Im Quellenvergleich
Worin die Quellen übereinstimmen
Moonshot AI hat am 23. Oktober 2026 Kimi K3.1 Pro vorgestellt, eine nachtrainierte Version von Kimi K3 mit deutlich mehr Rechenleistung für das Post-Training. Das Modell erreicht im Artificial Analysis Intelligence Index 55 Punkte und Platz vier, elf Punkte mehr als K3. Die Parameterzahl bleibt bei 2,8 Billionen gesamt und 104 Milliarden aktiven. Die Token-Preise sinken um ein Drittel: 2 Dollar pro Million Input-Tokens, 10 Dollar pro Million Output-Tokens und 0,20 Dollar für zwischengespeicherten Input. Die vollständigen Modellgewichte sollen bis spätestens 4. November 2026 veröffentlicht werden; dann wäre K3.1 Pro das am höchsten bewertete Open-Weights-Modell. Für die offene Version entfernte Moonshot gezielt Cyber-Daten aus dem Training. Im internen Stresstest sank die Halluzinationsrate von 23,4 auf 8,3 Prozent, wobei das Unternehmen einschränkt, die Beispiele seien auf Fehler hin ausgewählt. Die Quellen berichten in diesen Punkten übereinstimmend.
Worin sie sich unterscheidenKontextfenster des Modells·Verfügbarkeit und Varianten·Denkmodus und Steuerung+9 weitere
Kontextfenster des Modells- Kimi K3.1 Pro verarbeitet einen Kontext von einer Million Token.1
Verfügbarkeit und Varianten- Das Modell läuft bereits in den Kimi-Diensten und per API; daneben gibt es K3.1 Pro Highspeed, das laut Unternehmen zwei- bis dreimal schneller ist und mit 4 und 20 Dollar pro Million Token genau doppelt so teuer.1
Denkmodus und Steuerung- Der Denkmodus ist immer eingeschaltet und lässt sich nicht abschalten; die Tiefe steuert der Parameter reasoning_effort mit den Stufen low, high und max, Standard ist max.1
Multimodale Fähigkeiten- Das Modell verarbeitet Text, Bilder und Video und antwortet mit Text.1
Benchmark-Ergebnisse bei agentischen Aufgaben- Im GDPval-AA-Benchmark erreicht K3.1 Pro 1.846 Elo, 312 Punkte mehr als K3, und im Terminal-Bench 4.0 nach Firmenangaben 65,7 Prozent gegenüber 13 Prozent bei K3.2
- Bei langen Aufgaben mit Werkzeugen – Programmieren, Websuche, Agentenprüfungen, Finanzdokumente – liegt das Modell vorn oder gleichauf mit Opus 5.5, fällt aber bei schwierigen Fragen ohne Werkzeuge deutlich ab: im HLE-Full um 8,7 Punkte hinter Opus 5.5 und im HLE-Diamond um 26 Punkte hinter GPT-6 Astra.1
Halluzinationsrate im Vergleich zu Wettbewerbern- GPT-6 Astra liegt im internen Stresstest mit 5,5 Prozent besser als K3.1 Pro.2
- Im selben Stresstest schneidet K3.1 Pro mit 8,3 Prozent besser ab als Opus 5.5 mit 15,0 Prozent, aber schlechter als GPT-6 Astra mit 5,5 Prozent.1
Fähigkeiten bei Spiele-Engines und CAD- Das Modell arbeitet mit Spiele-Engines wie Unity und Unreal Engine und erreicht im BenchCAD-Benchmark 92,7 Prozent mit Tools.2
Cyber-Fähigkeiten und Bereinigung- Die unbereinigte Version löst im internen xdev-bench-hard 90,5 Prozent der Aufgaben, K3.1 Pro 81,0 Prozent.2
- Die Bereinigung kostete im xdev-bench-hard rund 10 Punkte, dennoch stieg die Quote von 33 Prozent bei K3 auf 81 Prozent; in öffentlichen Tests liegt K3.1 Pro zurück, etwa ExploitBench 74,7 gegen 100 bei GPT-6 Astra und 91,0 bei Opus 5.5 sowie ExploitGym 20,7 gegen 42,4 und 34,5.1
Methodik der Benchmark-Vergleiche- Kimi lief meist in der Umgebung von Claude Code, während Konkurrenzwerte aus deren Berichten oder Bestenlisten stammten, jeweils der höchste Wert; bei geschlossenen Modellen vermerkt die Tabelle „with fallback“, ohne Details.1
- In OfficeQA Pro und Agents' Last Exam setzte Moonshot Aufgaben auf null, in denen fremde Modelle Antworten im Netz fanden – die Entscheidung traf die interessierte Seite; in BioMysteryBench urteilte das eigene Modell Kimi K3, in PostTrainBench ein Ersatzrichter, und die Tests liefen auf H20 statt H100.1
- Mehrere Tests sind intern, und es gibt Unstimmigkeiten in den Daten, etwa einen Wert von 8,9 bei DeepSeek, der dem von K3 entspreche, und eine falsch beschriftete Spalte im Kiberbereich.1
Einordnung der Open-Weight-Veröffentlichung- Gibt Moonshot die Modellgewichte wie angekündigt bis zum 4. November 2026 frei, wäre K3.1 Pro das am höchsten bewertete Open-Weights-Modell; die Lücke zu proprietären Modellen würde von zwölf auf drei Punkte schrumpfen.2
- Die offene DeepSeek-V4.1-Flash löst auf Moonshots eigenem Benchmark mit 85,7 Prozent mehr Aufgaben als K3.1 Pro mit 81,0 Prozent, sodass die Selbstbeschränkung nur wirkt, solange andere mitziehen.1
Beispiel für eine lange Aufgabe- In einem internen Test baute K3.1 Pro einen Geh-Simulator auf Basis von human-atlas mit 296 Skelettelementen und 402 Muskeln; über 167 Teilaufgaben und 420 Prüfungen verbesserte das Modell den Controller, der virtuelle Mensch lief 11,2 Sekunden, und als die Belohnungsfunktion die Armbewegung nicht mehr verbesserte, fand das Modell 36 Rechenfehler bei den Kraftarmen der Schultermuskeln – diese Darstellung stammt von Moonshot und wurde unabhängig nicht geprüft.1
Lizenz der Gewichte- Die Lizenz ist noch offen; bei K3 lag sie nahe an einer offenen Lizenz.1