Moonshot AI veröffentlicht Kimi K3.1 Pro: Ein MoE-Modell mit 2.8T Parametern gesamt/104B aktiv und 1M Kontext

Moonshot AI hat soeben veröffentlicht Kimi K3.1 Pro, das erste Modell seiner K3.1-Serie. Kimi K3.1 Pro ist ein Open-Weight*-Modell der 3T-Klasse mit einem 1-Million-Token-Kontextfenster. Das Moonshot-Team positioniert es gegen die stärksten proprietären Modelle bei Coding-, Agentic- und Knowledge-Benchmarks. Für Entwickler gibt es eine günstigere API-Preisgestaltung als bei K3, Open Weights sind jedoch noch nicht verfügbar. *offene Gewichte werden voraussichtlich im November 2026 veröffentlicht.

TL;DR

• Größe: 2.8T gesamt, 104B aktive Parameter (MoE), 1M-Token-Kontext.
• Läuft auf: Kimi API, derzeit. Für K3 empfiehlt Moonshot Supernodes mit 64+ Beschleunigern, mit MXFP4-Gewichten und MXFP8-Aktivierungen. Kein Modell für eine einzelne GPU.
• Leistung: Nahe der proprietären Spitze bei Terminal-Coding; dahinter bei wissenschaftlichen Terminal-Aufgaben.
• Bestes: SWE-Marathon 51.7, vor jedem Modell in Kimis Diagramm (selbst berichtet).
• Schlechtestes: Terminal-Bench Science 0.1 mit 38.1, gegenüber 68.1 für GPT-6 Astra in Kimis Diagramm.

Was ist Kimi K3.1 Pro?

Kimi K3.1 Pro ist eine nachtrainierte Version von Kimi K3 mit deutlich mehr Post-Training-Rechenleistung. Das Moonshot-Team führte gemeinsames Reinforcement Learning über Hunderte von Downstream-Domänen durch. Zur Unterstützung davon optimierte das Moonshot-Team das RL-Framework, die Long-Context-Inferenz, die Sandbox-Infrastruktur und das Rollout-Scheduling.

Die K3-Basisarchitektur verwendet Kimi Delta Attention (KDA) und Attention Residuals (AttnRes). Sie aktiviert 16 von 896 Experten durch ein Stable LatentMoE-Framework. Das Modell akzeptiert Text, Bilder und Video über die API, laut den Quickstart-Dokumenten.

Das Moonshot-Team hat auch Kimi K3.1 Pro Highspeedveröffentlicht. Laut dem offiziellen Moonshot-Blog läuft es 2- bis 3-mal schneller.

Wie schneidet Kimi K3.1 Pro bei Benchmarks ab?

Alle Zahlen unten wurden von Moonshot selbst berichtet max Reasoning Effort, meistens mit dem Claude-Code-Harness.

• Coding: Auf Terminal-Bench 4.0 erzielt K3.1 Pro 65.7%. Das liegt knapp hinter Claude Opus 5.5 mit 66.4% in Kimis Diagramm. Auf SWE-Marathon führt es mit 51.7, vor Opus 5.5 mit 46.3. Auf Kimi Code Bench 3.0 Long-horizon, einem internen Benchmark, erreicht es 61.2, gegenüber 55.95 bei K3.
• Science: Terminal-Bench Science 0.1 ist der deutliche Abstand. K3.1 Pro erzielt 38.1, gegenüber 68.1 für GPT-6 Astra und 63.3 für Opus 5.5 in Kimis Diagramm.
• 3D und CAD: Auf BenchCAD mit Toolserzielt K3.1 Pro 92.7. Opus 5.5 erreicht 96.2 und GPT-6 Astra 95.9. Ohne Tools erreicht K3.1 Pro 72.8, nahe an Opus 5.5 mit 73.0.
• Finance: K3.1 Pro meldet einen State-of-the-Art-Wert von 64.4 auf OfficeQA Pro v2. Es erzielt 58.6 auf Frontier Finance. Bei internen Finanztests gewinnt es 7.2 Punkte in Modeling und 11.6 in Research gegenüber K3.
• Halluzination: Auf Kimi Hallu Bench Hard, einem internen Stresstest, sanken Halluzinationen auf Claim-Ebene von 23.4% (K3) auf 8.3%. Das entspricht in etwa dem von Moonshot genannten Rückgang um 65%. GPT-6 Astra verzeichnet auf demselben Test weiterhin niedrigere 5.5%.

Wie geht Kimi K3.1 Pro mit Cyberrisiken um?

Moonshot entfernte cyberbezogene Daten aus dem Mid-Training und RL für die Open-Weight-Veröffentlichung. Auf dem internen xdev-bench-hard löste ein ungefilterter Checkpoint 90.5% bei pass@3. Die ausgelieferte Version K3.1 Pro löst 81.0%. Moonshot sagt, es bleibe bei offensiven Cyberaufgaben hinter den proprietären Frontier-Modellen zurück.

Wie können Entwickler auf Kimi K3.1 Pro zugreifen?

Das Modell ist live auf Kimi.ai, Kimi Work, Kimi Code und der Kimi APIverfügbar. Die API-IDs sind kimi-k3.1-pro und kimi-k3.1-pro-highspeed. Der Endpunkt ist OpenAI-kompatibel.

Die Preisgestaltung für K3.1 Pro beträgt $2.00 für Input und $10.00 für Output pro Million Token. Cache-Treffer kosten $0.20. Highspeed kostet $4.00 für Input und $20.00 für Output. K3 selbst wurde mit $3.00 und $15.00 bepreist.

Praktische Grenzen aus dem quickstart:

• Der Thinking-Modus ist immer aktiviert. Der Reasoning Effort ist low, high oder max (Standard max).
• Temperature 1.0 und top-p 0.95 sind fest vorgegeben.
• Die Standardausgabe beträgt 131,072 Tokens und kann bis zu 1,048,576 gehen.
• Der Zugang wird nach einer Mindestaufladung von $1 freigeschaltet.
• Die Vision-Eingabe akzeptiert keine öffentlichen Bild-URLs. Verwenden Sie base64 oder hochgeladene Datei-IDs.

Wie schneidet es im Vergleich zu konkurrierenden Modellen ab?

*Abbildung stammt aus Kimis Vergleichsdiagramm; auf der eigenen Seite des Wettbewerbers nicht bestätigt.

Was sind die Einschränkungen?

• Die Gewichte sind noch nicht öffentlich, daher ist Self-Hosting derzeit nicht möglich.
• Die 2.8T-Größe deutet auf Multi-Node-Serving in Supernode-Klasse hin.
• Wissenschaftslastige Terminal-Aufträge liegen 25+ Punkte hinter GPT-6 Astra und Opus 5.5 zurück.
• Mehrere behauptete Siege stammen aus internen Benchmarks.
• Für K3 warnte Moonshot, dass das Weglassen des Reasoning-Verlaufs in einem Harness die Ausgabe destabilisiert. Die K3.1-Pro-Dokumentation sagt ebenfalls, die vollständige Assistant-Nachricht zurückzugeben.

Wichtigste Erkenntnisse

• Kimi K3.1 Pro: 2.8T insgesamt, 104B aktiv, 1M Kontext.
• Terminal-Bench 4.0 bei 65.7 %, 0.7 Punkte hinter Opus 5.5.
• Führt SWE-Marathon mit 51.7; deutlich schwächer bei Terminal-Bench Science (38.1).
• Die API kostet 2 $/10 $ pro Million Token, günstiger als K3.
• Offene Gewichte werden für November 2026 erwartet.

Schauen Sie sich den offiziellen Tech-Blogan, den API-Schnellstart und den Launch-Beitrag auf X. Alle Credits gehen an die Forscherin bzw. den Forscher dieses Projekts. Außerdem folgen Sie uns gerne auf Twitter und vergessen Sie nicht, unserem 150k+ML SubReddit beizutreten und unseren Newsletterzu abonnieren. Moment! Sind Sie auf Telegram? jetzt können Sie uns auch auf Telegram beitreten.

Müssen Sie mit uns kooperieren, um Ihr GitHub-Repo ODER Ihre Hugging-Face-Seite ODER Ihr Produktrelease ODER ein Webinar usw. zu bewerben? Verbinden Sie sich mit uns

Der Beitrag Moonshot AI veröffentlicht Kimi K3.1 Pro: Ein MoE-Modell mit insgesamt 2.8T/104B aktiven Parametern und 1M Kontext erschien zuerst auf MarkTechPost.