Das chinesische KI-Unternehmen Moonshot AI hat das Modell Kimi K3.1 Pro vorgestellt. Es handelt sich um eine weiterentwickelte Version seines Vorgängers Kimi K3, die durch einen erheblich höheren Rechenaufwand im Post-Training optimiert wurde. Im Artificial Analysis Intelligence Index erzielt Kimi K3.1 Pro 55 Punkte, was eine Steigerung um 11 Punkte gegenüber K3 darstellt und dem Modell den vierten Platz sichert.
Laut Artificial Analysis liegen lediglich drei Modelle höher: Claude Opus 5.5 (58 Punkte), Claude Sonnet 5.5 (56 Punkte) und Muse Wonder Full (56 Punkte). Diese Modelle stammen von Anthropic und Meta. Sollte Moonshot AI die Modellgewichte wie geplant bis zum 4. November 2026 veröffentlichen, würde K3.1 Pro zum höchstbewerteten Open-Weights-Modell aufsteigen. Dies würde den Abstand zwischen offenen und proprietären Modellen von 12 auf nur noch 3 Punkte reduzieren, sofern sich bis dahin keine anderen Parameter ändern.
Leistungsverbesserung und Rangliste
Kimi K3.1 Pro zeigt besonders starke Verbesserungen bei sogenannten Agenten-Aufgaben. Auf dem GDPval-AA-Benchmark erreicht das Modell laut Artificial Analysis 1.846 Elo-Punkte, eine Steigerung von 312 Punkten gegenüber K3. Damit positioniert es sich knapp hinter Claude Opus 5.5 (1.866) und Muse Wonder Full (1.857). Elo ist ein Punktesystem, das ursprünglich zur Bewertung der Spielstärke diente und hier die Leistungsfähigkeit bei komplexen Problemlösungen misst.
Bei Terminal-Bench 4.0 meldet Moonshot eine Erfolgsquote von 65,7 Prozent. Dies liegt vor GPT-6 Astra (58,2 Prozent) und nur geringfügig hinter Claude Opus 5.5 (66,4 Prozent). K3 erreichte auf diesem Test lediglich 13 Prozent.
Auch die Rate der sogenannten Halluzinationen, also von der KI generierten falschen oder erfundenen Informationen, ist signifikant gesunken. Auf Moonshots internem Kimi Hallu Bench Hard fielen die Halluzinationen auf Anspruchsebene von 23,4 Prozent bei K3 auf 8,3 Prozent. Moonshot betont, dass dies ein Stresstest ist und keine allgemeine Fehlerrate darstellt. Zum Vergleich erreicht GPT-6 Astra auf demselben Benchmark 5,5 Prozent.
Erweiterte Fähigkeiten und Anwendungsbereiche
Neben K3.1 Pro bietet Moonshot eine Variante namens K3.1 Pro Highspeed an, die nach Angaben des Unternehmens zwei- bis dreimal schneller arbeitet. Beide Modelle sind ab sofort über Kimi.ai, Kimi Work, Kimi Code und die Kimi API verfügbar.
Internen Finanz-Benchmarks zufolge verbesserte sich K3.1 Pro um 7,2 Punkte im Bereich Finanzmodellierung und um 11,6 Punkte bei Finanzanalysen. Für allgemeine Büroaufgaben übertrifft das Modell laut Moonshot alle getesteten Modelle auf OfficeQA Pro v2.
K3.1 Pro kann direkt mit Spiel-Engines wie Unity, Unreal Engine und Godot zusammenarbeiten und sowohl schnelle Korrekturen als auch vollständige Projekt-Builds durchführen. Auf dem BenchCAD-Benchmark erreicht es mit Werkzeugen 92,7 Prozent, nahe an Claude Opus 5.5 (96,2 Prozent) und GPT-6 Astra (95,9 Prozent). Ohne Werkzeuge erzielt es 72,8 Prozent, fast gleichauf mit Claude Opus 5.5 (73,0 Prozent).
Moonshot gibt an, dass das Modell besonders stark in der parametrischen Modellierung von mechanischen Teilen, Architekturmodellen und konfigurierbaren Produkten ist. Es kann Skripte für Blender und CAD-Software ohne spezielle Verbindungsstücke schreiben und ausführen. Zudem wurde auf Kimi.com die Funktion „3D Make“ eingeführt, die es Nutzern ermöglicht, 3D-Modelle zu begutachten, zu bearbeiten und zu exportieren.
Preisanpassungen und technische Details
K3.1 Pro behält die gleichen Dimensionen wie K3 bei, mit insgesamt 2,8 Billionen Parametern und 104 Milliarden aktiven Parametern. Das Kontextfenster, also die Menge an Informationen, die das Modell gleichzeitig verarbeiten kann, umfasst eine Million Tokens. Tokens sind die grundlegenden Bausteine von Sprache, die von KI-Modellen verarbeitet werden. Das Modell verarbeitet sowohl Text als auch Bilder. Laut Artificial Analysis liegt es an der Spitze der Pareto-Frontier, was bedeutet, dass kein Modell mit einer vergleichbaren Parameteranzahl im Intelligence Index höher punktet.
Die Token-Preise wurden um 33 Prozent gesenkt: Eingabekosten betragen nun 2 US-Dollar pro Million Tokens (zuvor 3 US-Dollar), Ausgabekosten 10 US-Dollar (zuvor 15 US-Dollar) und Cache-Hits 0,20 US-Dollar (zuvor 0,30 US-Dollar). Die Kosten für eine Intelligence-Index-Aufgabe belaufen sich auf 1,98 US-Dollar, was fast identisch mit K3 (2,00 US-Dollar) ist, da das Modell 14 Prozent mehr Ausgabe-Tokens generiert.
Umgang mit Cybersicherheit bei Open-Weights-Modellen
Moonshot widmet der Cybersicherheit einen eigenen Abschnitt in seinem technischen Blogbeitrag. Das Unternehmen stellte fest, dass die Fähigkeiten zur Schwachstellenforschung mit zunehmendem Post-Training wuchsen, da cyberbezogene Inhalte im allgemeinen Trainingskorpus enthalten waren und entsprechende Aufgaben Teil der Reinforcement Learning (RL)-Umgebung waren.
Für die Veröffentlichung der Open-Weights-Version hat Moonshot cyberbezogene Daten aus beiden Trainingsphasen entfernt. Auf dem internen xdev-bench-hard, der kürzlich aufgedeckte Schwachstellen in Software wie dem Linux-Kernel, Node.js und JavaScriptCore reproduziert, löste die unbereinigte Version 90,5 Prozent der Aufgaben. Nach der Datenbereinigung löst K3.1 Pro 81,0 Prozent. DeepSeek-V4.1-Flash erreicht auf demselben Test 85,7 Prozent, während Kimi K3 33,3 Prozent erreichte.
Moonshot vertritt die Ansicht, dass kein Open-Weights-Modell die absolute Grenze offensiver Cyber-Fähigkeiten erreichen sollte. Gleichzeitig möchte das Unternehmen schrittweise die Möglichkeiten offener Modelle erweitern, da diese auch defensiven Zwecken dienen, wie beispielsweise der Prüfung von älteren Systemen. Anthropic zeigte zuvor, dass selbst GLM-5.3, das 45 Punkte im AA Index erreicht, Exploits auf einem Niveau schreiben kann, das dem von Claude Mythos nahekommt.
Thema: Anthropic. Quelle/Inspiration: The Decoder.