Kimi K3.1 Pro erreicht im KI-Ranking Platz vier – Gewichte stehen noch aus

Architektur bleibt weitgehend unverändert

K3.1 Pro baut auf Kimi K3 auf. Beide Modelle nutzen laut den vorliegenden Angaben eine Mixture-of-Experts-Architektur mit insgesamt 2,8 Billionen Parametern, von denen pro Anfrage 104 Milliarden aktiv sind. Das Kontextfenster umfasst eine Million Token. Moonshot beschreibt K3.1 Pro als nachtrainierte Version von K3 und führt die Fortschritte vor allem auf deutlich umfangreicheres Reinforcement Learning über Hunderte Aufgabenbereiche zurück. [1][4][5]

Damit liegt der Schwerpunkt des Updates nicht auf einer veränderten Modellgröße, sondern auf dem Nachtraining und der Fähigkeit, mehrstufige Aufgaben zu bearbeiten. Für die Beschaffung ist diese Unterscheidung relevant: Die Parameterzahl allein sagt wenig über die Leistung bei konkreten Abläufen aus. Ausschlaggebend sind unter anderem die jeweils benötigten Werkzeuge, die Aufgabenstruktur und die im Test verwendeten Bedingungen. [4][5]

Bei den Eingabemodalitäten gibt es eine Abweichung zwischen den Angaben: heise nennt Text, Bilder und Videos als Eingaben, während Artificial Analysis Text und Bilder aufführt. Die Quellen klären nicht, ob sich die Aussagen auf unterschiedliche Produktkanäle oder Fähigkeiten beziehen. Eine betriebliche Planung sollte deshalb die konkret verfügbare Schnittstelle und deren Dokumentation zugrunde legen. [1][5]

Coding, 3D und Finanzaufgaben: Anbieterangaben im Kontext

Moonshot positioniert K3.1 Pro für Coding, 3D-Erstellung und Finanzrecherche. Das Unternehmen beschreibt unter anderem, das Modell könne Skripte für Blender und CAD-Software erstellen und 3D-Modelle aus Textbeschreibungen, Skizzen oder Referenzbildern ableiten. Über das Produkt 3D Make sollen erzeugte Modelle im Browser bearbeitet und für den 3D-Druck heruntergeladen werden können. Das sind Funktions- und Leistungsangaben des Anbieters; sie sollten nicht mit einer unabhängigen Prüfung aller beschriebenen Arbeitsabläufe verwechselt werden. [1][4]

Im von Moonshot beschriebenen BenchCAD-Test erreicht K3.1 Pro mit Werkzeugen 92,7 Prozent. Das Unternehmen stellt diesen Wert Claude Opus 5.5 mit 96,2 Prozent und GPT-6 Astra mit 95,9 Prozent gegenüber. Der Vergleich beruht auf Moonshots technischer Darstellung; dort wird für offene Modelle eine zufällige Teilmenge von 1.000 Fällen aus einem größeren Datensatz genannt. Die Ergebnisse sind daher im Rahmen dieses Testaufbaus zu lesen. [4]

Für Finanzaufgaben berichtet Moonshot unter anderem 64,4 Punkte in OfficeQA Pro v2, das Analysen umfangreicher Finanzdokumente prüft. Bei internen Tests zu Finanzmodellierung, Finanzrecherche und Geschäftsentscheidungen meldet das Unternehmen ebenfalls Verbesserungen gegenüber K3. Diese internen Benchmarks sind nicht unabhängig bestätigt. Moonshot weist zudem selbst darauf hin, dass seine besonders anspruchsvolle Halluzinationsprüfung kein Maß für die allgemeine Fehlerquote im Alltag ist. [4]

Sicherheitsmaßnahmen beruhen auf internen Tests

Moonshot zufolge hat das Unternehmen cyberbezogene Daten aus dem Mid-Training entfernt und entsprechende Aufgaben aus der Reinforcement-Learning-Umgebung herausgefiltert. Nach Darstellung des Anbieters soll dies das Missbrauchsrisiko verringern, während allgemeine Coding-Fähigkeiten erhalten bleiben. [4]

Als Beleg nennt Moonshot den internen Test xdev-bench-hard. Ein nicht entsprechend bereinigter Modellstand löste demnach 90,5 Prozent der Aufgaben bei pass@3, die veröffentlichte Version 81,0 Prozent. Die Aufgaben umfassen laut technischer Beschreibung unter anderem die Suche nach Schwachstellen und deren Ausnutzung in einer Sandbox. Der Vergleich stützt die Aussage, dass die Maßnahmen in diesem internen Test die gemessene Fähigkeit senkten; er ist kein unabhängiger Sicherheitsaudit und belegt nicht, dass sämtliche Risiken ausgeschlossen sind. [4]

Für Unternehmen, die Modelle selbst betreiben oder in sicherheitsrelevante Prozesse integrieren möchten, bleibt damit eine eigene Prüfung erforderlich. Die Anbieterangaben beschreiben die vorgesehenen Kontrollen und deren Ergebnis in einem bestimmten Testszenario, ersetzen aber keine Bewertung der eigenen Bedrohungslage, Schutzmaßnahmen und Einsatzgrenzen. [4]

Niedrigere Tokenpreise, ähnliche Kosten pro Aufgabe

Für die API nennt Artificial Analysis zwei US-Dollar pro Million Eingabetoken, zehn Dollar pro Million Ausgabetoken und 20 Cent pro Million gecachter Token. Das seien jeweils rund 33 Prozent weniger als bei Kimi K3. Zugleich erzeugte K3.1 Pro im AA-Intelligence-Index-Test durchschnittlich 55.000 Ausgabetoken pro Aufgabe, 14 Prozent mehr als der Vorgänger. [5]

Dadurch sinkt der Preis pro Token nicht automatisch im gleichen Maß wie die Kosten eines vollständigen Arbeitsablaufs. Bei der Kostenangabe pro Aufgabe gibt es zudem einen Quellenkonflikt: Artificial Analysis nennt 1,98 US-Dollar; der heise-Bericht nennt 2,11 US-Dollar. Die vorliegenden Texte erklären die Differenz nicht. In beiden Darstellungen liegen die Kosten ungefähr auf dem Niveau von Kimi K3; für einen belastbaren Business Case sollten Sie den jeweils aktuellen Preis und den eigenen Tokenverbrauch zugrunde legen. [1][5]

Moonshot bietet außerdem eine Highspeed-Variante an, für die der Anbieter eine zwei- bis dreifache Geschwindigkeit angibt. Laut heise sind die Preise für Ein- und Ausgabetoken dabei doppelt so hoch wie bei der Standardversion. Artificial Analysis misst für K3.1 Pro rund 74 ausgegebene Token pro Sekunde; Kimi K3 erreicht 42, Claude Opus 5.5 97. Die Highspeed-Version kommt laut heise auf etwa 129 Token pro Sekunde. [1][4]

Zugang verfügbar, Modellgewichte noch nicht

K3.1 Pro ist laut Moonshot über Kimi.ai, die mobilen Anwendungen, Kimi Work, Kimi Code und die API verfügbar. Das Unternehmen kündigte an, die vollständigen Gewichte bis zum 4. November 2026 bereitzustellen. Artificial Analysis bestätigt, dass die Gewichte zum Zeitpunkt seines Berichts noch nicht veröffentlicht waren. Damit sind der Zugang zum gehosteten Modell und die Möglichkeit, die Gewichte selbst zu betreiben, zwei unterschiedliche Verfügbarkeitsstufen. [1][4][5]

Auch die Bezeichnung Open-Weight sollte nicht mit einer bereits verfügbaren oder umfassend geklärten Lizenz gleichgesetzt werden. Artificial Analysis führt die Gewichte als noch nicht veröffentlicht; Angaben zur Lizenz lagen dort ebenfalls noch nicht vor. Unternehmen können die angekündigte Freigabe daher noch nicht als Grundlage für eine abgeschlossene Prüfung von Nutzungsrechten, Hosting und technischer Kontrolle behandeln. [5]

Für B2B-Anwender ist der Schritt vom API-Zugang zur Gewichtsfreigabe potenziell entscheidend: Erst dann lässt sich bewerten, ob ein eigener Betrieb technisch und lizenzrechtlich möglich ist. Das ist eine Analyse der angekündigten Veröffentlichung, keine Aussage über bereits bestätigte On-Premises-Fähigkeiten oder konkrete Einsparungen. Bis zur Freigabe bleiben solche Fragen offen. [4][5]

Quellen

1. [1] Chinesisches Open-Weight-Modell Kimi K3.1 Pro rückt an US-Spitzenmodelle heran | heise online — https://www.heise.de/news/Chinesisches-Open-Weight-Modell-Kimi-K3-1-Pro-rueckt-an-US-Spitzenmodelle-heran-11500459.html (abgerufen am 2026-10-26)
2. [4] Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence — https://www.kimi.ai/blog/kimi-k3-1-pro (abgerufen am 2026-10-26)
3. [5] Kimi K3.1 Pro launches at 4th on the Intelligence Index and will lead open weights models | Artificial Analysis — https://artificialanalysis.ai/articles/kimi-k3-1-pro-launch-benchmarks (abgerufen am 2026-10-26)