权重落地：2.8 万亿参数 MoE 上了 Hugging Face 与魔搭
月之暗面（Moonshot AI）把 Kimi K3.1 Pro 的完整推理权重上传至 Hugging Face（moonshotai/Kimi-K3.1-Pro）并同步上架魔搭社区，模型卡已公开可下载。官方博客写明，完整模型权重在 2026 年 11 月 4 日前发布；权重页显示，这是一款 2.8 万亿参数的混合专家（MoE）模型，每 token 激活约 1040 亿参数，上下文窗口 100 万 token。
权重以量化感知训练得到的 MXFP4 格式提供，全部权重约 1.56 TB，需约 2 TB 级显存起步（官方验证配置为 8 卡 B300、8 卡 MI355X 或双 GB300 托盘）；消费级显卡与单台 8 卡 H100 都装不下。这意味着它能跑在机构自有的机房里，但硬件门槛相当高，更适合已有大规模算力、且对数据不出域有硬要求的团队。
许可证：主体等同 MIT，对大公司加两条限制
许可证名为 Kimi K3.1 Pro License，主体沿用 MIT 条款：可免费使用、修改、分发、微调与商用。在其之上加了两条仅针对大体量商业使用的限制：一是面向第三方提供模型即服务（MaaS）且 12 个月营收超过 2000 万美元的公司，需与月之暗面另签协议；二是月活超过 1 亿或月收入超过 2000 万美元的产品，须在界面显著标注「Kimi K3.1-Pro」。内部使用不受这两条限制。对绝大多数个人开发者和中小团队而言，这套许可与 MIT 几乎无异，可放心商用。
需要说明：这不是 OSI 意义上的完全开源许可，两条限制把超大规模商业分发与品牌露出纳入约束，但开放权重本身已足以让第三方审计、自托管与二次开发。开放权重与开放源代码是两件事，本文所说的「开源」均指权重开放。
能力定位：长程 Agent 编码接近头部闭源
据厂商公布的基准（口径为厂商自述，未第三方独立复现）：在终端智能体评测 Terminal-Bench 4.0 上，K3.1 Pro 得分 65.7%，高于 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 仅有微弱差距；在 Kimi 内部的 Kimi Code Bench 3.0 长程编码基准上得分 61.2%，高于 K3 的 55.95%。模型原生多模态，视觉编码器为 MoonViT-V2，支持文本与图片输入，并可调用 Unity、Unreal Engine、Godot 等工具做 3D 与游戏内容生成。
它是 K3 的后训练版本，并非全新架构；能力提升主要来自大幅增加的强化学习算力与数百个下游领域的联合训练。把它放进开放权重阵营，价值在于其长程 Agent 编码与多模态能力已接近头部闭源模型，却可以自托管，不必把数据送出域。
安全取舍：发布前削去部分网络攻击能力
月之暗面在发布前对训练做了针对性处理：移除与网络攻击相关的部分训练数据与强化学习环境，使模型的开源网络攻击能力低于同 pipeline 未处理版本（xdev-bench-hard 81.0% vs 消融版 90.5%）。公司表示，开放权重的网络攻击能力仍落后于已公开至少三个月的前沿闭源模型，并主张让能力在用户可控的基础设施上扩散，有利于防守方审计自有代码。
这一权衡反映了前沿开放权重发布面临的共同张力：既要让研究与应用社区获得可审计、可自托管的模型，又要把明显的双重用途风险压到可控范围。权重开放之后，安全研究者的复现与红队测试，会成为检验这套取舍是否稳妥的关键。
为什么说这是一次开源里程碑
在开放权重阵营里，能同时做到参数规模领先、100 万上下文、近 MIT 商用许可、原生多模态与长程 Agent 编码的模型并不多。K3.1 Pro 把一款能力居前的智能体模型完整权重开放出来，意味着中小企业、科研机构与对数据合规有硬要求的场景，可以在自有算力上跑起接近闭源水平的模型，而不必把数据送出域。
对国内开源生态而言，这是月之暗面继 Kimi K3 之后在开放权重上的进一步投入；对企业用户而言，它把「自托管前沿 Agent 模型」从概念推进到可下载、可部署。这类权重开放能否真正改变生态，还要看下游工具链、量化版本与社区生态能否跟上。