Kimi K3.1 Pro 权重真放出来了，2.8 万亿参数追平闭源，可多给算力就露馅，开源模型还差半步。
P-Zero Research 把同样的活儿交给 Kimi K3.1 Pro 和 Claude Opus 5.0，预算给到 15 个 H100 小时的时候，Kimi 的算力乘数还有 1.06，跟 Opus 5.0 几乎贴着跑。等到预算加到 40 个 H100 小时，Kimi 掉到 0.78，Opus 5.0 涨到 1.3。分数没崩，是 " 多喂的算力没变成更好的结果 "。
11 月 4 日下午，月之暗面把 Kimi K3.1 Pro 的完整权重传上了 Hugging Face，仓库名 moonshotai/Kimi-K3.1-Pro，不用填表、不用申请，点开就能下。96 个 safetensors 分片，仓库总体积 1.56 TB，单个分片最大 17 GB。Hugging Face 联合创始人 Thomas Wolf 当天整理了一份要点：2.8 万亿总参数，每个 token 激活 1040 亿；896 个专家，每次选 16 个，再加 2 个共享专家；93 层网络里，69 层是 Kimi Delta Attention（线性注意力），剩下 24 层插的是 DeepSeek 式门控稀疏注意力，每个 token 只挑最相关的 2048 个 token 算，靠这个把 100 万 token 上下文撑住。
权重不是 BF16。按 BF16 存，这套参数本来要 5.6 TB；这次放出来的是量化感知训练过的 MXFP4 权重，配 MXFP8 激活，所以体积压到 1.56 TB。能下，不代表能跑。8 张 H200 显存加起来才 1.13 TB，装不下；官方给的基线是 8 卡张量并行，用两个 GB300 托盘，或者一台 8 卡 B300 节点。vLLM 要 0.34.0 以上，SGLang、TokenSpeed 也给了部署入口。消费级显卡别想了，有网友自嘲：2.3 万美元的 Mac Studio 跑起来大概每秒 0.1 个 token。
架构上真正值钱的一刀，是 " 注意力开始挑重点 "。K3 那 24 层全注意力用 Gated MLA，K3.1 Pro 给它加了 DSA 索引器：32 个轻量索引头先给历史 token 打分，选出 2048 个位置，完整注意力只在这 2048 个位置上算。vLLM 首日的实测里，单层解码要读的数据降到稠密 MLA 的约 23%。34 万 token 输入的首 token 等待，从 15.89 秒缩到 9.42 秒；配 DSpark 推测解码，8 卡 GB300 上能拿到约 3 倍解码加速。百万 token 上下文不是噱头，是带宽账算得过来才跑得动。
成绩单也挺能打。Agent Arena 用 1.75 万次真实长时程会话测，K3.1 Pro Max 排开放权重第一、总榜第 13，Work / Code / Chat 三类都是开放模型第一。Terminal-Bench 4.0 拿 65.7%，GPT-6 Astra 58.2%，Claude Opus 5.5 66.4%，差不到 1 个点。单任务平均花 4.57 美元，Opus 5.5 要 13.20 美元。内部基准上，Kimi Code Bench 3.0 长程从 55.95% 提到 61.2%；金融研究从 58.8 涨到 70.4；Kimi Hallu Bench Hard 开启工具后事实错误率从 23.4% 降到 8.3%。
许可证才是藏在 " 开源 " 两个字后面的真条款。它不是一个干净 MIT，是改过的 Kimi K3.1-Pro License：个人和中小公司能免费用、改、再分发；但你拿它卖模型 API、过去 12 个月集团营收超 2000 万美元，得先跟月之暗面另签协议；做出来的产品月活过 1 亿，或月收入超 2000 万美元，界面上必须醒目标 "Kimi K3.1-Pro"。内部自用、走官方 Kimi 产品、走认证推理服务商，不受这两条限制。换句话说，模型权重送你，品牌和头部收益不送。
回到那条算力曲线。固定预算榜单里，K3.1 Pro 几乎追平闭源旗舰；智能体任务越长、给的算力越多，差距就显出来。Teortaxes 的说法是：新一代前沿模型更会利用测试时算力，这条曲线比单次分数更能说明差距。开源模型在追终点线上的分数，闭源模型在比谁的曲线更陡——同样多给一倍算力，谁能转成更多正确步骤、更少重试、更稳的工具调用。
权重包里也没把家底全交出来。这次放的是标准版完整推理权重，不含 Highspeed 高速版；给了模型配置、分词器、视觉编码器 MoonViT-V2（4.01 亿参数），没给训练代码和训练数据。可审计、可微调、可自己部署，不等于 " 从零复现 "。
华为昇腾那边同日给了 0Day 适配，vLLM Ascend 和 SGLang 能跑在 Atlas 800 A3、Atlas 900 A3 SuperPod 上，用 QLI 量化索引器和 QSFA 稀疏注意力算子压长上下文开销，DCP 把 KV 缓存按 token 分片到多卡，支撑 1M 序列。英伟达路线走 8 卡 GB300，AMD 走 8 卡 MI355X，TPU 和平头哥 PPU 也有入口。
下载那 1.56 TB 之前得先想清楚：百兆宽带满速下完要 35 个小时上下，千兆也得近 3 个半小时，硬盘先腾 1.6 TB，合并分片还要再占一份空间。跑起来之前，机器账单比模型能力先到。
分数打平的那一刻很爽，算力乘数的折线一画出来，谁在吃算力、谁在把算力变成智能，一眼看清。