Modelle

Kimi K3.1 Pro: offene Gewichte, die nur Rechenzentren tragen

Moonshot AI hat die Gewichte von Kimi K3.1 Pro am 5. November auf Hugging Face veröffentlicht und damit das Versprechen vom Start am 24. Oktober eingelöst. Herunterladen kann sie jetzt jeder, betreiben weiterhin nur Rechenzentren.

Anna WeberAnna Weber
Beliebtheit: 1,150
Indigo lattice forming a hexagon to represent an open-weight model release

Moonshot AI hat die Gewichte von Kimi K3.1 Pro am 5. November auf Hugging Face veröffentlicht und damit das Versprechen vom Start am 24. Oktober eingelöst. Herunterladen kann sie jetzt jeder, betreiben weiterhin nur Rechenzentren.

Was die Moonshot AI Open-Weights praktisch bedeuten

Offene Gewichte heißt, dass die Dateien zum Download bereitliegen und jeder sie theoretisch selbst betreiben darf. Praktisch entscheidet die Größe darüber, wer das schafft. Kimi K3.1 Pro kommt auf 2,8 Billionen Parameter, von denen pro Token etwa 104 Milliarden aktiv werden. Ein Mixture-of-Experts-Modell in dieser Dimension läuft nicht auf einem Notebook und auch nicht auf einer einzelnen Grafikkarte aus dem Handel.

Consumer-Hardware fällt aus.

Moonshot beschreibt den Schritt als Nachlieferung, nicht als neues Modell. Es ist ein nachtrainiertes Kimi K3 mit derselben Parameterzahl und deutlich mehr Reinforcement-Learning über hunderte Anwendungsbereiche. Wer auf eine neue Basis gehofft hat, bekommt eine Version, die laut Modellkarte in vielen Aufgaben besser abschneidet als der Ausgangspunkt. Der Unterschied entsteht vor allem im Nachtraining.

2,8 Billionen Parameter: warum Kimi K3.1 Pro ins Rechenzentrum gehört

Die Zahl wird greifbar, wenn man die Dateigröße ansieht. In BF16 wiegt der Download rund 5,6 Terabyte, in INT4 sind es noch etwa 1,4 Terabyte. Wer das auf eine Platte legt, hat nur den ersten Schritt geschafft: Die Gewichte müssen während der Inferenz im Speicher liegen und mit voller Bandbreite angebunden sein. Genau daran scheitern Workstations, die für ein Modell mit 70 Milliarden Parametern gebaut wurden.

Ein einzelner Server reicht dafür nicht. Für den Betrieb braucht es mehrere Beschleunigerkarten mit zusammenhängendem Speicher, viel Bandbreite zwischen ihnen und eine Kühlung, die Dauerlast verträgt. Das ist Rechenzentrumsgröße. Gebraucht wird sie dauerhaft. Wer die Gewichte herunterlädt und auf einem einzelnen Rechner starten will, merkt spätestens beim Laden des Speichermodells, dass 2,8 Billionen Parameter nicht für eine Workstation gedacht sind. Das ist der Grund, warum die Veröffentlichung für Forschungsteams und Hosting-Anbieter interessant ist und für alle anderen vor allem eine Nachricht bleibt.

Das 1M Context Model und der Umbau der Attention

Als 1M Context Model bewirbt Moonshot vor allem das Kontextfenster von rund 1.048.576 Token. Dazu kommt Bildverständnis ohne separates Zusatzmodell. Für die Praxis heißt das: ein ganzes Repository oder mehrere hundert Seiten Vertragstext in einem Durchlauf, ohne Stückeln und ohne Zwischenablage.

Damit lange Eingaben nicht unbezahlbar werden, hat Moonshot einen Teil der Full-Attention-Schichten durch gated sparse attention ersetzt. Die Kombination aus KDA und DSA soll die Kosten pro Token senken, während das Modell den Überblick behält. Ob das in der Praxis trägt, lässt sich ohne eigene Messung nicht sagen; die Modellkarte liefert die Beschreibung, nicht den Beweis.

Agent Arena: der aussagekräftigste externe Wert für Kimi K3.1 Pro

Aufschlussreicher als die eigenen Benchmarks ist ein Blick auf Agent Arena. Dort liegt Kimi K3.1 Pro in der Max-Variante auf Platz eins unter den offenen Modellen und auf Platz 13 insgesamt. Die Auswertung stützt sich auf mehr als 17.500 echte Agenten-Sitzungen über lange Aufgabenketten, in denen das Modell Befehle ausführt, Fehler bemerkt und Zwischenergebnisse prüft.

Bemerkenswerter als der Rang ist die Veränderung gegenüber dem Vorgänger. Der Nettozuwachs liegt bei plus 5,1 %, während Kimi K3 in derselben Auswertung nur auf plus 0,9 % kam. Bei der Zuverlässigkeit von Bash-Befehlen dreht sich das Bild von minus 4,5 % auf plus 7,9 %. Auch Steuerbarkeit und bestätigter Erfolg legen zu, was für Aufgaben spricht, bei denen ein Agent mehrere Schritte ohne Aufsicht läuft. Wer heute ein Modell für einen Agenten auswählt, sollte die Spitze der Tabelle nicht für das ganze Bild halten und stattdessen prüfen, wie sich das Modell bei der zehnten Aufgabe in einer Kette verhält, wenn der Kontext bereits voll ist.

Terminal-Bench 4.0: was die Zahlen von Moonshot AI sagen

Für klassische Terminal-Aufgaben bleibt es bei den Werten des Anbieters. In dessen Tabelle erreicht Kimi K3.1 Pro auf Terminal-Bench 4.0 einen Wert von 65,7 %. Claude Opus 5.5 liegt mit 66,4 % knapp darüber. Für GPT-6 Astra nennt dieselbe Tabelle 58,2 %.

Damit ist der Abstand zur geschlossenen Spitze klein, aber vorhanden. Wichtig ist die Herkunft: Alle drei Werte stammen aus Moonshots eigener Modellkarte. Eine unabhängige Nachmessung gibt es nicht, und Benchmark-Tabellen von Anbietern werden selten neutral zusammengestellt. Skepsis ist angebracht. Für Teams, die eine eigene Auswertung planen, ist der Aufwand erheblich, weil dieselben Aufgaben mit identischen Werkzeugen und identischen Zeitlimits über mehrere Tage wiederholt werden müssen. Wer die Zahlen in einer Kaufentscheidung verwendet, sollte sie als das lesen, was sie sind: eine Selbstdarstellung mit überprüfbaren Einzelwerten.

Ascend, vLLM und SGLang: wer Kimi K3.1 Pro am ersten Tag bedient

Neben den Benchmarks zählt, wo ein Modell dieser Größe überhaupt läuft. Huawei meldet, dass Ascend-Chips es ab dem ersten Tag über vLLM-Ascend und SGLang bedienen können. Das ist der Hinweis, der für europäische Teams zählt: Die Inferenz landet bei Anbietern mit eigener Hardware, nicht im eigenen Büro. Wer das Modell in eine bestehende Pipeline hängen will, wird es wahrscheinlich über einen Hosting-Dienst tun und pro Token zahlen. Für Anbieter, die das Modell hosten, zählt weniger der Benchmark-Wert als die Frage, wie viele Anfragen sich mit derselben Hardware parallel bedienen lassen, ohne dass die Latenz einbricht.

Für wen sich der Download des Open-Weight-Models lohnt

Der Nutzen liegt bei Labs mit eigenen Feinabstimmungen und bei Anbietern, die das Modell gehostet verkaufen.

Download ist nicht Betrieb.

Für alle anderen ist die Veröffentlichung vor allem ein Signal: Ein offenes Modell dieser Größe liegt in Teilbereichen auf Augenhöhe mit der geschlossenen Konkurrenz, und ein Wechsel des Anbieters ist möglich, ohne dass das Modell verschwindet. Der naheliegende Grund ist praktisch: Die eigene Hardware reicht nicht, um die Nachfrage allein zu bedienen, und viele Anbieter machen das Modell bekannter.

Wer kommerziell hosten will, sollte die Lizenzbedingungen auf der Modellkarte selbst lesen. Was ist erlaubt, was nicht? Zusammenfassungen in Foren sind schneller geschrieben als geprüft, und die Bedingungen entscheiden darüber, was mit einem gehosteten Dienst möglich ist. Für Anbieter, die das Modell in einer eigenen Plattform verkaufen, zählen vor allem die Kosten pro Anfrage, weil jede Ausgabe dauerhaft Rechenzeit verbraucht und sich über einen Monat summiert.

Was Sie daraus für die Modellwahl mitnehmen

Für die Wahl des Modells in einem Produkt ändert der Download wenig. Sie entscheiden weiterhin nach Preis pro Token, Latenz und Qualität bei Ihren Aufgaben, nicht nach Parameterzahlen. Neu ist, dass ein Anbieterwechsel nicht mehr bedeutet, das Modell komplett zu verlieren, weil die Gewichte außerhalb eines einzelnen Unternehmens liegen. Zwei Anbieter, ein Modell: Das ist der praktische Unterschied.

Wer die Größe nicht selbst stemmen kann, profitiert indirekt: Mehr Anbieter mit demselben Modell bedeuten mehr Preisvergleich. Genau dort wird sich zeigen, ob die offenen Gewichte den Markt bewegen oder nur die Benchmarks.

Diesen Artikel teilen

Quellen

Ähnliche KI-News

Ein Terminalfenster mit einer steigenden Belohnungskurve und einem 27B-Schild daneben
Modelle

DaisyRose-27B verdoppelt den Terminal-Bench-Wert von Qwen3.8-27B in 18 Tagen

RadixArk hat 18 Tage und rund 1.200 Aufgaben in ein offenes Modell gesteckt. Danach war es auf jedem Benchmark der eigenen Tabelle besser als die Vorlage.

Beliebtheit: 1,330
Ein Laptop-Umriss mit drei gestapelten Schichtfolien, die in einem Pfeilkreislauf durch das Gerät laufen
Modelle

Inkling 2 Mini rechnet dreimal durch dieselben Schichten und passt auf einen Laptop

Thinking Machines Lab lässt die zwölf mittleren Schichten seines neuen Modells dreimal pro Token laufen. Das ist der ganze Trick, und er entscheidet, ob 26,4 Milliarden Parameter auf einen Laptop passen.

Beliebtheit: 1,710
Eine lange türkisfarbene Audiowellenform mit einem einzelnen orangen Akzentbalken auf dunklem Feld
Modelle

Rumble-2-Flash von Reson8: 60-mal kleiner und fast gleich gut am Telefon

Reson8 hat am 18. November 2026 ein Spracherkennungsmodell veröffentlicht, das 60-mal kleiner ist als der Vergleichsriese von Nvidia. Auf echten Kundenanrufen trennen die beiden 0,08 Prozentpunkte.

Beliebtheit: 560
Drei neonfarbene Ringe um einen kleinen leuchtenden Kern auf tiefblauem Feld
Modelle

Gemini 4 Neon ersetzt Argon: 3 Dollar je Million Tokens und zwei Namen weniger

Google hat am 18. November 2026 Gemini 4 Neon vorgestellt. Die spürbarste Änderung betrifft nicht die Benchmark-Tabelle, sondern die Auswahlliste in der App, in der zwei bekannte Modellnamen fehlen.

Beliebtheit: 1,500