Kimi K3.1 Pro：2.8 萬億引數多模態模型開源，完整權重上架

見過開源大模型的，但很少見到一齣手就是 1.56TB 的龐然大物。

月之暗面最近兌現了承諾，在 Hugging Face 上正式放出了 Kimi K3.1 Pro 的完整模型權重。這是 K3.1 系列的第一款模型，也是目前全球開源領域引數體量最龐大的原生多模態模型之一。

訓練這種規模的模型，耗費的資金往往以百萬美元計。月之暗面願意把完整權重公開，不僅引來了開發者社群的圍觀，也讓不少算力企業開始摩拳擦掌。

2.8 萬億總引數，但每次只喚醒一小部分

Kimi K3.1 Pro 是個月之暗面自研的混合專家架構模型，總引數量達到了誇張的 2.8 萬億。

不過，它在每次推理計算時，只啟用其中的 1040 億引數。這種設計保證了模型在具備深厚知識底座的同時，單次推理開銷不至於徹底失控。

它的上下文視窗擴充套件到了 100 萬 token。為了在超長文本下兼顧效率，團隊在 93 層網路中，用 24 層門控稀疏注意力替代了原先的全注意力層。

同時，它原生具備多模態能力，搭載了 401M 引數的 MoonViT-V2 視覺編碼器，並在量化感知訓練中使用了 MXFP4 權重與 MXFP8 啟用。

在基準測試中，它在 Terminal-Bench、SWE Marathon 以及複雜的金融與辦公長文本任務上，成績已經咬住了 GPT-6 Astra 和 Claude Opus 5.5 這類頂級閉源模型。

普通顯示卡先別想了，這是叢集的盛宴

東西確實是好東西，但下載和部署的門檻擺在那裡。

整套模型權重高達 1.56TB。官方不僅給出了標準的 Transformers 呼叫方式，還上線了 vLLM 和 SGLang 的原生部署支援，並提供了 Docker 映象。

換句話說，普通人的個人電腦或單張消費級顯示卡連解壓都困難，更別提載入視訊記憶體了。想要把它跑起來，必須依賴多張專業計算卡組成的叢集。

對於絕大多數普通開發者來說，現階段在 HuggingChat 或雲端 API 裡體驗是更現實的選擇。

為什麼重要

對使用者與開發者而言，這意味著頂級模型底座的控制權重新回到了自己手裡。以前需要花大價錢呼叫閉源商業 API 的智慧體程式設計、長程文件分析與複雜工具呼叫，現在有財力的企業完全可以在私有集群裡離線部署，無需擔心資料洩露。

對整個行業來說，月之暗面把開源模型的門檻直接拉高到了接近 3 萬億引數的級別。它證明了開源陣營不僅能在輕量模型上打價效比戰，在最頂尖的超大規模 MoE 上同樣能正面對抗閉源巨頭。

我們認為，月之暗面這步棋走得相當通透。一方面把訓練成本極高的資產公開，贏得了全球開源社群的聲譽與生態繫結；另一方面，1.56TB 的硬體門檻自然篩選出了真正的企業級客戶，為後續的企業雲服務和算力合作鋪平了道路。