Kimi K3.1 Pro, được Moonshot AI công bố trọng số mở vào ngày 2 tháng 11: Đây là mô hình đầu tiên trong dòng K3.1, được huấn luyện hậu kỳ bằng phương pháp học tăng cường liên hợp quy mô lớn trên nền tảng Kimi K3. Kiến trúc MoE với tổng số tham số 2.8T, kích hoạt 104B cho mỗi token, hỗ trợ gốc đầu vào văn bản và hình ảnh (bộ mã hóa thị giác MoonViT-V2), cửa sổ ngữ cảnh 1,048,576 token; trọng số được huấn luyện nhận thức lượng hóa thành định dạng MXFP4 (kích hoạt ở dạng MXFP8). So với K3, các lớp Gated MLA sử dụng cơ chế chú ý toàn bộ đã được thay thế bằng Gated DSA (cơ chế chú ý thưa của DeepSeek), giúp tiết kiệm tài nguyên hơn khi xử lý ngữ cảnh dài. Theo thông tin chính thức, khả năng lập trình, sáng tạo 3D, nghiên cứu tài chính, độ chính xác về mặt thực tế và năng lực tác nhân đều được cải thiện đáng kể. Không có dữ liệu trong 7 kỳ gần nhất.
Điểm tăng trưởng 499 · Lượt thích 510 · Lượt tải xuống 797
Lý do
- Trong các kết quả chính thức (với cường độ suy luận max), những điểm dẫn đầu chủ yếu nằm ở các hạng mục lập trình dài hạn và tác nhân: SWE Marathon v1.1 51.7, HLE-Full có công cụ 70.0, Agents' Last Exam 43.2, OfficeQA Pro v2 64.4 đều đạt mức cao nhất trong bảng; Terminal-Bench 4.0 65.7, OSWorld V2.1 79.6 tiệm cận với các điểm số 66.4 / 81.8 của Claude Opus 5.5 trong bảng; BrowseComp 92.1.
- Theo thông tin chính thức, mô hình ít bị ảo giác hơn: Điểm số trên bộ kiểm tra nội bộ Kimi Hallu Bench Hard (có công cụ, điểm càng thấp càng tốt) là 8.3, chỉ có GPT-6 Astra (5.5) trong bảng đạt điểm thấp hơn, còn DeepSeek-V4.1-Flash-1017 đạt 23.3.
- Cấu trúc và thiết lập đánh giá được công bố chi tiết: 93 lớp (gồm 69 lớp KDA + 24 lớp Gated DSA), 896 chuyên gia trong đó chọn 16 chuyên gia cho mỗi token cùng với 2 chuyên gia chia sẻ, từ vựng kích thước 160K; khung tác nhân sử dụng cho từng bài đánh giá (phần lớn là Claude Code hoặc Kimi Code) và nguồn gốc của các điểm số so sánh đều được ghi chú trong phần chân trang.
Cách sử dụng
- Không tự triển khai: Chọn kimi-k3.1-pro trên platform.kimi.ai, cung cấp giao diện tương thích OpenAI / Anthropic chính thức.
- Tự triển khai: Khuyến nghị chính thức là vLLM, SGLang, TokenSpeed, thẻ mô hình cung cấp liên kết đến các công thức triển khai riêng cho từng nền tảng (ví dụ: recipes.vllm.ai/moonshotai/Kimi-K3.1-Pro); kho lưu trữ đi kèm mã tùy chỉnh (configuration_kimi_k3.py, kimi_k3_processor.py, v.v.).
- Cường độ suy luận được thiết lập qua tham số reasoning_effort ở cấp cao nhất của yêu cầu với các giá trị low / high / max (mặc định là max); đối với hội thoại đa vòng và gọi công cụ, phải đưa nguyên vẹn toàn bộ tin nhắn assistant trả về từ API vào lại mảng messages, bao gồm cả reasoning_content và tool_calls; đánh giá chính thức sử dụng temperature 1.0, top_p 0.95.
Rủi ro
- Các kết quả đều do nhà phát triển tự đánh giá, trong đó 9 hạng mục là các bộ kiểm tra nội bộ (Kimi Code Bench, Business Operation, PerceptionBench, Kimi Hallu Bench, v.v.), điểm số của các mô hình mã nguồn đóng có thể bao gồm cả sự suy giảm hiệu năng; cũng có những hạng mục rõ ràng bị tụt hậu: Program Bench 31.5 (Claude Opus 5.5 đạt 65.0), Terminal-Bench-Science 0.1 38.1 (GPT-6 Astra 68.1), HLE-Diamond 39.4 (GPT-6 Astra 65.8).
- Quy mô cực lớn: Thẻ mô hình không nêu rõ yêu cầu phần cứng, với tổng số tham số 2.8T, ngay cả khi sử dụng định dạng MXFP4, mô hình chỉ có thể chạy trên cụm máy chủ đa GPU, người dùng cá nhân về cơ bản chỉ có thể sử dụng qua API; chỉ hỗ trợ đầu vào văn bản và hình ảnh.
- Giấy phép là phiên bản sửa đổi của MIT (Giấy phép Kimi K3.1 Pro): Nếu cung cấp mô hình như một dịch vụ thương mại và doanh thu trong 12 tháng liên tiếp (bao gồm cả các bên liên quan) vượt quá 2,000 triệu USD, phải ký thỏa thuận riêng với Moonshot AI trước khi sử dụng thương mại; nếu số người dùng hoạt động hàng tháng của sản phẩm vượt quá 1 tỷ hoặc doanh thu hàng tháng vượt quá 2,000 triệu USD, phải hiển thị rõ ràng dòng chữ Kimi K3.1-Pro trên giao diện; việc sử dụng nội bộ không bị ràng buộc bởi hai điều khoản này.