Kimi K3.1 與 Kimi K3：開放權重揭示了什麼，而發布文章卻未提及

Kimi K3.1 Pro 與 Kimi K3 如今提供相同的 96 個 safetensors 分片，磁碟占用同為 1.56 TB，但採用不同的注意力堆疊。Moonshot 新儲存庫中的配置將 93 層描述為「69 KDA + 24 Gated DSA」。Kimi K3 儲存庫中、於七月發布的配置則寫道「69 KDA + 24 Gated MLA」。Moonshot 為 Kimi K3.1 Pro 發布、日期為 2026 年 10 月 24 日的文章，稱較新的模型是「Kimi K3 的後訓練版本」，且完全未提及這項替換。這項比較中的其餘一切，都取決於那一行，包括較新模型為何是較便宜者。

權重本身無聲無息地出現了，沒有任何公告。Moonshot 的部落格在 10 月 24 日之後就沒有新文章。該儲存庫唯一的提交時間戳為 2026 年 11 月 2 日，比公司為自己設定的 11 月 4 日期限早了兩天；至於這些檔案在期限之前是否已可公開讀取，儲存庫並未記錄。它真正記錄下來的是架構、授權條款與清單——而這正是發布文章略而未提的部分。

公告中未提及的調換

模型卡在腳註中坦承此事，就寫在一張其餘部分看似熟悉的規格表下方一行：「相較於 Kimi K3，我們以 Gated DeepSeek Sparse Attention（Gated DSA）層取代全注意力的 Gated MLA 層，以實現更高效的長上下文建模。」

93 層中有 24 層改變。其餘 69 層維持 Kimi Delta Attention，這是 Kimi K3 引入的線性注意力機制；層數、專家數與隱藏維度皆未更動。Gated MLA 是具壓縮鍵值快取的完整注意力；Gated DSA 則為每個查詢挑選過去 token 的稀疏子集，並對結果進行閘控。實務上的差異在於，隨著上下文成長，模型如何花費運算與快取，而這正是 1M-token 視窗中會反映在你的服務帳單、而非基準測試表格上的部分。

這張卡沒有提供的是數字。沒有每秒 token 數、沒有快取記憶體比較、沒有長上下文延遲量測——只有「更高效的長上下文建模」這句話。Moonshot 的發布文完全沒有提供任何架構細節。因此，就目前而言，替換後能讓任何東西變得更快的說法只是設計聲明，而非量測結果，而且 Moonshot 之外沒有任何一方發表過這兩個檢查點之間的服務比較。

這比聽起來還要重要。如果你曾針對 Kimi K3 的注意力特性調整批次處理、快取配置或上下文管理，那麼較新的檢查點在服務層並非可直接替換，儘管它在 API 層可直接替換。API 會掩蓋這一點；自架部署則不會。

這兩個檢查點真正共享的是什麼

相同的下載檔案就是線索，說明這不是更大的模型。下方每一項主要規格維度在兩張卡上都相同，而檔案清單也證實了這點：

• 總參數與活躍參數 — 兩個模型的總參數皆為 2.8 兆，活躍參數皆為 1,040 億。

• 深度 — 93 層，其中一層為稠密層，兩者皆然。

• 專家 — 共 896 個，每個 token 選取 16 個，2 個共享，兩者皆如此。

• 詞彙量 — 兩者皆為 160K 個 token。

• 視覺 — MoonViT-V2，4.01 億個參數，兩者皆採用。

• 上下文 — 兩者皆為 1,048,576 個 token；我們自家的模型頁面列出 Kimi K3.1 Pro 的最大輸出為 943,718 個 token。

• 量化 — MXFP4 權重與 MXFP8 激活，兩者皆支援量化感知訓練。

• 下載 — 每個儲存庫各有 96 個 safetensors 分片，總計 1.56 TB。

• 輸入模態——Kimi K3 的說明卡列出文字、圖像與影片；Kimi K3.1 Pro 的說明卡列出文字與圖像，而 API 文件則宣稱也支援影片。在實際測試處理器程式碼之前，影片相關的說法應視為未經證實。

一次保留參數量、專家路由與檔案大小，卻改動了 24 個注意力層的小版本更新，是與新世代截然不同的一種發佈。它更接近週期中段的架構修訂加上一次大規模後訓練，而非全新的基礎模型，而定價也反映了這一點。

兩張費率表，以及一張未下降三分之一的帳單

帳面上，較新的模型每一項都更便宜。Kimi K3.1 Pro 每百萬輸入 token 為 $2.00、每百萬輸出 token 為 $10.00；Kimi K3 則為 $3.00 與 $15.00。快取命中費率從 $0.30 降至 $0.20，五分鐘與一小時 TTL 的快取寫入費率從 $3.00 與 $6.00 降至 $2.00 與 $4.00；售價為 $4.00 與 $20.00 的 Highspeed 版本則以價格換取二至三倍的輸出速度。Kimi K3.1 Pro 的批次推論以標準費率的 60% 計費，即 $1.20 與 $6.00。

帳單又是另一回事。Kimi K3.1 Pro 預設以最大力度推理，而最大力度會產生更多 token。Bito 的代理式編碼比較發現，兩款模型整體同為 72%，但 Kimi K3.1 Pro 輸出約 98,000 個 token，Kimi K3 則為 44,000 個；長時間工作階段耗時 28 分鐘對 17 分鐘，成本為 4.28 美元對 2.46 美元。Plotly 的資料分析執行在品質上結果相反，在成本上則方向相同：43 項任務中解決了 42 項對 35 項，支出從 5.01 美元升至 13.47 美元，中位時間從 43 秒增至兩分半鐘。Ultralytics 在測試自動標註時，測得 mAP50 提升 33%，0.444 對 0.334，排名從 39 款模型中的第 19 名升至第 9 名。

那三項是廠商自行發布、以小樣本進行的測試，並非經同儕審查的評估，而且它們對新模型究竟好多少意見不一。它們一致認同成本變動的方向：每 token 價格降低三分之一，但遇到思考時間更長的模型時，這個降幅就無法維持。預算要按每項完成的任務來編列，而不是按每百萬個 token。

這項比較的兩邊都能用同一把金鑰呼叫。kimi/kimi-k3.1-pro 以 Moonshot 的 $2.00 與 $10.00 路由，而 Kimi K3 則以 kimi/kimi-k3 的 $3.00 與 $15.00路由，並直接沿用供應商的定價、未額外加價，因此 Moonshot 價目表的變更會在同一天於此生效。這正是它該放在定價區段而非頁尾的原因：轉換的全部論點就是價格差距，而若在定價上加任何價差，都會在你還沒實測任何一項任務之前先吃掉一部分省下的費用。

在兩個模型下，基準測試表都出現了變動

Artificial Analysis 於 2026 年 10 月 27 日重建了其 Intelligence Index，而這次重建對這項比較的影響，比 Moonshot 所發布的任何內容都更大。在目前的 v5 指數上，Kimi K3.1 Pro 得分 46，排名第九，落後得分 58 的 Claude Opus 5.5 十二分；Gemini 4 Carbon 以 59 分、GPT-6 Astra 以 57 分、GPT-6.1 Sol 以 55 分位居其前。在先前的 v4.3.2 指數上，同一模型得分 55、排名第四，距領先僅三分。

那兩個數字並非退步，也不能相提並論。第 5 版將約 60% 的指標內容轉移到私有的留出集上，新增了 FrontierCode 2.0 與 Terminal-Bench-Science，移除了 SciCode 與 AA-LCR，並將每項任務的輸出長度中位數從約 35,000 個詞元提高到約 59,000 個。在如今獎勵長時間代理式工作的指標上，回答簡短的模型會處於劣勢。Kimi K3.1 Pro 仍是其廠商描述為開放權重的模型中排名最高者。

前代的那個數字才是陷阱。Kimi K3 在發布時於 v4 指數拿下 57 分，排名第三。外界流傳的 Kimi K3 (max) 43.6 分，來自 v5 切換前取得的聚合器快照，而我們找不到 Kimi K3 本身已公布的 v5 分數。因此，「46 對 43.6」並不是一組受控比較；任何人把這個差距說成實測能力提升，都是在拿兩種不同量尺相減。能說的範圍更窄：在現行指數上，被評分的是較新的模型，而它排名第九。

廠商自家的表格又是一套不同的評測工具，其中 Kimi K3.1 Pro 在 Terminal-Bench 4.0 上拿到 65.7，對比 Claude Opus 5.5 的 66.4；在 SWE Marathon v1.1 上為 51.7；搭配工具時在 BenchCAD 上為 92.7；在 GPQA-Diamond 上為 94.2；在 HLE-Full 上為 51.1。它的弱點同樣明顯：在 Terminal-Bench-Science 上為 38.1，對比 GPT-6 Astra 的 68.1；在 HLE-Diamond 上為 39.4，對比 Opus 5.5 的 60.9。Moonshot 透過 Claude Code 測試框架、以最高推理強度執行這些程式設計評測。這些結果均未經獨立重現。

發表會中最乾淨的一組成對數字，是 Moonshot 拿自家前代產品來對比的那些：Kimi Code Bench 3.0 Long-horizon 為 61.2% 對 55.95%，搭配工具時的主張層級幻覺率為 8.3% 對 23.4%，而在 xdev-bench-hard 上則為 81.0% 對 33.3%。同一套內部基準屬於 Moonshot，因此這些差距雖然一致，卻並非外部驗證。幻覺率這個數字是實際影響最大、卻最少獲得佐證的一項。

這份授權條款是 Kimi K3 的授權條款，僅更改了一個名稱。

這兩個儲存庫都附有一個約三 KB 的授權檔案，而逐行比較發現只有一處實質差異：署名條款中的「Kimi K3」被替換成「Kimi K3.1-Pro」。其餘內容都是同一份文件。

這表示這些條款已經確定，而非待定。允許使用、複製、修改、散布、再授權與銷售，且明確允許微調。提供模型即服務，且在任何連續十二個月內總營收超過 2,000 萬美元的企業，必須在商業使用前與 Moonshot 簽署另行協議。月活躍用戶數超過 1 億或月營收超過 2,000 萬美元的產品，必須顯著標示模型名稱。內部使用，以及透過 Moonshot 官方產品或其認證推論合作夥伴進行的使用，均豁免於上述兩項要求。

若你打算轉售存取權，認證合作夥伴的豁免條款值得讀兩遍。2,000 萬美元的門檻是以滾動的十二個月期間計算，而非按產品線計算；而「模型即服務」的定義夠寬，涵蓋讓客戶能控制輸入、參數或訓練資料的 API，同時排除模型嵌入某項功能中的終端使用者產品，以及單純將請求轉送至他處託管模型的情況。

要運行其中任何一個需要什麼條件

1.56 TB 的 MXFP4 檢查點不是工作站能下載的檔案，而這兩個模型同樣龐大。Moonshot 指向三套服務堆疊——vLLM recipes、SGLang cookbook 與 TokenSpeed——而這三者都假設在這個規模下需採用多節點部署。從監督式微調階段就開始的量化感知訓練，正是讓檔案維持在 1.56 TB、而非 BF16 副本約占 5.6 TB 的關鍵；而且這種量化已內建於上述分數中，而非事後才套用。

兩者佔用資源完全相同，實際後果就是架構替換並未帶來任何硬體上的緩解。只要你能服務 Kimi K3，就能在同一等級的叢集上服務 Kimi K3.1 Pro；但兩者都無法在單一節點上運行。

該選哪一個

• 你在自行託管，而且你的技術堆疊已針對 Kimi K3 調校過——遷移前請先重新進行基準測試。注意力機制的變更會改變快取行為，而附帶的唯一效率說法只是腳註裡的一句話。

• 針對代理式編碼、長時程工具使用或文件驗證，你會呼叫 API——Kimi K3.1 Pro，憑藉成對的內部差異值與較低的費率表，並先進行影子評估。

• 你需要一個失敗模式已經穩定的模型——Kimi K3。它自七月起就已正式上線，其怪癖已有其他人記錄在案。較新的模型則在設計上改變了推理行為。

• 你需要確定性——切換前請先確認。Kimi K3.1 Pro 將 temperature 固定為 1.0、top_p 固定為 0.95，並拒絕其他替代設定；而在對話中途變更推理強度，會使前綴快取命中失效。

誠實的總結是：在廠商所衡量的幾乎每一個維度上，Kimi K3.1 Pro 都是比 Kimi K3 更好的模型；在唯一對其進行評分的獨立指數上，它略勝一籌；而按每項已完成任務計算，它比其價目表所暗示的更貴。本週改變的不是結論，而是證據：這個檢查點現在可以被讀取、部署和測試，而不必再被動信任；而讀取它之後產生的第一件事，就是對發布文章的更正。