Kimi K3.1 Pro发布：2.8万亿参数的全球最大开源模型，凭什么“炸场”

10月24日凌晨，月之暗面发布了新一代开源模型Kimi K3.1 Pro。一组数字很快在AI圈传开：总参数2.8万亿，MoE架构下活跃参数1040亿，支持100万Token上下文——官方口径是“3万亿级参数规模”，继续蝉联全球参数规模最大的开源模型。

这是K3.1系列的第一款模型，也是K3的后训练升级版本。官方说法是，后训练阶段投入的算力大幅增加，效果提升集中体现在代码、3D创作、金融研究以及长程Agent（智能体）能力上——换句话说，不是简单把模型做大，而是往“能干长活”的方向调。模型原生支持视觉理解，目前已经全量上线Kimi Code，开发者可以直接调用。

更值得关注的是它在评测里的位置。据中国科技网报道，在多项国际权威评测中，Kimi K3.1 Pro的综合智能水平已经接近全球领先的闭源模型。开源模型逼近闭源旗舰，这在一年多前还是不敢想的事。而它的价格与闭源旗舰相比又有明显优势——这也意味着，企业在选择AI底座时，第一次有了“性能和成本都能打”的开源选项。

放在行业背景里看，这轮发布还有一层信号。国内大模型公司今年密集把“开源”当武器，参数规模一轮比一轮大，上下文窗口从128K卷到1M。卷参数之外，长程Agent正在成为新的竞争焦点：模型不仅要会聊天，还要能记住上下文、调用工具、连续完成多步任务。K3.1 Pro在长程Agent上的强化，指向的正是“AI从回答问题走向替人办事”这个方向。

对企业来说，这类发布的意义比参数数字更实在。开源模型越强，企业做AI应用时对闭源厂商的依赖就越低：智能客服、内容生成、业务流程自动化，底层模型的选择空间明显变大，部署成本也在往下走。过去只有大厂才玩得起的“定制大模型”，现在中小企业的技术团队也有了评估的资格。

当然，参数大不等于好用。开源模型的落地，还要看部署门槛、推理成本、生态工具链是否成熟——2.8万亿参数的模型，不是每个企业都能拉得起来。对多数企业而言，更现实的做法是借助服务商的工程能力，把模型能力接到具体业务里。就像当年开源框架普及一样，技术门槛降低之后，真正拉开差距的，往往是“谁更懂业务、谁落地更快”。这一点，对做企业数字化服务的团队来说，既是挑战也是机会。