全球最大开源模型再上新：Kimi K3.1 Pro 与"大而不慢"的路线之争

10 月 24 日凌晨，月之暗面发布了新一代开源大模型 Kimi K3.1 Pro。据报道，该模型总参数达 3 万亿级，单次响应仅激活约 1040 亿参数，支持 100 万 token 的上下文窗口，并将于 11 月 4 日前发布完整模型权重。继 7 月 Kimi K3（2.8 万亿参数）之后，中国团队再次刷新了"全球参数规模最大的开源模型"这一纪录。

如果说上周的 Reflection Beam（501B）和 Meta Muse Spark Open（816B）代表的是"美国开源"的反击，那么 Kimi K3.1 Pro 则把开源竞赛的标尺推到了另一个数量级。但这篇文章想讨论的不是参数纪录本身，而是它背后一条越来越清晰的技术路线：模型越来越大，激活的却越来越少；上下文越来越长，推理却越来越快。

一、3 万亿参数，1040 亿激活：MoE 的"大而不慢"逻辑

Kimi K3.1 Pro 的参数结构值得拆开看。总参数 3 万亿级，单次激活约 1040 亿，激活比例只有 3% 左右。作为对比，Beam 是 501B 总参数、23B 激活，Muse Spark Open 是 816B 总参数、42B 激活。Kimi 的绝对激活量最大，但稀疏程度也最高。

这正是混合专家（MoE）架构的精髓：模型像一支由成千上万名专家组成的团队，每个 token 只被路由到少数几位专家手里。总参数决定了模型"懂得多少"，激活参数决定了"算得有多贵"。过去人们担心 MoE 的路由开销和专家负载不均会吃掉规模红利，但 Kimi 这一代显然把这条路走通了——至少在官方给出的评测里，规模没有变成负担。

更值得注意的是发布策略：Kimi K3.1 Pro 是 K3 的"后训练版本"，即基座规模没有大变，增量主要来自后训练算力的大幅增加。这说明，在基座已经足够大的前提下，强化学习和后训练正在成为拉开差距的主战场，而不是单纯地堆预训练 token。月之暗面称，模型在数百个领域的反复训练中"越练越聪明"——这句话的潜台词是：长程任务能力的提升，更多来自 RL 阶段对"如何做事"的学习，而非预训练阶段对"知道什么"的记忆。

二、从"答题"到"干活"：评测风向的转变

Kimi K3.1 Pro 官方强调的三个亮点——代码、3D 创作、金融研究——有一个共同点：它们都不是单轮问答，而是长程、多步骤、需要调用专业工具的任务。

据报道，在评估命令行编程能力的 Terminal-Bench 4.0 测试中，Kimi K3.1 Pro 获得 65.7 分，高于 GPT-6 Astra 的 58.2 分，紧逼 Claude Opus 5.5 的 66.4 分。这个数字之所以值得单独拎出来，是因为 Terminal-Bench 测的不是"会不会写代码"，而是"能不能在一个真实的命令行环境里独立完成一整件事"：装环境、查文档、跑测试、修报错。分数接近最顶尖的闭源模型，意味着开源模型在"Agent 干活"这个维度上，第一次真正站到了同一条起跑线上。

3D 创作的例子同样说明问题：给一段文字、一张草图或参考图，模型要推断物体的形状、比例和空间关系，然后直接操作专业建模软件做出可用的 3D 模型，再搭建成完整的交互场景。这已经不是"生成一张好看的图片"，而是"操作工具完成一个生产流程"。当模型的能力边界从"输出内容"扩展到"操作软件"时，评测标准也必然从"答得准不准"转向"事办没办成"。

当然要提醒一句：这些分数都来自官方发布，尚未经过独立复现。Terminal-Bench 的具体子项、测试环境配置都会影响分数，把 65.7 分理解为"接近顶尖水平"比理解为"精确排名"更稳妥。

三、Highspeed 版：推理速度正在成为第二战场

与 K3.1 Pro 同步推出的还有 Highspeed 版本：据报道能力相当，推理输出速度提升 2～3 倍。腾讯 WorkBuddy 已在 10 月 24 日当天宣布接入 K3.1 Pro 及 Highspeed 版（初期仅向企业旗舰版和个人订阅用户开放）。

这个细节很容易被参数纪录的光芒盖住，但它可能更重要。过去一年，开源模型的竞争主线是"能力追赶闭源"；现在，"在能力相当的前提下谁更快、谁更便宜"正在成为第二条主线。Claude Haiku 5.5 把小模型价格打下来 90%，Kimi 则用 Highspeed 版回应了同一个问题：长程 Agent 任务动辄要跑几十上百轮推理，输出速度直接决定了任务能不能在可接受的时间和成本内跑完。

更深一层看，Highspeed 版的存在也暗示了 MoE 架构的另一个红利：激活参数可控，意味着推理优化的空间更大——专家并行、投机解码、KV 缓存优化，都有明确的施力点。开源模型一旦在"快"上站稳，闭源模型的护城河就只剩下生态和服务，而不再是单纯的能力代差。

四、开源竞赛的新格局：规模、速度与"可用性"的三线作战

把最近一个月的开源发布连起来看，一幅格局图已经浮现：

• 美国线：Beam（501B）和 Muse Spark Open（816B）主打"可在自有硬件上部署"，Muse Spark Open 甚至能在两台 Mac Studio 上跑，强调数据不出企业；
• 中国线：Kimi K3.1 Pro（3 万亿级）主打"规模最大 + 长程 Agent 能力"，并用 Highspeed 版补上速度短板；
• 共同点：三者都把上下文窗口推到 100 万 token 级别，都把 Agent 和长程任务作为核心卖点。

这意味着开源竞争已经从"谁的基准分高"演变为三线作战：规模（懂得多）、速度（跑得快）、可用性（部署门槛低）。而 OpenRouter 的数据——据报道，中国大模型周调用量已连续 25 周超过美国——说明这场竞赛的胜负手可能不在发布会，而在真实调用量：开发者用脚投票，选的是"够用、够快、够便宜"的模型，而不是参数最大的那个。

还有一个不容忽视的细节：月之暗面表示，在公开发布前已剔除与网络攻击相关的训练数据。随着模型越来越能"操作工具"，安全对齐的颗粒度也必须从"不说什么"细化到"不帮干什么"。开源权重的可获得性让这件事更难——权重一旦放出就收不回，前置的数据清洗和对齐就成了最后一道防线。

结语

Kimi K3.1 Pro 的意义不在于又一个参数纪录，而在于它验证了一条路线：超大规模 MoE + 重后训练 + 高速推理变体，可以让开源模型在"干活"这个维度上逼近最顶尖的闭源模型。11 月 4 日前权重发布后，独立评测会告诉我们 65.7 分里有多少水分；但无论如何，开源与闭源之间的能力鸿沟，正在从"代际差距"缩小为"可追赶的距离"。对开发者来说，这意味着一个更实际的问题：下一代 Agent 应用，到底该建在谁的模型之上——而这个问题的答案，正变得越来越不唯一。