Moonshot AI 在 Huggingface 上发布了拥有 2.8T 参数的庞大模型 Kimi K3.1 Pro 权重。

在 Terminal-Bench 上，它与 Claude 5.5 展开了正面交锋

采用 4-bit 权重进行训练，发布时也保持该精度，避免了 16-bit 副本所需的 5.6TB 空间。

Moonshot 追溯到其通用中期训练语料库和 RL 环境中隐藏的网络内容会导致漏洞利用技能稳步上升，并在开放权重之前将其全部移除。

在 Moonshot 自己的测试中，该模型在 Terminal-Bench 4.0 上的得分为 65.7%，接近 Claude Opus 5.5 的 66.4%，但在不使用工具的情况下，在 HLE-Diamond 上仅达到 39.4%，而 GPT-6 Astra 为 65.8%。

每个 token 仅激活 104B 个参数，其 93 层中有 69 层使用线性注意力机制，这使得处理 1M token 的上下文成本更低。

其修改后的 MIT 许可证豁免了内部使用，但要求年收入超过 2000 万美元的模型托管公司进行谈判，从而限制了可能压低该公司自身 API 价格的转售商。