Moonshot hat am 2026‑10‑23 sein neuestes Reasoning-Modell, Kimi K3.1 Pro, veröffentlicht. Im Artificial Analysis Intelligence Index belegt es mit 55 Punkten Platz vier. Nur Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) und Muse Wonder Full (56) liegen davor. Nach Angaben des Unternehmens wird das Modell das Open-Weight-Modell mit der höchsten Punktzahl sein, sobald die Gewichte veröffentlicht sind.
So schneidet Kimi K3.1 Pro ab
Die größten Fortschritte gibt es bei agentischen Benchmarks, die testen, wie gut ein Modell Software-Tools nutzen kann. K3.1 Pro erreicht bei GDPval‑AA 1,846 Elo-Punkte – 312 Punkte mehr als das vorherige K3 – und belegt hinter Claude Opus 5.5 (1,866) und Muse Wonder Full (1,857) den dritten Platz. Auch bei Terminal‑Bench 4.0 liegt es vorn. Bei AutomationBench‑AA steigt der Wert von 58% auf 73%. Andere Tests zeigen kleinere Verbesserungen: Humanity’s Last Exam (47% → 52%), CritPt (23% → 25%) und SciCode (59% → 61%). Die Halluzinationsrate des Modells sank von 53% auf 44%, während die Gesamtgenauigkeit von 48% auf 51% stieg.
Preise und technische Daten
Moonshot gibt die Kosten pro Aufgabe mit etwa $1.98 an – ungefähr so viel wie beim vorherigen K3-Modell. Für jede Aufgabe im Intelligence Index verarbeitet das neue Modell 55 K Output-Tokens, 14% mehr als K3. Die Tokenpreise sind jedoch für Eingaben, Ausgaben und Cache-Treffer jeweils 33% niedriger. K3.1 Pro unterstützt ein Kontextfenster von 1 million Tokens, verfügt insgesamt über 2.8 trillion Parameter, von denen 104 billion aktiv sind, und kann Texte sowie Bilder verarbeiten. Die Gewichte sind noch nicht veröffentlicht, sollen aber bald folgen. Damit wäre das Modell das Open-Weight-Modell mit der höchsten Punktzahl im Index.
Warum es wichtig ist
Für Entwickler, die KI zum Ausführen von Software-Tools benötigen, bietet Kimi K3.1 Pro deutlich bessere Leistungen bei agentischen Aufgaben, ohne dass die Kosten steigen. Sobald Moonshot die Modellgewichte veröffentlicht, erhalten Nutzer von Open-Source-Modellen eine leistungsstarke Alternative zu proprietären Modellen – und der Abstand bei den Fähigkeiten wird kleiner.
