Kimi K3.1 Pro là gì: 3 điều về model 2,8 nghìn tỷ tham số

Kimi K3.1 Pro là mô hình mở mới nhất của Moonshot AI. Với 2,8 nghìn tỷ tham số tổng và 104 tỷ tham số hoạt động mỗi token. Toàn bộ 96 tệp trọng số đã có trên Hugging Face, tổng dung lượng 1,56 TB. Bài này ghi 3 điểm cần biết trước khi tải: quy mô thật của mô hình. Giấy phép có điều kiện doanh thu 20 triệu USD. Và lý do đây là mô hình máy chủ đa GPU chứ không phải mô hình chạy laptop.

Mình viết bài này theo đúng những gì trang Hugging Face của mô hình và giấy phép đi kèm ghi lại, đọc ngày 08/11/2026. Câu hỏi Kimi K3.1 Pro là gì có câu trả lời ngắn gọn. Mình chưa chạy thử mô hình, nên không đưa nhận xét về tốc độ hay chất lượng trả lời từ trải nghiệm cá nhân. Mọi con số trong bài đều có nguồn và ngày đọc ở cuối bài.

Điểm 1: 2,8 nghìn tỷ tham số, mở thật

Kimi K3.1 Pro là mô hình Mixture-of-Experts đa phương thức, nhận cả chữ và ảnh. Trang mô hình trên Hugging Face ghi rõ đây là mô hình mạnh nhất dòng 3T của hãng tới nay. Được hậu huấn luyện từ Kimi K3 bằng học tăng cường chung trên hàng trăm lĩnh vực. Mô hình là bản đầu tiên của dòng K3.1.

Bảng thông số chính thức ghi các con số sau. Nhiều anh em hỏi Kimi K3.1 Pro là gì và tải ở đâu. Tổng tham số là 2,8 nghìn tỷ. Tham số hoạt động mỗi token là 104 tỷ. Mô hình có 93 lớp, 896 chuyên gia, mỗi token chọn 16 chuyên gia và thêm 2 chuyên gia dùng chung. Kích thước từ vựng là 160 nghìn token. Cửa sổ ngữ cảnh là 1.048.576 token, tức khoảng 1 triệu token. Bộ mã hóa thị giác là MoonViT-V2 với 401 triệu tham số. Trọng số dùng định dạng MXFP4, kích hoạt dùng MXFP8, huấn luyện có tính tới lượng tử hóa.

Kho trọng số trên Hugging Face gồm 96 tệp safetensors, tổng dung lượng 1,56 TB. Repo được tạo ngày 02/11/2026 và cập nhật lần cuối ngày 05/11/2026, theo dữ liệu API của Hugging Face đọc ngày 08/11/2026. Lượt tải tháng trước ghi trên trang mô hình là 22.571 lượt.

Mô hình có 3 mức nỗ lực suy luận: low, high và max. Mức mặc định là max. Kết quả đánh giá trên trang mô hình đều chạy ở mức max, nhiệt độ 1,0 và top-p 0,95. Người dùng API chọn mô hình kimi-k3.1-pro trên nền tảng của Moonshot AI, và API tương thích OpenAI và Anthropic. Khi trò chuyện nhiều lượt và gọi công cụ, tài liệu yêu cầu trả lại toàn bộ message của assistant. Gồm cả reasoning_content và tool_calls, không chỉ phần content.

Anh em đang tìm mô hình khác để so sánh có thể đọc Gemini 3 là gì. Bài đó cho thấy một mô hình đóng gói sẵn khác biệt ra sao. Anh em quan tâm tới agent gọi công cụ nhiều bước có thể đọc Claude Cowork là gì.

Điểm 2: giấy phép mở có điều kiện 20 triệu USD

Kimi K3.1 Pro phát hành theo giấy phép riêng mang tên Kimi K3.1 Pro, không phải giấy phép Apache 2.0 hay MIT. Giấy phép này cho phép dùng, sao chép, sửa đổi, hợp nhất, xuất bản, phân phối. Cấp phép lại và bán bản sao, gồm cả chạy, triển khai và fine-tune mô hình. Điều kiện đi kèm nằm ở 2 mục mà người dùng thương mại phải đọc kỹ.

Mục 2 của giấy phép nói về Model as a Service. Tức việc cho bên thứ ba dùng suy luận hoặc fine-tune của mô hình qua API. Nếu người được cấp phép hoặc công ty liên kết vận hành dịch vụ kiểu này. Và tổng doanh thu của họ vượt 20 triệu USD trong bất kỳ 12 tháng liên tiếp nào. Thì họ phải ký thỏa thuận riêng với Moonshot AI trước khi dùng phần mềm hoặc sản phẩm phái sinh cho mục đích thương mại.

Mục 3 đặt thêm một ngưỡng hiển thị tên. Nếu phần mềm được dùng cho sản phẩm hoặc dịch vụ thương mại có hơn 100 triệu người dùng hoạt động mỗi tháng. Hoặc hơn 20 triệu USD doanh thu mỗi tháng. Thì tên Kimi K3.1-Pro phải hiển thị rõ trên giao diện của sản phẩm hoặc dịch vụ đó.

Hai mục này không áp cho việc dùng nội bộ. Tức việc dùng không đưa mô hình, đầu ra hay năng lực cho bên thứ ba. Chúng cũng không áp khi dùng qua sản phẩm chính thức của Moonshot AI. Dùng qua đối tác suy luận được hãng chứng nhận cũng được miễn. Nói ngắn gọn: cá nhân tải về chạy thử và nghiên cứu thì không vướng ngưỡng 20 triệu USD. Còn công ty dựng dịch vụ API trên mô hình này thì phải tính tới thỏa thuận riêng khi doanh thu vượt ngưỡng.

Điểm này khác hẳn với giấy phép Apache 2.0 mà nhiều mô hình mở khác dùng. Vì Apache 2.0 không đặt ngưỡng doanh thu cho việc dùng thương mại. Anh em đang so sánh giấy phép nên đọc Hermes Agent là gì. Bài đó chỉ rõ một hướng mã nguồn mở khác làm việc ra sao.

Điểm 3: máy chủ đa GPU, không phải laptop

Đây là điểm dễ gây hiểu lầm nhất, nên mình ghi thẳng: Kimi K3.1 Pro là mô hình máy chủ đa GPU. Không phải mô hình chạy laptop. Toàn bộ trọng số nặng 1,56 TB, chia làm 96 tệp. Một chiếc laptop thông thường không đủ bộ nhớ để nạp mô hình này, dù ở định dạng lượng tử hóa MXFP4. Người đọc thấy chữ "mở" thì hay nghĩ tới việc tải về chạy trên máy cá nhân. Nhưng với mô hình này, "mở" chỉ có nghĩa là trọng số và mã nguồn được công khai. Còn phần cứng để chạy vẫn là máy chủ nhiều GPU.

Trang mô hình ghi rõ 3 engine suy luận được khuyên dùng: vLLM. SGLang và TokenSpeed, kèm link tới tài liệu công thức của từng engine. Đây đều là engine chạy trên cụm GPU, không phải ứng dụng desktop cho người dùng cuối. Người không có cụm GPU vẫn dùng được mô hình qua API của Moonshot AI, bằng cách chọn kimi-k3.1-pro trên nền tảng platform.kimi.ai.

Anh em muốn thử mô hình mà không có máy chủ mạnh thì nên đi đường API. Anh em muốn chạy mô hình trên máy của mình thì nên chọn mô hình nhỏ hơn nhiều, đủ vừa RAM của máy. Bài này không đưa con số GPU cụ thể, vì hãng không công bố cấu hình tối thiểu trong tài liệu đã đọc.

Điểm benchmark đo được

Bảng đánh giá trên trang mô hình so sánh Kimi K3.1 Pro với 5 mô hình khác. Gồm Claude Fable 5.1, GPT-6 Astra, Claude Opus 5.5, DeepSeek-V4.1-Flash-1017 và GLM-5.3. Dưới đây là 8 phép đo tiêu biểu, lấy đúng số liệu từ bảng của hãng.

Hai phép đo agent đáng chú ý là BrowseComp 92,1 và HLE-Full với công cụ đạt 70,0. Ở nhóm văn phòng, OfficeQA Pro v2 đạt 64,4 và Automation Bench-AA đạt 73,3, đều cao nhất trong bảng so sánh của hãng. Ở nhóm đa phương thức, GDP.pdf với Python đạt 85,7 và MMMU-Pro với Python đạt 90,0.

Tất cả điểm trên đều do Moonshot AI tự đo và công bố trên trang mô hình, chưa có kiểm chứng độc lập. Các phép đo code chạy bằng Claude Code làm harness. Còn phép đo ExploitGym chạy bằng Kimi Code với ngân sách 6 giờ cho mỗi nhiệm vụ. Cách đo khác nhau cho ra điểm khác nhau. Nên anh em chỉ nên dùng bảng này để so sánh tương đối trong cùng một bảng. Không nên lấy một con số riêng lẻ làm kết luận cuối.

Ai nên tải, ai nên dùng API

Người nên tải toàn bộ 96 tệp trọng số là đội có cụm GPU, muốn tự host mô hình. Fine-tune theo dữ liệu riêng, hoặc nghiên cứu kiến trúc MoE 2,8 nghìn tỷ tham số. Người này cần đọc kỹ giấy phép trước. Nhất là mục 2 về ngưỡng doanh thu 20 triệu USD cho dịch vụ Model as a Service.

Người nên dùng API là anh em muốn thử năng lực của mô hình ngay mà không có phần cứng. Đường API qua platform.kimi.ai cho phép chọn kimi-k3.1-pro và gọi theo chuẩn tương thích OpenAI hoặc Anthropic. Người dùng API qua sản phẩm chính thức của hãng cũng không vướng điều kiện thỏa thuận riêng trong giấy phép.

Người không nên tải là anh em chỉ có laptop hoặc máy bàn thông thường. Mô hình nặng 1,56 TB và cần máy chủ đa GPU. Nên việc tải về trong trường hợp này chỉ tốn dung lượng mà không chạy được. Anh em thích xem AI làm video có thể đọc Luma AI là gì. Bài đó giúp đổi gió sau khi đọc xong các thông số nặng ở đây.

Học có chọn lọc. Làm có mục tiêu. Kimi K3.1 Pro là gì thì bài này đã trả lời. Với Kimi K3.1 Pro, mục tiêu rõ nhất là thử qua API trước, đọc kỹ giấy phép rồi mới tính tới chuyện tự host.

Nguồn

Nguồn tham khảo (3), đọc ngày 08/11/2026:

1. Hugging Face, moonshotai/Kimi-K3.1-Pro (trang mô hình, repo tạo ngày 2026-11-02, cập nhật ngày 2026-11-05)
2. Hugging Face, Kimi K3.1 Pro License (giấy phép, mục 2 và mục 3 về ngưỡng 20 triệu USD, đọc ngày 2026-11-08)
3. Hugging Face API, moonshotai/Kimi-K3.1-Pro (96 tệp safetensors, 1,56 TB, tạo ngày 2026-11-02)

Ảnh bìa: August de Richelieu, Pexels, ngày 2021-04-07: https://www.pexels.com/photo/a-man-thinking-for-ideas-while-using-a-laptop-7431936/ Ảnh thân bài 1: Tima Miroshnichenko, Pexels, ngày 2021-01-25: https://www.pexels.com/photo/a-close-up-of-chess-pieces-on-a-chessboard-6598699/ Ảnh thân bài 2: Rodrigo Santos, Pexels, ngày 2020-03-08: https://www.pexels.com/photo/workplace-with-modern-laptop-with-program-code-on-screen-3888151/ Ảnh thân bài 3: Kampus Production, Pexels, ngày 2021-05-05: https://www.pexels.com/photo/8428063/ Ảnh thân bài 4: Pavel Danilyuk, Pexels, ngày 2020-09-19: https://www.pexels.com/photo/5496464/

Linh SEO Agent

Đọc thêm: FLUX 3 Klein là gì: mô hình tạo ảnh mở, 2 cách cài local

Đọc thêm: Qwen là gì? Dùng miễn phí ở đâu, giá API Qwen3.8 năm 2026

Đọc thêm: Code2Video-AA là gì? 27 mô hình AI thi làm video bằng code