Kimi K3.1 Pro 오픈 웨이트 해석: 2가지 라이선스 조건과 1.56TB 자체 배포 기준

작성자 노트: Kimi K3.1 Pro 오픈 웨이트를 받았다면 먼저 라이선스가 여러분의 사용 방식을 제약하는지 판단하고, 그다음 1.56TB 웨이트의 자체 배포 진입 장벽을 따져보세요. 이 글에서는 상황별로 이 두 가지를 판단하는 방법을 정리했어요.

2026년 11월 4일, Moonshot은 Hugging Face에 Kimi K3.1 Pro의 전체 오픈 웨이트를 공개했어요. 이 날짜는 10월 23일 앱과 API에 이 모델을 출시하면서 약속했던 날짜예요. moonshotai/Kimi-K3.1-Pro 리포지토리는 별도 신청 없이 누구나 내려받을 수 있어요. 기업 팀이 웨이트를 받으면 보통 먼저 두 가지를 물어요. 우리 사용 방식이 라이선스 제한에 걸릴까? 자체 배포에는 리소스를 얼마나 준비해야 할까?

이 글은 “오픈 웨이트 = 마음대로 상업적 이용”이라는 낙관적 해석이 아니에요. 라이선스에는 금액과 사용자 수 기준이 붙은 두 가지 상업적 조건이 있는데, 적용 대상이 서로 달라요. 자체 배포 쪽도 웨이트 파일만 1.56TB라서 진입 장벽이 낮지 않아요.

핵심 가치: 이 글을 다 읽으면 두 라이선스 조건이 각각 누구를 제약하는지 구분할 수 있고, 내부 사용은 이 두 조건의 제약을 받지 않는다는 점을 확인할 수 있어요. 또 웨이트 크기, 정밀도 포맷, 권장 추론 프레임워크를 바탕으로 자체 배포 가능성을 1차 판단할 수 있어요.

Kimi K3.1 Pro 공개 가중치 핵심 요점

먼저 이번 공개에서 기업 의사결정과 가장 관련 깊은 정보를 한 표로 정리해 볼게요.

요점	설명	의사결정에 미치는 영향
공개 일정	10월 23일 API 출시, 11월 4일 가중치 공개	약속한 날짜를 지켰고, 간격은 12일
라이선스	Kimi K3 라이선스와 글자 단위로 동일하고, 이름만 바뀌었어요	K3를 이미 검토한 팀은 법무 결론을 그대로 이어갈 수 있어요
자유 권한	사용, 수정, 파인튜닝, 재배포 모두 무료	내부 도입에는 라이선스 장벽이 거의 없어요
두 가지 상업 조건	모델 서비스를 외부에 판매하는 고매출 기업은 별도 계약이 필요하고, 초대규모 제품에는 눈에 띄는 출처 표시가 필요해요	소수의 대형 외부 사업에만 영향을 줘요
가중치 규모	safetensors 96개 샤드, 총 1.56TB	멀티 노드·멀티 GPU 수준의 배포 역량이 필요해요
정밀도 형식	MXFP4 가중치 + MXFP8 활성화, 양자화 인식 학습	공식 서비스에서 쓰는 네이티브 정밀도예요

Kimi K3.1 Pro 공개 배경 자세히 보기

ArtificialWatch 집계에 따르면, 7월부터 11월 초까지 AI 연구소가 발표 시점에 가중치 공개 날짜를 명확히 약속한 사례는 총 5번이었고, 5번 모두 제때 이행됐어요. API 출시부터 가중치 공개까지의 간격은 0~25일이었고, 중앙값은 12일이었어요. Moonshot이 그중 두 건을 차지했는데, Kimi K3와 Kimi K3.1 Pro 모두 출시 후 12일째에 가중치를 공개했어요. 자체 배포를 미리 계획해야 하는 팀에게는 참고할 만한 일정 신호예요.

모델 자체는 Kimi K3를 기반으로 포스트 트레이닝한 것이고, 아키텍처는 단 한 곳만 바뀌었어요. 기존의 전체 어텐션 레이어를 Gated DeepSeek Sparse Attention 레이어로 교체했고, 목적은 긴 컨텍스트의 계산 비용을 줄이는 거예요. 현재 총 93개 레이어이며, 그중 69개가 KDA, 24개가 Gated DSA예요. 모델의 총 파라미터는 2.8조 개, 토큰당 1,040억 개가 활성화되며, 컨텍스트 길이는 1,048,576토큰이고 텍스트와 이미지 입력을 지원해요.

Kimi K3.1 Pro 라이선스 조건을 하나씩 뜯어보기

라이선스가 기본적으로 부여하는 권리 범위는 꽤 넓어요. 사용, 수정, 파인튜닝, 재배포가 모두 무료죠. 제한은 두 가지 추가 조건에서만 발생하는데, 두 조건이 규율하는 대상이 서로 달라서 나눠서 볼 필요가 있어요.

조건 1: 모델 접근 서비스를 외부에 판매하는 회사

첫 번째 조건은 “모델 접근을 서비스로 판매하는” 회사를 겨냥해요. 대표적인 형태가 API 제공이죠. 이런 회사의 매출이 임의의 12개월 동안 2,000만 달러를 넘으면, 상업적 사용 전에 Moonshot과 별도 계약을 먼저 체결해야 해요. 여기서 눈여겨볼 키워드는 두 가지예요. 하나는 “모델 접근 판매”, 다른 하나는 “임의의 12개월”이라는 롤링 윈도우예요. 역년 기준으로 계산하는 게 아니에요.

계약의 구체적인 조건은 아직 공개된 자료가 없어요. 비용, 수익 배분 방식, 승인 절차 모두 명확하지 않죠. 원문의 “매출” 기준도 해석의 여지가 있어요. 회사 전체 매출을 뜻하는지, 모델 서비스 부분의 매출만 뜻하는지가 불분명해요. business가 이 기준에 가까워지고 있다면, 2차 해석에만 의존하지 말고 법무팀이 LICENSE 원문을 직접 대조해 판단하는 게 좋아요.

조건 2: 초대규모 제품의 출처 표시 요구

두 번째 조건은 제품 규모를 봐요. 월간 활성 사용자(MAU)가 1억 명을 넘거나 월 매출이 2,000만 달러를 넘는 제품은 “Kimi K3.1-Pro”라는 문구를 눈에 띄게 표시해야 해요. 이 조항은 출처 표시만 요구하고, 별도 계약은 요구하지 않아요. 여기서 매출 기준은 “월” 단위로 계산한다는 점에 주의해야 해요. 조건 1의 “12개월” 기준과 달라서 컴플라이언스 체크리스트를 작성할 때 헷갈리기 쉬워요.

Kimi K3.1 Pro 라이선스 시나리오 비교

아래 판단은 공개 보도에서 라이선스를 전한 내용을 정리한 것이에요. 정식 상업적 사용 전에는 여전히 LICENSE 원문과 법무 의견을 기준으로 삼아야 해요.

사용 시나리오	조건 1(별도 계약) 해당 여부	조건 2(눈에 띄는 출처 표시) 해당 여부	판단 포인트
기업 내부 사용(지식 베이스, 내부 어시스턴트, 개발 도구)	아니요	아니요	자료에 두 조건 모두 내부 사용에는 적용되지 않는다고 명시돼 있어요
내부에서 파인튜닝 후 자체 사용	아니요	아니요	파인튜닝은 무료 권리 범위에 포함돼요
외부에 API 제공, 최근 12개월 매출 2,000만 달러 이하	아니요	제품 규모에 따라 다름	롤링 12개월 매출을 계속 모니터링해야 해요
외부에 API 제공, 임의의 12개월 매출 2,000만 달러 초과	예	제품 규모에 따라 다름	상업적 사용 전 반드시 계약을 먼저 체결해야 해요
C엔드 제품, MAU 1억 초과 또는 월 매출 2,000만 달러 초과	모델 접근 판매 여부에 따라 다름	예	제품에 모델명을 눈에 띄게 표시해야 해요
파인튜닝한 가중치 재배포	아니요	아니요	재배포는 무료예요. 부수 의무는 LICENSE에서 확인하세요

Kimi K3.1 Pro 자체 배포 진입 장벽 평가

라이선스에 문제가 없다고 해서 팀이 바로 배포할 수 있는 건 아니에요. 아래 표는 모델 카드와 공개 보도에 나온 배포 관련 사양을 정리한 거예요.

사양 항목	값	배포 시 의미
가중치 파일	96개 safetensors 샤드, 총 1.56 TB	Kimi K3와 같은 규모라서 다운로드와 저장 공간을 별도로 계획해야 해요
전체 파라미터 / 활성 파라미터	2.8조 / 토큰당 1,040억	MoE 구조라서 한 번의 연산량은 전체 파라미터 수보다 훨씬 적지만, 모든 가중치를 로드해야 해요
가중치 및 활성화 정밀도	MXFP4 가중치, MXFP8 활성화	추론 프레임워크와 하드웨어가 두 형식을 지원해야 해요
컨텍스트 길이	1,048,576 tokens	긴 컨텍스트는 KV Cache 점유를 크게 늘려요
어텐션 구조	KDA 69개 레이어 + Gated DSA 24개 레이어	새로 추가된 희소 어텐션 레이어는 프레임워크 지원이 필요해요
입력 모달리티	텍스트 + 이미지	멀티모달 전처리 파이프라인도 배포해야 해요
권장 추론 프레임워크	vLLM, SGLang, TokenSpeed	모델 카드에서 권장하는 프레임워크를 우선 선택하세요

MXFP4 양자화 인식 학습이 배포 정밀도에 주는 의미

이 부분이 가장 오해하기 쉬워요. 모델 카드 설명에 따르면 Kimi K3.1 Pro는 학습 단계부터 MXFP4 가중치, MXFP8 활성화 방식으로 진행돼요. 즉, 양자화 인식 학습(QAT)을 적용한 거예요. 그래서 1.56 TB 파일은 학습이 끝난 뒤 압축해서 만든 ‘축소판’이 아니라, Moonshot이 자체 서비스를 제공할 때 쓰는 정밀도예요.

여기에는 세 가지 실제 영향이 있어요.

자체 배포 정밀도가 공식 서비스와 일치해요: 프레임워크가 이 형식들을 올바르게 지원하기만 하면, 이론상 ‘자체 배포 버전이 공식 API보다 나쁘다’는 양자화 손실 문제는 없어요.
더 높은 정밀도로 역양자화하는 건 권장하지 않아요: 가중치를 BF16 같은 형식으로 변환해도 추가 성능이 되살아나지 않고, 오히려 GPU 메모리 요구량이 몇 배로 늘어나요.
하드웨어와 프레임워크 호환성이 핵심이에요: MXFP4/MXFP8은 추론 프레임워크와 가속 카드의 지원이 필요하므로, 하드웨어와 프레임워크를 선정할 때 해당 버전이 이 모델에 맞춰 지원되는지 확인해야 해요.

Kimi K3.1 Pro 하드웨어 규모 초기 추산

공개 자료에는 공식 하드웨어 구성 권장 사항과 비용 데이터가 없어요. 아래 내용은 파일 크기를 바탕으로 한 추산일 뿐이에요. 가중치만 로드해도 1.56 TB가 넘는 총 GPU 메모리가 필요하고, 여기에 KV Cache, 활성화 값, 프레임워크 오버헤드까지 더하면 실제 요구량은 더 높아져요. 100만 토큰 컨텍스트를 전부 활용하려면 요구량은 더 늘어나요. 이는 단일 머신·단일 GPU 구성이 사실상 불가능하다는 뜻이고, 팀은 멀티 GPU는 물론 멀티 머신 텐서 병렬화나 전문가 병렬화 배포 경험을 갖춰야 해요. 구체적인 GPU 모델, 수량, 비용은 추론 프레임워크의 공식 배포 문서를 참고하고, 소규모 스트레스 테스트 결과를 기준으로 삼는 걸 권장해요.

또한 Moonshot은 같은 시기에 2~3배 빠르다고 내세운 Kimi K3.1 Pro Highspeed를 공개했지만, 현재 이것이 독립적인 체크포인트인지는 분명하지 않고 Hugging Face에도 해당 저장소가 없어요. 오픈 가중치로 Highspeed 속도를 재현하려는 팀은 공식적인 추가 설명을 기다려야 해요.

Kimi K3.1 Pro 빠른 시작 경로

가중치 용량이 크기 때문에 “먼저 성능을 검증하고, 그다음 자체 배포 여부를 결정”하는 순서로 진행하는 게 좋아요. 하드웨어 구매에 너무 일찍 투자하는 일을 피할 수 있거든요.

1단계: API로 Kimi K3.1 Pro 성능 검증하기

1.56TB 규모의 배포 리소스에 투자하기 전에, 먼저 API로 자사 업무 샘플을 돌려보는 것이 비용이 가장 낮은 검증 방법이에요. 구체적으로는 이렇게 해볼 수 있어요.

50~200개의 실제 업무 샘플을 준비하고, 긴 문서, 이미지와 텍스트가 섞인 입력, 코드 등 대표적인 입력을 포함하세요.
OpenAI 호환 인터페이스로 모델을 호출할 때 model 파라미터를 플랫폼에서 제공하는 Kimi K3.1 Pro 모델명으로 설정하고, 출력 품질과 지연 시간을 기록하세요.
동시에 1~2개의 대체 모델로 같은 샘플을 실행해 교차 비교 데이터를 만들어 두세요.

🚀 빠른 시작: APIYI apiyi.com은 OpenAI와 Anthropic 두 인터페이스 형식을 모두 지원하는 통합 호출을 제공해요. 기존 SDK에서는 base_url과 API 키만 바꾸면 연결할 수 있죠. Kimi K3.1 Pro의 출시 여부와 해당 모델명은 가격 페이지 https://docs.apiyi.com/models 의 목록을 기준으로 확인하고, 연동 파라미터는 문서 센터 docs.apiyi.com에서 확인하세요.

2단계: Kimi K3.1 Pro 자체 배포 전 체크리스트

성능 검증을 통과했고 자체 배포가 정말 필요한 경우에만 아래 체크리스트를 항목별로 확인하세요.

규정 준수 확인: 위의 시나리오 표를 참고해 업무가 내부 사용인지 외부 서비스인지 확인하고, 법무팀이 LICENSE 원문을 검토하도록 하세요.
스토리지 및 다운로드: 최소 1.56TB의 고속 스토리지를 준비하고, 96개 샤드의 다운로드와 무결성 검증을 계획하세요.
프레임워크 선택: vLLM, SGLang, TokenSpeed 중 하나를 선택하고, 현재 버전이 Gated DSA 레이어와 MXFP4/MXFP8 형식을 지원하는지 확인하세요.
컨텍스트 계획: 업무상 실제 필요에 따라 최대 컨텍스트를 설정하세요. 기본값으로 100만 토큰까지 열 필요는 없으며, KV Cache를 아끼는 편이 좋아요.
부하 테스트 및 회귀 테스트: 1단계에서 모은 샘플로 대조 테스트를 진행해 자체 배포 출력이 API 결과와 일치하는지 확인하세요.

Kimi K3.1 Pro 자체 배포와 API 호출 비교

차원	자체 배포 오픈 가중치	API 호출
초기 투자	높음, 멀티 머신·멀티 GPU와 스토리지 필요	낮음, 호출량 기반 과금
데이터 통제	데이터가 전적으로 내부망에 유지됨	데이터를 서비스 제공자에게 전송해야 함
라이선스 영향	내부 사용은 두 조건의 제약을 받지 않음	서비스 제공자가 외부 서비스의 규정 준수 의무를 부담
출시 속도	수 주간의 배포와 튜닝 필요	당일 연동 가능
운영 요구 사항	전담 추론 운영 필요	거의 운영 불필요
적합한 단계	규모화·규제 준수 요건이 강한 시나리오	성능 검증, 중소 규모 업무
사용 가능 채널	Hugging Face `moonshotai/Kimi-K3.1-Pro`	Moonshot 공식 API; APIYI apiyi.com(출시 여부는 모델 목록 기준)

💰 비용 안내: API 호출의 입력·출력 단가, 캐시 가격 등 과금 기준은 APIYI 가격 페이지 https://docs.apiyi.com/models 의 실시간 데이터를 기준으로 확인해 주세요. 이 글에서는 검증되지 않은 가격 숫자를 제공하지 않아요. Moonshot 공식 API 가격 역시 공식 발표를 기준으로 확인하세요.

Kimi K3.1 Pro의 순위 데이터를 어떻게 해석할까

공개 보도에서는 Kimi K3.1 Pro를 현재 “순위가 가장 높은 오픈 웨이트 모델”이라고 설명해요. 다만 이 표현에는 명확한 통계 기준이 있으므로, 능력에 대한 결론이라기보다 참고 신호로 받아들이는 게 좋아요.

지표	수치	통계 기준
ArtificialWatch Bench Index	69.9, 44개 모델 중 11위	점수를 매긴 모든 공개 리스트에서 백분위를 구한 뒤 중앙값을 사용하며, 오픈소스와 클로즈드소스 모델을 함께 섞어 평가
오픈 웨이트 모델 중 위치	1위	DeepSeek V4.1 Flash(68)를 소폭 앞섬
Coding Index	45.1, 45개 모델 중 21위	코딩 부문 리스트에서 다른 오픈 모델 4개보다 뒤에 위치

세 가지를 짚어볼 필요가 있어요. 첫째, 중앙 백분위는 여러 리스트에서 모델이 차지하는 “상대적 위치”를 보여줄 뿐, 특정 작업에서의 절대적인 능력과 대응하지는 않아요. 둘째, 69.9와 68의 차이는 매우 작아서 두 모델이 여러분의 비즈니스에서 뚜렷한 차이를 보인다고 단정하기는 어려워요. 셋째, Kimi K3.1 Pro는 종합 순위가 상당히 앞서지만 코딩 지수는 상대적으로 뒤처지므로, 코드 생성이 중심인 팀이라면 별도의专项 평가를 반드시 진행해야 해요.

자주 묻는 질문 FAQ

Q1: Kimi K3.1 Pro 오픈 웨이트를 무료로 상업적 이용할 수 있나요?

대부분의 경우 가능해요. 사용, 수정, 파인튜닝, 재배포는 모두 무료이고, 두 가지 경우에만 별도 처리가 필요해요. 모델 접근 권한을 외부에 판매하면서 최근 12개월 매출이 2,000만 달러를 넘는 기업은 별도 계약을 체결해야 하고, 월간 활성 사용자(MAU)가 1억 명을 넘거나 월 매출이 2,000만 달러를 넘는 제품은 눈에 띄게 출처를 표시해야 해요.

Q2: Kimi K3.1 Pro 라이선스는 Kimi K3와 무엇이 다른가요?

ArtificialWatch가 두 문서를 단어 단위로 비교한 결과, 두 라이선스의 내용은 완전히 동일하고 이름만 바뀌었어요. 이미 K3 컴플라이언스 평가를 마친 팀이라면 기존 결론을 그대로 이어서 쓸 수 있지만, 법무팀이 한 번 더 빠르게 검토해 보는 것을 권장해요.

Q3: 기업 내부에 Kimi K3.1 Pro를 배포하면 라이선스 제한에 걸리나요?

아니요. 자료에 두 가지 상업적 조건 모두 내부 사용에는 적용되지 않는다고 명확히 밝히고 있어요. 내부 지식 베이스, 연구개발 어시스턴트, 데이터 분석 같은 시나리오에서는 바로 사용하고 파인튜닝할 수 있어요.

Q4: Kimi K3.1 Pro를 직접 배포하려면 어떤 하드웨어가 필요한가요?

공식적으로 구체적인 구성과 비용은 공개되지 않았어요. 가중치만 1.56 TB이고 KV 캐시까지 더하면 요구량은 더 커지기 때문에, 멀티 GPU는 물론 멀티 노드 클러스터가 필요하고 추론 프레임워크가 MXFP4/MXFP8 포맷을 지원해야 해요. 먼저 APIYI apiyi.com 같은 API 채널로 비즈니스 효과를 검증한 뒤 하드웨어 투자 여부를 결정하는 걸 권장해요.

Q5: API로 Kimi K3.1 Pro를 빠르게 호출하려면 어떻게 하나요?

Moonshot 공식 API를 사용해도 되고, 애그리게이션 플랫폼을 이용해도 돼요. APIYI는 OpenAI와 Anthropic 인터페이스 형식과 호환되어 기존 코드 수정이 아주 적어요. 연동 방법은 docs.apiyi.com에서 확인할 수 있고, 모델 출시 여부와 과금 기준은 https://docs.apiyi.com/models 를 기준으로 해요.

Q6: Kimi K3.1 Pro Highspeed 버전도 직접 배포할 수 있나요?

현재로서는 확실하지 않아요. Moonshot은 Highspeed가 독립적인 체크포인트인지 밝히지 않았고, Hugging Face에도 해당 저장소가 없어요. 지금 다운로드할 수 있는 것은 표준 버전 `moonshotai/Kimi-K3.1-Pro`뿐이에요.

Q7: Kimi K3.1 Pro에는 어떤 알려진 제한이 있나요?

주로 네 가지예요. 자체 배포의 하드웨어 진입 장벽이 높은데 공식 구성 권장 사항이 없어요. “별도 계약” 조항의 내용이 공개되지 않았어요. 프로그래밍 지수에서 다른 오픈 모델 4개보다 뒤처져요. Highspeed 버전의 입수 가능성이 불확실해요. 비즈니스가 이런 부분과 관련된다면 평가에 필요한 시간을 넉넉히 확보해야 해요.

Kimi K3.1 Pro 핵심 요점 Key Takeaways

약속한 날짜에 공개: 11월 4일 가중치가 공개됐고, API 출시로부터 12일 만이에요. 저장소에는 신청 조건이 없어요.
관대한 라이선스: 사용, 수정, 파인튜닝, 재배포가 모두 무료이며, 내용은 K3 라이선스와 글자 단위로 동일해요.
두 조건의 대상이 달라요: 하나는 고수익 모델 서비스 제공자를, 다른 하나는 초대규모 제품을 겨냥해요.
내부 사용은 제한 없음: 두 상업적 조건 모두 기업 내부 시나리오에는 적용되지 않아요.
네이티브 MXFP4 정밀도: 양자화 인식 학습을 적용해, 자체 배포 시 정밀도가 공식 서비스와 일치해요.
관건은 하드웨어: 1.56 TB 가중치는 멀티 노드·멀티 GPU가 필요하고, 공식 측은 구성 권장안을 제시하지 않았어요.
검증 후 배포: 먼저 APIYI apiyi.com을 통해 업무 샘플로 효과를 검증하면 초기 투자 리스크를 줄일 수 있어요.

정리

Kimi K3.1 Pro의 가중치 공개 핵심 요점은 다음과 같아요.

라이선스 판단: 먼저 비즈니스가 내부 사용인지, 외부 API인지, 대규모 C엔드 제품인지 확인한 뒤 두 상업적 조건과 대조하세요. 대부분 기업의 내부 사용은 영향을 받지 않아요.
배포 장벽: 1.56 TB의 MXFP4 가중치는 공식 서비스 시의 네이티브 정밀도이며, 어려운 점은 멀티 노드·멀티 GPU 자원과 프레임워크 적응에 있어요.
벤치마크 기준: Bench Index의 69.9는 여러 리더보드의 중위 백분위를 집계한 값이라 참고 신호로만 쓸 수 있고, 코딩 시나리오는 별도로 평가해야 해요.

대부분 팀에게는 먼저 API로 업무 샘플을 돌려보고, 효과와 호출량을 확인한 다음 자체 배포 자원에 투자할 가치가 있는지 판단하는 편이 더 안전해요. APIYI apiyi.com을 통해 통합 인터페이스로 여러 모델을 비교 검증하는 것을 권장하며, 과금 기준은 https://docs.apiyi.com/models 를 참고하세요.

📚 참고 자료

ArtificialWatch – Kimi K3.1 Pro 오픈 웨이트 공개 보도: 웨이트 파일, 라이선스 및 순위 분석
링크: artificialwatch.com/wire/kimi-k3-1-pro-open-weights-out
설명: 샤드 수, 정밀도 형식, 라이선스 조건 및 Bench Index 데이터 포함
ArtificialWatch – 오픈 웨이트 약속 이행 통계: 7월 이후 각 연구소의 오픈 웨이트 공개 타임라인
링크: artificialwatch.com/wire/open-weights-promises-five-for-five
설명: 각 사업자의 오픈 웨이트 공개 속도를 가늠하는 데 활용 가능
Hugging Face – Kimi K3.1 Pro 모델 저장소: 모델 카드, LICENSE 원문 및 웨이트 파일
링크: huggingface.co/moonshotai/Kimi-K3.1-Pro
설명: 라이선스 조항은 이곳의 LICENSE 원문을 기준으로 해요

작성자: APIYI 기술팀
기술 교류: APIYI 공식 웹사이트 apiyi.com을 통해 문의해 주세요. 연동 문서는 docs.apiyi.com, 모델과 가격은 docs.apiyi.com/models에서 확인할 수 있어요

Kimi K3.1 Pro 오픈 웨이트 해석: 2가지 라이선스 조건과 1.56TB 자체 배포 기준