10 月 22 日凌晨，Arena 的匿名模型池里同时出现了 Kibitz 和 Kalmia。两个名字还没有官方身份，社区已经把它们分别指向 Kimi K3.1 与 Qwen 4。
这次猜测有一条比较完整的证据链：匿名代号、tokenizer 指纹、推理框架适配痕迹，再加上阿里已公开的 Qwen 4 路线图。它们还不足以代替官宣，却足以说明：两家国产大模型可能都走到了发布前的高密度测试阶段。
Kibitz 为什么像 Kimi K3.1最硬的线索来自 SGLang 的一条公开提交。提交标题直接写着“Kimi-K3.1 support for the K3 chat encoder”，代码中出现了 moonshotai/Kimi-K3.1 模型标识。提交说明还给出了两个关键细节：K3.1 与 K3 使用相同的 tokenizer 和 16 个特殊 token，同时在推理强度里新增 medium 档。
这与 AI Tracker Bot 对 Kibitz 做的特殊 token 测试相互印证。在该测试里，Kibitz 对一组用来识别 Moonshot 模型的 token 表现出与 Kimi 系列相似的解码特征。加上过去的 Kiwido、Kiwire、Kivine 都沿用“Ki”开头的匿名代号，Kibitz 与 Kimi K3.1 的关联度确实很高。
图片来源：MoonshotAI 官方 GitHub 仓库
如果 Kibitz 最终揭晓为 K3.1，它大概率是 K3 的快速迭代，而非完全重做底座。Kimi K3 已公开的基线是 2.8T 总参数、每个 token 激活 896 个专家中的 16 个，支持图像输入和 100 万 token 上下文。K3.1 是否会保留这些规格，还要等月之暗面的模型卡、API 价格和正式评测。
Kalmia 指向 Qwen 4，Flash 线可能才是关键Kalmia 的身份判断目前更依赖社区指纹测试。测试者发现，它会在一组 Qwen 家族的特殊 token 上触发相似的异常输出。单独一次 tokenizer 测试不能锁定厂商，但它出现的时间点与阿里的公开路线图高度重合。
9 月的 2026 云栖大会上，阿里已经确认 Qwen 4 正在训练。更早公开的 Qwen3.8-Flash-Next，官方定位就是“Qwen 4 架构的早期预览”。这款模型的主体为 125B 参数，另有 51B 的 N-gram Embedding，每个 token 只激活 6B 参数。
图片来源：Alibaba Cloud，2026 云栖大会
Flash-Next 不只是一个“小参数版”。它把 Gated DeltaNet 与 Qwen Sparse Attention 组合在一起，用四路门控残差加强跨层信息传递，再用 N-gram Embedding 以较小计算开销增加模型容量。Qwen 官方称，它的训练成本约为 Qwen3.7-Plus 的九分之一，代码和办公任务能力却更强。
1 性能与成本同时拉高
6B 激活参数让 Flash 线天然适合高频 API、Coding Agent 和长上下文任务，也给本地量化部署留下空间。
2 架构已经提前交底
Qwen 4 的架构方向已经在 Flash-Next 上公开，正式版最值得看的是规模放大后的能力与价格。
3 Flash 可能成为主力入口
若阿里沿用 Flash-Next 的设计思路，Qwen 4.0-Flash 有机会以低激活参数覆盖编程、办公、Agent 与多模态场景，它对普通用户的影响可能大于只追求榜单上限的旗舰型号。
大概率在10月底前发布Arena 匿名测试最有价值的地方，是让模型在身份揭晓前面对真实偏好。它可以告诉我们新模型已经开始对外测试，却不会自动公布参数、训练方案和价格。这些答案只会出现在模型卡、官方博客、权重仓库与 API 文档里。
当前的线索已经足够让 Kibitz 和 Kalmia 进入重点追踪名单。若身份判断成立，这轮更新的看点将很清晰：Kimi K3.1 追求旗舰模型的快速迭代，Qwen 4 则很可能把 Flash 路线做成兼顾能力、速度与成本的主力产品。