Kimi K3.1 Pro：2.8 万亿参数多模态模型开源，完整权重上架

见过开源大模型的，但很少见到一出手就是 1.56TB 的庞然大物。

月之暗面最近兑现了承诺，在 Hugging Face 上正式放出了 Kimi K3.1 Pro 的完整模型权重。这是 K3.1 系列的第一款模型，也是目前全球开源领域参数体量最庞大的原生多模态模型之一。

训练这种规模的模型，耗费的资金往往以百万美元计。月之暗面愿意把完整权重公开，不仅引来了开发者社区的围观，也让不少算力企业开始摩拳擦掌。

2.8 万亿总参数，但每次只唤醒一小部分

Kimi K3.1 Pro 是个月之暗面自研的混合专家架构模型，总参数量达到了夸张的 2.8 万亿。

不过，它在每次推理计算时，只激活其中的 1040 亿参数。这种设计保证了模型在具备深厚知识底座的同时，单次推理开销不至于彻底失控。

它的上下文窗口扩展到了 100 万 token。为了在超长文本下兼顾效率，团队在 93 层网络中，用 24 层门控稀疏注意力替代了原先的全注意力层。

同时，它原生具备多模态能力，搭载了 401M 参数的 MoonViT-V2 视觉编码器，并在量化感知训练中使用了 MXFP4 权重与 MXFP8 激活。

在基准测试中，它在 Terminal-Bench、SWE Marathon 以及复杂的金融与办公长文本任务上，成绩已经咬住了 GPT-6 Astra 和 Claude Opus 5.5 这类顶级闭源模型。

普通显卡先别想了，这是集群的盛宴

东西确实是好东西，但下载和部署的门槛摆在那里。

整套模型权重高达 1.56TB。官方不仅给出了标准的 Transformers 调用方式，还上线了 vLLM 和 SGLang 的原生部署支持，并提供了 Docker 镜像。

换句话说，普通人的个人电脑或单张消费级显卡连解压都困难，更别提载入显存了。想要把它跑起来，必须依赖多张专业计算卡组成的集群。

对于绝大多数普通开发者来说，现阶段在 HuggingChat 或云端 API 里体验是更现实的选择。

为什么重要

对用户与开发者而言，这意味着顶级模型底座的控制权重新回到了自己手里。以前需要花大价钱调用闭源商业 API 的智能体编程、长程文档分析与复杂工具调用，现在有财力的企业完全可以在私有集群里离线部署，无需担心数据泄露。

对整个行业来说，月之暗面把开源模型的门槛直接拉高到了接近 3 万亿参数的级别。它证明了开源阵营不仅能在轻量模型上打性价比战，在最顶尖的超大规模 MoE 上同样能正面对抗闭源巨头。

我们认为，月之暗面这步棋走得相当通透。一方面把训练成本极高的资产公开，赢得了全球开源社区的声誉与生态绑定；另一方面，1.56TB 的硬件门槛自然筛选出了真正的企业级客户，为后续的企业云服务和算力合作铺平了道路。