Kimi 把 2.8 万亿旗舰开源了：稀疏注意力接管长文本，先看三道部署门槛

用大模型干长活的团队大概都算过账：一个 Agent 任务跑下来几十轮工具调用，账单里的大头全是旗舰模型的生成式输出。想换开源模型省钱，翻遍榜单又总觉得差半口气。11 月 4 日，月之暗面把 K3.1 系列的首款权重 Kimi K3.1 Pro 放上了 Hugging Face，总参数 2.8 万亿，上下文一百万 token——这是目前开放权重里个头最大的那一档。

架构上动了什么

模型卡的配置值得细看。总参数 2.8 万亿，每个 token 只激活 1040 亿，896 个路由专家里选 16 个，外加 2 个共享专家。真正有意思的是注意力的改法：93 层里，69 层保留自家的 Kimi Delta Attention，剩下 24 层把上一代的全注意力 Gated MLA 换成了 Gated DeepSeek Sparse Attention，就是 DeepSeek 那套稀疏注意力。索引器先给历史 token 打分，每次查询只挑得分最高的 2048 个交给主注意力算，上下文越长省得越多。vLLM 团队的分析给了个直观数字：长文本解码场景下，这些层的内存读取量降到稠密方案的 23% 左右。

权重的量化也提前做了功课。MXFP4 权重配 MXFP8 激活，是训练时就带着量化意识练出来的，不是训完再压。视觉这边挂了个 4.01 亿参数的 MoonViT-V2 编码器，原生吃图。

版本关系也交代一下：K3.1 Pro 是 Kimi K3 的后训练升级版，不是从零重训的新模型，base 换了注意力、规模没动。官方的发布节奏分两段——10 月 23 日先发布模型和 API，承诺 11 月 4 日前放权重，这次是兑现了承诺。同一个发布里还带了个 K3.1 Pro Highspeed 变体，走 KV 缓存和调度优化的路线，官方口径快两到三倍，适合对延迟敏感的线上业务。

成绩单有赢有输，反而可信

月之暗面自己的表格里，Terminal-Bench 4.0 拿了 65.7%，只比 Claude Opus 5.5 的 66.4% 差 0.7 分，把 GPT-6 Astra（58.2%）甩开一截。长任务软件工程评测 SWE Marathon 上反超：51.7 对 Opus 的 46.3。幻觉压力测试的事实断言错误率从上一代 K3 的 23.4% 压到 8.3%。成本那栏更实际：max 推理档平均每任务 5.25 美元，Opus 5.5 同口径 14.30 美元。

不过有两项输得明白：Program Bench 只有 31.5%（Opus 是 65.0%），Terminal-Bench-Science 38.1%（GPT-6 Astra 68.1%），纯函数级代码生成和科学终端任务是短板。榜单是厂商自己测的，第三方复测还没出来，这两处失利反而让整张表更像真的。

想自己跑？先过三道门槛

门槛一是显存。2.8 万亿参数就算 MXFP4 量化，单卡免谈，得多节点组集群，个人玩家直接劝退。门槛二是许可：不是 Apache 也不是 MIT，是自定义的 Kimi K3.1 Pro License，商用之前把条款读一遍。门槛三是配套：官方推荐 vLLM、SGLang、TokenSpeed 三种引擎，部署配方都给了；宣传里的 Highspeed 版号称快两到三倍，但权重至今没见到，先当 API 专属。

用 API 的话简单得多：开放平台建个 Key，base_url 设 api.moonshot.cn/v1，模型名 kimi-k3.1-pro，OpenAI 和 Anthropic 两种协议都兼容。推理强度分 low、high、max 三档，默认 max。有个坑要记：多轮工具调用时，assistant 的完整消息要原样传回下一轮，工具结果按调用 ID 回传，漏了这步模型表现会悄悄变差。

还有个少见的细节：月之暗面在模型卡里主动交代，训练管线里移除了网络安全攻击向的数据，内部漏洞研究基准 xdev-bench-hard 从 90.5% 压到发布版的 81.0%，官方明说攻击能力是刻意削过的。但自托管权重在 ExploitBench 上仍有 74.7 分，企业把它接进内网之前，访问控制和日志监控得先到位。

剩下的成绩单再补几行，方便对号入座：网页导航类评测 BrowseComp 92.1，是整张表里领先最多的一项；带工具的综合难题 HLE-Full 拿 70.0，也压过 Opus 的 67.7；桌面操作 OSWorld 79.6，跟 Opus 的 81.8 咬得很近。翻译成大白话：让它在浏览器里替你跑多步网页任务、或者接进桌面自动化，把握较大；让它从零写一段纯算法函数，另请高明。

生态适配这步走得比想象快。华为已经宣布了推理支持，vLLM Ascend 和 SGLang 都能在 Atlas A3 和 Ascend 950 上跑这套权重，国产卡部署的路是通的，这对不想把推理压在英伟达上的团队是个加分项。

我的看法

开放权重和闭源旗舰的差距这次缩到了 1 个点以内，对跑长任务的团队是实打实的选项。我的建议分两类：有算力的团队值得拿自己的任务集测一轮，重点看它输的那两项跟业务重不重叠；纯 API 用户，5.25 对 14.30 美元的单任务成本差异已经够换一次试试。至于那 24 层稀疏注意力，更大的意义在于路线——长上下文的成本曲线正被架构改动压下来，这比单纯堆参数有用。