作者注：拿到 Kimi K3.1 Pro 开放权重后，先判断许可证是否约束你的用法，再评估 1.56 TB 权重的自部署门槛。本文按场景给出这两件事的判断方法。
2026 年 11 月 4 日，Moonshot 在 Hugging Face 公开了 Kimi K3.1 Pro 的完整开放权重。这个日期是它 10 月 23 日在应用和 API 上线该模型时承诺的日期。仓库 moonshotai/Kimi-K3.1-Pro 公开可下载，没有设置申请门槛。企业团队拿到权重后，通常会先问两个问题：我们的用法会不会触发许可证限制？自部署需要准备多少资源？
这不是一篇“开放权重等于随便商用”的乐观解读。许可证里有两个带金额和用户量门槛的商业条件，适用对象并不相同。自部署方面，仅权重文件就有 1.56 TB，门槛也不低。
核心价值：读完本文，你能分清两个许可证条件各自约束谁，确认内部使用不受这两个条件约束，并能根据权重体量、精度格式和推荐推理框架，对自部署可行性做出初步判断。
Kimi K3.1 Pro 开放权重核心要点
先用一张表汇总本次发布中与企业决策最相关的信息。
| 要点 | 说明 | 对决策的意义 |
|---|---|---|
| 发布时间 | 10 月 23 日 API 上线，11 月 4 日权重公开 | 按承诺日期兑现，间隔 12 天 |
| 许可证 | 与 Kimi K3 许可证逐字相同，仅更换了名称 | 已评估过 K3 的团队可以直接沿用法务结论 |
| 自由权利 | 使用、修改、微调、再分发均免费 | 内部落地基本没有许可证障碍 |
| 两个商业条件 | 对外卖模型服务的高收入公司需另签协议；超大规模产品需显著署名 | 只影响少数大体量对外业务 |
| 权重体量 | 96 个 safetensors 分片，共 1.56 TB | 需要多机多卡级别的部署能力 |
| 精度格式 | MXFP4 权重 + MXFP8 激活，量化感知训练 | 这就是官方服务时使用的原生精度 |
Kimi K3.1 Pro 发布背景详解
据 ArtificialWatch 的统计，从 7 月到 11 月初，AI 实验室在发布时明确承诺开放权重日期的共有 5 次，5 次都按时兑现。从 API 上线到权重公开，间隔在 0 到 25 天之间，中位数为 12 天。Moonshot 占了其中两次，Kimi K3 和 Kimi K3.1 Pro 都在上线后第 12 天交付权重。对需要提前规划自部署的团队来说，这是一个可参考的节奏信号。
模型本身是在 Kimi K3 基础上做后训练得到的，架构只改了一处：原来的全注意力层换成了 Gated DeepSeek Sparse Attention 层，目的是降低长上下文的计算成本。目前共 93 层，其中 69 层 KDA、24 层 Gated DSA。模型总参数 2.8 万亿，每个 token 激活 1,040 亿，上下文长度 1,048,576 个 token，支持文本和图像输入。
Kimi K3.1 Pro 许可证条件逐条拆解
许可证给出的默认权利范围较宽：使用、修改、微调、再分发都免费。限制只来自两个附加条件，而且两个条件约束的对象不同，需要分开看。
条件一：对外售卖模型访问服务的公司
第一个条件针对的是“把模型访问作为服务出售”的公司，典型形式就是提供 API。如果这类公司在任意 12 个月内收入超过 2,000 万美元，商业使用前需要先与 Moonshot 单独签订协议。这里有两个关键词：一是“售卖模型访问”，二是“任意 12 个月”的滚动窗口，并不按自然年计算。
协议的具体条款目前没有公开资料，费用、分成方式和审批流程都不清楚。原文对“收入”的口径也有理解空间：它指公司整体收入，还是模型服务这部分收入？如果你的业务接近这个门槛，建议让法务直接对照 LICENSE 原文判断，不要只依赖二手解读。
条件二：超大规模产品的署名要求
第二个条件针对产品体量。月活用户超过 1 亿，或月收入超过 2,000 万美元的产品，必须显著展示“Kimi K3.1-Pro”字样。这条只要求署名，不要求另签协议。注意这里的收入门槛按“月”计算，和条件一的“12 个月”口径不同，填写合规清单时容易混淆。
Kimi K3.1 Pro 许可证场景对照
以下判断依据公开报道对许可证的转述整理，正式商用前仍请以 LICENSE 原文和法务意见为准。
| 使用场景 | 是否触发条件一（另签协议） | 是否触发条件二（显著署名） | 判断要点 |
|---|---|---|---|
| 企业内部使用（知识库、内部助手、研发工具） | 否 | 否 | 资料明确说明两个条件均不适用于内部使用 |
| 内部微调后自用 | 否 | 否 | 微调属于免费权利范围 |
| 对外提供 API，近 12 个月收入不超过 2,000 万美元 | 否 | 视产品规模而定 | 需持续监控滚动 12 个月收入 |
| 对外提供 API，任意 12 个月收入超过 2,000 万美元 | 是 | 视产品规模而定 | 商业使用前必须先签协议 |
| C 端产品，月活超过 1 亿或月收入超过 2,000 万美元 | 视是否售卖模型访问而定 | 是 | 需在产品中显著展示模型名 |
| 再分发微调后的权重 | 否 | 否 | 再分发免费，附带义务请核对 LICENSE |
Kimi K3.1 Pro 自部署门槛评估
许可证没有障碍，不代表团队就能部署起来。下表汇总模型卡和公开报道中的部署相关规格。
| 规格项 | 数值 | 部署含义 |
|---|---|---|
| 权重文件 | 96 个 safetensors 分片，合计 1.56 TB | 与 Kimi K3 体量相同，下载和存储都要单独规划 |
| 总参数 / 激活参数 | 2.8 万亿 / 每 token 1,040 亿 | MoE 结构，单次计算量远小于总参数量，但全部权重都要加载 |
| 权重与激活精度 | MXFP4 权重，MXFP8 激活 | 推理框架和硬件需要支持这两种格式 |
| 上下文长度 | 1,048,576 tokens | 长上下文会显著增加 KV Cache 占用 |
| 注意力结构 | 69 层 KDA + 24 层 Gated DSA | 新增的稀疏注意力层需要框架适配 |
| 输入模态 | 文本 + 图像 | 多模态预处理链路也要部署 |
| 推荐推理框架 | vLLM、SGLang、TokenSpeed | 优先选用模型卡推荐的框架 |
MXFP4 量化感知训练对部署精度的含义
这一点最容易被误读。按模型卡说明，Kimi K3.1 Pro 在训练阶段就以 MXFP4 权重、MXFP8 激活的方式进行，也就是量化感知训练。因此 1.56 TB 的文件不是训练完成后再压缩出来的“缩水版”，而是 Moonshot 自己对外提供服务时使用的精度。
这会带来三个实际影响：
- 自部署精度与官方服务一致：只要框架正确支持这些格式，理论上不存在“自部署版比官方 API 更差”的量化损失问题。
- 不建议反量化到更高精度：把权重转换成 BF16 之类的格式，不会恢复额外能力，反而会让显存需求成倍增加。
- 硬件与框架兼容性是关键：MXFP4/MXFP8 需要推理框架和加速卡的支持，选型时要确认框架版本是否已适配这个模型。
Kimi K3.1 Pro 硬件规模的初步推算
公开资料没有给出官方的硬件配置建议和成本数据，下面只是基于文件体量做的推算。仅加载权重就需要超过 1.56 TB 的聚合显存，再加上 KV Cache、激活值和框架开销，实际需求会更高。如果要用满百万 token 上下文，需求还会继续增加。这意味着单机单卡方案基本不可行，团队需要具备多卡甚至多机张量并行或专家并行的部署经验。具体卡型、卡数和成本，建议参考推理框架的官方部署文档，并以小规模压测结果为准。
另外，Moonshot 同期发布了号称速度快 2 到 3 倍的 Kimi K3.1 Pro Highspeed，但目前不清楚它是否是独立的 checkpoint，Hugging Face 上也没有对应仓库。期待用开放权重复现 Highspeed 速度的团队，需要等待官方进一步说明。
Kimi K3.1 Pro 快速上手路径
由于权重体量较大，建议按“先验证能力、再决定是否自部署”的顺序推进，避免在硬件采购上过早投入。
第一步：用 API 验证 Kimi K3.1 Pro 能力
在投入 1.56 TB 级别的部署资源之前，先用 API 跑通自己的业务样本，是成本最低的验证方式。具体可以这样做：
- 准备 50 到 200 条真实业务样本，覆盖长文档、图文混合和代码等典型输入。
- 通过 OpenAI 兼容接口调用模型，把
model参数设为平台提供的 Kimi K3.1 Pro 模型名，记录输出质量和延迟。 - 同时用 1 到 2 个备选模型跑同一批样本，形成横向对比数据。
🚀 快速开始：API易 apiyi.com 提供兼容 OpenAI 与 Anthropic 两种接口格式的统一调用，现有 SDK 只需替换
base_url和 API Key 即可接入。Kimi K3.1 Pro 是否已上线、对应的模型名，请以价格页 https://docs.apiyi.com/models 的列表为准，接入参数见文档中心 docs.apiyi.com。
第二步：Kimi K3.1 Pro 自部署前的检查清单
能力验证通过、确实有自部署需求后，再按以下清单逐项确认：
- 合规确认：对照上文的场景表，确认业务属于内部使用还是对外服务，并让法务审阅 LICENSE 原文。
- 存储与下载：准备至少 1.56 TB 的高速存储，规划 96 个分片的下载与完整性校验。
- 框架选型：在 vLLM、SGLang、TokenSpeed 中选择一个，确认当前版本已支持 Gated DSA 层和 MXFP4/MXFP8 格式。
- 上下文规划：根据业务实际需要设置最大上下文，不必默认开到百万 token，以节省 KV Cache。
- 压测与回归：用第一步积累的样本做对照测试，确认自部署输出与 API 结果一致。
Kimi K3.1 Pro 自部署对比 API 调用
| 维度 | 自部署开放权重 | 通过 API 调用 |
|---|---|---|
| 前期投入 | 高，需要多机多卡和存储 | 低，按调用量付费 |
| 数据控制 | 数据完全留在内网 | 数据需要发送给服务商 |
| 许可证影响 | 内部使用不受两个条件约束 | 由服务商承担对外服务的合规义务 |
| 上线速度 | 需要数周的部署与调优 | 当天即可接入 |
| 运维要求 | 需要专职推理运维 | 基本无运维 |
| 适合阶段 | 规模化、强合规场景 | 能力验证、中小规模业务 |
| 可用渠道 | Hugging Face moonshotai/Kimi-K3.1-Pro |
Moonshot 官方 API；API易 apiyi.com（是否上线以模型列表为准） |
💰 成本说明：API 调用的输入输出单价、缓存价格等计费口径，请以 API易 价格页 https://docs.apiyi.com/models 的实时数据为准，本文不提供未经核实的价格数字。Moonshot 官方 API 价格也请以其官方公布为准。
如何解读 Kimi K3.1 Pro 的排名数据
公开报道称 Kimi K3.1 Pro 目前是“排名最高的开放权重模型”。这个说法有明确的统计口径，评估时应把它当作参考信号，而不是能力结论。
| 指标 | 数值 | 统计口径 |
|---|---|---|
| ArtificialWatch Bench Index | 69.9，在 44 个模型中排第 11 | 在所有给它打分的公开榜单上取百分位，再取中位数，开源和闭源模型混排 |
| 开放权重模型中的位置 | 第 1 | 小幅领先 DeepSeek V4.1 Flash（68） |
| Coding Index | 45.1，在 45 个模型中排第 21 | 编程类榜单，排在另外 4 个开放模型之后 |
需要注意三点。第一，中位百分位反映的是模型在多个榜单上的“相对位置”，并不对应某项具体任务的绝对能力。第二，69.9 和 68 的差距很小，不足以说明两者在你的业务上有明显差别。第三，Kimi K3.1 Pro 的综合排名很靠前，但编程指数相对靠后，以代码生成为主的团队应该重点做专项评测。
常见问题 FAQ
Q1：Kimi K3.1 Pro 开放权重是否可以免费商用？
大部分情况下可以。使用、修改、微调和再分发都免费，只有两类情况需要额外处理：对外售卖模型访问、且任意 12 个月收入超过 2,000 万美元的公司需要另签协议；月活超过 1 亿或月收入超过 2,000 万美元的产品需要显著署名。
Q2：Kimi K3.1 Pro 许可证和 Kimi K3 有什么区别？
根据 ArtificialWatch 对两份文件的逐字比对，两份许可证内容完全相同，只是名称改了。已经完成 K3 合规评估的团队，结论可以直接沿用，但仍建议法务快速复核一遍。
Q3：企业内部部署 Kimi K3.1 Pro 会触发许可证限制吗？
不会。资料明确说明，两个商业条件都不适用于内部使用。内部知识库、研发助手、数据分析等场景，可以直接使用和微调。
Q4：Kimi K3.1 Pro 自部署需要什么硬件？
官方没有公布具体配置和成本。仅权重就有 1.56 TB，加上 KV Cache 后需求更高，因此需要多卡乃至多机集群，并且推理框架要支持 MXFP4/MXFP8 格式。建议先通过 API易 apiyi.com 等 API 渠道验证业务效果，再决定是否投入硬件。
Q5：如何通过 API 快速调用 Kimi K3.1 Pro？
可以使用 Moonshot 官方 API，也可以使用聚合平台。API易 兼容 OpenAI 与 Anthropic 接口格式，现有代码改动很小。接入方式见 docs.apiyi.com，模型是否已上线以及计费标准，以 https://docs.apiyi.com/models 为准。
Q6：Kimi K3.1 Pro Highspeed 版本能自部署吗？
目前不确定。Moonshot 没有说明 Highspeed 是否是独立的 checkpoint，Hugging Face 上也没有对应仓库。现在能下载的只有标准版 `moonshotai/Kimi-K3.1-Pro`。
Q7：Kimi K3.1 Pro 有哪些已知限制？
主要有四点：自部署硬件门槛高，且没有官方配置建议；“另签协议”的条款内容没有公开；编程指数排在另外 4 个开放模型之后；Highspeed 版本的可获得性未知。如果业务涉及这些方面，需要预留评估时间。
Kimi K3.1 Pro 核心要点 Key Takeaways
- 按承诺日期开放：11 月 4 日权重公开，距 API 上线 12 天，仓库不设申请门槛。
- 许可证宽松：使用、修改、微调、再分发都免费，内容与 K3 许可证逐字相同。
- 两个条件对象不同：一个针对高收入的模型服务商，一个针对超大规模产品。
- 内部使用不受限：两个商业条件都不适用于企业内部场景。
- 原生 MXFP4 精度：量化感知训练，自部署精度与官方服务一致。
- 门槛在硬件：1.56 TB 权重需要多机多卡，官方未给出配置建议。
- 先验证再部署：可先通过 API易 apiyi.com 用业务样本验证效果，降低前期投入风险。
总结
Kimi K3.1 Pro 开放权重的核心要点：
- 许可证判断：先确认业务属于内部使用、对外 API 还是大规模 C 端产品，再对照两个商业条件。大多数企业的内部使用不受影响。
- 部署门槛：1.56 TB 的 MXFP4 权重是官方服务时的原生精度，难点在于多机多卡资源和框架适配。
- 排名口径：Bench Index 的 69.9 是多个榜单中位百分位的汇总，只能作为参考信号，编程场景需要单独评测。
对多数团队来说，更稳妥的做法是先用 API 跑通业务样本，确认效果和调用量后，再评估是否值得投入自部署资源。推荐通过 API易 apiyi.com 用统一接口完成多模型对比验证，计费以 https://docs.apiyi.com/models 为准。
📚 参考资料
- ArtificialWatch – Kimi K3.1 Pro 开放权重发布报道：权重文件、许可证与排名分析
- 链接：
artificialwatch.com/wire/kimi-k3-1-pro-open-weights-out -
说明：包含分片数量、精度格式、许可证条件和 Bench Index 数据
-
ArtificialWatch – 开放权重承诺兑现统计：7 月以来各实验室开放权重的时间线
- 链接：
artificialwatch.com/wire/open-weights-promises-five-for-five -
说明：可用于判断厂商开放权重的节奏
-
Hugging Face – Kimi K3.1 Pro 模型仓库：模型卡、LICENSE 原文与权重文件
- 链接：
huggingface.co/moonshotai/Kimi-K3.1-Pro - 说明：许可证条款以此处的 LICENSE 原文为准
作者：APIYI 技术团队
技术交流：欢迎通过 API易 官网 apiyi.com 联系我们，接入文档见 docs.apiyi.com，模型与价格见 docs.apiyi.com/models
