Kimi K3.1 Pro ist das bislang leistungsstärkste Open-Weight-Modell von Moonshot AI. Am 23. Oktober 2026 stellte Moonshot AI im offiziellen Kimi-Blog Kimi K3.1 Pro vor: das erste Modell der K3.1-Serie: ein 3T-Klasse-Modell mit einer Million Token Kontextfenster, ausgelegt auf Coding, 3D-Generierung, Finanzrecherche und weitere Agenten-Fähigkeiten. Ab sofort auf Kimi.com, Kimi Work, Kimi Code und über die Kimi API verfügbar; die vollständigen Gewichte folgen bis zum 4. November.
Coding-Messwerte: 65,7 % bei Terminal-Bench, vor GPT-6 Astra
Coding führt die offizielle Ergebnisliste an: Bei Terminal-Bench 4.0 (strenge Tests von Coding-Agenten in Terminal-Umgebungen) erreichte K3.1 Pro 65,7 % – vor GPT-6 Astra (58,2 %) und knapp hinter Claude Opus 5.5 (66,4 %); beim hauseigenen Langzeit-Benchmark Kimi Code Bench 3.0 holte es 61,2 % gegenüber 55,95 % bei K3. Ein Open-Weight-Modell spielt bei echter Terminal-Arbeit nun in der obersten Liga der proprietären Modelle mit.
3D und Finanzen: zwei unterschätzte Achsen
Die 3D-Generierung ist die zweite Säule: 92,7 % mit Werkzeugen bei BenchCAD (3D-Rekonstruktion aus Multi-View-Renderings über CAD-Code), nahe an Claude Opus 5.5 (96,2 %) und GPT-6 Astra (95,9 %); mit dem parallel gestarteten 3D Make lassen sich auf kimi.com und in der Kimi-App 3D-Modelle ansehen, bearbeiten und für den 3D-Druck exportieren. Im Finanzbereich: 64,4 Punkte bei OfficeQA Pro v2 (mehrstufiges numerisches Schließen über echte Finanzdokumente), nach eigenen Angaben State of the Art; die Fehlerquote im internen Halluzinations-Test Kimi Hallu Bench Hard sank von 23,4 % (K3) auf 8,3 %.
So wurde es gebaut: K3 mit skaliertem Post-Training
K3.1 Pro ist im Kern ein nachtrainiertes K3: deutlich mehr Post-Training-Compute plus groß angelegtes gemeinsames Reinforcement Learning über Hunderte nachgelagerte Domänen. Laut Moonshot AI wurden RL-Framework, Long-Context-Inferenz, Trainingseffizienz und Sandbox-Infrastruktur optimiert, sodass jede zusätzliche RL-Rechenleistung stabile, vorhersagbare Zugewinne bringt. Parallel erscheint die Highspeed-Variante mit 2- bis 3-facher Geschwindigkeit für reaktionsschnellere Interaktion.
Der Open-Weight-Zielkonflikt: erst Sicherheitskür, dann Release
Bemerkenswert: Vor dem Gewichts-Release hat Moonshot AI die Fähigkeiten bewusst beschnitten und cyberbezogene Daten aus Mid-Training und RL entfernt. Im internen xdev-bench-hard-Test (Schwachstellensuche und -ausnutzung) erreichte das finale K3.1 Pro 81,0 % – unter dem Checkpoint ohne Datenentfernung (90,5 %) und unter den seit mindestens drei Monaten öffentlichen proprietären Spitzenmodellen. Das erklärte Prinzip: Offene Gewichte sollen die Spitze offensiver Cyber-Fähigkeiten nicht weiter nach vorn schieben, während der allgemeine Nutzen für defensive Zwecke erhalten bleibt.
Drei Dinge, die man als Nächstes beobachten sollte
Erstens der Gewichts-Release bis zum 4. November – Lizenz, quantisierte Versionen und das Community-Fine-Tuning-Ökosystem entscheiden, ob sich ein DeepSeek-artiger Open-Weight-Moment wiederholt. Zweitens Preis und API-Leistung der Highspeed-Variante: Geht die 2- bis 3-fache Geschwindigkeit mit Qualitätseinbußen einher? Drittens werden Terminal-Coding-Agenten zum Pflichtfeld für Open Weights; nach der höher gelegten Messlatte stellt sich die Frage, wer als Nächstes nachzieht.
