Moonshot发布2.8T参数Kimi K3.1 Pro开源权重
Moonshot AI released the massive 2.8T-parameter Kimi K3.1 Pro weights on Hugging…
超大参数规模且开源的旗舰模型发布，架构细节与基准数据详实，对研究者和开发者极具参考价值。
Moonshot AI released the massive 2.8T-parameter Kimi K3.1 Pro weights on Huggingface.
Moonshot AI 在 Huggingface 上发布了拥有 2.8T 参数的 Kimi K3.1 Pro 权重。
On Terminal-Bench, its head-to-head with Claude 5.5
在 Terminal-Bench 上，它与 Claude 5.5 正面交锋。
> Trained with 4-bit weights, it also ships at that precision, avoiding the 5.6TB a 16-bit copy would need.
> 采用 4-bit 权重训练，并以该精度发布，从而避免了 16-bit 副本所需的 5.6TB 存储空间。
> Moonshot traced steadily rising exploit skill to cyber content buried in its general mid-training corpus and RL environments, and removed both before opening the weights.
> Moonshot 发现其通用中期训练语料库和 RL 环境中埋藏的恶意内容导致了利用技能的稳步上升，因此在开放权重前移除了这两部分内容。
> In Moonshot’s own tests the model scores 65.7% on Terminal-Bench 4.0, near Claude Opus 5.5’s 66.4%, but without tools reaches only 39.4% on HLE-Diamond, against GPT-6 Astra’s 65.8%.
> 在 Moonshot 的自有测试中，该模型在 Terminal-Bench 4.0 上得分 65.7%，接近 Claude Opus 5.5 的 66.4%；但在不使用工具的情况下，其在 HLE-Diamond 上的得分仅为 39.4%，而 GPT-6 Astra 为 65.8%。
> Only 104B of its parameters fire per token, and 69 of its 93 layers use linear attention, which makes a 1M-token context cheaper to process.
> 每个 token 仅激活 104B 参数，且其 93 层中有 69 层使用线性注意力机制，这使得处理 1M token 上下文更加经济高效。
> Its modified MIT license exempts internal use but makes model-hosting firms earning over $20M a year negotiate, reining in resellers that could undercut the company’s own API.
> 其修改后的 MIT 许可证豁免了内部使用，但要求年收入超过 2000 万美元的模型托管公司进行协商，从而遏制可能压低公司自身 API 价格的转售商。
更进一步：量化金融体系
看懂新闻只是起点——沿量化金融路径，把它变成能交付的工程能力