Vertiefende Analyse · Etwa 7 Min. Lesezeit
Kimi K3.1 Pro: Verbesserungen durch Nachtraining, Abhängigkeit von Werkzeugen und spätere Veröffentlichung der Gewichte
Moonshot beschreibt die Einführung eines Modells mit 1M Kontext, bessere Agenten-Benchmarks und gezielte Cyberkontrollen; die vollständigen Gewichte bleiben eine Zusage für den 4. November.
- Hier veröffentlicht
- Datum der Quelle
- Quelle geprüft
Moonshots Ankündigung vom 24. Oktober stellt Kimi K3.1 Pro und eine Highspeed-Variante für die eigene Produktfamilie vor. Entscheidend ist, was sich durch das Nachtraining geändert hat, wie die veröffentlichten Bewertungen durchgeführt wurden und welche Aussagen zum Zugang bereits nutzbare Angebote oder erst künftige Pläne betreffen.
Nachrichten anhören
Diesen Artikel vorlesen oder mit den Nachrichten fortfahren.
Vorlesen wird vorbereitet…
Gerätestimme
Browser oder Gerät verarbeiten die Sprache. AISubHub sendet den Text nicht an eine Audio-API. Stimmen und Wiedergabe bei gesperrtem Bildschirm hängen vom Gerät ab.
Beim Fortsetzen kann sich ein kurzer Satzteil wiederholen.
Auf einen Blick
- Moonshot beschreibt K3.1 Pro als nachtrainiertes K3-Modell mit einem Kontextfenster von einer Million Tokens; die für Highspeed behauptete Geschwindigkeit von 2–3× wurde von dieser Website nicht gemessen.
- Die Ergebnisse für Programmierung, CAD und Finanzaufgaben hängen von Werkzeugen, Evaluierungsumgebungen und Benchmark-Definitionen ab; sie begründen keine universelle Modellrangliste.
- Laut Ankündigung beginnt die Einführung in den Produkten jetzt, die vollständigen Gewichte sollen bis zum 4. November 2026 erscheinen, und der Unternehmenszugang ist standardmäßig deaktiviert, bis ein Administrator ihn aktiviert.
Die Änderung liegt im Nachtraining und im unterstützenden System
Moonshot bezeichnet K3.1 Pro als erstes Modell der K3.1-Reihe und als nachtrainierte Version von K3 mit deutlich mehr Rechenaufwand für das Nachtraining. Das Unternehmen beschreibt gemeinsames Reinforcement Learning über Hunderte nachgelagerter Anwendungsgebiete, unterstützt durch Änderungen an der Inferenz mit langem Kontext, der Sandbox-Infrastruktur, der Planung von Generierungsdurchläufen und den Qualitätsprüfungen der Umgebungen. Die Ankündigung nennt die 3T-Klasse und ein Kontextfenster von einer Million Tokens; dieser Artikel macht aus dieser Größenklasse keine exakte Parameterzahl.
Unserer Lesart nach geht es um die Behauptung, ein bestehendes Modell beim Lernen und beim Erledigen längerer Aufgaben zu verbessern. Es ist kein Beleg dafür, dass allein die Kontextlänge bessere Ergebnisse verursacht. Moonshot stellt außerdem K3.1 Pro Highspeed vor und behauptet eine Geschwindigkeit von 2–3× gegenüber Pro. Die Ankündigung liefert weder eine unabhängig reproduzierte Latenzverteilung noch eine allgemeingültige Beschleunigung auf Aufgabenebene oder einen vollständigen Kostenvergleich. Deshalb muss auch die schnellere Variante mit der tatsächlichen Arbeitslast des Lesers bewertet werden.
Bei Programmierwerten müssen die Hinweise zur Evaluierungsumgebung mitgelesen werden
Für Terminal-Bench 4.0 meldet Moonshot 65,7 % für K3.1 Pro, verglichen mit 58,2 % für GPT-6 Astra und 66,4 % für Claude Opus 5.5. Das Ergebnis im Kimi Code Bench 3.0 Long-horizon beträgt 61,2 %, gegenüber 55,95 % bei K3. Das sind unterschiedliche Tests: Der erste prüft Terminalaufgaben unter aufgabenspezifischen Einschränkungen, während der zweite eine interne Bewertung mehrstufiger Entwicklungsarbeit ist. Keine der Zahlen bedeutet, dass das Modell denselben Anteil beliebiger Produktionsprojekte abschließen wird.
Laut Fußnoten verwendet Kimi für diese Programmierbewertungen die Claude-Code-Evaluierungsumgebung. Sofern nicht anders angegeben, wird Kimi mit der Denkaufwandsstufe max, temperature 1,0 und top-p 0,95 bewertet. Ergebnisse anderer Modelle können aus Veröffentlichungsberichten oder offiziellen Ranglisten stammen, und manche proprietären Konfigurationen können Fallback-Verhalten enthalten. Unsere Analyse behandelt dies daher als Anbietervergleich mit offengelegten Bedingungen, nicht als neuen unabhängigen Testlauf. Teams sollten erfolgreiche Aufgabenabschlüsse, Werkzeugberechtigungen und den tatsächlichen Ressourcenverbrauch gemeinsam vergleichen.
CAD zeigt, warum die Werkzeugkonfiguration wichtig ist
Moonshot meldet BenchCAD-Werte von 92,7 mit Werkzeugen und 72,8 ohne Werkzeuge. Der Test rekonstruiert Formen aus mehreren gerenderten Ansichten mithilfe von CAD-Code. Offene Modelle wurden auf einer zufällig ausgewählten Teilmenge von 1000 Fällen aus einem Datensatz mit 17900 Fällen bewertet. Die Konfiguration mit Werkzeugen verwendet Claude Code, die andere eine einmalige Generierung und die offizielle Bewertungspipeline. Für GPT-6 Astra liegt in diesem Vergleich kein gemeldeter Wert ohne Werkzeuge vor; ein fehlender Eintrag ist nicht null.
Der Ankündigung zufolge kann K3.1 Pro ohne MCP-Konnektor Skripte für Blender und CAD-Software schreiben. Außerdem beschreibt sie 3D Make zum Anzeigen, Bearbeiten und Exportieren von Modellen. Für Konstrukteure unterscheiden wir praktisch zwischen der Erzeugung bearbeitbarer Geometrie, der Übereinstimmung mit einer Benchmark-Form und dem Nachweis, dass ein Bauteil für die Fertigung geeignet ist. Das sind getrennte Anforderungen. Die Beispielbeschreibungen auf der Seite nennen auch externe Materialien. Die gezeigten Szenen sollten deshalb nicht als vollständig vom Modell erstellte Inhalte beschrieben werden. Wir haben diese Demos nicht unabhängig selbst bedient.
Fortschritte bei Finanzaufgaben und Halluzinationsraten verwenden unterschiedliche Einheiten
Die Quelle meldet 64,4 bei OfficeQA Pro v2. Dieser Test kombiniert Informationsabruf, dokumentübergreifende Prüfungen und numerisches Schlussfolgern über Finanzdokumente. Die internen Tests für Finanzmodellierung und Finanzrecherche verbessern sich gegenüber K3 um 7,2 beziehungsweise 11,6 Punkte. Diese Aussagen betreffen definierte Evaluierungsaufgaben, keine Anlagerenditen oder nachgewiesene Produktivität von Analysten. Die Seite enthält außerdem eine ungeklärte Abweichung: Die Grafik zu Business Operation zeigt 37,0, die vollständige Benchmark-Tabelle dagegen 37,8. Wir gleichen diese Werte nicht stillschweigend an und leiten daraus keinen präzisen Multiplikator der Unternehmensleistung ab.
Im internen Stresstest Hallu Bench Hard sinkt laut Moonshot die Halluzinationsrate auf Ebene einzelner Aussagen von 23,4 % bei K3 auf 8,3 % bei Pro. Davon getrennt beträgt der Anteil der Antworten mit mindestens einem sachlichen Fehler 42,4 % der entsprechenden Rate des Vorgängers. Das ist keine absolute Fehlerquote von 42,4 %. Die Quelle sagt ausdrücklich, dass diese absichtlich schwierigen Prompts keine Fehlerquoten im Alltagsgebrauch darstellen. Für Finanzaufgaben folgern wir daraus, Quellenangaben, Annahmen und Rechenprüfungen beizubehalten, statt die niedrigere Benchmark-Rate als Erlaubnis zum Überspringen der Prüfung zu verstehen.
Cyberkontrollen verringern eine gemessene Fähigkeit, beseitigen sie aber nicht
Moonshot erklärt, sowohl in den Daten der mittleren Trainingsphase als auch in den Reinforcement-Learning-Umgebungen cyberbezogenes Material identifiziert und anschließend gezielt entfernt zu haben, während allgemeine Programmieraufgaben erhalten blieben. Im internen Test xdev-bench-hard löst der ungefilterte Checkpoint 90,5 % der Probleme bei pass@3, das endgültige Pro-Modell erreicht 81,0 %. Die Bewertung verwendet eine Teilmenge von Durchläufen ohne harte Zeitlimits oder Begrenzung der Ausgabetokens. Pass@3 ist ein Maß über mehrere Versuche, keine Erfolgsquote für einen einzelnen Versuch und keine Zusicherung zum Risiko eines gewöhnlichen Einsatzes.
Als Veröffentlichungsprinzip nennt das Unternehmen, die absolute Leistungsgrenze offensiver Cyberfähigkeiten nicht zu erweitern und gleichzeitig nützliche defensive Fähigkeiten schrittweise über offene Gewichte zu verbreiten. Das ist Moonshots strategische Begründung, keine Sicherheitszertifizierung durch uns. Ein Ergebnis von 81,0 % zeigt in diesem Test weiterhin erhebliche Fähigkeiten. Die Quelle räumt zudem ein, dass allgemeine Verbesserungen beim Programmieren auch nach gezielter Filterung auf Cyberaufgaben übergehen. Unsere Analyse spricht dafür, Zugangskontrollen und Sandbox-Grenzen aufrechtzuerhalten, statt die Entfernung von Trainingsdaten als vollständige betriebliche Schutzmaßnahme zu behandeln.
Produktverfügbarkeit und herunterladbare Gewichte haben getrennte Zeitpläne
Laut Ankündigung wird Pro über Kimi.com, mobile Apps, Kimi Work, Kimi Code und die API eingeführt. Genannt werden Kimi Work 3.1.0 oder neuer für Windows und Macs mit Apple silicon, die Modellauswahl über /model in Kimi Code sowie die API-Kennungen kimi-k3.1-pro und kimi-k3.1-pro-highspeed. Zero Data Retention wird als für API-Kunden verfügbar beschrieben. Daraus folgt nicht, dass dies bei jedem Konto standardmäßig aktiviert ist. Unternehmensadministratoren können Pro aktivieren; zum Start ist der Zugang standardmäßig deaktiviert.
Die vollständigen Modellgewichte sind bis zum 4. November 2026 zugesagt. Diese künftige Zusage muss von der heutigen Ankündigung gehosteter Produkte und von einer späteren Lizenz- oder Hardwarebewertung getrennt bleiben. Wir haben keine Gewichte heruntergeladen, keinen kostenpflichtigen Zugang getestet und nicht alle Tarife und Regionen überprüft. Diese Analyse verwendet den vollständigen Artikeltext, die Fußnoten, die angezeigte Benchmark-Tabelle und die statischen Abbildungen. Optionale Demovideos, interaktive Beispiele und beigefügte Beispieldokumente wurden nicht vollständig geprüft und dienen hier nicht als Belege für unabhängig bestätigte Leistung.
Warum es wichtig ist
Für Entwickler und Organisationen stellt die Veröffentlichung eine konkrete Kombination aus Modell und Werkzeugen bereit, die sich für Programmierung, CAD und dokumentenintensive Arbeit bewerten lässt. Der nützliche Vergleich ist, ob sie die eigenen Aufgaben innerhalb der jeweiligen Berechtigungen, des Budgets und des Prüfprozesses erledigt.
Grenzen und Verfügbarkeit
Alle gemeldeten Leistungswerte und Ergebnisse zur Risikominderung werden Moonshot und den zitierten Bewertungen zugeschrieben. Diese Website hat sie weder unabhängig reproduziert noch alle Zugangsberechtigungen überprüft oder die optionalen Demos geprüft. Die ursprüngliche Veröffentlichung ist nur mit Kalendertagsgenauigkeit bekannt.
Quellen und Belege
Datum der Quelle: · Quelle geprüft:
KI-gestützte redaktionelle Beiträge, anhand der genannten Primärquellen geprüft. Anbieterangaben werden zugeordnet; eine Aufnahme ist keine Empfehlung.