模型發布
Kimi K3.1 Pro 權重公開:2.8T 參數 MoE 開放權重多模態代理模型,1M 上下文,主打程式與金融研究能力
Hacker News單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據
月之暗面(Moonshot AI)在 Hugging Face 公開 Kimi K3.1 Pro 的模型權重,該模型為開放權重、原生多模態的代理(agentic)模型,官方定位為其迄今最強的 3T 級模型,也是 K3.1 系列的首款。模型由 Kimi K3 經大規模聯合強化學習後訓練而成,覆蓋數百個下游領域,官方稱在程式開發、3D 創作、金融研究、事實準確度等代理能力上有明顯提升,上下文窗口為 100 萬 token。
架構上採用 Mixture-of-Experts(MoE),總參數 2.8T、每 token 活躍參數 104B,共 93 層(其中 1 層為 dense),專家數 896、每 token 選 16 個、另有 2 個共享專家。注意力機制為 69 層 KDA 加 24 層 Gated DSA,相較 Kimi K3 將全注意力的 Gated MLA 層替換為 Gated DSA,以提升長上下文效率。視覺編碼器為 MoonViT-V2(401M 參數),詞表 160K,激活函數為 SiTU-GLU。權重採用 MXFP4、激活採用 MXFP8,並經量化感知訓練。模態支援文字與圖像。
官方評測(reasoning effort max、temperature 1.0、top-p 0.95)中,Terminal-Bench 4.0 得分 65.7,高於 Claude Fable 5.1(57.9)、GPT-6 Astra(58.2)、DeepSeek-V4.1-Flash-1017(42.3)與 GLM-5.3(41.8),但低於 Claude Opus 5.5 的 66.4。BenchCAD 含工具時為 92.7,與 Claude Fable 5.1(92.6)接近,低於 GPT-6 Astra(95.9)與 Claude Opus 5.5(96.2)。Terminal-Bench-Science 0.1 得分 38.1,低於 GPT-6 Astra(68.1)與 Claude Opus 5.5(63.3)。SWE Marathon v1.1 得分 51.7,為表中最高。Program Bench 得分 31.5,明顯低於 Claude Opus 5.5(65.0)與 GPT-6 Astra(50.0)。以上數據均為官方提供,尚未見獨立第三方覆核。
讀原始報導背景
vLLM 是一套用於大型語言模型(LLM)推論與服務的快速、易用函式庫,原由 UC Berkeley 的 Sky Computing Lab 開發,現已發展為活躍的開源專案。它透過高效的排程、KV 快取管理與批次處理來提升推論效能,並支援張量、管線、資料、專家與情境等多種平行化方式。
社群討論
社群對 Kimi K3.1 Pro 的開放權重既肯定又存疑:多數人讚賞其推動推論服務的商品化與多供應商競爭,實際使用者也反映體感優於 DeepSeek 系列,Design Arena 人類偏好排名亦是支持證據;但不少人質疑其 benchmaxxing,NitpickLawyer 引用的研究指出模型在隱藏規則與被修改任務上表現異常,疑似直接訓練於測試集。另有實務討論指出,此規模需要 8x B300 等級硬體,一般使用者難以本地部署,而授權條款對月收入超過 2,000 萬美元的 Model-as-a-Service 業者設有限制,企業採用亦需留意。