10 月 24 日凌晨，月之暗面发布 Kimi K3.1 Pro，官方博客留了一句话：完整模型权重将在 2026 年 11 月 4 日前发布。

今天就是 11 月 4 日。截至北京时间上午，Hugging Face 上 moonshotai 组织下最新的仓库仍然是 9 月更新过的 Kimi-K3，K3.1 Pro 的权重还没出现——官方没写这个「11 月 4 日」按哪个时区算，按美西时间算，今天还有十几个小时。

但真正值得写的不是「什么时候上线」，而是博客里那一节 Cybersecurity。这是公开开源模型第一次，把「为了让权重可以放出去，主动砍掉一部分能力」写成可量化的账。

一节没被广泛转发的自白

官方给了一个内部基准：xdev-bench-hard。任务是专家筛选的真实漏洞利用题，多数复现 Linux 内核、Node.js、JavaScriptCore、Exim、VirGL 上近期披露的漏洞，且都开着缓解措施。每题给一段有漏洞的源码、一句 bug 提示、以及对应的二进制，agent 要自己写出 exploit、在独立沙箱里拿到任意代码执行、取回一个 secret 字符串来通过自动验证。评分用 pass@3，不限时、不限输出长度。

然后是一组对照：

• 不做任何风险削减的检查点——中期训练不删网络相关数据、强化学习环境不做过滤——解出 90.5%；
• 最终发布的 K3.1 Pro——81.0%。

9.5 个百分点，就是「删数据」在同一个训练管线上的直接代价。官方表述很干脆：数据移除显著降低了网络能力，相对于同样管线本来会产出的结果。

同时官方也承认另一半：K3.1 Pro 在同基准上依然明显强于前代 K3。通用编程和长程调试能力的提升，会在删掉专门数据之后重新泛化回网络任务——这是删数据路线最难看的地方，它不封顶，只是打折。官方还补了一句，K3.1 Pro 的网络能力仍落后于「已经公开可用至少三个月」的闭源前沿模型。

为什么开源厂商要自己动刀

闭源模型发现滥用，可以封 API、可以上过滤层、可以按账号降级。开源权重发出去就召不回来——一旦落到本地，任何补丁都得指望使用者配合。

所以能力控制只能前移到训练环节。这是一条逻辑上唯一可行、但当成本很高的路：你要在训练阶段主动放弃一部分可测量的能力，才能换回「这个权重可以公开」的许可证。

在国产开源模型里，主动剔除一类训练数据并且公开承认能力损失，此前没有先例。海外有一个接近的先例是 OpenAI 的 gpt-oss 系列在发布时附带的能力与安全说明，但公开承认「同一管线、删数据前后跑分差 9.5 分」这种颗粒度的披露，很少见。

这里有个容易忽略的反面：同一逻辑正在把「开源安全」变成一个没有统一标准的自证游戏。 每家公司自己定义基准、自己决定删多少、自己报告前后差值——外界没有可比参照。今天你能看到 90.5 和 81.0 这组数，是因为月之暗面愿意披露；不愿披露的厂商，你连「剪了多少」都无从判断。

模型本体：这一代补的是长程任务

抛开安全那一节，K3.1 Pro 的基本盘是这样：K3 的后训练版本，官方称做了「显著更大规模的后训练算力」，为了在数百个下游领域做联合强化学习，把 RL 框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度全部重做了一遍。定位是 3T 级开放权重模型，100 万 token 上下文，支持图像等多模态输入；媒体口径给出的参数是总参 2.8 万亿、激活 1040 亿。同时发布了 Highspeed 版本，速度是标准版的 2 到 3 倍。

跑分上，官方主推的是两个：

• Terminal-Bench 4.0：65.7%，高于 GPT-6 Astra 的 58.2%，略低于 Claude Opus 5.5 的 66.4%。注意评测口径——K3.1 Pro 用的是 Claude Code harness，而对手分数取自各自博客或官方榜单的最高值，测试设置并不完全一致。
• Kimi Code Bench 3.0 Long-horizon：61.2%，前代 K3 是 55.95%。这是自家基准，看趋势可以，横向比较价值有限。

第三方榜单方面，Artificial Analysis 智能指数给到 55 分（媒体报道口径，称位列全球第四、开源第一；该指数版本迭代较快，具体分值会随榜单更新变动）。按这个口径，开放权重与闭源前沿的差距已经从两位数收到个位数分。

权重发下来，普通人还是用不了

算一笔部署账：2.8 万亿参数，哪怕压到每参数 4 比特，光是权重文件也接近 1.4TB。这不是「家用显卡跑不动」的问题，是「要一台多卡服务器」的问题。

所以这轮开源的真实受益方是三拨人：有自己机房的云厂商和推理服务商、需要私有化微调的垂直团队、以及要做可复现实验的研究机构。个人开发者能拿到的，仍然是 API。

两个待定项得盯着：许可证还没公布（MIT、Apache 2.0 还是自定义商用条款，决定了能不能闭源衍生），以及主流量化与推理框架的适配时间（vLLM、SGLang 的支持往往滞后于权重发布数周）。企业侧还有一个细节——Kimi Enterprise 管理员默认关闭 K3.1 Pro 开关，需要手动启用。

一份不好看的商业账

第三方测算给了一组更有意思的数：K3.1 Pro 相比 K3 单价降了约三分之一，用量涨了 14%，落到单任务成本上几乎是平的——2.11 美元对 2.00 美元。

翻译一下：降价并没有带来单位成本的下降，只是换来了更强的能力。 对开发者是好消息，对「降价换收入增长」的叙事不是。同期还有报道称月之暗面上一轮估值约 500 亿美元、计划 2027 年一季度在港上市——高端定位撑起来的收入曲线，才是这套估值的地基。

接下来该看什么

开源竞赛的计分方式确实变了。上一阶段的口号是「追上闭源」，比的是榜单分数能不能看齐 GPT 和 Claude；现在比的是「能不能被广泛复用」——权重放出去，推理厂商、云服务商、垂直创业团队、科研机构各自做二次开发，衍生出行业微调版、端侧精简版、专用 Agent 方案。每一次落地都会反过来丰富这套模型的案例。

但这次真正的分水岭不在分数，在于厂商愿不愿意为了「可以公开」而主动降能力。三件事值得持续观察：

1. 许可证。 商用条款的松紧，直接决定生态能不能长起来。
2. 量化生态。 权重是 11 月 4 日发了，还是「11 月 4 日之后的两周」才真正能跑起来，这才是工程视角的发布日期。
3. 删数据会不会变成默认动作。 如果它成为开源发布的标配，那么以后判断一个开源模型，除了看跑分，还要看它「没做什么」——而后者目前几乎没有披露规范。

参考来源

• Kimi K3.1 Pro 官方技术博客（含 Cybersecurity 章节与评测脚注）：https://www.kimi.ai/blog/kimi-k3-1-pro
• 月之暗面官方 X 发布帖：https://x.com/Kimi_Moonshot/status/2113680701770068067
• Hugging Face moonshotai 组织页（权重上线位置，截至发稿仍为 Kimi-K3）：https://huggingface.co/moonshotai
• 微信公众号核查文章《Kimi K3.1 Pro 说好 11 月 4 日前开源权重，截至发稿还没见到》（北京时间 11 月 4 日 06:44 核查）
• 投资界《价格战在中国大模型行业结束了，但成本战才刚开始》（单价与单任务成本测算、删数据说明引述）：https://m.pedaily.cn/news/571282
• CSDN DevPress《2.8 万亿参数的 Kimi K3.1 Pro 开源了：本地部署显存测算与三条路径》（参数、AA 指数与部署成本口径）：https://devpress.csdn.net/aibjcy/6ae94a5d40858c2d8818198d.html
• 同花顺《计算机行业周报（20261026—20261031）》引 Kimi 官网：https://m.10jqka.com.cn/20261103/c681423582.shtml