--- title: "Bobot Kimi K3.1 Pro Dibuka, Model 2,8 Triliun Parameter" description: "Moonshot AI membuka bobot Kimi K3.1 Pro di Hugging Face. Ini spesifikasinya, isi lisensinya, dan kenapa model ini tidak realistis dijalankan di VPS biasa." url: "https://nivelva.com/insight/kimi-k3-1-pro-bobot-terbuka" category: "AI \u0026 Otomasi" tags: ["kimi k3.1 pro","moonshot ai","model open-weight","llm","hugging face"] author: "Lucas Tan" published: "2026-11-12T15:43:00+07:00" updated: "2026-11-12T15:43:00+07:00" language: "id" publisher: "Nivelva (https://nivelva.com)" --- # Bobot Kimi K3.1 Pro Dibuka, Model 2,8 Triliun Parameter > **Jawaban singkat:** Moonshot AI merilis bobot Kimi K3.1 Pro di Hugging Face awal November 2026. Model mixture of experts ini berukuran 2,8 triliun parameter dengan 104 miliar aktif per token dan konteks sekitar 1 juta token, memakai lisensi kustom, dan butuh puluhan GPU kelas data center untuk dijalankan. Bayangkan kamu membuka Hugging Face pagi ini dan melihat model kelas teratas dari Moonshot AI bisa diunduh siapa saja. Itulah yang terjadi dengan **Kimi K3.1 Pro**. Bobotnya kini tersedia di repositori `moonshotai/Kimi-K3.1-Pro`, setelah sebelumnya model ini hanya bisa dipakai lewat aplikasi dan API Kimi. Moonshot menargetkan bobot penuh keluar paling lambat 4 November 2026, dan TechNode memberitakan perilisannya pada 5 November 2026. Angka yang paling menarik perhatian adalah ukurannya: 2,8 triliun parameter. Tapi angka itu juga yang membuat model ini jauh dari jangkauan server kecil. ## Isi rilisnya Kimi K3.1 Pro memakai arsitektur mixture of experts (MoE). Dari 2,8 triliun parameter, hanya sekitar 104 miliar yang aktif untuk setiap token. Cara ini membuat komputasi per token jauh lebih ringan dibanding model padat seukuran itu, walau seluruh bobot tetap harus ada di memori. Berikut spesifikasi utama menurut kartu model di Hugging Face, per 12 November 2026: | Aspek | Kimi K3.1 Pro | |:--|:--| | Total parameter | 2,8 triliun | | Parameter aktif per token | sekitar 104 miliar | | Jumlah expert | 896 (16 dipilih per token, ditambah 2 expert bersama) | | Panjang konteks | 1.048.576 token | | Masukan | Teks dan gambar (encoder visi MoonViT-V2) | | Format bobot | MXFP4 untuk bobot, MXFP8 untuk aktivasi | | Mesin inferensi yang disarankan | vLLM, SGLang, TokenSpeed | | Lisensi | Kimi K3.1-Pro License (kustom) | Format MXFP4 artinya bobot sudah disimpan dalam presisi 4 bit sejak pelatihan (quantization-aware training), bukan dikompres belakangan. Ini salah satu alasan ukuran file bisa ditekan untuk model sebesar ini. Kalau istilah ini masih asing, penjelasan [arti angka parameter pada model AI](https://nivelva.com/insight/arti-angka-7b-70b-400b-model-ai) membantu memahami skalanya. Untuk sisi kemampuan, Moonshot mencantumkan skor Terminal-Bench 4.0 sebesar 65,7, DeepSWE v1.1 sebesar 75,5, BrowseComp 92,1, dan GPQA-Diamond 94,2. Semuanya adalah klaim vendor yang diukur sendiri dengan pengaturan penalaran maksimal. Angka seperti ini berguna sebagai gambaran awal, tetapi sebaiknya dibaca kritis, seperti dibahas di [cara membaca benchmark model AI](https://nivelva.com/insight/membaca-benchmark-model-ai). ## Seberapa besar sebenarnya? Menurut perhitungan Braindetox dari daftar file di repositori, berkas bobot (safetensors) totalnya sekitar 1,56 TB. Itu baru bobotnya. Saat dijalankan, model juga butuh memori untuk KV cache, aktivasi, dan kebutuhan mesin inferensi. Kalau dihitung kasar, menampung 1,56 TB bobot saja sudah butuh sekitar 20 GPU dengan memori 80 GB. Jadi model ini secara realistis hanya bisa dijalankan di klaster GPU kelas data center, bukan di VPS, komputer kantor, atau satu server GPU biasa. Perlu diingat juga soal pengunduhan. Menarik 1,56 TB dari internet butuh waktu lama bahkan di koneksi data center, ditambah ruang penyimpanan cepat untuk memuat bobot ke GPU. Contoh Docker di kartu model pun memakai opsi `--gpus all` dan memori bersama 32 GB, tanda bahwa resep ini memang ditujukan untuk mesin multi-GPU. Jadi, jangan tergoda mencoba di laptop atau VPS hanya karena label "bisa diunduh". Bagi kebanyakan tim di Indonesia, cara paling masuk akal memakai Kimi K3.1 Pro tetap lewat API, baik dari Moonshot langsung maupun penyedia inferensi yang menyediakannya. Untuk server sendiri, model open-weight yang jauh lebih kecil masih jadi pilihan yang wajar, sesuai hitungan [kebutuhan VRAM GPU untuk LLM](https://nivelva.com/insight/kebutuhan-vram-gpu-llm). ## Apa artinya lisensi kustom? Bobot yang terbuka tidak otomatis berarti open source dalam definisi OSI. Lisensi Kimi K3.1-Pro memakai bahasa ala MIT yang membolehkan pemakaian, modifikasi, dan distribusi ulang, lalu menambahkan beberapa syarat komersial: - Penyedia layanan model (Model as a Service) yang membuka akses inferensi atau fine-tuning ke pihak ketiga dan pendapatannya melebihi US$20 juta dalam 12 bulan berturut-turut wajib membuat perjanjian terpisah dengan Moonshot. - Produk komersial dengan lebih dari 100 juta pengguna aktif bulanan atau pendapatan lebih dari US$20 juta per bulan wajib menampilkan nama "Kimi K3.1-Pro" secara jelas di antarmukanya. - Dua syarat itu tidak berlaku untuk pemakaian internal yang tidak membuka model, keluarannya, atau kemampuannya ke pihak ketiga. Untuk usaha kecil dan menengah, ambang tersebut sangat tinggi, jadi praktis jarang tersentuh. Meski begitu, bacalah teks lisensinya sendiri sebelum memakai model ini di produk komersial. Perbedaan istilah open source, open-weight, dan tertutup dibahas lebih rinci di [artikel ini](https://nivelva.com/insight/open-source-open-weight-tertutup-bedanya). ## Siapa yang paling diuntungkan Rilis bobot ini paling berarti bagi tiga kelompok. Pertama, penyedia inferensi dan cloud yang bisa menawarkan model ini sebagai layanan, termasuk di luar ekosistem Moonshot. TechNode melaporkan Huawei mengumumkan dukungan inferensi lewat vLLM Ascend dan SGLang untuk sistem Atlas A3 dan Ascend 950. Kedua, peneliti dan perusahaan besar yang butuh kendali penuh atas data, misalnya untuk menjalankan model di pusat data sendiri tanpa mengirim data ke API luar. Ketiga, pengembang model lain yang ingin mempelajari arsitektur MoE skala triliunan parameter. Untuk pengguna biasa dan bisnis kecil, dampaknya lebih tidak langsung: makin banyak penyedia yang bisa menawarkan model ini, makin besar peluang harga API yang bersaing dan pilihan lokasi server yang lebih beragam. ## Ringkasnya Kimi K3.1 Pro kini bisa diunduh, tetapi ukurannya sekitar 1,56 TB dan butuh puluhan GPU data center untuk dijalankan. Lisensinya longgar untuk pemakaian sehari-hari dengan syarat khusus bagi pemain sangat besar. Bagi kebanyakan bisnis, pilihan realistisnya tetap lewat API, sambil memantau skor benchmark independen yang biasanya muncul beberapa minggu setelah rilis. ## Sumber - - - - --- Diterbitkan oleh Nivelva Insight (https://nivelva.com/insight/). Artikel ini: https://nivelva.com/insight/kimi-k3-1-pro-bobot-terbuka Kontak Nivelva: WhatsApp https://wa.me/6285111245007, email hello@nivelva.com