月之暗面发布Kimi K3.1 Pro与Pro Highspeed，南北阁开源Nanbeige4.3-33B模型

通用模型Kimi K3.

1 Pro / Pro Highspeed，编程与办公模型Nanbeige4.

3-33B，多模态决策模型d3-turbo，个人助手A5，GPU计算优化模块gpu-unlock-ada。

10 月 26 日，近期精选覆盖语言模型、决策模型、个人助手与算力工具：Kimi K3.

1 Pro 提供 1M 上下文，d3-turbo 可在一次读取输入后回答多个判断问题。

处理长上下文中的代码、3D 创作和金融研究任务，提供 1M 上下文与高速版本。

Kimi 于 10 月 24 日发布 K3.

1 Pro 与 Pro Highspeed，采用 3T 级模型，支持 1M 上下文。

模型面向代码、3D 创作、金融研究及 Agent 任务，可在长上下文中处理任务材料，并衔接工具使用与多步执行。

Pro Highspeed 提供更快的服务路径，官方称速度为 Pro 的 2—3 倍。

目前 Kimi 网页、App、Kimi Code 和 API 均已上线。

计划于 11 月 4 日前开放完整权重，当前尚未开放；

需要本地运行的开发者仍需等待。

上手门槛 在线使用：🟢 低｜Kimi 网页与 App 已上线 开发接入：🟢 低｜提供标准 API 接口 发布说明：https://www.

kimi.

com/en/blog/kimi-k3-1-pro 在线体验：https://www.

kimi.

com/ API 平台：https://platform.

kimi.

com/ 以 33B 稠密模型处理复杂编程、职业办公和工具调用，支持 512K 上下文。

Nanbeige4.

3-33B 是一款 33B 稠密模型，支持 512K 上下文，面向复杂编程、职业办公与工具调用。

模型提供思考开关，可选择在多轮工具调用中保留前序推理内容，便于延续前序推理过程。

团队报告其 Terminal-Bench 2.

1 得分为 80.

9。

权重按 Apache 2.

0 许可证开放，可通过 Transformers、vLLM 或 SGLang 运行。

它也承担系列教师模型的角色，供未来 3B 模型蒸馏使用，但该 3B 模型尚未发布。

部署时需为 33B 原始权重和长上下文分别预留显存。

上手门槛 自行部署：🔴 高｜需承载 33B 原始权重｜长上下文增加显存需求 模型权重与说明：https://huggingface.

co/Nanbeige/Nanbeige4.

3-33B 一次读取文本或视觉输入，回答多个选择、评分与定位问题，并返回概率。

vLLM Semantic Router 的 d3-turbo 已于 10 月 19 日提供服务。

这款 27B 级模型实际参数量为 26.

09B，接受文本、JSON、图像和视频输入，输出多选、是否、评分、定位与跟踪等判断的概率，不生成文本回答。

它可一次读取输入后回答多个问题，适合请求路由、内容筛选及视频目标判断。

免费 API 每次最多支持 64 个问题，本地运行最多支持 255 个。

模型默认上下文为 32K，可启用 131,072 token 长上下文；

权重按 Apache 2.

0 开放，上述参数量已包含视觉编码器。

上手门槛 开发接入：🟢 低｜无需账号，一键获取 API Key｜标准 REST 接口，免费 API 每次最多支持 64 个问题 自行部署：🔴 高｜需承载 27B 级原始权重，包含视觉编码器 模型权重：https://huggingface.

co/vllm-sr/d3-turbo 服务入口：https://decision.

vllm-sr.

ai/ API 文档：https://decision.

vllm-sr.

ai/docs 保留跨会话记忆、跟踪工作空间变化，并提出由用户决定是否执行的后续建议。

A5 于 10 月 23 日推出技术预览，面向需要长期上下文的个人助手场景。

它跟踪工作空间变化，主动提出后续建议，由用户决定执行。

记忆以 Markdown 保存并由 Git 管理版本，空闲时整理过时或重复内容，也提供带来源的 Wiki。

当前仅发布 Harness 与安装包，源代码计划开放但尚未开源。

支持 Intel 和 Apple 芯片 Mac，以及尚未充分测试的 Linux x86_64 AppImage；

需自行接入兼容模型服务，并支持 MCP 与 Skills。

上手门槛 自行部署：🟢 较低｜提供安装包｜需接入支持流式工具调用的 OpenAI 或 Anthropic 兼容模型服务 技术预览与安装说明：https://huggingface.

co/blog/KYLN24/introducing-a5 通过 Linux 内核模块调整特定 Ada 显卡的计算配置，提升部分矩阵计算吞吐。

gpu-unlock-ada 是按 GPL 2.

0 开放的实验性 Linux 内核模块，在 NVIDIA 驱动前启用 SM 速度选择覆盖。

支持 RTX 4090，实验支持 RTX 4070 Ti SUPER；

固件本地生成，需适配启动和驱动。

项目报告，FP16、BF16 且采用 FP32 累加的指令吞吐约翻倍；

cuBLAS 的 FP16 实测提升约 12%—34%，随矩阵形状变化，某量化 MoE 则无增益。

它不增加显存，也不代表大模型普遍提速一倍。

上手门槛 自行部署：🔴 高｜限指定显卡及 Linux 环境｜需处理内核模块、启动流程与驱动适配 源码与实验说明：https://github.

com/JustAResearcher/gpu-unlock-ada