Moonshot AIs neues Reasoning-Modell Kimi K3.1 Pro erreicht Platz 4 im Artificial Analysis Intelligence Index und rückt auf Schlagdistanz zu den besten proprietären Modellen.
Das chinesische KI-Unternehmen Moonshot AI hat Kimi K3.1 Pro vorgestellt, eine post-trainierte Version seines Vorgängers Kimi K3 mit deutlich mehr Post-Training-Compute. Im Artificial Analysis Intelligence Index landet das Modell mit 55 Punkten auf Platz 4, ein Sprung von 11 Punkten gegenüber K3.
Davor liegen laut Artificial Analysis nur Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) und Muse Wonder Full (56). Wenn Moonshot die Modellgewichte wie angekündigt bis zum 4. November 2026 freigibt, wäre K3.1 Pro das am höchsten bewertete Open-Weights-Modell. Die Lücke zwischen offenen und proprietären Modellen würde von zwölf auf drei Punkte schrumpfen, sofern bis dahin nichts anderes passiert, versteht sich.
Vom Mittelfeld in die Top 4: Kimi K3.1 Pro legt im Artificial Analysis Intelligence Index im Vergleich zu Kimi K3 um satte 11 Punkte zu. | Bild: AANeben K3.1 Pro erscheint eine Variante namens K3.1 Pro Highspeed, die laut Moonshot zwei- bis dreimal schneller arbeitet. Beide sind ab sofort über Kimi.ai, Kimi Work, Kimi Code und die Kimi API verfügbar.
| Input | $2.00 / MTok | $4.00 / MTok |
| Output | $10.00 / MTok | $20.00 / MTok |
| Cache Input | $0.20 / MTok | $0.20 / MTok |
Größter Sprung bei agentischen Aufgaben
Die stärksten Zugewinne zeigt K3.1 Pro bei agentischen Aufgaben. Im GDPval-AA-Benchmark erreicht es laut Artificial Analysis 1.846 Elo, 312 mehr als K3, und liegt knapp hinter Claude Opus 5.5 (1.866) und Muse Wonder Full (1.857). Beim Terminal-Bench 4.0 gibt Moonshot 65,7 Prozent an, vor GPT-6 Astra (58,2 Prozent) und knapp hinter Claude Opus 5.5 (66,4 Prozent). K3 kam hier nur auf 13 Prozent.
Auch die Halluzinationsrate sinkt deutlich: Auf dem internen Kimi Hallu Bench Hard fiel sie auf Claim-Ebene laut Moonshot von 23,4 Prozent (K3) auf 8,3 Prozent. Das Unternehmen betont, dass es sich um einen Stresstest handelt, nicht um allgemeine Fehlerquoten. GPT-6 Astra erreicht auf demselben Benchmark 5,5 Prozent, ist also noch etwas stärker.
In internen Finanz-Benchmarks verbessert sich K3.1 Pro um 7,2 Punkte beim Financial Modeling und 11,6 Punkte bei Financial Research. Bei allgemeinen Office-Aufgaben erzielt das Modell laut Moonshot auf OfficeQA Pro v2 die Bestleistung aller getesteten Modelle.
| Terminal-Bench 4.0 | 65,7 | 66,4 | 58,2 | 57,9 | 42,3 | 41,8 |
| SWE Marathon v1.1 | 51,7 | 46,3 | 42,5 | 45,6 | 40,0 | 42,5 |
| DeepSWE v1.1 | 75,5 | 74,2 | 74,1 | 67,4 | 77,0 | 66,9 |
| BenchCAD (mit Tools) | 92,7 | 96,2 | 95,9 | 92,6 | 81,6 | -- |
| HLE-Full (mit Tools) | 70,0 | 67,7 | 57,2 | 65,6 | 58,8 | 62,5 |
| BrowseComp | 92,1 | 90,8 | 91,5 | -- | -- | -- |
| OfficeQA Pro v2 | 64,4 | 62,2 | 54,4 | 54,5 | 40,4 | 31,1 |
| Automation Bench-AA | 73,3 | 69,5 | 68,5 | 59,4 | 66,6 | 62,2 |
| GDPval-AA v2.1 (Elo) | 1.846 | 1.866 | 1.573 | 1.754 | 1.746 | 1.650 |
| GPQA-Diamond | 94,2 | 93,9 | 96,1 | 93,7 | 92,2 | 91,7 |
| ExploitBench | 74,7 | 91,0 | 100 | 83,0 | -- | 54,4 |
Auswahl aus der Benchmark-Tabelle von Moonshot. Alle Ergebnisse mit Reasoning Effort "max".
3D-Modellierung und Coding
K3.1 Pro arbeitet laut Moonshot direkt mit Spiele-Engines wie Unity, Unreal Engine und Godot und deckt das Spektrum von schnellen Fixes bis zu kompletten Projektaufbauten ab. Auf dem BenchCAD-Benchmark 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, fast gleichauf mit Claude Opus 5.5 (73,0 Prozent).
Besonders stark sei das Modell bei parametrischer Modellierung: mechanische Teile, Architekturmodelle, konfigurierbare Produkte. Ohne MCP-Konnektoren könne es Skripte für Blender und CAD-Software schreiben und ausführen. Moonshot hat dafür ein Feature namens "3D Make" auf Kimi.com eingeführt, das Vorschau, Bearbeitung und Export von 3D-Modellen ermöglicht.
Gleiche Größe, niedrigere Preise
K3.1 Pro behält mit 2,8 Billionen Gesamt- und 104 Milliarden aktiven Parametern die Dimensionen von K3 bei. Das Kontextfenster umfasst eine Million Token, das Modell verarbeitet Text und Bilder. Laut Artificial Analysis steht es an der Spitze der Pareto-Frontier: Kein Modell erzielt bei vergleichbarer Parameterzahl einen höheren Intelligence-Index-Wert.
Kimi K3.1 Pro liefert deutlich höhere Leistung als Kimi K3 bei minimal geringeren Kosten pro Task (1,98 statt 2,00 US-Dollar) und sichert sich so einen Platz auf der Pareto-Linie von Artificial Analysis. | Bild: AADie Token-Preise sinken um 33 Prozent: Input kostet 2 Dollar pro Million Tokens (statt 3), Output 10 Dollar (statt 15), Cache-Hits 0,20 Dollar (statt 0,30). Pro Intelligence-Index-Task kostet K3.1 Pro 1,98 Dollar, fast identisch mit K3 (2,00 Dollar), da es 14 Prozent mehr Output-Tokens generiert.
Cybersicherheit: Bewusste Einschränkung offensiver Fähigkeiten
Moonshot widmet der Cybersicherheit einen eigenen Abschnitt im technischen Blog. Das Unternehmen beobachtete, dass die Fähigkeiten zur Schwachstellenforschung mit zunehmendem Post-Training stetig zunahmen. Die Ursache: Cyber-bezogene Inhalte waren im allgemeinen Mid-Training-Korpus eingebettet, und entsprechende Aufgaben befanden sich im RL-Umgebungsmix.
Für die Open-Weight-Veröffentlichung entfernte Moonshot gezielt Cyber-bezogene Daten aus beiden Trainingsphasen. Auf dem internen xdev-bench-hard, der kürzlich offengelegte Schwachstellen in Software wie dem Linux-Kernel, Node.js und JavaScriptCore reproduziert, löst die unbereinigte Version 90,5Prozent der Aufgaben, K3.1 Pro nach der Datenbereinigung 81,0 Prozent. Zum Vergleich: DeepSeek-V4.1-Flash erreicht 85,7Prozent, Kimi K3 kam auf 33,3 Prozent.
Moonshot formuliert dazu zwei Prinzipien: Erstens solle kein Open-Weight-Modell die absolute Frontier offensiver Cyber-Fähigkeiten erweitern. Zweitens wolle man die verfügbaren Fähigkeiten in offenen Modellen schrittweise anheben, da offene Modelle auch defensiven Zwecken dienen, etwa der Überprüfung von Legacy-Systemen. Anthropic zeigte zuvor, dass schon GLM-5.3, 45 Punkte im AA-Index, in der Lage ist, Exploits auf Niveau von Claude Mythos zu schreiben.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
