Moonshot AI hat Kimi K3.1 Pro vorgestellt, ein Modell der 3T-Klasse mit einer Million Token Kontextfenster, dessen Gewichte bis zum 4. November erscheinen sollen. Der aufschlussreichste Abschnitt der Ankündigung handelt allerdings nicht von Benchmarks, sondern von Fähigkeiten, die dem Modell bewusst fehlen.
Kimi K3.1 Pro ist ein nachtrainierter Kimi K3
Moonshot hat das Modell am Freitag freigeschaltet. Es ist der erste Vertreter der K3.1-Reihe und laut Unternehmen eine nachtrainierte Fassung von Kimi K3, diesmal mit erheblich mehr Rechenzeit in der zweiten Trainingsphase.
Wer die Begriffe nicht täglich liest: Im Vortraining lernt ein Modell vor allem Sprache, Code und Weltwissen aus großen Textmengen. Im Post-Training wird es danach mit Belohnungssignalen auf Aufgaben gedrillt, bei denen ein prüfbares Ergebnis herauskommt: ein Programmierfehler, der verschwindet, ein Terminalbefehl, der zum Ziel führt. Mehr Rechenzeit in dieser Phase verschiebt genau solche Fähigkeiten.
Moonshot sagt, für K3.1 Pro sei fast jede Ebene der Kette angepasst worden, vom Framework für bestärkendes Lernen über die Inferenz bei langen Kontexten bis zur Zuteilung der Rechenläufe. Klingt nach Ingenieursprosa, hat aber einen messbaren Kern. Der Vorgänger brach bei langen, mehrstufigen Aufgaben deutlich früher ab.
Bemerkenswert ist der Zuschnitt. Moonshot nennt K3.1 Pro ein Modell der 3T-Klasse, also im Bereich von drei Billionen Parametern, und kombiniert das mit einem Kontextfenster von 1.048.576 Token. In der Praxis heißt das mehrere hundert Seiten Material in einem Durchgang. Drittanbieter beziffern die Größe auf 2,8 Billionen Gesamtparameter, davon 104 Milliarden pro Token aktiv. Das ist der übliche Aufbau eines Mixture-of-Experts-Modells: Nicht alle Gewichte rechnen bei jeder Anfrage mit.
Dazu kommt Kimi K3.1 Pro Highspeed, das laut Unternehmen zwei- bis dreimal schneller antwortet. Beide Varianten laufen ab sofort auf Kimi.com, in Kimi Work, in Kimi Code und über die Kimi API. Die Gewichte folgen später, dazu unten mehr.
Die Benchmark-Zahlen stammen von Moonshot selbst
Die folgende Tabelle gibt die Werte wieder, die Moonshot im technischen Blog nennt. Es sind Herstellerangaben, unabhängig geprüft hat sie bislang niemand. Die Vergleichsspalten stammen aus derselben Tabelle des Anbieters.
Benchmark | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
Terminal-Bench 4.0 | 65,7 % | 66,4 % | 58,2 % |
BenchCAD, mit Tools | 92,7 % | 96,2 % | 95,9 % |
OfficeQA Pro v2 | 64,4 | 62,2 | 54,4 |
Terminal-Bench 4.0 prüft Programmieragenten an realistischen Kommandozeilenaufgaben mit knappen Ressourcen, und der Abstand zu GPT-6 Astra beträgt 7,5 Punkte, während an Claude Opus 5.5 nur 0,7 Punkte fehlen. Ein einzelner Benchmark sagt wenig über den Büroalltag, die Größenordnung zeigt trotzdem, in welcher Liga das Modell spielt.
Beim Thema Genauigkeit nennt Moonshot eine zweite Zahl. Auf dem internen Stresstest Kimi Hallu Bench Hard sank die Halluzinationsrate auf Aussagenebene von 23,4 Prozent beim Vorgänger auf 8,3 Prozent. Das Unternehmen schreibt selbst dazu, die Beispiele seien gezielt so gebaut, dass Modelle Fehler machen, die Quote tauge also nicht als Alltagsmaßstab. Diese Einschränkung ist wichtig, sonst liest sich die Zahl besser, als sie ist.
Ein unabhängiger Datenpunkt kommt von Artificial Analysis. Dort steht K3.1 Pro bei 55 Punkten im Intelligence Index und damit auf Rang vier, elf Punkte über Kimi K3. Wenn die Gewichte wie angekündigt erscheinen, wäre es das höchstbewertete offene Modell am Markt.
Cybersicherheit: Moonshot beschneidet die Angriffsfähigkeit
Der ungewöhnlichste Teil steht unter der Überschrift Cybersecurity und ist der Grund, warum diese Ankündigung mehr ist als eine Modellvorstellung. Moonshot beobachtete, dass die Fähigkeit zur Schwachstellensuche mit steigendem Post-Training stetig wuchs. Als Ursache identifizierte das Team Cyber-Inhalte im allgemeinen Mid-Training-Korpus und passende Aufgaben im Mix der Lernumgebungen. Für die Fassung mit offenen Gewichten entfernte es diese Daten aus beiden Phasen.
Was das bewirkt, zeigt ein interner Test namens xdev-bench-hard. Er reproduziert kürzlich offengelegte Schwachstellen in Software wie dem Linux-Kernel, Node.js und JavaScriptCore. Ein unbehandelter Checkpoint löste 90,5 Prozent der Aufgaben. Die finale Version von K3.1 Pro kommt auf 81,0 Prozent.
Zehn Punkte, gezielt entfernt.
Die Begründung des Unternehmens hat zwei Teile. Erstens soll kein Modell mit offenen Gewichten die absolute Spitze offensiver Cyber-Fähigkeiten weiter nach vorn schieben. Zweitens sollen offene Modelle stark genug bleiben, damit Verteidiger alte Systeme selbst auf Lücken prüfen können. Beide Sätze gelten gleichzeitig, und sie stehen in Spannung zueinander. Wer Schwachstellen findet, hilft Administratoren und Angreifern.
Ob die Rechnung aufgeht, prüft außerhalb des Unternehmens niemand. Moonshot räumt ein, dass selbst die bereinigte Fassung hinter geschlossenen Modellen liegt, die seit mindestens drei Monaten öffentlich sind. Bleibt die Frage: Wie viel Kontrolle ist bei offenen Gewichten überhaupt möglich?
Was der Kimi K3.1 Pro Zugang über die API kostet
Preise stehen nicht in der Ankündigung. Preisübersichten Dritter, die sich auf die Plattform berufen, nennen 2 Dollar pro Million Eingabe-Token und 10 Dollar für die Ausgabe. Zwischengespeicherte Eingaben liegen bei 20 Cent, die Highspeed-Variante kostet jeweils das Doppelte.
Für Entwickler ist das der relevante Teil. Ein Kontextfenster von einer Million Token nützt wenig, wenn jeder Durchlauf durch ein großes Repository ins Geld geht. Bei 2 Dollar pro Million Eingabe-Token lässt sich ein mittleres Projekt mehrfach am Tag durchlaufen. Genau dort konkurrieren die offenen Modelle aus China mit den geschlossenen Anbietern, nicht bei den letzten Prozentpunkten in Benchmarks.
3D-Modelle, Spiele-Engines und ein Simulator
Kimi K3.1 Pro arbeitet nach Angaben von Moonshot direkt mit Unity, Unreal Engine und Godot und schreibt Skripte für Blender und CAD-Software, ohne dass ein MCP-Konnektor dazwischengeschaltet wird. Ohne Werkzeuge kommt es auf BenchCAD, das aus mehreren Ansichten ein 3D-Modell rekonstruiert und daraus CAD-Code erzeugt, auf 72,8 Prozent. Das entspricht fast dem Wert von Claude Opus 5.5.
Dazu startet 3D Make auf kimi.com und in der Kimi-App: Modelle lassen sich ansehen, bearbeiten und für den 3D-Druck exportieren. Kein Zusatzfeature am Rand, sondern der Versuch, aus dem Chatfenster herauszukommen.
Ein Beispiel zeigt, wie weit die Ansprüche reichen. Auf Basis des offenen Anatomie-Modells human-atlas mit 296 Skelett- und 402 Muskelbausteinen baute das Modell einen Simulator für menschliches Gehen und korrigierte in 167 Aufgaben und 420 unabhängigen Prüfungen selbstständig 36 Rechenfehler in den Momentarmen der Schultermuskulatur. Am Ende lief die simulierte Figur 11,2 Sekunden mit wechselnden Schritten, statt nach wenigen Sekunden zusammenzubrechen.
Wann sich Kimi K3.1 Pro für Sie lohnt
Wer heute schon mit Kimi K3 arbeitet und lange Agentenläufe fährt, kann K3.1 Pro ab sofort über die API testen, ohne auf die Gewichte zu warten. Für alle anderen entscheidet sich die Frage Anfang November, wenn Moonshot die Gewichte tatsächlich veröffentlicht und die Lizenz bekannt wird. Bis dahin bleibt eine Zahl im Kopf, die nichts mit Benchmark-Punkten zu tun hat: 81,0 statt 90,5 Prozent auf dem Cyber-Test. Ein Anbieter, der seinem eigenen Modell Fähigkeiten wegnimmt, setzt damit ein Zeichen für den Markt der offenen Gewichte.
