AI 日报 | Kimi K3.1 Pro 开放权重，本机要 5.6TB
11 月 5 日，月之暗面在 Hugging Face 放出 Kimi K3.1 Pro 的权重，履行 10 月 24 日发布时的承诺。这是一套混合专家模型：总参 2.8 万亿，单次推理激活约 1,040 亿，上下文约 100 万 token。
与上一代的关系是加训而非换架构：以 K3 为基座做大规模联合强化学习后训练，覆盖数百个下游领域；同时把部分全注意力层换成门控稀疏注意力层，降低长上下文开销。
榜单上，它是 Agent Arena 的开放权重模型第 1、全部参评模型第 13。按该榜口径，样本是全球用户 1.75 万次以上真实长周期智能体会话，净改进 +5.1%；上一代 K3 Max 是 +0.9%，相差 4.2 个百分点。
分项里最该看的是执行可靠性：Bash Reliability 从 −4.5% 升到 +7.9%（起点是当时第 13 名），在开放权重模型里排第一。
同一组里还有三项：Praise vs Complaint 从 +1.3% 升到 +7.7%，Steerability +6.5%，Confirmed Success +3.9%（开放模型第四）。
传统基准上它不是最强。Terminal-Bench 4.0 得 65.7%，GPT-6 Astra 58.2%，Claude Opus 5.5 66.4%——比 Opus 5.5 低 0.7 个百分点（66.4 − 65.7）。
部署门槛写在体积里：BF16 权重约 5.6TB，INT4 量化仍需约 1.4TB。报道的说法是，单机消费级显卡不具备部署可能。
图 1：Kimi K3.1 Pro 的规模、榜单与权重体积。来源：据 IT之家 2026-11-05 报道与 Arena 榜页整理；本图为自制整理。
头条深读 | 能下载，不等于能跑
5.6TB 是什么概念：一张 H100 是 80GB 显存，5,600 ÷ 80 = 70，装下 BF16 权重至少要 70 张卡。INT4 那版小得多，1,400 ÷ 80 = 17.5，约 18 张（两个数都是本方相除）。
这个量级决定了它的用户画像。权重放在公开渠道，但真正能跑起来的，是推理服务商与云厂商，不是个人开发者。
更关键的一层是许可。截至发稿，条款内容未见可核材料——商用限制、再分发规则、衍生模型命名，三样都没有到手。所以「开放权重」目前只能确认到「可下载」这一层。
这条与同日另一处表述互相呼应。DeepSeek 工程师高曦在中国世界互联网大会说，即使安全风险更高也会继续发布权重，以加速 AGI；他把对手描述成「不是其他公司，而是时间」。这是表态，不是承诺文件。
还有一处口径要压住：Arena 的「开放权重第 1」只覆盖它一家榜单。混元 Hy4 在同一个榜上是总榜第 14，Arena 写明「权重开放后」它将与 Kimi K3.1 Pro 并列开源模型第一，分差不到 1 个百分点——并列的前提，是权重真的放出来。
图 2：三个模型的 Terminal-Bench 4.0 读数与它们的分差。来源：据 IT之家 2026-11-05 报道整理；本图为自制整理。
图 3：5.6TB 与 1.4TB 折算成 80GB 卡的数量，以及许可这一层的边界。来源：据 IT之家报道与 Arena 榜页整理，卡数为本方相除；本图为自制整理。
重点速递
OpenAI 一条流水线，给 Linux 内核修了 948 个提权漏洞
OpenAI 总裁 Greg Brockman 公布了一条自主流水线：发现、验证、生成利用、出补丁，用一款即将推出的网络安全模型单次运行完成，目标是 Linux 内核的本地提权漏洞。
漏斗是四段：2,308 个候选发现，1,724 个通过验证，948 个可用利用与补丁，291 个可用 PoC。
成本口径有两组，不能合并。第一组是这次运行：总 API 花费约 120 万美元；报道写作约每个漏洞 1,000 美元，而按 948 个补丁相除，1,200,000 ÷ 948 ≈ 1,266 美元一个。
第二组是同一模型一周内、约 100 万美元 token 成本，在内核里发现约 1,000 个提权漏洞，并称发现至少 10 类新的利用技术。作为对照：过去安全研究者通常每年在 Linux 里发现约 20 个提权漏洞。
Brockman 的定性是「显著加固开源及专有项目的一种可规模化新路径」。
影响在分工上：当单价落到千美元量级，补丁不再是瓶颈，评审与合并才是；近千个补丁同时进入上游，协调披露的节奏也很难跟上。本文不写漏洞位置、触发条件与利用步骤。
图 4：一次运行的漏斗与两组成本口径。来源：据 Brockman 帖文与转述整理；本图为自制整理。
中期选举之后：近八成受访者反对在自家附近建数据中心
11 月 3 日的中期选举后，民主党全面控制国会，报道认为这可能带来选址限制与地方社区话语权的变化。
出口民调给了三个数：超过半数受访者认为 AI 弊大于利；近 80% 反对在自家附近建数据中心；近 60% 称数据中心是其投票的重要因素。
发布机构与样本量，报道只写到「一项出口民调」这一层。
州级案例已经出现。俄亥俄一个县刚通过数据中心禁令，而 Meta 原计划在那里建 70 万平方英尺的设施；OpenAI 曾考察俄亥俄一个 5,000 亿美元的数据中心项目，配套融资超过 1,000 亿美元。
投行的读数也在变。Morgan Stanley 预计佐治亚与得州等地的建设会因民主党获胜而延迟。
高盛估算，民主党控制的 5 个数据中心大州可能影响美国 45% 的规划扩张。这个分母是「美国全国的规划扩张」，不是这 5 个州的扩张；数字出自 FT 转述，转述只到结论这一层。
反 AI 建设的超级 PAC 在本次选举投入数百万美元，仍未挡住这轮反弹。
图 5：出口民调三项、州级案例与两个投行读数。来源：据 TechCrunch 2026-11-04 报道与 FT 转述整理；本图为自制整理。
苹果下调内部 AI 预算：工程团队每日上限 300 美元降到 200
据报道，10 月起，苹果工程团队的每日 AI 支出上限从 300 美元降到 200 美元，部分额度还会降到每天 100 美元；工程之外的部门或在考虑每天低至 25 美元的限额。
降幅依次是三分之一、三分之二、九成以上（200 ÷ 300 ≈ 0.67；100 ÷ 300 ≈ 0.33；25 ÷ 300 ≈ 0.08，均为本方相除）。
三个数字都只有报道方口径，公司层面没有对应说法；覆盖人数、是否包含 API 与第三方订阅，报道只停在四档额度这一层。
报道把这件事放进一个更大的趋势：企业先鼓励员工大量用 AI，随后因为账单转向限量，AI 成本与生产率收益之间的落差仍是普遍顾虑。
图 6：四档每日上限与它们相对 300 美元的降幅。来源：据 TechCrunch 2026-11-04 转述整理，降幅为本方相除；本图为自制整理。
百强公司里 32% 的年报，一个字没提 AI 风险
据转述，MIT 与昆士兰大学的一项分析看企业年报里的 AI 风险披露：前 100 大公司中 32% 未提及任何 AI 风险；前 1,000 大公司中，估计有 62% 如此。
越严重越少提。前 100 大公司里，没有一家提到「权力集中」或「AI 竞赛」；只有 4 家提到「危险 AI 能力」。
开发者这一侧有反差。仅有的 13 家 AI 开发者中，提到失准（misalignment）的占 15%，提到歧视的占 85%——越难量化、越结构性的风险，写进年报的越少。
作者的结论是，企业应当明确列出自身面临的风险与对应防护措施。论文原稿、样本年份与行业分布，截至发稿未见可核材料；「估计 62%」本身是推断值。
图 7：三组披露比例与「越严重越少提」的对照。来源：据公开转述整理；本图为自制整理。
Images 2.6：生成快约 50%，能直接出 GIF
Images 2.6 在 ChatGPT、Codex、API 三处上线，生成速度比前一个版本快约 50%。Arena 给的说法是快 2 倍以上、最低延迟 5 秒——两个口径不同，不能互相换算。
两个 API 模型：GPT-Image-2.6 Flare，低质量档最快约 6 秒出图；GPT-Image-2.6 Sunburst，中高质量，多次编辑之间细节更一致。
新能力有两处：直接生成与编辑 GIF，可调播放速度、逐帧编辑、分享；在图上圈画、箭头、标注来引导编辑，保存的参考图还能复用。
系统卡已发布，涵盖训练数据、安全评估与防护措施。官方定价、GIF 的时长与分辨率上限，截至发稿未见可核材料。
图 8：Images 2.6 的速度口径、两个模型与新增能力。来源：据公开发布信息整理；本图为自制整理。
快讯速览
-
Isomorphic Labs 在谈约 50 亿美元融资，估值约 500 亿美元；它是从 DeepMind 分拆的药物发现公司，目前尚无药物进入人体试验。来源：Bloomberg 转述
-
美国银行业对智能体出现分化：JPMorgan、Citi、Bank of America、Morgan Stanley、Wells Fargo 阻止或限制外部智能体，中小银行则为智能体设计专用账户。来源：The Information 转述
-
Cat Wu 加入 OpenAI 负责 Core Products；她此前是 Anthropic 的 Claude Code 产品负责人。来源：本人与 Brockman 帖文
-
面壁智能发布 MiniCPM-OCR（1.3B）与 Jev 可靠性评分：解析中英文扫描件、手机照片、弯曲倾斜页面；Jev 给抽取结果打分、低置信转人工复核，只标记不自动修正；开放权重，兼容 llama.cpp、vLLM、SGLang、Ollama。来源：官方页
-
PFN 开放翻译特化模型 PLaMo 3 Translate：0.8B、2B、8B、31B 四个尺寸，可离线运行。来源：官方页
-
中国科大 structRFM 登 Nature：开源 RNA 序列基础模型，基于约 2,100 万条计算注释的序列—二级结构配对数据预训练，仅输入序列即可提取三级特征。来源：IT之家条目
-
Apache Spark 4.3 发布：Real-Time Mode 支持有状态处理，已上线 Databricks Runtime 19。来源：官方
-
DeepSeek 工程师高曦称将持续开源权重：在中国世界互联网大会表示，即使安全风险更高也要继续发布权重以加速 AGI。来源：公开场合表态，非承诺文件
-
Buoyant 开源 Kinference：面向 vLLM 与 Kubernetes 的推理控制平面，支持 token 限流、租户用量与成本追踪、负载均衡与推理策略。来源：vLLM 博客
-
华为昇腾 0 Day 适配 Kimi K3.1 Pro：基于 vLLM Ascend 与 SGLang，支持 Atlas 800 A3、900 A3 SuperPod 与昇腾 950 系列部署。来源：IT之家
图 9：速览前五条。来源：各条来源见上方列表；本图为自制整理。
图 10：速览后五条。来源：各条来源见上方列表；本图为自制整理。
积木观察
这一批的两条线，都不是「模型又强了」。
第一条是「开放」的层级。2.8 万亿参数的权重放出来了，5.6TB 的体积说明它更像给推理服务商与云厂商的许可；许可证条款还没到手，开放到第几层仍是问号。
同一周里，DeepSeek 的工程师在公开场合说会继续发布权重——一侧在放开，一侧在讨论放开的代价。
第二条是把担心换算成数字。约 120 万美元修了近千个内核提权漏洞，单价落在千美元量级；年报披露研究给出的是 32% 与 62% 两个比例；中期选举把「反对」变成了近八成。成本、披露率、票数，三样都比一句「AI 有风险」更能推动决策。
一个读法：开放到什么程度，不由参数决定，由许可条款、部署门槛与披露义务这三处决定。
图 11：这一批的两条线。来源：据各条来源公开表述整理；本图为自制整理。
你怎么看
如果你要给团队选一个可私有部署的模型：B 版权重 5.6TB、量化版 1.4TB、许可证条款又还没看到，你会先解决哪一项？
另一个问题：当修一个内核提权漏洞的成本降到约一千美元，瓶颈会从「发现」移到「评审与合并」——你所在的团队准备好了吗？