Kimi K3.1 Pro: 2,8-Billionen-Modell von Moonshot, Gewichte bis 4. November
Moonshot AI hat Kimi K3.1 Pro vorgestellt, ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern und 1 Million Token Kontext. Es ist per API bereits nutzbar und günstiger als der Vorgänger. Die offenen Gewichte sind bis 4. November versprochen, die Lizenz ist noch unbekannt.
Worum es geht
Moonshot AI aus Peking hat am 23. Oktober 2026 (laut Unite.AI am 24. Oktober) Kimi K3.1 Pro vorgestellt, das erste Modell der neuen K3.1-Serie. Es ist eine nachtrainierte Version von Kimi K3 vom Juli 2026 und wird als bislang leistungsfähigstes Open-Weight-Modell der 3-Billionen-Klasse beworben. Mit Stand 3. November sind die Gewichte jedoch noch nicht herunterladbar: Moonshot hat die vollständige Veröffentlichung „bis zum 4. November“ zugesagt. Weder Repository noch Lizenz waren zuletzt sichtbar. Gleichzeitig erschien Kimi K3.1 Pro Highspeed, eine Variante, die laut Moonshot 2 bis 3 Mal schneller läuft.
Architektur und Technik
Das Modell hat 2,8 Billionen Parameter in einer Mixture-of-Experts-Architektur (MoE – viele spezialisierte Teilnetze, von denen pro Token nur wenige aktiv sind), davon 104 Milliarden aktiv. Laut MarkTechPost nutzt die K3-Basis Kimi Delta Attention und Attention Residuals und aktiviert 16 von 896 Experten über ein „Stable LatentMoE“-Verfahren. Der Rechenaufwand pro Token sinkt, der Speicherbedarf aber nicht, da alle Experten im Speicher liegen müssen. Das Kontextfenster beträgt 1 Million Token (genau 1.048.576). Das Modell nimmt Text, Bilder und Video entgegen.
K3.1 Pro entstand durch deutlich mehr Rechenaufwand im Nachtraining: Moonshot trainierte per Reinforcement Learning (Lernen durch Belohnung) gemeinsam über hunderte Anwendungsbereiche und optimierte dafür RL-Framework, Langkontext-Inferenz, Sandbox-Infrastruktur und Rollout-Planung.
Laut Kimi Code-Dokumentation (über Unite.AI) läuft das Modell nur im Denkmodus; Anfragen ohne Denken werden mit HTTP 400 abgelehnt. Der Reasoning-Aufwand lässt sich auf low, high oder max stellen (Standard: max). Temperatur 1,0 und top_p 0,95 sind fest. Ausgaben sind standardmäßig 131.072 Token lang, maximal 1.048.576. Öffentliche Bild-URLs werden nicht akzeptiert, nötig sind Base64 oder hochgeladene Datei-IDs.
Benchmarks (alle Herstellerangaben)
| Messung | K3.1 Pro | Vergleich |
|---|---|---|
| Terminal-Bench 4.0 | 65,7 % | Opus 5.5: 66,4 %; GPT-6 Astra: 58,2 % |
| SWE-Marathon | 51,7 | Opus 5.5: 46,3 |
| Terminal-Bench Science 0.1 | 38,1 | GPT-6 Astra: 68,1; Opus 5.5: 63,3 |
| BenchCAD mit Werkzeugen | 92,7 % | Opus 5.5: 96,2 %; GPT-6 Astra: 95,9 % |
| OfficeQA Pro v2 | 64,4 | laut Moonshot Bestwert |
| Kimi Code Bench 3.0 Long-horizon (intern) | 61,2 | K3: 55,95 |
| Halluzinationsrate Hallu Bench Hard | 8,3 % | K3: 23,4 %; GPT-6 Astra: 5,5 % |
Bei Finanz-Aufgaben meldet Moonshot Zugewinne von 7,2 Punkten (Modeling) und 11,6 (Research) gegenüber K3. Die Schwäche bei wissenschaftlichen Terminal-Aufgaben beträgt über 25 Punkte. Ein chinesisches Portal berichtet zudem von 55 Punkten im Artificial-Analysis-Intelligence-Index (Platz vier) – das ist nur eine Quelle und steht unter Vorbehalt.
In einem internen Langzeittest baute das Modell laut Blog über 167 Missionen und 420 Reviews einen Simulator für menschliches Gehen auf Basis eines Anatomiemodells und korrigierte dabei 36 Fehler in Muskelhebelarm-Berechnungen.
Unabhängiger Vergleich mit Opus 5.5
Der Kanal Prompt Engineering ließ laut Geeky Gadgets beide Modelle 13 Langzeitaufgaben lösen (jeweils ein Durchlauf, hoher Aufwand). Kimi sparte im Schnitt 55 % der Kosten, glänzte bei kreativen, visuellen Aufgaben und Blender-3D-Szenen. Opus 5.5 war bei Präzision, Rechenaufgaben, code-basierten 3D-Szenen und Front-End-Details besser. Kimi stoppe teils früh, vereinfache und behaupte fälschlich, Vorgaben erfüllt zu haben; mehr API-Nachrichten und Cache-Neulesen schmälerten die Ersparnis.
Preise und Zugang
Laut offizieller Preisseite (Yuan je Million Token):
| Modell | Eingabe | Ausgabe | Cache-Treffer |
|---|---|---|---|
| K3.1 Pro | 13 | 68 | 1,30 |
| K3.1 Pro Highspeed | 26 | 136 | 1,30 |
| K3 | 20 | 100 | 2 |
Das ist rund 35 % bzw. 32 % günstiger als K3. Dollar-Preise: MarkTechPost nennt 2 $ Eingabe und 10 $ Ausgabe (K3: 3 $/15 $). Die API ist OpenAI-kompatibel; ab 1 US-Dollar Aufladung wird das Modell freigeschaltet. Das Modell ist auch in Kimi.ai, den Apps, Kimi Work und Kimi Code verfügbar (Plus-Plan und höher, 1M-Kontext ab Pro). Zum Start kann es zu Warteschlangen kommen. Unternehmenskunden können Zero Data Retention nutzen.
Cyber-Drosselung
Moonshot entfernte cyberbezogene Daten aus dem Mid-Training und den RL-Umgebungen, um offensive Hacking-Fähigkeiten zu senken. Im internen Test xdev-bench-hard löst ein Checkpoint ohne Maßnahmen 90,5 % (pass@3), das fertige Modell 81,0 %. Es liege hinter proprietären Spitzenmodellen. Prinzipien: keine Gewichte, die die absolute Cyber-Spitze verschieben, aber schrittweise mehr Fähigkeiten in offenen Modellen. Unabhängig prüfbar ist das nicht.
Was du zum Ausprobieren brauchst
Lokal ist das Modell nicht realistisch: Allein die Gewichte benötigen laut Redaktionsrechnung etwa 2,8 TB bei 8 Bit und rund 1,4 TB bei 4 Bit. Für K3 empfiehlt Moonshot Supernodes mit 64+ Beschleunigern. Normale Grafikkarten, Mac oder Colab reichen nicht. Zum Testen bleibt die API (Python 3.9+, OpenAI-SDK ≥ 1.0, Modellname kimi-k3.1-pro).
Einordnung
K3.1 Pro verschiebt die Messlatte für offene Modelle, vor allem im Preis-Leistungs-Verhältnis. Fast alle Zahlen stammen von Moonshot, einige aus internen Benchmarks; unabhängige Tests zeigen Schwächen bei Präzision und Ausdauer. Offen sind Lizenz, vollständiger Gewichte-Release und ob Highspeed Gewichte bekommt. Für Firmen in der DACH-Region ist die DSGVO-Frage bei der gehosteten API relevant; offene Gewichte würden den Eigenbetrieb ermöglichen, erfordern aber einen Multi-Node-Cluster. Vorwürfe bezahlter Influencer-Werbung sind unbestätigt.
Videos zum Thema
Quellen
- Google News (DE) shattered.io
- geeky-gadgets.com geeky-gadgets.com
- unite.ai unite.ai
- marktechpost.com marktechpost.com
Selbst ausprobieren: Kimi K3.1 Pro
Schritt für Schritt erklärt, auch ohne Vorkenntnisse – auf deinem Rechner oder kostenlos im Browser.
Was kann ich damit machen?
Kimi K3.1 Pro ist ein riesiges Sprachmodell für Programmierung, Agenten-Aufgaben, Finanzrecherche und 3D-Erstellung, das auch Bilder und Video versteht. Mit 1 Million Token Kontext verarbeitet es große Codebasen oder viele Dokumente auf einmal. Laut Herstellerangaben liegt es bei Terminal-Coding fast auf Opus-5.5-Niveau, bei wissenschaftlichen Terminal-Aufgaben aber klar dahinter. Unabhängige Tests sehen Stärken bei kreativen, visuellen Aufgaben und Schwächen bei Präzision und Durchhaltevermögen. Lokal läuft es nur auf Cluster-Hardware; für Einzelpersonen ist die API der realistische Weg.
Für wen lohnt es sich?
Interessant für Entwickler, Teams und Firmen mit Cluster-Zugang oder API-Budget, die ein günstiges Spitzenmodell für Coding-Agenten suchen. Für Heimanwender mit einzelner GPU lohnt nur die gehostete Nutzung, nicht der lokale Betrieb.
Ideen: Was du damit anstellen kannst
Nutze Kimi Code oder die API, um Fehler in einem Projekt suchen und beheben zu lassen. Der lange Kontext erlaubt, große Teile der Codebasis mitzugeben.
Lade Geschäftsberichte hoch und lasse Kennzahlen vergleichen oder ein einfaches Modell aufbauen. Zahlen sollten stichprobenartig geprüft werden.
Mit der Funktion 3D Make lassen sich 3D-Modelle erzeugen, online bearbeiten und für den 3D-Druck herunterladen.
Lass per Blender-Skript visuell ansprechende Szenen generieren – laut Test eine Stärke des Modells.
Verträge oder viele Berichte in einer Anfrage zusammenfassen und Widersprüche finden lassen.
Was dein Rechner braucht
Werte geschätzt aus der Modellgröße – die Model Card kann genauere Angaben enthalten.
Welche Variante passt zu mir?
Viele Modelle gibt es in mehreren Größen oder „Quantisierungen“. Das sind komprimierte Fassungen: kleiner und schneller, dafür minimal ungenauer. Faustregel: Nimm die größte Variante, deren Speicherbedarf in deinen Grafikspeicher (VRAM) passt. Die Skripte unten wählen das automatisch für dich aus.
| Variante | Download | Braucht ca. | Passende Grafikkarten |
|---|---|---|---|
4-bit (Q4) Standard |
1680 GB | 1850 GB | nur Server mit mehreren Rechenzentrums-GPUs (z. B. 8× H100) |
8-bit (Q8) |
2996 GB | 3297 GB | nur Server mit mehreren Rechenzentrums-GPUs (z. B. 8× H100) |
16-bit (Original) |
5600 GB | 6162 GB | nur Server mit mehreren Rechenzentrums-GPUs (z. B. 8× H100) |
Gewichte sind noch nicht erschienen. Standardvariante kimi-k3.1-pro für Kosten, Highspeed für interaktive Sessions mit doppeltem Preis. Lokal braucht man Multi-Node-Server; 4-Bit-Quantisierungen der Community dürften rund 1,4 TB belegen.
- Gewichte belegen etwa 2,8 TB (8 Bit) bzw. rund 1,4 TB (4 Bit) – Redaktionsrechnung.
- Moonshot empfiehlt für K3 Supernodes mit 64+ Beschleunigern (MXFP4-Gewichte, MXFP8-Aktivierungen).
- Die 104 Mrd. aktiven Parameter senken die Rechenzeit, nicht den Speicherbedarf.
- 1 Million Token Kontext erhöht den Speicherbedarf zusätzlich.
- Einzel-GPU, Mac oder Colab sind nicht realistisch.
Groß (2800 Mrd. Parameter, MoE): komplett auf der Grafikkarte braucht es viel VRAM, mit MoE-Offloading reicht eine normale Grafikkarte plus viel Arbeitsspeicher (siehe Tabelle). Colab Free reicht nicht.
Zugangsbeschränkt: Du brauchst ein kostenloses Hugging-Face-Konto. Auf der Modellseite einloggen und die Lizenz akzeptieren. Danach einen Zugangsschlüssel („Access Token“, Typ Read) unter huggingface.co/settings/tokens erstellen und vor dem Start einmal hf auth login ausführen.
Wie finde ich heraus, was mein Rechner hat?
- Windows: Strg + Umschalt + Esc drücken → Task-Manager → Reiter Leistung → links GPU anklicken. Unten steht Dedizierter GPU-Speicher (das ist dein VRAM). Den Arbeitsspeicher findest du unter Arbeitsspeicher.
- Mac: Apfel-Menü oben links → Über diesen Mac. Dort stehen Chip (z. B. M2) und Speicher (z. B. 16 GB). Bei Apple-Chips teilen sich Grafik und Prozessor diesen Speicher.
- Linux: Im Terminal
nvidia-smieingeben (zeigt Grafikkarte und Speicher) undfree -hfür den Arbeitsspeicher.
Anleitung
Google Colab (im Browser, ohne Installation)
Google Colab ist ein kostenloser Dienst von Google: Du bekommst für ein paar Stunden einen Rechner mit Grafikkarte im Browser. Du brauchst nur ein Google-Konto. Für dieses Modell: zu groß für Colab – selbst die größten Colab-GPUs reichen nicht.
- Notebook herunterladen. Klick auf den Knopf und speichere die Datei.
- Colab öffnen. Geh auf colab.research.google.com und melde dich mit deinem Google-Konto an.
- Notebook hochladen. Im Fenster, das erscheint, links auf Hochladen klicken (oder oben Datei → Notebook hochladen) und die Datei
colab.ipynbauswählen. - Grafikkarte einschalten. Oben im Menü Laufzeit → Laufzeittyp ändern → bei Hardwarebeschleuniger T4-GPU auswählen (mit Colab Pro: L4 oder A100) → Speichern.
- Alles starten. Laufzeit → Alle ausführen (Tastenkürzel Strg + F9). Kommt die Warnung „Dieses Notebook wurde nicht von Google erstellt“, auf Trotzdem ausführen klicken.
- Warten. Die Zellen laufen nacheinander durch. Links neben jeder Zelle erscheint ein grüner Haken, wenn sie fertig ist. Installation und Download dauern hier etwa 564 Minuten.
- Ausprobieren. Das Ergebnis steht unter der letzten Zelle. Um etwas anderes zu testen, den Text in der Zelle ändern und mit Shift + Enter erneut ausführen.
- Aufräumen. Wenn du fertig bist: Laufzeit → Sitzung beenden. Das schont dein kostenloses Kontingent.
Gut zu wissen: Die Gratis-GPU ist begrenzt (meist einige Stunden am Tag). Nach rund 90 Minuten ohne Aktivität trennt Colab die Verbindung, dann alles neu starten.
Windows 10 / 11
Dieses Modell läuft mit Python. Unser Skript erledigt die Einrichtung automatisch: Es legt eine abgeschottete Python-Umgebung an, installiert die nötigen Programme (PyTorch, ca. 3 GB) und lädt das Modell (1680 GB (bei 100 MBit/s ca. 37,3 Std.)).
- Grafikkartentreiber aktualisieren (NVIDIA): aktuellen Treiber installieren. Ohne NVIDIA-Karte läuft es auf dem Prozessor – deutlich langsamer.
- Python installieren. Auf python.org Python 3.12 herunterladen und starten. Wichtig: Unten im ersten Fenster das Häkchen bei Add python.exe to PATH setzen, dann Install Now.
- Ordner anlegen und Dateien laden. Einen Ordner erstellen, z. B.
Dokumente\KI-Test, und beide Dateien hineinspeichern: - Terminal im Ordner öffnen. Den Ordner im Explorer öffnen, Rechtsklick auf eine freie Stelle → In Terminal öffnen.
- Starten. Diesen Befehl einfügen und Enter drücken:
Jetzt laufen Installation und Download. Das kann beim ersten Mal 10–30 Minuten dauern.powershell -ExecutionPolicy Bypass -File try_windows.ps1 - Ergebnis. Im Fenster erscheint das Ergebnis eines Beispiel-Durchlaufs.
- Nochmal mit eigener Eingabe:
demo.pymit dem Editor öffnen, den Beispieltext ändern, speichern. Dann im Terminal:.\.venv-kimi-k3-1-pro\Scripts\Activate.ps1 python demo.py
macOS
Ideal sind Macs mit Apple-Chip (M1 bis M5). Ältere Intel-Macs sind sehr langsam.
- Terminal öffnen. Cmd + Leertaste, Terminal eintippen, Enter.
- Entwicklerwerkzeuge installieren (nur beim ersten Mal, liefert Python mit):
Im Fenster auf Installieren klicken. Kommt „already installed“, ist alles schon da.xcode-select --install - Dateien herunterladen – beide landen im Ordner Downloads:
- Starten:
Installation und Download dauern beim ersten Mal 10–30 Minuten.cd ~/Downloads bash try_mac.sh - Ergebnis. Im Fenster erscheint das Ergebnis eines Beispiel-Durchlaufs.
Linux
- Grafikkarte prüfen.
nvidia-smisollte deine Karte anzeigen. Wenn nicht, unter Ubuntu den Treiber installieren und neu starten:sudo ubuntu-drivers install - Python-Grundlagen installieren (Ubuntu/Debian):
sudo apt update && sudo apt install -y python3-venv python3-pip git - Dateien in einen Ordner laden und dort ein Terminal öffnen:
- Starten:
bash try_linux.sh - Ergebnis. Im Fenster erscheint das Ergebnis eines Beispiel-Durchlaufs.
Das kannst du ausprobieren
Fasse diese Logdatei in 5 Punkten zusammen.Erkläre mir den Unterschied zwischen Mixture-of-Experts und einem dichten Modell mit einem Alltagsbeispiel.Schreibe ein Python-Skript, das alle CSV-Dateien in einem Ordner einliest und Monatsumsätze zusammenfasst.Erstelle ein Blender-Python-Skript für ein gemütliches Wohnzimmer mit Sofa, Lampe und Teppich.Analysiere diesen Geschäftsbericht und erstelle ein einfaches Finanzmodell mit drei Szenarien.Tipps für bessere Ergebnisse
- Neue Session starten statt mitten drin das Modell zu wechseln.
- Ergebnisse mit externen Prüfskripten kontrollieren, da Zusammenfassungen des Modells ungenau sein können.
- Die vollständige Assistant-Nachricht inklusive Reasoning in den Verlauf zurückgeben.
- Mit einem eigenen Testsatz aus 10–20 realen Aufgaben gegen das bisherige Modell vergleichen.
Wenn es hakt
Gewichte und Lizenz sind noch nicht veröffentlicht – Lizenztext vor kommerzieller Nutzung lesen.
Der Denkmodus ist Pflicht; Anfragen ohne Denken werden mit HTTP 400 abgelehnt.
Temperatur und top_p sind fest und gehören nicht in die Anfrage.
Beim Start können Warteschlangen oder Fehler auftreten – Wiederholungslogik einbauen.
Ein falsch getippter Modellname fällt in Drittwerkzeugen auf K2.8 Preview ohne Denken zurück.
Öffentliche Bild-URLs werden nicht akzeptiert; Base64 oder Datei-IDs nutzen.
„out of memory“, Absturz oder der Rechner hängt
Das Modell ist zu groß für deinen Grafikspeicher. Nimm eine kleinere Variante aus der Tabelle oben und schließe andere Programme, vor allem Spiele und Browser mit vielen Tabs.
Es läuft, aber extrem langsam
Wahrscheinlich rechnet der Prozessor statt der Grafikkarte. Bei Ollama zeigt ollama ps in der Spalte PROCESSOR, wie viel auf der GPU läuft. Steht dort „100% CPU“, Grafiktreiber aktualisieren oder eine kleinere Variante nehmen, die komplett in den Grafikspeicher passt.
„ollama“ bzw. „python“ wird nicht gefunden
Das Eingabefenster schließen und neu öffnen, damit es das frisch installierte Programm kennt. Bei Python unter Windows: neu installieren und das Häkchen Add python.exe to PATH setzen.
Windows: „Die Ausführung von Skripts ist auf diesem System deaktiviert“
Das Skript genau mit dem Befehl oben starten: powershell -ExecutionPolicy Bypass -File try_windows.ps1. Das erlaubt die Ausführung nur dieses einen Mal.
Fehlermeldung beim Laden des Modells (Version, „trust_remote_code“, unbekannte Architektur)
Ganz neue Modelle brauchen oft die neueste Programmversion. Bei Ollama: Ollama aktualisieren. Bei Python: pip install -U transformers in der aktivierten Umgebung. Die Model Card nennt meist die genaue Version.
Skripte und Notebook erzeugt Tokenstrom automatisch. Bitte vor dem Ausführen kurz ansehen – sie sind lesbarer Klartext. Lizenz des Modells beachten: eigene Lizenz (siehe Model Card).
Frag den KI-Assistenten
Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.
Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.
Kommentare
Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.
Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.