Kimi 官方账号 @Kimi_Moonshot 于 11 月 4 日 16:00（UTC）宣布开放 Kimi K3.1 Pro 模型权重，仓库 moonshotai/Kimi-K3.1-Pro 已公开、无需申请。模型卡显示它是 2.8T 总参、104B 激活的原生多模态 MoE，1M 上下文，权重以 MXFP4（量化感知训练）发布，仓库约 1.56TB；官方推荐 vLLM、SGLang 和 TokenSpeed 部署。许可证允许自由使用和修改，但年收入超 2000 万美元的 MaaS 业务需另签协议。
核心要点速览
- ✓架构：93 层（1 层稠密），69 层 KDA + 24 层 Gated DSA 注意力，896 个专家每 token 选 16 个外加 2 个共享专家，视觉编码器 MoonViT-V2（401M）。
- ✓相比 K3，把全注意力的 Gated MLA 层换成了 Gated DeepSeek Sparse Attention，用于更高效的长上下文。
- ✓模型卡厂商口径：Terminal-Bench 4.0 65.7（Opus 5.5 66.4）、SWE Marathon v1.1 51.7（Opus 5.5 46.3）、HLE-Full 带工具 70.0、BrowseComp 92.1；ProgramBench 31.5 明显落后 Opus 5.5 的 65.0。
- ✓许可证：对外提供 MaaS 且连续 12 个月收入超 2000 万美元需与月之暗面另签协议；月活超 1 亿或月收入超 2000 万美元的产品须醒目标注「Kimi K3.1-Pro」，内部使用不受这两条限制。
开发者 3 秒速决决策指标
本地显存不够？先比较云端 API 与自部署的实际成本
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
K3.1 Pro 10 月下旬发布时只有 API 和自家产品可用。11 月 4 日 16:00（UTC）官方宣布开放权重，Hugging Face 仓库公开可下载，想自托管或数据不出本地的团队终于能用上它。
架构亮点与底层机制
MoE 总参 2.8T、激活 104B，93 层（69 层 KDA、24 层 Gated DSA），896 个专家每 token 选 16 个，1M 上下文，支持图文。相比 K3 用 Gated DSA 替换了全注意力层。权重 MXFP4（量化感知训练），约 1.56TB。
权威 Benchmark 与实测跑分对比
模型卡厂商口径：Terminal-Bench 4.0 65.7（GPT-6 Astra 58.2、Opus 5.5 66.4），SWE Marathon v1.1 51.7，HLE-Full 带工具 70.0，BrowseComp 92.1；ProgramBench 31.5 远低于 Opus 5.5 的 65.0。第三方复测暂无。
开发者实战落地与开箱指南
官方推荐 vLLM、SGLang 或 TokenSpeed 部署，均有专用配方；也可用 platform.kimi.ai 的兼容 API。多轮和工具调用需原样回传 reasoning_content 与 tool_calls。许可证允许商用，但年收入超 2000 万美元的 MaaS 业务需另签协议。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察