凌晨发布的一款开源模型

10月24日凌晨，月之暗面正式发布 K3.1 系列的第一款模型 Kimi K3.1 Pro，同时推出智能水平相当、输出速度约 2~3 倍的高速版 K3.1 Pro Highspeed。官方给出的规格是：总参数 2.8 万亿、每 token 激活 1040 亿的 MoE 架构，100 万 token 上下文，原生视觉理解，即日起在 kimi.com、Kimi App、Kimi Work、Kimi Code 与 Kimi API 全线可用，完整模型权重将于 11 月 4 日前发布（新浪科技转引 IT之家）。

规格本身并不新鲜——2026 年的旗舰模型普遍在向万亿级参数和百万级上下文靠拢。真正值得写一篇的，是官方公布的那组评测数字。

0.7 个百分点的距离

在 Terminal-Bench 4.0 这个考察真实终端环境下、资源受限任务的编程智能体基准上：

  • Kimi K3.1 Pro：65.7%
  • Claude Opus 5.5：66.4%
  • GPT-6 Astra：58.2%

也就是说，在这项以"难"著称的长程终端任务基准上，一款计划开放权重的模型与当前闭源榜首只差 0.7 个百分点，并且超过了 GPT-6 Astra。在月之暗面自研的内部长程代码基准 Kimi Code Bench 3.0 上，K3.1 Pro 得分 61.2%，上一代 K3 为 55.95%。

需要保留的谨慎：基准分数不等于真实体验。厂商自报成绩、评测环境差异、任务分布差异，都会让"差 1 个百分点"在不同场景里被放大或抹平。但这组数字的方向是清楚的——开源权重模型第一次在公认的硬基准上进入了闭源头部的同一区间。

这不是一次孤立事件

把日历往前翻三周，会发现 K3.1 Pro 只是10月这轮开源潮的最后一块拼图：

  • 10月4日，德国 Aleph Alpha 发布 Kolibri，78B 参数 MoE、100 万上下文、Apache 2.0 许可，是目前欧洲体量最大的开放权重主权模型（techpulse.press 发布回顾）。
  • 10月6日，Mistral 公开预览 Mistral Large 4：约 1.05 万亿总参数、520 亿激活，承诺月底开放权重（mistral.ai）。
  • 10月15日，Meta 发布 Muse Spark Open：816B 参数、42B 激活、100 万上下文，官方称可在两台 M5 Ultra Mac Studio 的桌面组合上运行（cognifyflow 周报）。
  • 10月15日，阶跃星辰开放 Step 5 Preview 权重：600B 总参数、27B 激活，面向长程 Agent 场景。
  • 10月17日，DeepSeek 更新 V4.1 Flash（MIT 协议），100 万上下文。
  • 10月23日，MiniMax 开源 M3.1 Flash：428B 参数、23B 激活，主流推理平台首日同步上线，输入价格每百万 token 0.15 美元。
  • 10月24日，Kimi K3.1 Pro，3万亿级，权重 11月4日前。

一个月内，从 78B 到 2.8T，开放权重模型覆盖了几乎整个能力区间，而且头部玩家不再把"开源版"当作缩水的引流款——K3.1 Pro 的定位就是"能力最强的 3T 级开源权重模型"。

数据侧面：开放已是常态，榜首仍有身位

第三方模型追踪报告（puppylpg 2026年10月模型趋势报告，截至10月20日快照）提供了更长的视角：

  • 累计收录模型已达 414 个；2026年第三季度共 66 次发布，其中开放权重 30 个，占 45%；第四季度截至抓取日 12 个发布中 5 个开放，占 42%。
  • 能力榜首仍是闭源阵营：Claude Opus 5.5 综合分 60.3，GPT-6 Astra 58.1，报告明确指出"综合分图中闭源在末端仍领先"。
  • 价格侧的下行更陡：在当前评分口径下，达到 40+ 分能力门槛的模型，其最低混合 API 价格已从每百万 token 3.8 美元降至 0.08 美元。

三条数据放在一起，就是2026年10月的真实格局：开放比例稳定在四成出头，榜首身位还在闭源手里，但同等能力的获取成本正在以数量级的速度塌缩。

竞争重心正在转移：从参数规模到后训练

K3.1 Pro 还透露了一个技术层面的信号。它并非从零训练的新基座，而是 K3 的后训练版本——官方表述是"后训练算力大幅增加，通过覆盖数百个下游领域的大规模强化学习获得全面提升"，并同步优化了长上下文推理与沙箱调度（快科技报道）。

这与行业整体的观察吻合：当权重可以开放、参数规模趋于趋同，差异化越来越来自强化学习环境的质量、评测体系的密度和调度工程，而不是单纯把参数做大。趋势报告里同样提到，训练数据量与综合分的拟合 R² 仅为 0.09——规模可以用来筛选候选，但已经无法单独解释能力。

对团队的实际含义是：自建评测集、可验证的训练环境、长程任务的回放与调试能力，正在变成比"选哪个基座"更值钱的资产。

「什么时候能拿到权重」成为新问题

开源从来不只是一次技术发布，它现在还是一份带日期的承诺和一套可核查的边界：

  • 日期：K3.1 Pro 权重定在 11月4日前；Mistral Large 4 承诺月底；Reflection Beam 仍在 waitlist。宣布与可下载之间的窗口期，正在成为厂商的调度空间。
  • 许可与合规：10月23日，MiniMax 在港交所发布自愿公告，称已完成相关模型开源与海外授权所需的商务部技术出口登记手续（经财联社等报道）。"开源"在流程上也开始带有需要提前排期的合规环节。
  • 安全边界：月之暗面披露，为准备开放 K3.1 Pro 权重，已在中期训练与强化学习阶段识别并移除网络攻防相关数据——其自研安全基准 xdev-bench-hard 上，未过滤版本 pass@3 可解决 90.5% 的问题，最终发布版为 81.0%。开放的同时做能力裁剪，正在成为默认动作。

换句话说，「开源模型」这四个字背后，正在变成一组可以核对的参数：开放日期、许可条款、过滤范围。只看"是否开源"的二元判断，已经不够用了。

对使用者意味着什么

把以上信息收敛成几条可以落地的判断：

  1. 选型看任务，不看榜单。 长程终端任务上，开源与闭源已经进入同一区间；真正该验收的是你的任务成功率、失败回滚和工具调用的可审计性。
  2. 把"权重开放日期"写进依赖管理。 宣布≠可用≠可商用，三个时间点分开记录，避免把演示能力当成生产依赖。
  3. 能力趋同后，比拼转向工程。 同等分数下，服务稳定性、长上下文的真实利用率、缓存与吞吐口径，才是可感知的差异。
  4. 成本比较要统一口径。 混合价格、缓存命中价、长上下文阶梯价差别巨大，0.08 美元的门槛价并不适用于所有场景。

结语

一年前，"开源落后闭源半代"是行业默认假设。10月24日这组 65.7% 对 66.4% 的数字，把这个假设改写成了一个问题：当能力差距进入统计噪声的量级，模型公司拿什么继续收费？

从这一个月的信号看，答案指向三处：更难复制的后训练与评测体系、更稳定的生产服务能力，以及更可控的开放节奏。基准分数的军备竞赛没有结束，但它不再是唯一的战场。

参考来源：