Kimi K3.1 Pro: открытые веса, лицензия и доступ по API

Открытые веса Kimi K3.1 Pro доступны в официальном репозитории Moonshot AI на Hugging Face. Для пробных задач по программированию начните с API; собственную инфраструктуру выбирайте, если требования к контролю оправдывают затраты на оборудование и проверку лицензии. Число активных параметров 104B не отражает объём всей модели, которую придётся хранить.

По состоянию на 2026-11-11 в репозитории есть веса, конфигурация и текст лицензии с особыми условиями. Выбирайте между запуском этих весов на своей инфраструктуре и оплатой обработки запросов через API.

Что входит в выпуск открытых весов?

Выпуск даёт доступ к самим весам Kimi K3.1 Pro, а не только к модели по API. Согласно техническому анонсу Moonshot, это мультимодальная модель на основе Kimi K3. На этапе постобучения разработчик применил совместное обучение с подкреплением.

Характеристики приведены в официальной карточке модели. Точный размер контекста также указан в документации по тарифам Kimi API.

Характеристика	Опубликованное значение
Репозиторий Hugging Face	moonshotai/Kimi-K3.1-Pro
Архитектура	Смесь экспертов, Mixture-of-Experts (MoE)
Всего параметров	2.8T
Активных параметров	104B
Окно контекста	1,048,576 токенов
Лицензия	Собственная лицензия Kimi K3.1-Pro License

В MoE для каждого токена активируется только часть параметров. Остальные эксперты при этом остаются в файлах модели. Рассчитывайте объём хранилища по размеру файлов, а не по числу 104B.

В списке файлов репозитория указан объём около 1.56 TB. Имена файлов весов оканчиваются на of-000096.safetensors. В конфигурации задан формат mxfp4-pack-quantized. Инструкция vLLM уточняет: веса маршрутизируемых экспертов используют MXFP4, остальные веса — BF16.

Для команды разработки это возможность выбрать способ размещения модели. Готового агента для программирования сами веса не предоставляют. Выберите движок инференса, который выполняет запросы к модели, и отдельно — клиент агента. До переноса рабочего процесса проверьте чтение файлов репозитория, вызовы инструментов и результат на реальном приёмочном тесте.

В кратком руководстве по API Moonshot также описан вариант kimi-k3.1-pro-highspeed. Заявленная скорость относится к сервису. Скачивание весов не гарантирует такую же производительность на вашей инфраструктуре.

Что требует лицензия Kimi K3.1 Pro?

Коммерческое использование разрешено при соблюдении Kimi K3.1-Pro License. До развёртывания проверьте отдельно условия MaaS и требования к отображению названия модели. Это разбор практических требований, а не юридическое заключение о вашем бизнесе.

MaaS: выручка за любые 12 последовательных месяцев

Раздел 2 касается случаев, когда лицензиат или его аффилированное лицо ведёт бизнес по предоставлению модели как сервиса (Model as a Service, MaaS). Если их совокупная выручка превышает $20 млн за любые 12 последовательных месяцев, требуется отдельное соглашение с Moonshot AI.

В расчёт входит совокупная выручка лицензиата и его аффилированных лиц, а не только выручка от этой модели. Соглашение нужно заключить до коммерческого использования ПО или его производных работ.

MaaS означает доступ третьих лиц к инференсу или дообучению. При таком доступе третьи лица могут в значимой степени управлять входными данными, параметрами или обучающими данными. Из определения исключены конечные продукты, где возможности модели встроены только в определённые функции или программные оболочки. Также исключена простая пересылка запросов к моделям, размещённым у других операторов. Попросите юриста проверить, подпадает ли ваш сервис под конкретное исключение.

Когда нужно указывать название модели

Раздел 3 относится к коммерческим продуктам или сервисам, которые используют ПО либо его производные работы. Если превышен хотя бы один из порогов, в интерфейсе соответствующего продукта или сервиса нужно заметно указывать Kimi K3.1-Pro. Пороги: 100 млн активных пользователей в месяц или $20 млн месячной выручки.

Считаются пользователи, активные за месяц, а не за день. Выручка здесь учитывается за один месяц, а не за любые 12 последовательных месяцев, как в условии для MaaS.

На какие случаи распространяются исключения

Раздел 4 освобождает внутреннее использование от требований разделов 2 и 3. То же исключение действует при доступе через официальные продукты Moonshot или сертифицированных партнёров по инференсу. Внутренним считается использование, при котором ПО, результаты его работы и его базовые возможности не становятся доступны третьим лицам.

Совместимость с API не подтверждает статус сертифицированного партнёра. Подключение через шлюз и освобождение от лицензионных требований нужно проверять отдельно. Сохраняйте требуемые уведомления об авторских правах и разрешении на использование. Условия выбранного поставщика также проверьте отдельно.

Как скачать и проверить веса?

До загрузки весов изучите лицензию и проверьте требуемое место на диске. Установите актуальный hf CLI по инструкции Hugging Face. Выберите файловую систему с достаточным свободным объёмом.

Команды ниже предназначены для Bash. В них зафиксирована версия репозитория, проверенная 2026-11-11.

KIMI_REPO="moonshotai/Kimi-K3.1-Pro"
KIMI_REV="d9e99b0792a5e93b78ea9bea62a68167e36ddd9e"
KIMI_DIR="$PWD/kimi-k3.1-pro"

hf download "$KIMI_REPO" README.md LICENSE config.json \
  --revision "$KIMI_REV" --local-dir "$KIMI_DIR"

hf download "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" --dry-run

Прочитайте скачанные LICENSE и README.md. Предварительный запуск загрузки показывает оставшиеся файлы и их объём в байтах, не скачивая веса. Оставьте дополнительное место для кеша загрузки и рабочих файлов движка. Размер репозитория не покрывает все потребности в дисковом пространстве.

Когда условия лицензии проверены и места достаточно, выполните в том же сеансе Bash:

hf download "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" &&
hf cache verify "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" --fail-on-missing-files

Команда проверки Hugging Face сверяет контрольные суммы локальных файлов с данными Hub. Флаг --fail-on-missing-files также выявляет неполную загрузку версии репозитория.

Продолжайте только после успешной проверки без отсутствующих файлов и несовпадений контрольных сумм. Успешная загрузка подтверждает полноту файлов, но не способность движка загрузить модель. При несовпадении контрольной суммы повторите hf download с --force-download для указанного файла и той же версии. Перед запуском модели повторите проверку.

Какое оборудование потребуется?

Выберите инструкцию под конкретное оборудование. Не рассматривайте эту модель как набор из 104B параметров для обычной рабочей станции. По состоянию на 2026-11-11 инструкция vLLM описывает базовую конфигурацию с восемью GPU NVIDIA: два вычислительных блока GB300 (trays) или один узел B300.

Это документированный вариант, а не универсальный минимум и не обещание определённой производительности. В инструкции указано, что пропускную способность базовой конфигурации не оптимизировали. Используйте рекомендации именно для этой модели, а не общую команду запуска.

Другой вариант описан в руководстве SGLang. Оно указывает ветку kimi-k3.1-day-0 и различает проверенные конфигурации и варианты, проверка которых ещё продолжается.

Для испытания перед закупкой выберите одну документированную конфигурацию. Зафиксируйте версию движка, хеш образа и версию весов. Сначала выполните короткий запрос. Затем по отдельности увеличивайте длину контекста и число параллельных запросов. Измеряйте расход памяти, время до первого токена и стоимость завершённой задачи.

Заявленное окно контекста не означает, что памяти хватит при любом числе одновременных запросов. При сравнении собственного запуска с API не меняйте клиент агента, инструменты, уровень рассуждений и приёмочные тесты.

Собственная инфраструктура имеет больше смысла, когда нужен контроль над весами, их настройка или управляемая среда выполнения. Этот вариант менее привлекателен, если у команды нет ресурсов на эксплуатацию кластера или оборудование будет простаивать. Изучите список расходов при самостоятельном размещении модели, прежде чем превращать счёт за API в бюджет закупки.

Как попробовать модель через API?

Начните с небольшого запроса на программирование к kimi-k3.1-pro, прежде чем вкладываться в инфраструктуру. Не путайте идентификатор модели в API с именем репозитория Hugging Face.

Параметры подключения по состоянию на 2026-11-11:

Способ доступа	Идентификатор модели	Базовый URL совместимого с OpenAI API	Ключ
Moonshot API	kimi-k3.1-pro	https://api.moonshot.ai/v1	Ваш API-ключ Moonshot
BetterToken API	kimi-k3.1-pro	https://www.bettertoken.ai/v1	Ваш API-ключ BetterToken

На указанную дату BetterToken содержит в каталоге именно этот идентификатор модели. Текущие цены шлюза проверяйте отдельно: ниже приведены тарифы Moonshot, а не BetterToken.

Для прямого обращения к Moonshot создайте API-ключ на платформе по ссылке из краткого руководства. Используйте Bash и введите ключ без отображения символов на экране:

read -rs MOONSHOT_API_KEY && export MOONSHOT_API_KEY

curl --fail-with-body --silent --show-error \
  "https://api.moonshot.ai/v1/chat/completions" \
  -H "Authorization: Bearer ${MOONSHOT_API_KEY}" \
  -H "Content-Type: application/json" \
  --data '{
    "model": "kimi-k3.1-pro",
    "reasoning_effort": "low",
    "max_completion_tokens": 4096,
    "messages": [
      {
        "role": "user",
        "content": "Return a Python function add(a, b) and one assert checking add(2, 3) == 5."
      }
    ]
  }'

Найдите функцию и проверку assert в choices[0].message.content. До расширения теста проверьте сведения об использовании токенов в ответе. Этот запрос проверяет аутентификацию и генерацию текста. Он не подтверждает, что агент умеет читать или изменять файлы.

Согласно документации по рассуждениям, Kimi поддерживает low, high и max. По умолчанию используется max. Режим рассуждений остаётся включённым. В примере выбран low для простой проверки подключения.

Если API вернул ошибку, сначала проверьте адрес запроса, соответствие ключа выбранному поставщику и точный идентификатор модели. Если ответ обрезан, проверьте ограничение на вывод, прежде чем оценивать качество модели.

В многошаговом диалоге через API и при вызовах инструментов передавайте в messages полное сообщение ассистента без изменений. Сохраняйте в нём reasoning_content и tool_calls. Затем следуйте инструкции по настройке Claude Code и Codex и проверьте реальное чтение файла.

Токены API оплачиваются отдельно от подписки Kimi и лимитов Kimi Code. Если работе мешает именно лимит подписки, обратитесь к разбору квот и оплаты API.

Как сравнить стоимость своей инфраструктуры и API?

Сравнивайте стоимость завершённых задач при одинаковых требованиях к качеству. Доступные для скачивания веса не отменяют расходы на оборудование, хранение, сеть, эксплуатацию и возможное лицензионное соглашение.

По состоянию на 2026-11-11 платформа Moonshot API указывает следующие цены в USD за 1,000,000 токенов. Согласно условиям тарификации Kimi, применимые налоги в них не включены.

Модель API	Обычный ввод	Вывод	Попадание в кеш	Запись в кеш на 5 минут по умолчанию
kimi-k3.1-pro	$2.00	$10.00	$0.20	$2.00
kimi-k3.1-pro-highspeed	$4.00	$20.00	$0.20	$4.00

Документация по кешированию разделяет попадания в кеш, запись в кеш и ввод без кеша. Если в запросе Chat Completions или Responses нет prompt_cache_options, срок хранения записи в кеше равен 5m. В запросе выше поле не задано, поэтому действует это значение по умолчанию.

Не учитывайте токен, записанный в кеш, повторно как обычный входной токен. Для других сроков хранения применяйте соответствующие тарифы записи.

Для оценки возьмём задачу, которая расходует 100,000 входных токенов и 10,000 оплачиваемых выходных токенов стандартной модели. Предположим, что попаданий в кеш нет. Все входные токены либо относятся к вводу без кеша, либо записываются в кеш на стандартные пять минут.

В этом расчёте обе категории входных токенов стоят $2.00 за миллион:

Estimated token charge
= (100,000 × $2.00 + 10,000 × $10.00) / 1,000,000
= $0.30 before taxes

Это расчётная оценка, а не результат измерения реальной задачи. Используйте сведения об оплачиваемых выходных токенах, а не длину видимого ответа. Исключайте дополнительные инструменты и услуги из оценки только тогда, когда ваша нагрузка их не использует.

Для собственной инфраструктуры разделите полные затраты на число успешно выполненных сопоставимых задач. Учтите простаивающие мощности, оперативную память сервера, хранилище, электричество или аренду, сеть, обслуживание и необходимое коммерческое соглашение. В обоих вариантах учитывайте повторные попытки и задачи, не прошедшие приёмочные тесты.

Для пробного приложения или непредсказуемой нагрузки начните с API. Вернитесь к самостоятельному размещению, когда требования к контролю оправдывают его, а измерения подтверждают приемлемые расходы. Если вы ведёте MaaS-бизнес, определите применимые условия лицензии до обещаний о развёртывании или обязательств по закупке.