Kimi K3.1 Pro mở weights đúng hạn 4/11, tải về được nhưng máy thường chưa chạy nổi

Mình theo vụ này từ 23/10, khi Kimi K3.1 Pro chỉ có trên app và API còn weights vẫn là lời hứa có deadline 4/11, và đến tối 4/11 giờ Việt Nam thì lời hứa đó cũng thành file tải về trên Hugging Face, muộn hơn nhiều người tưởng nhưng vẫn kịp hạn.

Chọn nhanh: Gọi API ngay nếu cần code agent mạnh với giá rẻ. Chờ bản quant cộng đồng nếu muốn chạy local. Đọc file license trước nếu định đưa vào sản phẩm thương mại lớn.

Lời hứa 4/11 đã về đích, nhưng muộn hơn nhiều người tưởng

Trước khi bàn tới chuyện tải về hay chạy máy nào, cần kể đúng trình tự trong ngày 4/11.

Ngày 23/10 chỉ có app và API, weights mới là lời hứa

Ngày 23/10/2026, khoảng 16:00 UTC thì Kimi K3.1 Pro lên app Kimi, rồi 17:15 UTC cùng ngày thì lên API với 2 id là kimi-k3.1-pro và kimi-k3.1-pro-highspeed, và giờ giấc này mới ở mức tracker ghi nhận. Cùng ngày, blog kỹ thuật của Moonshot hứa full model weights sẽ ra trước 4/11, đồng thời xác định K3.1 Pro là bản post-train từ Kimi K3, dồn thêm lượng lớn reinforcement learning trên hàng trăm domain hạ tầng.

Sáng 4/11 repo vẫn chưa thấy, tối 4/11 model card mới đọc được

Sáng 4/11 giờ Bắc Kinh, Hugging Face của Moonshot vẫn chưa có repo K3.1 nào công khai, repo mới nhất vẫn là Kimi-K3, một tracker ghi repo trả về 401 lúc 06:15 UTC, và lúc 21:21 giờ Việt Nam thì lần kiểm tra trước đó vẫn thấy 401, tất cả đều ở mức tracker ghi nhận. Phải đến bản crawl 16:22 UTC, tức 23:22 giờ Việt Nam, thì model card của moonshotai/Kimi-K3.1-Pro mới đọc được đầy đủ, mình tự mở và đọc nên mới dám viết là đã có, tức là lời hứa giữ đúng hạn nhưng về đích muộn trong ngày, còn phần weights chưa ra trong các bài tháng 10 giờ đã lỗi thời, trong khi phần benchmark và cyber thì vẫn giữ nguyên giá trị.

Tải về được gì, ở đâu, dưới tên repo nào

Lời hứa đã thành hiện thực thì câu hỏi tiếp theo rất thực tế là tải cái gì, ở đâu, và cái gì vẫn chưa có.

Repo moonshotai/Kimi-K3.1-Pro và thông số trên model card

Thứ tải về được mang tên repo moonshotai/Kimi-K3.1-Pro trên Hugging Face, model card đầy đủ, và kiến trúc ghi trên model card này là MoE với 2.8T tổng tham số, 104B active mỗi token, 93 layer, gồm 69 layer KDA và 24 layer Gated DSA thay cho Gated MLA full-attention của K3, 896 expert với 16 expert được chọn mỗi token cộng 2 shared expert, hidden 7.168, 96 attention head, vocab 160K, context 1.048.576 token, vision encoder MoonViT-V2 401M, weights MXFP4 và activation MXFP8, input gồm text và image. Cũng trên model card này, reasoning_effort có 3 mức low, high, max và mặc định là max, và khi chat nhiều lượt kèm gọi tool thì phải trả lại toàn bộ message của assistant kèm reasoning_content và tool_calls, không chỉ trả content.

Engine gợi ý và những thứ chưa xác minh được

Model card gợi ý 3 engine chạy là vLLM, SGLang và TokenSpeed, còn số file và dung lượng hiện chỉ ở mức tracker ghi nhận là 96 file, 1.56 TB, không gated, con số này trùng khớp đáng ngờ với K3, khi K3 cũng có 96 shard safetensors và khoảng 1.56 TB. Chưa có hướng dẫn deploy riêng ghi tên K3.1 Pro, chỉ có recipe và cookbook cho Kimi-K3, và chưa có bên thứ ba nào tải lại weights trong ngày đầu rồi báo cáo kết quả, file nặng hơn 1 TB nên mình không đưa ra lệnh tải nào.

Tên license đã có, nội dung file thì chưa ai đọc

Tải về được là một chuyện, dùng vào sản phẩm bán cho khách lại là chuyện khác.

Điều đã xác nhận: tên license trên model card

Điều đã xác nhận được trên model card chỉ là tên license, ghi ở mục License là “Kimi K3.1 Pro License”, còn nội dung file đó thì mình chưa đọc.

Điều chỉ mới ArtificialWatch ghi nhận: các ngưỡng giống K3

Phần mới chỉ ở mức tracker ghi nhận là ArtificialWatch ghi license K3.1 Pro giống từng chữ với license K3, dùng miễn phí nhưng doanh nghiệp bán model-as-a-service có doanh thu trên 20 triệu USD trong 12 tháng thì cần thỏa thuận riêng với Moonshot, còn sản phẩm trên 100 triệu người dùng hàng tháng hoặc trên 20 triệu USD doanh thu hàng tháng thì phải hiện tên model. Tiền lệ K3 thì rõ hơn, là license K3 cho phép dùng thương mại, sửa đổi, phân phối và fine-tune kèm 2 điều kiện ngưỡng như trên, nhưng đó vẫn là tiền lệ K3, chưa phải trích file gốc của K3.1 Pro.

Cái bẫy phần cứng nằm ở chỗ 104B active không giảm bộ nhớ thường trú

Đây là mục quan trọng nhất của bài, vì giả định mở weights nghĩa là ai cũng dùng được ngay vỡ ra tại đây.

Vì sao 2.8T tham số phải nằm trọn trong bộ nhớ

Tổng tham số 2.8T phải nằm trọn trong bộ nhớ, mỗi token chỉ kích hoạt 104B, và 104B này tiết kiệm chi phí tính toán mỗi token chứ không giảm bộ nhớ thường trú, vì tất cả 896 expert đều phải có mặt trước khi chạy, nên PC thường cũng không chạy nổi bản weights gốc. Các ước tính VRAM, tất cả đều là tiền lệ K3, cho thấy 4-bit cần khoảng 1.509 GB, 2-bit khoảng 861 GB, 1-bit khoảng 649 GB, còn vramcalculator tính tổng resident cho K3 khoảng 1.796 GB ở context 8K và 1.829 GB ở context 1M.

Mức sàn theo recipe vLLM của K3 và khuyến nghị supernode của Moonshot

Mức sàn theo recipe vLLM cho K3, vẫn chỉ là tiền lệ K3, là ít nhất 8x GB300 của NVIDIA hoặc 8x MI355X hoặc MI350X của AMD, trong khi Moonshot khuyến nghị cho K3 là supernode từ 64 accelerator trở lên mới đạt hiệu quả sản xuất. Cookbook SGLang cho K3 thì trải dài từ cấu hình 1×8 tới 4×8, nên không có một con số tối thiểu duy nhất, và lựa chọn thực tế hiện nay là gọi API, chờ bản quant cộng đồng mà đến ngày 4/11 vẫn chưa có, hoặc thuê GPU cloud theo cụm 8 card lớn trở lên.

Gọi API tốn bao nhiêu, tự host tốn bao nhiêu

Chạy không nổi trên máy thường thì bài toán chuyển thành bài toán tiền.

Giá API của Moonshot và cái giá thật nằm ở token đầu ra

Giá API của kimi-k3.1-pro là 2 USD input, 10 USD output và 0.20 USD cached input cho mỗi 1 triệu token, còn bản Highspeed là 4 USD input và 20 USD output, nhanh hơn 2 đến 3 lần theo lời Moonshot, và giá Highspeed này lấy từ tracker, chưa đọc trực tiếp từ bảng giá Moonshot. So với K3 trước đó là 3 USD và 15 USD, thì K3.1 Pro rẻ hơn khoảng một phần ba. Token output đắt gấp 5 lần input, mà model này lại dài dòng ở effort max mặc định, nên hóa đơn thực tế phụ thuộc nhiều vào độ dài output hơn là giá niêm yết. Về tốc độ, các bản tóm tắt thứ cấp ghi Artificial Analysis đo khoảng 73.5 đến 77 token mỗi giây lúc ra mắt, rồi 57.5 token mỗi giây ở snapshot 25/10, xếp hạng 141 trên 186 model.

Tự host không có giá niêm yết, chỉ có mức thuê K3 để tham chiếu

Tự host không có giá niêm yết, mức tham chiếu duy nhất là bảng xếp hạng thuê K3 của FastGPU, với node 8x MI355X khoảng 22.80 USD mỗi giờ và khoảng 3.69 USD cho mỗi 1 triệu token ở tốc độ khoảng 1.718 token mỗi giây, nhưng đây là tiền lệ K3, chưa phải báo giá cho K3.1 Pro.

Bảng điểm hãng nói gì và không nói gì

Benchmark của hãng thì hãng nào chả đẹp, nên mục này đọc cả footnote của hãng và cả điểm yếu hãng tự để lộ trong chính bảng của mình.

Cách đọc bảng: effort max, harness Claude Code, điểm đối thủ lấy giá trị tối đa

Tất cả điểm K3.1 Pro trên model card đều đo ở reasoning_effort max, temperature 1.0, top-p 0.95, benchmark coding chạy bằng Claude Code harness, còn điểm của model đối thủ trong bảng là giá trị lớn nhất được báo cáo trong blog của hãng đó hoặc leaderboard chính thức. Một phân tích thứ cấp ghi Terminal-Bench 4.0 từng được audit tháng 10/2026, với 60 trên 65 task có ít nhất một lỗi và 41 task chấm theo quy tắc mà hướng dẫn không nêu, nhưng đây mới chỉ là cáo buộc từ phân tích đó.

Điểm mạnh hãng khoe: coding agent sát frontier, tài liệu tài chính cao nhất bảng

Ở Terminal-Bench 4.0, K3.1 Pro đạt 65.7%, Opus 5.5 đạt 66.4%, khoảng cách với Opus 5.5 chỉ 0.7 điểm. Ở SWE Marathon v1.1 thì K3.1 Pro đạt 51.7%, cao hơn Opus 5.5 là 46.3%, ở DeepSWE v1.1 thì đạt 75.5%, sau DeepSeek-V4.1-Flash-1017 là 77.0% nhưng trước Opus 5.5 là 74.2%, ở BenchCAD có tool thì đạt 92.7%, sau Opus 5.5 là 96.2%, và ở OfficeQA Pro v2 thì đạt 64.4%, trước Opus 5.5 là 62.2%. Ở Kimi Hallu Bench Hard có tool, thang này càng thấp càng tốt, thì K3.1 Pro đạt 8.3%, cải thiện từ 23.4% của K3, nhưng blog cảnh báo đây là stress test chứ chưa phải tỷ lệ lỗi hàng ngày.

Điểm yếu trong chính bảng của hãng và số độc lập không được trộn phiên bản

Ở Program Bench thì K3.1 Pro chỉ đạt 31.5%, thua xa Opus 5.5 là 65.0% và Fable 5.1 là 53.5%, còn ở HLE-Diamond thì chỉ đạt 39.4%, thua xa GPT-6 Astra là 65.8% và Opus 5.5 là 60.9%. Hai điểm yếu này cho thấy bảng này không chứng minh K3.1 Pro hơn Opus khi dùng thật hàng ngày. Sang số độc lập thì Artificial Analysis Intelligence Index bản v4.3.2 lúc ra mắt 23/10 cho K3.1 Pro 55 điểm, xếp thứ 4 trên 215 model, sau Opus 5.5 là 58, hơn Fable 5.1 và GPT-6 Astra cùng 53 điểm và hơn K3 11 điểm. Đến ngày 2/11 thì trang Artificial Analysis bản v5.0 được một nguồn thứ cấp ghi là 46 điểm, chi phí ước tính 3.68 USD mỗi task, khác với bản v4.3.2 lúc ra mắt là 55 điểm và 2.11 USD mỗi task, nên tuyệt đối không trộn hai bản index này với nhau.

Cộng đồng khen có điều kiện và nghi ngờ có cơ sở

Bảng điểm là một chuyện, người dùng thật chạy việc hàng ngày lại kể chuyện khác.

Khen bước tiến so với K3, nhưng coder dùng thật vẫn đặt Opus lên trên

Các bản tóm tắt thread Hacker News gần như đồng thuận là K3.1 Pro là bước tiến lớn so với K3 và là model mở weights mạnh nhất được công bố, nhưng nhiều coder dùng hàng ngày vẫn nói Opus 5.5 hơn khi làm việc thực tế, bất chấp bảng Terminal-Bench chỉ lệch 0.7 điểm, và mình không trích số liệu thread đó vì các bản tóm tắt mâu thuẫn nhau. Mình đồng tình với phần bước tiến lớn, vì số độc lập Artificial Analysis bản v4.3.2 là 55 điểm, hơn K3 11 điểm, nhưng phản biện phần gần như ngang Opus bằng 2 điểm yếu Program Bench và HLE-Diamond. Checklist 5 điều của OrcaRouter cho ngày 4/11 nay có đáp án 3 mục là model card đầy đủ, tên license và thông số trùng khung K3, còn 2 mục mở là nội dung license và file list thực tế.

Tranh cãi loại bỏ dữ liệu cyber: hai phía rõ ràng

Theo blog Moonshot, với bản open-weight, hãng đã loại bỏ dữ liệu liên quan an ninh mạng khỏi cả 2 giai đoạn training, trong khi giữ lại các task coding chung để model vẫn hữu dụng. Kết quả hãng tự đo trên benchmark nội bộ xdev-bench-hard dạng pass@3, với các task tái hiện lỗ hổng mới công bố, agent phải viết exploit chạy được để lấy secret trong sandbox, cho thấy bản checkpoint không áp dụng giảm thiểu đạt 90.5%, bản K3.1 Pro cuối cùng đạt 81.0%, tức là giảm 9.5 điểm do chủ động cắt bớt, còn K3 đời trước chỉ đạt 33.3%, tất cả đều là số hãng tự đo trên benchmark nội bộ chưa public. Phía ủng hộ cho rằng loại bỏ dữ liệu ngay từ training vững chắc hơn chỉ chặn bằng refusal lúc chạy, vì refusal có thể bị vượt qua, còn phía lo ngại thì cho rằng loại bỏ dữ liệu rộng có thể ảnh hưởng cả kỹ năng coding chung, vì ranh giới giữa code phòng thủ và code tấn công rất mờ. Mình ghi nhận Moonshot công khai cả 90.5% xuống 81.0%, nhưng giữ lại phía lo ngại vì benchmark là nội bộ, và blog chỉ nói việc lọc áp dụng cho bản open-weight, không viết rằng bản API là checkpoint khác không bị cắt bớt, nên mối liên hệ giữa bản weights với bản API hiện chưa được hãng nói rõ hơn thế.

Chuyện quota bị đốt cháy và cáo buộc quảng bá trả tiền chưa xác thực

Một người dùng gói 99 USD kể đã dùng hết quota 5 giờ chỉ trong 47 phút một session, do model gọi subagent thừa và output dài, và đây chỉ là anecdote của một người, chưa phải số liệu đại diện. Moonshot xin lỗi ngày 25/10 lúc 20:14 UTC trên X về giới hạn tốc độ và việc gọi K3.1 Pro đốt hao quota không cần thiết, tặng mỗi subscriber một lần reset khôi phục 25% quota tháng, hãng nói tương đương khoảng một tuần sử dụng, đồng thời nói đã cắt bớt subagent thừa và độ dài output, và lời xin lỗi này hiện mới ở mức tracker ghi nhận. Rủi ro này gắn với model agentic chạy ở effort max mặc định, cũng là setting bảng điểm hãng dùng, nhưng hãng đã sửa nhanh bằng reset quota. Chuyện cáo buộc influencer thì mình chỉ ghi đúng mức cáo buộc, khi X user Elshayib đăng ảnh chụp màn hình được cho là hướng dẫn chiến dịch quảng bá Kimi, trong đó có dòng “Please DO NOT put on the paid partnership label”, Elshayib nói anh từ chối tham gia theo điều kiện đó, còn một người khác là @kimmonismus nói anh không nhận brief, không được trả tiền, và yêu cầu lời xin lỗi. Tài liệu này chưa được xác thực độc lập, chưa rõ từ Moonshot, agency ngoài hay bên khác, chưa rõ bao nhiêu creator nhận được, chưa xác định được bài đăng trả tiền nào theo điều kiện đó, và đến 25/10 chưa có phản hồi chính thức nào của Moonshot về cáo buộc cụ thể này. VentureBeat cũng tách chuyện này khỏi số Artificial Analysis độc lập.

Hy4 cùng ngày 4/11 đi ngược hướng Kimi

Cùng một ngày 4/11 còn có một bản tin đối lập rất gọn.

Hy4 ra bản đầy đủ qua API, weights vẫn là lời hứa không ngày

Hy4 bản đầy đủ ra mắt 4/11/2026 qua API trên Tencent Cloud TokenHub và OpenRouter, giá 6 NDT input và 18 NDT output cho mỗi 1 triệu token, miễn phí trong WorkBuddy và CodeBuddy từ 4 đến 15/11, giảm 50% trên TokenHub đến 31/12/2026, còn weights bản đầy đủ thì chỉ mới dự định phát hành, không có ngày cụ thể, và trên Hugging Face chỉ có Hy4-preview và bản FP8, đều Apache 2.0, tất cả đều ở mức tracker ghi nhận.

Ý nghĩa đối chiếu: Kimi là lời hứa có ngày hết hạn đã về đích, Hy4 là lời hứa chưa có ngày

Kimi là lời hứa weights có ngày hết hạn và đã về đích, còn Hy4 là lời hứa chưa có ngày.

Quyết định nhanh cho tối nay và 3 điều vẫn chưa biết

Tới đây thì quyết định cho tối nay cũng khá rõ theo từng nhóm người đọc.

Nhóm cần code agent mạnh với giá rẻ thì dùng API ngay, vì API đã mở từ 23/10 và gọi tối nay là chạy được ngay. Nhóm muốn chạy local thì chờ bản quant cộng đồng, vì bản weights gốc cần cụm GPU datacenter và đến ngày 4/11 vẫn chưa có bản quant nào, nên tải 1.56 TB về máy thường lúc này chỉ để ngắm chứ chưa chạy được. Nhóm định đưa vào sản phẩm thương mại lớn thì đọc file license trước, vì các ngưỡng doanh thu và người dùng hàng tháng hiện mới chỉ ở mức tracker ghi nhận là giống K3, còn file gốc thì chưa ai đọc.

Ba điều vẫn chưa biết là file list thực tế trên Hugging Face, vì số 96 file và 1.56 TB chỉ là tracker ghi nhận, nội dung file license, vì model card mới chỉ xác nhận tên “Kimi K3.1 Pro License”, và kiểm chứng độc lập nào tái hiện bản weights trong ngày đầu, vì file nặng hơn 1 TB và mới ra trong ngày. Nếu anh em gọi API tối nay hoặc chờ đến lúc bản quant cộng đồng xuất hiện rồi chạy thử thật, thì chia sẻ trải nghiệm thật lại giúp mình.

Nguồn tham khảo

• Model card Kimi K3.1 Pro trên Hugging Face: https://huggingface.co/moonshotai/Kimi-K3.1-Pro
• Blog kỹ thuật Kimi K3.1 Pro của Moonshot: https://www.kimi.ai/blog/kimi-k3-1-pro
• ArtificialWatch, trang model Kimi K3.1: https://artificialwatch.com/model/kimi-k3-1
• Recipe vLLM cho Kimi-K3: https://recipes.vllm.ai/moonshotai/Kimi-K3
• Cookbook SGLang cho Kimi-K3: https://docs.sglang.io/cookbook/autoregressive/Moonshotai/Kimi-K3
• Repo Kimi-K3 trên Hugging Face: https://huggingface.co/moonshotai/Kimi-K3
• VentureBeat về cáo buộc quảng bá Kimi: https://venturebeat.com/technology/moonshots-kimi-k3-1-pro-flirts-with-open-weights-leadership-amid-paid-influencer-scandal-allegations
• Implicator về cáo buộc brief quảng bá: https://www.implicator.ai/kimi-k3-1-pro-launch-hit-by-unverified-brief-telling-creators-to-skip-ad-labels/
• OrcaRouter về checklist open weights: https://www.orcarouter.ai/blog/kimi-k3-1-pro-open-weights
• Flowtivity so sánh Kimi K3.1 Pro: https://flowtivity.ai/blog/kimi-k3-1-pro-vs-fable-5-1-gpt-6-astra-open-weights/
• Wokey, trang model Kimi K3.1 Pro Highspeed: https://wokey.ai/models/kimi-k3.1-pro-highspeed
• Kingy về Kimi K3.1 Pro: https://kingy.ai/blog/kimi-k3-1-pro/
• CometAPI về tự host Kimi K3: https://www.cometapi.com/kimi-k3-self-hosting-vs-api/
• LLMRequirements về Kimi K3: https://llmrequirements.com/news/kimi-k3-launched
• FastGPU về GPU cho Kimi K3: https://fastgpu.co/best-gpu-for/kimi-k3
• VRAM Calculator về Kimi K3.1 Pro: https://vramcalculator.com/kimi-k3-1-pro-vram-requirements/
• Maccus về Tencent Hy4: https://maccus.fr/en/tencent-hy4-ai-model/
• Startup Fortune về Tencent Hy4: https://startupfortune.com/tencent-launches-hunyuan-hy4-with-vision-and-the-ability-to-click-through-apps/
• Aipolix về việc loại bỏ dữ liệu cyber của Kimi: https://aipolix.com/en-us/news/moonshot-kimi-k3-1-pro-cyber-data-removal-open-weights
• ExplainX về Kimi K3.1 Pro: https://explainx.ai/blog/kimi-k3-1-pro-open-weights-benchmarks-price-terminal-bench-nov-4-2026