官方给出的规格
月之暗面在 Hugging Face 放出了 Kimi K3.1 Pro 的模型卡，定位是 "开放权重、原生多模态、面向智能体" 的模型，官方称其为目前能力最强的 "3T 级" 模型，也是 K3.1 系列的第一个。
结构上是一套混合专家（MoE）：总参数 2.8 万亿，每个 token 只激活约 1,040 亿；93 层；896 个专家里每 token 选 16 个，另有 2 个共享专家；词表 16 万；上下文长度 1,048,576 个 token。视觉侧挂了一个 4.01 亿参数的编码器 MoonViT-V2。权重用 MXFP4、激活用 MXFP8，属于把量化放进训练里的做法。
值得单独提的一处改动：相对 K3，它把全注意力的分层换成了稀疏注意力（Gated DSA），理由写得很明确——为了更省地处理长上下文。后训练是从 K3 出发，在数百个下游领域做大规模联合强化学习。
分数：强的和弱的都很清楚
模型卡附了对照表，几个关键项是这样：终端类编码测试 Terminal-Bench 4.0 得 65.7，Claude Opus 5.5 是 66.4，GPT-6 Astra 58.2，DeepSeek-V4.1-Flash 42.3。长周期工程任务 SWE Marathon 上它以 51.7 领先（Opus 46.3、Astra 42.5）。带工具的 HLE-Full 拿到 70.0，比表里所有对手都高。
反过来也有明显的短板：一次性写复杂程序的 Program Bench 只有 31.5，Opus 是 65.0；攻击性安全测试 ExploitBench 74.7，Astra 是 100。
把这些放在一起，结论比 "又追平了" 精确：多步骤、跨工具、耗时长的那类任务，开源模型已经站到同一水平线；单点生成复杂系统、以及需要主动找攻击面的任务，差距仍然存在。前者正好是智能体的主场，后者是通用能力的天花板。
"开源"这两个字要拆开看
三件事需要分开算。
第一是许可。它用的不是 Apache 或 MIT，而是一份自定义的 Kimi K3.1 Pro 许可证，商用前必须逐条读，不能想当然当成宽松协议。
第二是硬件。权重以 MXFP4 存在，按每个参数半个字节估算，光权重就接近 1.4TB；再叠加百万上下文需要的缓存，这不是 "下载下来试试" 的量级。官方推荐 vLLM、SGLang 和 TokenSpeed 三套推理引擎，也侧面说明了目标用户是谁。
第三是受益者。权重开放真正方便的是推理服务商、要做完全私有化的大机构、以及研究者。对绝大多数中小企业，正确姿势仍然是走 API——而且官方给了兼容 OpenAI 与 Anthropic 协议的接口，迁移成本很低。
一个容易踩的实现细节
模型卡里有一条容易被跳过的约束：多轮对话和工具调用时，必须把上一轮助手消息原样回传给接口，包括 reasoning 内容和工具调用记录，只传最终文本会掉效果。推理强度分低、高、最高三档，默认就是最高。
这类接口约定对实际体验的影响，往往比跑分更大。真正落地时出问题的地方，很少是模型不够聪明，多是上下文没按约定带。
对做企业数字化的小团队
选模型别只看总榜，先问自己的任务落在哪一栏。文档处理、跨系统操作、长流程跟进，这一类开源模型现在够用且便宜；一次性生成一套复杂系统，差距还在，别把演示效果当成交付承诺。
私有化这件事要按算力说话。客户说 "我们要本地部署开源模型"，先让他看显存账单；多数场景的合理答案是买 API 加数据脱敏，而不是自建机房。
最后一条是给报价用的：上下文长不等于可以乱塞。百万 token 是能力上限，不是费用上限，按 token 计费时，塞进去的每一页纸都是钱。
评论交流
欢迎留下你的想法