Kimi K3.1 Pro 放出 2.8T 权重，终端榜离 Opus 5.5 只差 0.7 分

2.8T 和 104B，分别决定两件不同的事

K3.1 Pro 是 Mixture-of-Experts 结构。模型卡写明共 896 个专家，每个 token 选用 16 个，另有 2 个共享专家。所以 104B 大体对应每次推理实际动用的规模，而 2.8T 是整个模型的体量。

后者决定了它很难被「下载到本地玩一玩」。权重以 MXFP4 量化形式发布，激活用 MXFP8，且属于量化感知训练；就算只按每参数 4 比特粗算，也要约 1.4TB（这是我们的估算，非官方数字）。模型卡推荐 vLLM、SGLang、TokenSpeed 三种推理引擎，没有给出硬件配置建议。对大多数人来说，这份权重的直接意义是多了可以托管它的服务商，而不是多了一个本地选项。

Moonshot 自己排的榜上，Opus 5.5 在哪

下面的数字都来自 Moonshot 的博客和模型卡，部分基准是内部的，尚未经独立验证：

• Terminal-Bench 4.0：K3.1 Pro 65.7，Opus 5.5 66.4
• SWE Marathon v1.1：K3.1 Pro 51.7，Opus 5.5 46.3
• OfficeQA Pro v2：K3.1 Pro 64.4，Opus 5.5 62.2
• Program Bench：K3.1 Pro 31.5，Opus 5.5 65.0
• Terminal-Bench-Science 0.1：K3.1 Pro 38.1，Opus 5.5 63.3
• 幻觉率 Kimi Hallu Bench Hard（带工具）：K3.1 Pro 8.3%，Opus 5.5 15.0%

同样是写代码和跑终端，差距可以从不到 1 分拉到一倍有余。一个厂商挑选展示的表格尚且如此，只引用标题里那 0.7 分显然不够。幻觉率一项 Opus 5.5 成绩偏弱，但这是 Moonshot 自建的对抗性测试，Moonshot 自己也说它不代表日常错误率。第三方参考目前不多，据 letsdatascience 转述 Simon Willison 的报道，K3.1 Pro 在 Artificial Analysis 指数中排名靠前。

Anthropic 兼容，不等于换个地址就完事

接口兼容这条对 Claude 用户最有吸引力：标准档价格据报道是每百万 token 输入 2 美元、输出 10 美元，而按 Anthropic 消息格式写好的客户端理论上改动不大。不过模型卡里有两处细节值得先读：

• 多轮对话和工具调用时，要把完整的 assistant 消息回传，包括 reasoning_content 和 tool_calls。会裁剪历史消息的客户端和网关可能在这里出问题。
• reasoning_effort 支持 low、high、max，默认就是 max。不手动调低，账单和延迟都按最高档走。

Moonshot 的博客提到 Claude Code 和 Codex，也只是作为评测用的工具框架，并没有写接入教程。把 Claude Code 指向第三方端点确实是不少人的用法，但那时候跑的已经不是 Claude，模型行为和用量规则都要重新摸底，原来那套稳定使用的配置经验也只有一部分还用得上。

开放权重的两层附加条件

TG 上流传的说法是「开源」，严格讲它用的是自定义的 Kimi K3.1 Pro License。商用原则上允许，但年收入超过 2000 万美元的模型即服务业务，要先和 Moonshot 另签协议；月活过 1 亿或月收入过 2000 万美元的商业产品，要在界面上醒目标注模型名。内部使用，以及通过官方产品或认证推理伙伴使用，不受这两条约束。

另一层是网络攻防能力。Moonshot 称已从中期训练语料和强化学习环境中移除网络安全相关内容，内部漏洞利用基准 xdev-bench-hard 上，未处理的检查点成功率为 90.5%，发布版为 81%，上一代 K3 是 33.3%。官方的表述是它仍落后于已公开至少三个月的前沿闭源模型，并计划逐步提高开放权重的网络能力。

删掉一批训练数据，只换来 9.5 个百分点的下降，而且发布版比上一代仍高出一倍多。这也是开放权重和闭源产品在管控上的根本差别：Claude Code 的游戏复刻规则写在提示词里，一周之内就能改口径；这份权重放出去之后，Moonshot 手里已经没有能再调的那两句话了。