的報導都引用了 5.6 TB 的 BF16 權重。然而 Moonshot AI 於 2026 年 11 月 4 日實際在 Hugging Face 上發布的儲存庫是 1.56 TB，分散在 96 個 safetensors 分片之中。這並不是比大家所報導的那個更小的模型——它同樣是衍生自Kimi K3的 2.8 兆參數混合專家模型，只是以 Moonshot 訓練它時所設定要服務的精度交付。這兩個數字之間的落差，是這次發布首先值得理解的地方，因為它決定了你手上已有的機器能否裝得下它。

第二件事是授權條款：它既不是 Apache 2.0，也不是 MIT，儘管開頭段落看似寬鬆，仍未經 OSI 認可。這是一份名為 Kimi K3.1-Pro License 的自訂文件，其中包含一項營收門檻，會讓免費下載對某一類特定公司而言，變成需要談判的局面。這兩個事實到了 10 月 25 日仍無從確認，當時模型權重還只是附帶檢查清單的承諾。現在它們已可確認。

究竟是什麼登上了 Hugging Face

儲存庫是 moonshotai/Kimi-K3.1-Pro，沒有存取限制，共包含 111 個檔案。其中 96 個是權重分片；其餘是設定檔、分詞器、四個用於自訂架構的 Python 檔案、模型卡與授權條款。所有檔案的總大小為 1,561 GB。

它能裝進 1.56 TB 而不是 5.6 TB 的原因，是寫在模型卡裡的一行規格，而不是註腳：MXFP4 權重搭配 MXFP8 活化值，透過量化感知訓練套用。這不是有人事後才做的 4 位元量化。這是原生的服務精度，這就是為什麼該儲存庫帶有 compressed-tensors 標籤，也是為什麼旁邊沒有 BF16 檢查點。如果你原本是依照 5.6 TB 的下載量來規劃，那你是在依照 Moonshot 從未發布過的數字來規劃。

規格表的其餘部分，讓你能夠評估這項工作的規模：

• 總參數量 — 混合專家模型中為 2.8T，每個詞元啟用 104B

• 深度——93 層，其中一層是稠密層；注意力堆疊由 69 個 KDA 層加上 24 個 Gated DeepSeek Sparse Attention 層組成，這是相較於 Kimi K3 的全注意力 Gated MLA 層的改變

• 專家 — 共 896 個，每個 token 選取 16 個，另加 2 個共享，潛在 MoE 維度為 3,584

• 上下文 — 1,048,576 個 token，與 Kimi K3 相同，維持不變

• 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 — 160K 個 token

相對於 Kimi K3，那些數字中只有一個是新的，那就是注意力機制的變更。Moonshot 明確表示，這是在 K3 基礎上進行的後訓練版本發布，並在數百個領域中進行了更密集的聯合強化學習，而不是新的架構。Gated DSA 的替換是為了長上下文效率，而不是為了能力躍升。

這份授權分為三個層級，而中間那個才是關鍵。

Kimi K3.1-Pro 授權條款一開始就正如你對寬鬆授權的預期：允許使用、複製、修改、合併、發布、散布、再授權與販售，允許執行、部署與微調，也允許創作衍生作品。接著，它加入了條件，而決策正是落在這些條件上。

• 第 2 節，模型即服務（model-as-a-service）門檻——若您或您的關係企業經營業務，讓第三方得以使用推論或微調，且集團營收在任何連續 12 個月內超過 2,000 萬美元，則在商業使用前，您需要與 Moonshot 另行簽訂協議。有兩項例外很重要：最終使用者產品中，模型內嵌於某項功能或執行框架（harness）者，不屬於「模型即服務」；單純將請求轉送至他人託管的模型，也不屬於「模型即服務」。

• 第 3 條，署名條款——月活躍用戶超過 1 億，或月營收超過 2,000 萬美元的商業產品，必須在介面中顯著展示「Kimi K3.1-Pro」。這是品牌標示義務，而非付款。

• 第 4 節，豁免情形——上述兩者均不適用於內部使用；內部使用係指任何不會讓第三方取得該軟體、其輸出或其底層能力的使用，亦不適用於透過 Moonshot 官方產品與認證推論合作夥伴所進行的使用。

實務上的解讀是：內部部署免費且不受限制，為你自己的使用者在该模型之上打造產品也同樣免費且不受限制。會觸發那場 2,000 萬美元對話的，是大規模轉售原始模型存取權。如果你原本希望在這些權重上建立一個具競爭力的推論端點，那麼這就是該拿去給律師看的那一段；而且它在結構上與 Kimi K3 發布時所採用的授權相同——因此既有的 K3 法律審查可直接沿用，只需把名稱改掉。

這份授權條款唯一沒能做到的事，就是讓它在 OSI 意義上成為開源。儲存庫中介資料中的欄位顯示為 license: other，授權名稱則設為 kimi-k3.1-pro。在發布後的頭幾個小時內把它形容為「修改版 MIT」的媒體，其實只讀了開頭那段寬鬆條文就停在那裡。

運行所需條件，以及 API 勝出之處

針對此模型發布的 vLLM 配方是目前可取得最具體的部署指引，而且內容十分明確。它指定使用 vLLM 0.34.0 或更新版本，基準配置為一組 8 顆 GPU 的張量平行群組——兩個 GB300 托盤或一個 B300 節點——並以 --tensor-parallel-size 8 跨 --nnodes 2 執行。選用的長上下文模式 DCP8 可將 KV 快取容量提升至約 1,850 萬個 token，相較於在 8 張 B300 上使用 FP8 KV 的 260 萬個 token，約多出七倍。

這帶來兩個後果。第一，8×H200 節點不可行：1.13 TB 的 HBM 連 1.56 TB 的權重都放不下，更不用說還要配置哪怕一個 token 的快取。第二，沒有消費級路徑。該模型所需的 VRAM 超過工作站所能提供，而能讓緩慢的 CPU 卸載版本變得可接受的架構，仍在追趕自訂的 kimi_k31 程式碼——該 repo 在自己的 quickstart 片段中附上了 trust_remote_code=True，這告訴你該架構尚未進入已發布上游函式庫的預設路徑。

以輸出 token 來衡量，會比看 GPU 逐項成本更容易理解整體經濟效益。每百萬輸出 token 收費 10 美元時，一個節點估計約 55 萬至 65 萬美元的資本成本，若按牌價透過 API 使用，可換得約 550 億至 650 億輸出 token。自架節點唯有在淘汰前保持足夠忙碌、能服務超過這個量時，才划算；而且這項比較尚未計入電力、維運人員、閒置時間，以及為了備援所需的第二個節點。對讀到這裡的大多數團隊而言，誠實的答案是：權重是策略性資產，而 API 是使用該模型更便宜的方式。

這也是為什麼kimi/kimi-k3.1-pro以每百萬輸入 2.00 美元、每百萬輸出 10.00 美元的價格列在我們的目錄中，是改變了盤算，而不是多一個重複選項。同樣的 1,048,576 個 token 上下文與同樣的 104B 活躍參數，都可透過 Chat Completions、Responses API 與 Anthropic Messages 取得，而且不需要雙節點叢集。我們的定價是0% 加成，以供應商牌價為基準，因此當 Moonshot 調整價目表時，這裡的數字當天就會跟著變動，而不是等到下一次合約續約。而且因為這款模型只要用一把金鑰，就能與其他 200 多個模型一同存取，要在真實工作負載上試用它，並不需要把生產路徑押在它身上——你可以把它放在容錯移轉後面，讓它自己挣得流量。

基準表是一把雙面刃

本節每一項數據皆由供應商依模型卡回報，並以推理強度最大值、temperature 1.0 與 top-p 0.95 執行。比較欄位的數據同樣是在最大強度並啟用備援機制下取得，這點值得先了解，之後才不會把一分的差距讀成勝負。

• Terminal-Bench 4.0 — Kimi K3.1 Pro 65.7%，對上 Claude Opus 5.5 的 66.4%、GPT-6 Astra 的 58.2%，以及 Claude Fable 5.1 的 57.9%。以 0.8 個百分點之差位居榜上第二，且明顯領先與其相比的兩個模型。

• SWE Marathon v1.1 — 51.7%，相較於 Claude Opus 5.5 的 46.3% 與 Claude Fable 5.1 的 45.6%。在長時程軟體工作上取得實質領先。

• 使用工具的 HLE-Full — 70.0%，相較於 Claude Opus 5.5 的 67.7% 與 Claude Fable 5.1 的 65.6%。BrowseComp 達到 92.1%，相較於 GPT-6 Astra 的 91.5%。

• Program Bench — 31.5%，相較於 Claude Opus 5.5 的 65.0%、Claude Fable 5.1 的 53.5% 與 GPT-6 Astra 的 50.0%。這是整張表上差距最懸殊的落敗，而且幅度明顯；如果你的工作是程式合成，而非終端機形態的代理迴圈，這就是你該關注的那一列。

• Terminal-Bench-Science 0.1 — 38.1%，相較之下 GPT-6 Astra 為 68.1%，Claude Opus 5.5 為 63.3%。這是另一個該模型仍差距甚遠的類別。

• 無工具輔助的 HLE-Full — 51.1%，相較於 Claude Opus 5.5 的 59.8%。工具使用欄位顛倒了排序，這與其說反映原始推理能力，不如說更反映測試框架的品質。

這個模式夠一致，因此很有用：Kimi K3.1 Pro 在代理操作 shell、瀏覽器或執行長時間編碼任務時表現強勁，但在自成一體的科學與程式建構基準測試上則較弱。如果你根據單一頭條數字在它與 Claude Opus 5.5 之間做選擇，那麼這個頭條數字正是兩者最接近的地方。

獨立評測資料相當有限，值得如實說明。Artificial Analysis 目前在其 Intelligence Index v5.0.1 上給 Kimi K3.1 Pro 評分 46，並將其列為開放權重，輸出速度為每秒 32 個 token，在其模型頁面所顯示的 25 個模型名單中排名第一。發布週的報導引用的是 55，但那是相對於 10 月 27 日 v5 重建之前所採用的指數版本——兩者是不同的測量工具，將兩者相減所得的數字毫無意義。

開放的檢查點並不是不受限制的那個。

Moonshot 表示，在釋出這些權重之前，已從部分中期訓練與強化學習中移除網路能力訓練資料，而模型卡承載了證據，而不是只把它留作公關說詞。在其內部的 xdev-bench-hard 測試集上，釋出的檢查點得分為 81.0%，而同一模型未受限制的檢查點則為 90.5%。無論你從該儲存庫下載什麼，都是已緩解後的建置版本。

絕對數字在另一個方向上也不好看。在 ExploitBench 上，該模型得分 74.7，而 GPT-6 Astra 為 100、Claude Opus 5.5 為 91.0；在 ExploitGym 上，它得分 20.7，GPT-6 Astra 則為 42.4。因此，發布的模型既弱於其自身不受限制的變體，在漏洞利用任務上也落後於前沿——對於一個可公開下載的 2.8 兆參數模型來說，這種組合是合理可欲的；而如果你的威脅模型假定開放權重意味著不受限制的能力，這一點也值得了解。

誰應該下載這個，而誰不應該？

如果你有理由自己持有權重，就下載它：資料駐留要求排除了任何第三方推論、需要將基礎模型留在內部進行的微調計畫、要審核模型行為而不是租用服務的研究團隊，或是持續用量大到讓專用節點比按 token 計費更划算。你會需要兩個節點，而不是一個；而且如果你打算使用接近一百萬個 token 的上下文，還需要為 KV cache 做好規劃。

如果你的目標是在中等負載下節省成本，或是在你已擁有的硬體上執行前沿等級的模型，就不要下載它。1.56 TB 是下限，不是必要條件，而必要條件是 B300 或 GB300 等級的叢集。如果你的工作負載是程式合成或硬科學，也請跳過它——Program Bench 和 Terminal-Bench-Science 正是這個模型與替代方案差距最大的地方，而再多的授權寬鬆度也無法彌補這個差距。

對介於中間的所有人來說，權重正式釋出仍是更重要的消息，而且不是因為它們讓你能執行什麼。這是因為可下載的檢查點可被稽核，而 API 不行——而一個在 Terminal-Bench 4.0 上與 Claude Opus 5.5 只差一分的 2.8 兆參數模型，現在是外部研究者可以檢視、而非只能信任的東西。這正是 11 月 4 日那件事中，不取決於你是否擁有一座資料中心的部分。