Kimi K3.1 Pro: 2,8-Billionen-Modell kommt als Open Weights am 4. November

Worum es geht

Das chinesische KI-Unternehmen Moonshot hat Kimi K3.1 Pro vorgestellt. Es ist eine nachtrainierte Version von Kimi K3 mit deutlich mehr Rechenaufwand beim Nachtraining per Reinforcement Learning (Lernen durch Belohnung). Das Modell ist multimodal und als Mixture-of-Experts (MoE) gebaut: Von insgesamt 2,8 Billionen Parametern – grob gesagt den beim Training gelernten Stellschrauben – sind pro Token nur 104 Milliarden aktiv. Das Kontextfenster beträgt 1 Million Token. Zum Start gibt es das Modell über die Kimi-Website und -App, Kimi Work, Kimi Code und die API. Die Gewichte sind nicht verfügbar, sondern von Moonshot für den 4. November 2026 angekündigt.

Der Newsletter AINews (Latent Space) rahmt das als Verkleinerung des Abstands zwischen offenen und geschlossenen Modellen. Laut Artificial Analysis (AA) würde die Lücke im Intelligence Index zwischen dem besten offenen und dem besten proprietären Modell nach der Veröffentlichung von 12 auf 3 Punkte schrumpfen.

Was Moonshot verspricht

Beworben werden komplette Projekte in Unreal, Unity und Godot, parametrisches Modellieren in Blender und CAD, Finanzmodellierung und lang laufende Agenten. Dazu kommen „Kimi Hosted Agents“, eine verwaltete Umgebung, die rund um die Uhr läuft und mehrere Agenten zusammenarbeiten lässt. Moonshot nennt 65 % weniger Halluzinationen bei Finanzaufgaben. Basis, Nenner und Protokoll dieser Zahl nennt die Quelle nicht; sie ist eine reine Herstellerangabe.

Zur Architektur ist wenig bekannt: Layout, Expertenrouting, Attention-Design und Trainingsbudget sind nicht veröffentlicht. Der Newsletter rechnet illustrativ vor, dass 2,8 Billionen Parameter allein etwa 5,6 TB bei 16 Bit oder 1,4 TB bei 4 Bit bedeuten – vor Overhead. Zum Betreiben müssen alle Experten vorgehalten werden, nicht nur die 104 Milliarden aktiven.

Unabhängige Ergebnisse

Artificial Analysis: Platz 4 mit 55 Punkten. Die Verbesserungen liegen vor allem bei agentischen Aufgaben. Auf AA-Omniscience stieg die Genauigkeit von 48 auf 51 %, die Halluzinationsrate sank von 53 auf 44 %.
Arena (Code Arena WebDev): Platz 8 mit 1.692 Punkten, neun Plätze und 37 Punkte über K3. Nach Veröffentlichung wäre es laut Arena das bestplatzierte offene Modell und würde DeepSeek V4.1 Flash überholen. Es liegt ungefähr auf Höhe von Opus 5 Max, nicht des neueren Opus 5.5.
Aggregierter ECI: vorläufig 164,7 mit breitem Intervall (152,5–169,0). Das ist eine Schätzung aus veröffentlichten Benchmarks, keine eigene Messung.

Gemischter fällt das Bild bei 3D und interaktiven Aufgaben aus: Erste AA-3D-Stimmen deuten auf einen schlechteren Rang als im Coding. Beim RuneScape-Bench lag es laut einem Nutzer etwa auf Niveau von DeepSeek V4.1 Flash und Opus 5.0. Ein Nutzer berichtet, bei einem Compiler-Projekt hätten weder K3.1 noch Alternativen Fable 5.1 oder Opus 5.5 erreicht. Das sind Einzelfälle, keine Gesamtergebnisse.

Preise und tatsächliche Kosten

	K3	K3.1 Pro
Eingabe / 1 Mio. Token	3 $	2 $
Ausgabe / 1 Mio. Token	15 $	10 $
Cache-Eingabe	0,30 $	0,20 $

Highspeed kostet das Doppelte und soll 2–3× schneller sein. Billigere Token bedeuten aber nicht automatisch billigere Aufgaben: Im AA-Index kostet eine Aufgabe 1,98 $ (etwa unverändert), weil K3.1 Pro 55.000 statt 48.000 Ausgabe-Token erzeugt. Im AA Cyber Index sind es 2,81 $ pro Aufgabe (15 % mehr). In der Arena-WebDev-Messung liegt der Median bei 1,23 $ – 29 % unter K3, 74 % unter Opus 5 Max, 24 % unter GPT-6 Sol Max.

Cybersicherheit

Moonshot hat cyberbezogene Daten aus dem Mid-Training und dem RL entfernt, statt sich nur auf Ablehnungen zur Laufzeit zu verlassen. Ein interner Wert fiel laut Bericht von 90,5 auf 81 %. Trotzdem erreicht das Modell im AA Cyber Index 64 % (K3: 41 %; vor allem CyberGym von 58 auf 95 %). Das ist das höchste öffentlich zugängliche Ergebnis; nur GPT-6 Sol Daybreak Blue mit Sonderzugang kommt auf 69 %. AA beobachtete keine Verweigerungen. Ob das eine Sicherheitsmaßnahme oder bloß weniger Fähigkeit bedeutet, bleibt offen; Aussagen wie „genervt“ oder Vergleiche mit anderen Modellen sind Kommentare, keine Befunde.

Kritik und Kontroversen

Benchmarks: Moonshots Tabelle ist keine unabhängige Replikation; kritisiert werden die Nutzung des Claude-Code-Harness und uneinheitliche Quellen für Terminal-Bench-Vergleiche.
Betriebskosten: Ein Kommentator schätzt das Modell als 30× oder mehr teurer im Betrieb als DeepSeek Flash und forderte ein Flash-Modell. Das sind unbelegte Schätzungen. Ein Flash-Modell wurde nicht angekündigt.
„Lokal“: Ein Billionen-Modell ist selbst hostbar, aber nicht auf Verbrauchergeräten lauffähig.
Anbieterunterschiede: Vals fand bei K3 (nicht K3.1) 60,6 % bei Baseten gegenüber 75,8 % bei Moonshot in Rechtsaufgaben.
Bezahlte Werbung: Mehrere Nutzer behaupten, Influencern sei angeblich untersagt worden, ein Kennzeichen für bezahlte Partnerschaft zu setzen. Das Briefing ist nicht authentifiziert, eine Reaktion von Moonshot liegt nicht vor.

Einordnung

Wenn die Gewichte wie angekündigt erscheinen, wäre das ein offenes Modell nahe der Spitze, wie es Beobachter noch ffürs Jahresende erwartet hatten. Offen sind Lizenz, Präzision der Checkpoints und Hardwarebedarf; deshalb ist „bald offene Gewichte“ präziser als „Open Source“. Für die meisten Leser ist die API relevanter als Selbsthosting. Die unabhängigen Tests von AA und Arena sind belastbarer als Herstellertabellen und Influencer-Stimmen, zeigen aber teils Schwächen bei 3D und Kosten pro Aufgabe.