月之暗面依 10 月 24 日發表時的承諾，在 Hugging Face 釋出了 Kimi K3.1 Pro 的模型權重，IT 之家 11 月 5 日報導了這項消息。模型總參數為 2.8 兆，單次推論啟用約 1040 億，上下文約 100 萬 token。
權重檔案的體積同樣醒目：BF16 版約 5.6TB，INT4 量化後約 1.4TB。
授權條款是這次要等的細節。根據公開資料，上一代 K3 採用的是修改版 MIT，K3.1 Pro 的條款我們還沒有從官方頁面查證，要商用的讀者請以儲存庫裡的 LICENSE 檔案為準。
榜單靠真實對話打分
與權重一併被引用的成績，來自 Arena 的 Agent Arena 榜單。K3.1 Pro 在開放權重模型中排名第一，在所有參評模型中排名第 13，工作、程式設計、聊天三個類別都是開放模型第一。
這個榜單不做成對盲測投票。它從真實的智慧代理對話中擷取訊號，例如任務確認、稱讚與抱怨、使用者修正、Shell 報錯，再以一種稱為「因果追蹤」的隨機化推論方法估算淨改善率。這次評測涵蓋超過 1.75 萬次長週期任務對話。
| 指標 | K3 | K3.1 Pro |
|---|---|---|
| 淨改善率 | +0.9% | +5.1% |
| Bash 可靠性 | -4.5% | +7.9% |
| 稱讚對抱怨 | +1.3% | +7.7% |
Bash 可靠性由負轉正，還排到開放模型的第一位，這對執行長任務的使用者影響最直接，指令接連出錯的智慧代理很難放心交給它做事。任務確認成功率 +3.9%，在開放模型中排名第四，並非樣樣領先。
與兩家閉源旗艦對照
月之暗面公布的比較表裡有幾十項基準測試，包含內部測試，以下只挑公開的基準。
| 基準測試 | 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（搭配工具） | 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 |
排在前面的多半是搭配工具、流程較長的任務，落後的則集中在科學任務、高難度推理與網路攻防。Terminal-Bench 4.0 與 Opus 5.5 只差 0.7 分，到了它的科學分支，差距拉大到 25 分以上。這張表由廠商公布，部分分數尚未經第三方重現。
攻防這一欄可以單獨來看。開放權重模型一旦被下載就無法收回，ExploitBench 的 74.7 分和 ExploitGym 的 20.7 分距離閉源旗艦仍有差距，對於開放釋出的安全討論，這兩個分數可作為一個參照。
能下載與能執行差很遠
IT 之家在報導中特別提醒，「可下載」與「可在本機執行」之間距離很大，一般消費級顯示卡基本上無法部署。
粗略算一下：INT4 版 1.4TB 若全部放進顯示記憶體，以單卡 80GB 計算，需要約 18 張資料中心級顯示卡，這還沒算上下文快取的開銷。MoE 架構每次只啟用約 1040 億參數，部分全注意力層也改成了閘控稀疏注意力來壓低長上下文的開銷，但權重總得有地方放。
所以對中國的多數團隊來說，這次開放權重的直接好處落在幾家雲端業者和推論服務商身上：它們可以自行部署、自行定價。一般開發者更可能感受到的變化，是呼叫入口變多了。價格會不會因此下降，要等第三方代管版本上線後再比較。
參考來源：IT 之家、CocoLoop、Arena Agent Arena 榜單；基準測試分數來自月之暗面公布的比較表，顯示記憶體需求為本站估算。