月之暗面按 10 月 24 日发布时的承诺，在 Hugging Face 放出了 Kimi K3.1 Pro 的模型权重，IT 之家 11 月 5 日报道了这一消息。模型总参数 2.8 万亿，单次推理激活约 1040 亿，上下文约 100 万 token。
权重文件的体积同样醒目：BF16 版约 5.6TB，INT4 量化后约 1.4TB。
许可条款是这次要等的细节。据公开资料，上一代 K3 用的是修改版 MIT，K3.1 Pro 的条款我们还没有从官方页面核实，商用的读者要以仓库里的 LICENSE 文件为准。
榜单靠真实会话打分
和权重一起被引用的成绩来自 Arena 的 Agent Arena 榜。K3.1 Pro 在开放权重模型里排第一，在全部参评模型里排第 13，工作、编程、聊天三个类别都是开放模型第一。
这个榜不做成对盲测投票。它从真实智能体会话里提取信号，比如任务确认、表扬和投诉、用户纠正、Shell 报错，再用一种叫”因果追踪”的随机化推断方法估算净改进率。这次的评测覆盖超过 1.75 万次长周期任务会话。
| 指标 | K3 | K3.1 Pro |
|---|---|---|
| 净改进率 | +0.9% | +5.1% |
| Bash 可靠性 | -4.5% | +7.9% |
| 表扬对投诉 | +1.3% | +7.7% |
Bash 可靠性由负转正，还排到开放模型首位，这对跑长任务的用户影响最直接，命令连着出错的智能体很难放手让它干。任务确认成功率 +3.9%，在开放模型里排第四，并没有样样领先。
和两家闭源旗舰对照
月之暗面公布的对比表里有几十项基准，含内部测试，下面只挑公开基准。
| 基准 | K3.1 Pro | GPT-6 Astra | Opus 5.5 |
|---|---|---|---|
| Terminal-Bench 4.0 | 65.7 | 58.2 | 66.4 |
| SWE Marathon v1.1 | 51.7 | 42.5 | 46.3 |
| Frontier Finance | 58.6 | 45.0 | 56.7 |
| HLE-Full（带工具） | 70.0 | 57.2 | 67.7 |
| Program Bench | 31.5 | 50.0 | 65.0 |
| Terminal-Bench-Science 0.1 | 38.1 | 68.1 | 63.3 |
| HLE-Diamond | 39.4 | 65.8 | 60.9 |
| ExploitBench | 74.7 | 100 | 91.0 |
排在前面的多是带工具、长流程的任务，落后的集中在科学任务、高难度推理和网络攻防。Terminal-Bench 4.0 和 Opus 5.5 只差 0.7 分，到了它的科学分支，差距拉到 25 分以上。这张表由厂商公布，部分分数还没有第三方复现。
攻防这一栏可以单看。开放权重模型一旦下载就收不回来，ExploitBench 74.7 分和 ExploitGym 20.7 分离闭源旗舰还有距离，对开放发布的安全讨论，这两个分数算是一个参照。
能下载和能运行差很远
IT 之家在报道里专门提醒，“可下载”和”可本地运行”之间距离很大，普通消费级显卡基本部署不了。
粗算一下：INT4 版 1.4TB 全放进显存，按单卡 80GB 计，要约 18 张数据中心级显卡，这还没算上下文缓存的开销。MoE 架构每次只激活约 1040 亿参数，部分全注意力层也换成了门控稀疏注意力来压长上下文开销，可是权重总得有地方放。
所以对国内多数团队，这次开放权重的直接好处落在几家云厂商和推理服务商身上：它们可以自己部署、自己定价。普通开发者更可能感受到的变化，是调用入口变多。价格会不会因此往下走，要等第三方托管版本上线后再比。
参考来源：IT 之家、CocoLoop、Arena Agent Arena 榜单；基准分数来自月之暗面公布的对比表，显存需求为本站估算。