Chinesisches KI-Modell Kimi K3.1 Pro rückt an Anthropics Claude Opus 5.5 heran

Die wichtigsten Punkte

• Das chinesische KI-Unternehmen Moonshot AI hat Kimi K3.1 Pro veröffentlicht, das mit 55 Punkten auf Platz vier des Artificial Analysis Intelligence Index sprang, direkt hinter Claude Opus 5.5.
• Das Modell zeigt große Fortschritte bei agentischen Aufgaben, Programmierung und 3D-Modellierung.
• Die Parameteranzahl bleibt bei 2,8 Billionen, aber die API-Preise sinken um 33 Prozent. Moonshot plant, die Modellgewichte bis November 2026 freizugeben.

Moonshot AIs neues Reasoning-Modell Kimi K3.1 Pro landet auf Platz vier des Artificial Analysis Intelligence Index, nur 3 Punkte hinter den besten proprietären Modellen.

Das chinesische KI-Unternehmen Moonshot AI hat Kimi K3.1 Proveröffentlicht, eine post-trainierte Version seines Vorgängers Kimi K3 mit deutlich mehr Post-Training-Compute. Das Modell erreicht 55 Punkte auf dem Artificial Analysis Intelligence Index, ein Sprung von 11 Punkten gegenüber K3, der es auf den vierten Platz bringt.

Nur Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) und Muse Wonder Full (56) sind besser platziert, laut Artificial Analysis. Wenn Moonshot die Modellgewichte wie geplant bis zum 4. November 2026 freigibt, würde K3.1 Pro das am besten bewertete verfügbare Open-Weights-Modell werden. Das würde den Abstand zwischen offenen und proprietären Modellen von 12 auf nur 3 Punkte verkleinern, vorausgesetzt, bis dahin ändert sich nichts anderes.

Zusammen mit K3.1 Pro liefert Moonshot eine Variante namens K3.1 Pro Highspeed aus, die laut Unternehmen zwei- bis dreimal schneller läuft. Beide sind jetzt verfügbar über Kimi.ai, Kimi Work, Kimi Code und die Kimi API.Anzeige

Agentische Aufgaben verzeichnen die größten Zuwächse

Die stärksten Verbesserungen von K3.1 Pro zeigen sich bei agentischen Aufgaben. Auf dem Benchmark GDPval-AA erreicht es laut Artificial Analysis 1,846 Elo, 312 Punkte über K3. Damit liegt es knapp hinter Claude Opus 5.5 (1,866) und Muse Wonder Full (1,857). Bei Terminal-Bench 4.0 meldet Moonshot 65.7 Prozent, vor GPT-6 Astra (58.2 Prozent) und nur knapp hinter Claude Opus 5.5 (66.4 Prozent). K3 schaffte im selben Test nur 13 Prozent.

Auch die Halluzinationsraten sanken deutlich. Bei Moonshots internem Kimi Hallu Bench Hard sanken die Halluzinationen auf Claim-Ebene laut dem Unternehmen von 23,4 Prozent bei K3 auf 8,3 Prozent. Moonshot betont, dass dies ein Stresstest ist und kein Maß für allgemeine Fehlerraten. GPT-6 Astra erreicht im selben Benchmark 5,5 Prozent und hat damit weiterhin einen Vorsprung.

Bei internen Finance-Benchmarks gewann K3.1 Pro 7,2 Punkte bei Financial Modeling und 11,6 Punkte bei Financial Research. Bei allgemeinen Büroaufgaben schlägt das Modell laut Moonshot alle getesteten Modelle bei OfficeQA Pro v2.

Moonshots Kimi K3.1 Pro Benchmark-Tabelle. Alle Ergebnisse mit auf "max." gesetztem Reasoning Effort.Anzeige

3D-Modellierung und Programmierung

K3.1 Pro arbeitet laut Moonshot direkt mit Game-Engines wie Unity, Unreal Engine und Godot und bewältigt sowohl schnelle Korrekturen als auch vollständige Projektaufbauten. Beim Benchmark BenchCAD erreicht es 92,7 Prozent mit Tools, nahe an Claude Opus 5.5 (96,2 Prozent) und GPT-6 Astra (95,9 Prozent). Ohne Tools kommt es auf 72,8 Prozent und liegt damit fast gleichauf mit Claude Opus 5.5 (73,0 Prozent).

Moonshot zufolge ist das Modell am stärksten bei der parametrischen Modellierung von mechanischen Bauteilen, Architekturmodellen und konfigurierbaren Produkten. Es kann Skripte für Blender und CAD-Software schreiben und ausführen, ohne MCP-Konnektoren. Das Unternehmen führte zudem eine Funktion namens "3D Make" auf Kimi.com ein, mit der Nutzer 3D-Modelle Vorschauen, bearbeiten und exportieren können.

Gleiche Größe, niedrigere Preise

K3.1 Pro behält dieselben Abmessungen wie K3 bei, mit insgesamt 2,8 Billionen Parametern, von denen 104 Milliarden aktiv sind. Das Kontextfenster umfasst eine Million Tokens, und das Modell verarbeitet sowohl Text als auch Bilder. Laut Artificial Analysis liegt es an der Spitze der Pareto-Frontier. Kein Modell mit vergleichbarer Parameteranzahl erzielt einen höheren Wert im Intelligence Index.

Die Token-Preise sinken um 33 Prozent. Eingabe kostet $2 pro Million Tokens (zuvor $3), Ausgabe kostet $10 (zuvor $15), und Cache-Treffer kosten $0.20 (zuvor $0.30). Jede Intelligence-Index-Aufgabe kostet $1.98, fast identisch mit K3 ($2.00), da das Modell 14 Prozent mehr Ausgabe-Tokens generiert.

Cybersicherheit und bewusste Einschränkungen bei Offensive Capabilities

Moonshot widmet in seinem technischen Blogbeitrag ein ganzes Kapitel der Cybersicherheit. Das Unternehmen berichtet, beobachtet zu haben, dass die Fähigkeiten in der Schwachstellenforschung mit dem Aufskalieren des Post-Trainings weiter wuchsen, weil Cyber-bezogene Inhalte im allgemeinen Mid-Training-Korpus enthalten waren und entsprechende Aufgaben Teil der RL-Umgebungsmischung waren.

Für die Open-Weights-Veröffentlichung entfernte Moonshot Cyber-bezogene Daten aus beiden Trainingsphasen. Beim internen xdev-bench-hard, das kürzlich offengelegte Schwachstellen in Software wie dem Linux-Kernel, Node.js und JavaScriptCore nachstellt, löst die unbereinigte Version 90,5 Prozent der Aufgaben. Nach der Datenbereinigung löst K3.1 Pro 81,0 Prozent. DeepSeek-V4.1-Flash erreicht im selben Test 85,7 Prozent, während Kimi K3 33,3 Prozent erzielte.

Moonshot sagt, dass kein Open-Weights-Modell die absolute Grenze der offensiven Cyber-Fähigkeiten vorantreiben sollte. Gleichzeitig will das Unternehmen schrittweise erhöhen, was offene Modelle leisten können, da sie auch defensiven Zwecken wie der Prüfung von Altsystemen dienen. Anthropic zeigte zuvor, dass selbst GLM-5.3, das im AA Index 45 Punkte erzielt, Exploits auf nahezu Claude-Mythos-Niveau schreiben kann.