开源大模型集体爆发：Kimi K3.1权重开放与电脑操作新突破

本周开源模型圈迎来密集发布，从 Moonshot 的 Kimi K3.1 权重开放，到 Bipo AI 的 North Kua 电脑操作模型，再到 Pika H3 Flex 视频生成模型，几乎每个方向都有重量级选手登场。开源模型与闭源前沿的差距正在肉眼可见地缩小，而效率和成本的优化让本地部署变得前所未有的现实。

Kimi K3.1 Pro：开源权重中的前沿选手

Moonshot 兑现了承诺，正式在 Hugging Face 上放出 Kimi K3.1 Pro 的模型权重。这是一个 3 万亿参数规模的模型，共包含 96 个分片，每个分片约 17GB。官方定位很明确：它可能还不是 Anthropic 和 OpenAI 闭源实验室绝对前沿的水平，但差距已经只有半步之遥，而且完全开源开放权重。

想本地跑起来并不容易，粗略估算至少需要 1.2TB 显存。但社区拿到权重后很快会推出量化版本，届时消费级硬件也有机会尝鲜。基准测试的表现足以说明问题：在 Terminal Bench 上它击败了 Astra，仅次于当前公认最强的 Opus 5.5；在 Agent's Last Exam 上它拿到第一名，压过 Opus 和 Astra；在 GDPVal 这一考察真实世界知识工作的基准上，它的 ELO 分数排名第二，同样紧随 Opus 5.5。

混合专家架构（Mixture of Experts, MoE）是理解当前大模型参数规模的关键。它把模型拆成多个“专家”子网络，每次前向传播只激活其中一小部分，因此总参数量可以做得极大，而实际计算量远低于同等参数量的稠密模型。Kimi K3.1 Pro 的 3 万亿参数、North Kua 的 3970 亿总参数/170 亿激活参数，都是这一思路的体现。这也解释了为什么“总参数”与“激活参数”常被并列给出：前者决定存储与显存需求，后者决定推理速度与成本。

North Kua：把电脑操作做成开源能力

Bipo AI 推出的 North Kua 是一个中等规模的电脑操作模型，总参数 3970 亿，激活参数 170 亿，采用混合专家架构。这个家族还有两个更小的版本：North Kua Mini 总参数 350 亿，North Kua Nano 仅 90 亿。三者都附带自研的 harness，并且同样开源。

在 OS World Verified 这一权威电脑控制基准上，Nano 得分为 78.9，Mini 为 85，Pro 为 88。Nano 和 Pro 之间只差约 10 分，意味着 90 亿参数的模型在大多数硬件甚至手机上就能运行，却能提供接近前沿的操作能力。Web Arena Verified 上也呈现同样的趋势，小模型与大模型的分数非常接近。它的工作方式是一个观察、思考、行动的循环：截屏理解当前界面，规划下一步，执行操作，然后重复。

图像与视频模型的效率革命

Pruna AI 做了一件有意思的事：把 Minimax H3 这个视频模型改造成了图像生成与编辑模型 PH3 Image，并开源了权重。核心卖点是效率——生成或编辑图像只需 8 步而非 50 步，速度快了五倍，一张四百万像素图像耗时 2.6 秒而非 12.4 秒。模型体积比 H3 小七倍，高分辨率图像的下载和运行对 GPU 的要求都大幅降低。

它的强项集中在照片级真实感、纪实与编辑摄影、电影剧照以及带短引文的图形风格。官方给出的对比示例显示，在多个提示词下 PH3 Image 与 Minimax H3 的输出几乎难以区分，但步数少得多。手写体图像的表现尤其亮眼，甚至能还原咖啡渍这样的细节。

Pika Labs 的 Pika H3 Flex 则直接冲上了设计竞技场文生视频榜的开源权重第一名。它同样基于 Minimax H3 训练，但更快也更强，支持最高 4K 分辨率、可导出音频分轨、生成速度快于实时。它能用约 7 秒产出一段带配乐的 15 秒片段，定价从每秒一美分起步，60 秒视频的成本约 60 美分。多素材输入是它的另一个亮点：可以同时喂入多张图片、纹理、图案和一个音频文件，迅速生成带有丰富镜头运动的视频，并支持继续编辑。

文生视频与图像生成中的“步数”指扩散采样迭代次数。传统扩散模型需要几十步去噪才能得到清晰结果，步数越多质量越好但耗时越长。蒸馏、对抗训练或一致性模型等技术可以把采样压缩到个位数步数，PH3 Image 的 8 步生成正是这一路线的产物。步数减少不仅提速，还降低了对显存和算力的要求，使高分辨率生成在消费级 GPU 上变得可行。Pika H3 Flex 的“快于实时”同样依赖这类采样效率优化。

小模型与专用模型的多点开花

Sarvam 的 Prism 是一款开源权重的决策模型，建立在 Sarvam 105B 之上。你给它一段上下文和若干带有固定选项的问题，它在单次前向传播中返回每个答案的概率。它不生成文本，答案一定落在你给定的选项里，这与 Jeff 这类决策模型的思路一致。官方建议使用 B200 或 H200，权重需要 106GB 磁盘空间，但足够强劲的消费级硬件也有机会跑起来。

MIT 的 Hydrogen 1.0 则把 GLM 5.3 做了后训练，专攻科学发现。在前沿科学基准上它超越了包括 GPT-6 Astra Max 在内的所有对比模型，同时成本低于几乎所有对手，每个问题约 25 美分，而 Astra 为 88 美分。演示中它能自动编写代码，在三维空间模拟聚乙烯熔融的分子过程，并可旋转观察。

Perplexity 开源了 Embed V2 Context，一款视觉语言嵌入模型，提供 90 亿参数和 6 亿参数两个版本，专门用于在文本、图像和 PDF 等视觉文档上做检索。它足够小，可以在本地运行。社区微调的 Qwen 3.5 四 B 版本则专精 3D 编码，能生成独立的 Three.js、HTML、JavaScript 场景并支持 GLB 导出，对 Godot 等编辑器也很友好。

扩散语言模型与设备端新架构

Diffuse Space AI 的 Clover 是一个 35 亿参数、3 亿激活参数的混合专家扩散文本模型。扩散架构带来的速度优势非常直观：一个从 CMU 匹兹堡校区导航到最近 Wendy's 的电脑操作任务，它用了 28 步、169 秒完成，而 Qwen 3.6 Flash 跑了 578 秒、达到 30 步上限仍未完成。

Liquid AI 的 LFM 3 走的是另一条路线。1.7B 版本在参数更少的情况下超过了上一代 2.6B 版本，四比特量化后体积约 1GB，几乎任何设备包括手机都能装下。它支持 256K 上下文窗口，具备视频、文本、空间感知和逐步推理能力，还能在单张 GPU 上微调。

百度研究院的 Unlimited OCR 针对图像文档读取，宣称没有页数限制、注意力成本不随长度增长，在单次处理中解析几乎无限长的文档并保持精度。实测中它在 5000 页文档上表现稳定，在多数 OCR 基准上成绩优异，权重已开放下载。

ServiceNow 的 Aprile Voice 27B 出人意料地采用了开源策略。这个语音 AI 模型可同时接收文本、图像和语音输入，经由语音编码器、token 嵌入和冻结的视觉接口汇入混合专家主干，最终不仅能理解任务，还能输出语音。

扩散语言模型（Diffusion Language Model）与传统自回归模型的工作方式不同。自回归模型逐 token 从左到右生成，每个 token 都要一次前向传播；扩散模型则从噪声出发，经过若干步去噪同时细化整段文本，步数固定且可并行。这正是 Clover 在电脑操作任务中用 28 步、169 秒完成而自回归模型跑满步数仍未完成的原因。代价是扩散模型在长文本连贯性和精确控制上仍有挑战，因此目前多用于对延迟敏感、输出结构相对固定的 agent 场景。

闭源阵营的性价比之战

本批发布中唯一的闭源模型是 OpenAI 的 GPT 6.1 Tera，但它的定价策略值得关注。相比上一代 GPT 5.6 Tera，标准 API 价格降低了 50%，能力反而更强。在 Agent's Last Exam 的帕累托曲线上，它几乎贴着零成本一侧；在最低思考预算下，它的智能水平相比同价位的 GPT 6 Luna 有明显提升。更关键的是，它在每 token 价格仅为 GPT 6 Astra 十分之一的情况下达到了相近表现，任务完成速度平均比 Astra 和 GPT 6.1 Sol 快三倍以上。对于需要跑大规模工作流的团队，这是一个值得认真评估的选项。

整体来看，这一周的主线非常清晰：开源权重正在从追赶者变成并跑者，效率优化让小模型在特定任务上逼近大模型，而闭源阵营则用价格战回应。对开发者和研究者而言，选择从未如此丰富。

帕累托曲线（Pareto curve）在模型评测中用来刻画“智能水平—成本”的权衡边界：曲线上的点表示在给定成本下无法再提升智能、或在给定智能下无法再降低成本的最优组合。GPT 6.1 Tera 在 Agent's Last Exam 的帕累托曲线上贴近零成本一侧，意味着它以极低价格提供了接近前沿的智能，属于帕累托改进。对团队选型而言，关注帕累托前沿比单看某一项 benchmark 分数更能反映实际性价比。