ARTICLE · 1327479

《2.8万亿参数免费下载,我却劝你别下:Kimi K3.1 Pro开源的3个真相》

发布时间：2026-11-07 20:03:30 最近访问：2026-11-07 20:03:31

摘要：月之暗面把自家最强模型 2.8 万亿参数的权重免费公开了。开源榜第一，写代码逼近 Claude Opus 5.5，API 价格只有 GPT-6 Astra 的五分之一。但 1.56TB 的下载包，普通人根本跑不起来——这篇把“谁该下、谁该调 API、谁直接在 App 里用”一次讲清。

每次开源大模型刷屏，我的第一反应都是先问一句：这“免费”到底轮不轮得到我？过去两年我下过好几个开源权重，结局出奇地一致——下载进度条跑半天，显卡先投降，最后默默删掉，只剩一句“下次一定”。11 月 5 日月之暗面把 Kimi K3.1 Pro 的完整权重推上 Hugging Face，我又去验了一遍，这次的结论不太一样：模型是真强，免费也是真免费，只是“免费”和“能用”是两回事。

🌊

01 这次开源，到底给了什么

先说时间线，免得被各种二手消息绕晕。Kimi K3.1 Pro 是 10 月 23 日先在 Kimi 产品和 API 上线的，月之暗面当时就承诺 11 月 4 日前公开权重，11 月 5 日如约兑现。给的是标准版的完整推理权重，Hugging Face 仓库名 moonshotai/Kimi-K3.1-Pro，同步上架魔搭社区。

参数规模是这次最抓眼球的数字：总参数 2.8 万亿，每次推理只激活约 1040 亿，896 个专家里每次挑 16 个干活。上下文 100 万 Token，文本、图像、视频都能当输入。权重用 MXFP4 量化感知训练压到了 1.56TB——不压的话，2.8 万亿参数按 16 位精度存要 5.6TB。

许可证也值得单独说一句：主体是 MIT 风格，个人和中小团队免费使用、修改、微调、商用都没问题，只有两条红线留给大公司——做模型 API 服务且 12 个月收入超 2000 万美元的要另签协议，月活超 1 亿或月收入超 2000 万美元的产品要在界面上标注模型名。换句话说，普通人拿它干活，法律上基本没有门槛。

但有一点要讲清楚：公开的是权重，不是“全部开源”。训练代码和原始训练数据没给，所以它离开源基金会的严格定义还差一截。你拿到的是一个训练好的、可以直接跑的模型，不是一套能从头复现它的配方。这个区别不影响使用，但影响你对它的期待。

🌊

02 跑分什么水平：离顶级只差一口气

跑分先说结论：这是目前开源模型里最能打的一个，而且强的点正好长在“干活”上，不是只会考试。Agent Arena 的榜单最有说服力，因为它不看选择题，看的是 1.75 万多段全球用户真实提交的长任务对话。Kimi K3.1 Pro（Max）排开源第一、全球第 13，工作、编程、聊天三个分榜全是开源第一。净改进率 +5.1%，上一代 K3 只有 +0.9%；执行 shell 命令的 Bash 可靠性 +7.9%，也是开源第一，K3 当时是 -4.5% 排第 13——这个翻身幅度，说明它在“真的去执行任务”这件事上脱胎换骨了。

写代码的硬指标也对得上。Terminal-Bench 4.0 上它拿了 65.7%，只比 Claude Opus 5.5 的 66.4% 低 0.7 个百分点，把 GPT-6 Astra 的 58.2% 甩在身后。DeepSWE 75.5%，金融研究测试 58.6 分对 GPT-6 Astra 的 45.0 分。国内的 SuperCLUE 11 月榜单，它 61.46 分排国产第一。有一点要老实交代：这些分数大多是官方或合作榜单公布的，实验室自测总有偏向，真正可信的是权重已经公开——任何人都能下载复核，吹牛的成本一下子变高了。

横向比价格，差距更直观。K3.1 Pro 的 API 定价是输入每百万 Token 2 美元、输出 10 美元，人民币口径是输入 13 元、缓存命中 1.3 元、输出 68 元，比上一代 K3 便宜了三分之一，大约是 GPT-6 Astra 的五分之一。还有个高速版，价格翻倍、速度快 2 到 3 倍。


模型	Terminal-Bench 4.0	API 输出价（每百万 Token）	权重
Kimi K3.1 Pro	65.7%	10 美元（约 68 元）	已开源
Claude Opus 5.5	66.4%	未公开口径	闭源
GPT-6 Astra	58.2%	约 5 倍于 K3.1 Pro	闭源

🌊

03 普通人三条路，我替你算过账了

第一条路：在 Kimi App 里直接用，0 元。这是 99% 的人的正确选择。Kimi App、kimi.com、Kimi Work、Kimi Code 里都已经上了 K3.1 Pro，11 月 6 日起原来的 K3 还原地升级成了它，你不用换任何东西，打开就是新版。100 万 Token 上下文意味着你可以直接扔一整份招股书、一整个代码仓库进去让它慢慢啃，长文档总结和跨文件改代码是它最舒服的场景。免费额度用完再说，至少先把手感摸熟。

第二条路：调 API，适合开发者和重度用户。模型名 kimi-k3.1-pro，兼容 OpenAI 和 Anthropic 两种格式，Claude Code 用户改个地址和 Key 就能直接用——月之暗面自己测编程跑分就是拿 Claude Code 当环境测的。按官方价算，一次中等 Coding Agent 任务大约 26 元，差不多一杯半奶茶。注意两个细节：API 至少要先充 10 元，新用户那 15 元券不能用在这个模型上；另外它只支持思考模式，关掉思考的请求会被直接拒绝，写代码时默认推理强度就是最高的 Max 档。

第三条路：本地部署，劝退 99.9% 的人。1.56TB 的权重文件，官方 vLLM 方案的最低配置是一组 8 卡张量并行：两个 GB300 托盘、一台 8 卡 B300，或一台 8 卡 MI355X。消费级显卡不用想，单台 8 卡 H100 也放不下。华为昇腾和阿里云在权重公开当天就宣布了部署支持，Databricks、Runpod 这些云平台也陆续上架了——这条路是给云厂商和有大算力的大机构准备的，个人用户看个热闹就行。真想私有化部署，云端按量调用比自己买卡便宜得多。