2026 年 11 月 5 日，北京时间零点刚过，月之暗面官方账号宣布 Kimi K3.1 Pro 权重开放下载，多家科技媒体晨报随后跟进，各渠道口径一致。这一刻等了十三天：10 月 23 日模型在 App 与 API 上线时，官方曾承诺 11 月 4 日前开放权重，现在承诺按时兑现了。标题把 2.8 万亿参数和 1.56TB 并排放着，是因为这两个数字合起来才是这次事件的完整面貌——能力上限与下载现实各占一半，只读其中一半都会偏。
先把本篇的边界划清楚。站内 11 月 4 日的混元 Hy4 正式版报道 讲的是另一家公司在同一时段的发布动作，与本篇无关；显存测算与部署路径 SOP 写于 11 月 4 日，当时权重尚未放出，按「未公布不编」的原则只做了资源测算，本篇正是它的兑现后续篇——那篇算资源，这篇讲事件与口径。本批同栏的 权重上手评测 负责下载、装载与部署的实操作业，与本篇也不重叠。下面按时间线、模型卡、两套成绩、权重体量、许可证、渠道六段展开，每一段都把官方口径、媒体口径与第三方实抓分开标注。
时间线：一次按时兑现的承诺
把日子摊开看。10 月 23 日，Kimi K3.1 Pro 以 kimi-k3.1-pro 之名在 App 与 API 同步上线，用户当天就能在产品里用上模型，API 一侧也挂着统一的模型名对外服务。当时最让人半信半疑的，是那句权重的死线承诺——大模型行业里，「近期开放」往往遥遥无期，而写出具体日期的承诺等于把考核表贴在了自己门口。北京时间 2026 年 11 月 5 日零点，官方账号宣布权重开放下载；当天上午，多家科技媒体晨报跟进报道，各渠道口径一致。官宣加多家媒体交叉验证，这件事可以定案：说到做到。一家模型公司把带具体死线的承诺说到做到，在 2026 年的发布节奏里并不多见，值得单独记一笔。
还有一个时间戳细节：HF 仓库的 lastModified 显示为 11 月 2 日，比官宣早了三天。这不是矛盾，而是常见的工程安排——文件先上传、仓库后开放访问。写这篇稿子时以官宣的 11 月 5 日为准，不必纠结仓库时间戳；但知道这个机制，以后看到「仓库时间早于官宣」就不会误读成抢跑或造假。
模型卡：2.8 万亿总参、1040 亿激活与 1M 上下文
官方模型卡给出的定位是 open-weight、原生多模态、面向智能体场景，并称其为迄今最强的 3T 级模型，从 Kimi K3 后训练而来。架构表格原文列出的数字值得逐项读：总参数 2.8T，激活参数 104B，MoE 架构；上下文长度 1048576，也就是 1M token；注意力层由 69 层 KDA 与 24 层 Gated DSA 组成——相对 Kimi K3，这次把全注意力的 Gated MLA 换成了 Gated DeepSeek Sparse Attention，用稀疏注意力为长文本推理省资源；视觉编码器 401M 参数。
把 104B 放回 2.8T 里看，激活比例换算下来约 3.7%，这是 MoE 架构的典型区间：每次推理只点亮一小部分专家网络，容量按 2.8T 建、成本按 104B 付。训练容量与推理成本之间的这笔账，正是超大参数模型敢于开放权重的算术前提。
注意力层的改动值得单独说。K3 用的是全注意力的 Gated MLA，K3.1 Pro 换成了 69 层 KDA 加 24 层 Gated DSA 的组合，DSA 即 DeepSeek Sparse Attention——在超长上下文里，注意力不必对每个 token 都做全量计算，稀疏化只挑关键位置算，长文本推理的资源开销因此显著下降。1M 上下文配上稀疏注意力，是一组互相成就的设计：没有稀疏化，1M 窗口的推理成本很难落地；没有 1M 的窗口，稀疏化也发挥不出全部价值。视觉编码器 401M 参数在 2.8T 的盘子里占比很小，但位置关键——原生多模态说的是视觉信号从训练阶段就进入模型，而不是事后外挂一个看图的模块。
精度方面同样有信息量：权重用 MXFP4、激活用 MXFP8，官方说明这是量化感知训练路线。量化感知训练的含义是模型在训练阶段就把量化的影响算进去了，而不是训练完再补一刀。MXFP4 存权重、MXFP8 存激活，这两行配置解释了后面 1.56TB 的体量从何而来，也解释了为什么官方敢把量化后的模型直接作为发布形态。换句话说，1.56TB 已经是量化之后的结果，不是未压缩的原始尺寸——这一点直接决定了下文的现实约束有多硬。
两套成绩：官方口径与第三方初步排名，一句都不能混
成绩必须分两套讲，这是本篇最要紧的口径提醒，也是读这类发布稿最容易踩的坑。
第一套是官方模型卡自报：Terminal-Bench 4.0 得 65.7，用 Claude Code harness 评测；同一张表里，GPT-6 Astra 为 58.2、Claude Opus 5.5 为 66.4 作对照。此外还有 Terminal-Bench-Science 0.1、SWE-Marathon v1.1 等内部与公开基准。凡引用这些数字，都要带上「官方口径」的限定——自家的分数、自家的 harness、自选的对照，适合当能力侧写，不宜直接当成客观名次。
为什么 harness 值得特意写在句子里？同一份基准，换一个评测脚手架，分数可以差出好几个点；Terminal-Bench 4.0 这类考察模型在真实工作环境里执行任务的基准尤其如此，得分高度依赖 harness 的工具调用与容错设计。官方口径的 65.7 只在「Claude Code harness 加官方模型卡」这组条件下成立，脱离条件去引用就是失真。
第二套是第三方 Agent Arena，一个由真实用户智能体会话构成的榜单：开放模型里排第一，净改进率 5.29%，第二名是小米 MiMo-V2.6-Pro 的 2.68%，总榜第 14 名，样本约 1.75 万至 1.8 万次真实会话。引用这套数据必须带两个限定：其一，Arena 官方把这个排名标注为「初步」，所以「开放模型第一」这句话只能挂在 Agent Arena 名下并注明是第三方初步排名，抽掉限定就成了绝对化表述；其二，Arena 的净改进率与 Terminal-Bench 的分数是两把完全不同的尺子，评测设置不同，绝不能放进同一句里比大小，更不存在任何跨榜换算。
把第二套数据自己读透也有收获。Agent Arena 的样本来自真实用户的智能体会话，不是出题人拟的任务集：用户拿模型去干什么、卡在哪、是否满意，都沉淀在会话记录里。约 1.75 万至 1.8 万次会话的样本量不算小，但「初步」二字意味着排名还会随会话量增长而变动。5.29% 对 2.68%，K3.1 Pro 的净改进率接近第二名 MiMo-V2.6-Pro 的两倍，这是「开放模型第一」的实际含义；而总榜第 14 名则说明，放进全模型池子里，前面还排着一列闭源模型。两个名次一起读，位置感才是准确的。这两条限定不是措辞洁癖，而是本次报道里最硬的红线。
约 1.56TB：数字背后的现实约束
体量是这次传播里最抓眼球的数字：约 1.56TB、96 个权重文件——这两个数是多家媒体一致的口径；HF 仓库实抓共 112 个文件，差额是 README 与各类资产等非权重文件。本文写体量保留「约」字，写文件数标明媒体口径，读者转述时也建议照此办理。
换算成下载体验更直观：按百兆带宽的理想满速算，1.56TB 也要以一昼夜为量级；普通家庭带宽按每秒几 MB 计，则以天为单位往上累加。下载只是第一关，落盘还要预留等量空间放校验与缓存。这些换算不出自任何官方材料，是按体量算的常识账，但足够说明「能下载」与「下得完」之间的距离。
现实约束同样直白。MXFP4 已是量化后格式，这约 1.56TB 是压过之后的体积；但总参数 2.8T、激活 104B 的量级摆在那里，按 显存测算 SOP 的思路推一遍就知道，即便量化到位，现阶段主要仍靠云 GPU 集群整卡装载，个人消费级设备无法完整装下。对绝大多数开发者，现实的路径只剩两条：租云 GPU 自己起服务，或者直接调 API。措辞上留了余地——说的是「现阶段」装不下，没有说「永远不可能」，推理引擎和硬件都还在演进，这个判断随时可能被更新。
许可证：宽松授权外面套着三道条件
许可证名为 Kimi K3.1 Pro License，HF 页面标注 license 为 other。以 LICENSE 原文为准，授权本身相当宽松：使用、修改、分发、出售均可。但宽松授权外面套着三道条件，一道都不能读错。
第一道是 Model as a Service 条件：被许可方及其关联公司任意连续 12 个月合计收入超过 2000 万美元，将模型用于商业目的前须与 Moonshot AI 另签协议。注意两个细节：收入口径是「任意连续 12 个月合计」，不是单个财年；统计范围包含关联公司，不能只算签约主体。LICENSE 还专门写了一条边界——纯转发请求给他人托管模型的行为（mere relaying）不属于 MaaS，所以做纯中转的网关不必按 MaaS 处理，但转售性质的托管仍要按原文核对。
为什么 MaaS 条款值得单写一段？权重开放后最常见的商业模式就是托管转售：把模型架在云上按调用量收费。2000 万美元的门槛线把小玩家放行、把大玩家拉到谈判桌前，这是当前开放权重模型许可的通行结构，K3.1 Pro 的条款并不特殊，特殊的是它把每条边界都写得相当细——连续 12 个月的滚动口径、关联公司并表、mere relaying 的豁免，都落在原文里，不用猜。给不同体量的团队把账算一遍：年收入几百万美元的初创公司，三道条件大概率一条都碰不到，放心用；收入贴着 2000 万美元线走的中型公司，就要按「任意连续 12 个月」的口径做滚动监控，别等过了线才想起来；月活向 1 亿靠拢的产品，署名条件已经在等着。
第二道是署名条件：商业产品月活超 1 亿或月收入超 2000 万美元，界面须显著标示「Kimi K3.1-Pro」。这道条件最容易被读混——2000 万美元这个数字在 MaaS 条款里触发的是「另签协议」，在署名条款里触发的是「打署名」，同一个数字、两种后果，引用时务必分开写清楚。
第三道是豁免条款：内部使用，或经 Moonshot 官方产品与认证推理伙伴访问模型，不落入上述条件的约束范围。
渠道与推理引擎：两条路都通
API 一侧，官方入口是 platform.kimi.ai，模型名 kimi-k3.1-pro，兼容 OpenAI 与 Anthropic 两套协议，reasoning_effort 支持 low、high、max 三档。三档位值得多说一句：low 换响应速度，max 换推理深度，high 居中，同一个模型由此可以按任务难度分层调用——简单任务走低档省成本，难题开高档保质量，档位设计配上 1M 上下文，对长文档分析类业务尤其友好。想横向比价、看各家计费口径差在哪的读者，可以参考本站那篇 API 价格横评，那里把同代模型的定价逻辑放在一起算过。
自部署一侧，官方推荐两个推理引擎：vLLM 的官方 recipes 与 SGLang 的官方 cookbook 都已挂出链接。结合许可证的豁免条款读，经认证推理伙伴访问是很多商业团队成本最低的合规路径之一；真要自己下载权重、规划集群，动手环节交给本批的 权重上手评测，本篇不再展开。两条路也不存在谁取代谁：API 适合验证期与流量波动大的业务，自部署适合对数据不出域有硬要求的场景。
收个尾。11 月 5 日这一天真正落地的，是一份按时兑现的开放承诺：权重可下、许可可读、路线可查。往后引用这份成绩单时，请把「开放模型第一」连同「第三方初步排名」一起说；把 Terminal-Bench 4.0 的 65.7 标明官方口径；1.56TB 前面保留那个「约」字；许可条件按 LICENSE 原文引，别把 MaaS 门槛和署名条件混成一条。至于这批权重最终催生什么——微调变体、蒸馏小模型、还是新的推理优化方案——要等社区真正动手之后才有答案。