GPT-6.1 Sol vs. Kimi K4: Das im Titel genannte Modell wurde nie angekündigt

Kimi K4 ist nicht bloß ein nicht angekündigtes Modell. Es ist ein Name, hinter dem überhaupt kein Modell steht. Moonshot AI hat nie eine K4-Modellkarte, ein K4-Repository, eine K4-API-Kennung oder eine K4-Preiszeile veröffentlicht, und der eigene Forschungsindex von Moonshot AI endet bei Kimi K3. Artificial Analysis hat keine K4-Seite. Der Name kam im Juli durch ein durchgesickertes internes Banner in Umlauf, und alles seither ist eine Extrapolation aus Kimi K3, einem realen und ziemlich guten Modell. GPT-6.1 Sol ist dagegen seit dem 29. September 2026 allgemein über die OpenAI-API verfügbar, zu 2,00 US-Dollar pro Million Eingabe-Token und 10,00 US-Dollar pro Million Ausgabe-Token. Der ehrliche Vergleich ist also Sol gegen das Kimi-Modell, das es gibt – Kimi K3.1 Pro –, samt einer Darstellung dessen, was K4 sein müsste, damit Warten sinnvoll wäre.

Ein Name, hinter dem kein Modell steht

Die Beweiskette sollte dargelegt werden, denn die Menge an K4-Inhalten im Internet steht in krassem Missverhältnis zur Beweislage.

• Juli 2026 — ein durchgesickertes internes Feierbanner von Moonshot enthält den Satz „K4 bis an die absolute Grenze zu treiben“. Dies ist der Ursprung des Namens.

• 29. Juli 2026 — The Information berichtet, Moonshot suche zusätzliche Kapazitäten der Nvidia-Blackwell-Klasse, um ein Modell zu trainieren, das größer als K3 ist. Der Bericht nennt weder ein Modell noch eine Parameteranzahl oder ein Datum. Es ist eine Geschichte über die Beschaffung von Chips.

• 16. Juli 2026 — Kimi K3 ist verfügbar: 2,8 Billionen Gesamtparameter, 104 Milliarden aktive, ein spärliches Mixture-of-Experts-Modell mit 896 gerouteten Experten und 16 aktiven, ein Kontext von 1.048.576 Token und ein Vision-Encoder. Die Gewichte wurden Ende Juli veröffentlicht.

• 11. Oktober 2026 — Chinesischsprachige Medien berichten über ein Modell mit 5–6 Billionen Parametern im Training, „wahrscheinlich“ K4, wobei keine namentlich genannte Quelle angegeben wird.

• 15. Oktober 2026 — eine unbestätigte Behauptung, dass ein Flaggschiff mit dem Codenamen „x4“ das Pre-Training abgeschlossen hat und sich in der mittleren bis späten Phase des Post-Trainings befindet.

• 23. Oktober 2026 — Moonshot liefert stattdessen Kimi K3.1 Pro aus.

Jede K4-Benchmark-Zahl, jede Kontextlänge und jeder Preis, die Sie gesehen haben, sind Rechenoperationen auf Basis von K3s Zahlen. Prognosemärkte sehen für K4 eine Wahrscheinlichkeit von ungefähr 6 %, dass es bis zum 31. Dezember 2026 ausgeliefert wird, und von etwa 17 % bis zum 31. März 2027. Es gibt außerdem einen ungeklärten Kontext, den man kennen sollte: Vorwürfe, dass Moonshot über Thailand Zugang zu GB300 erlangt und aus Anthropics Modellen destilliert habe, verbunden mit einer angedrohten Maßnahme im Zusammenhang mit der Commerce Entity List. Das ist Hintergrund, keine K4-Spezifikation, aber es ist die Art von Sache, die einen Markteinführungstermin verschieben kann.

Das Kimi-Modell, das Sie tatsächlich vergleichen können

Kimi K3.1 Pro wurde am 23. Oktober 2026 veröffentlicht und am 24. Oktober in unserem Katalog als kimi/kimi-k3.1-pro gelistet. Es kostet $2.00 pro Million Eingabe-Token und $10.00 pro Million Ausgabe-Token – genau der Listenpreis von GPT-6.1 Sol –, wobei zwischengespeicherte Eingabe $0.20 statt Sols $0.10 kostet. Es bietet einen 1,048,576-Token-Kontext und, ungewöhnlich, eine maximale Ausgabe von 943,718 Token. Diese Ausgabeobergrenze ist kein Tippfehler, und sie ist die mit Abstand interessanteste Zahl in diesem Vergleich.

Hier ist das Paar auf dem Artificial Analysis Intelligence Index v5.0.1, beide mit maximalem veröffentlichtem Aufwand.

• Intelligence Index v5.0.1 — Sol 55 gegen K3.1 Pro 46, ein Abstand von neun Punkten

• Kosten pro abgeschlossener Indexaufgabe — Sol 1,27 $ vs. K3.1 Pro 3,68 $

• Ausgabe-Tokens beim Index-Lauf — Sol 63,7 Millionen vs. K3.1 Pro 113 Millionen

• Ausgabegeschwindigkeit — Sol 56 Token/Sek. vs. K3.1 Pro 33 Token/Sek.

• Kontextfenster — Sol 1.050.000 vs. K3.1 Pro 1.048.576, praktisch identisch

• Maximale Ausgabe in einer Antwort — Sol 128.000 vs. K3.1 Pro 943.718

• Eingabe-/Ausgabepreis pro 1 Mio. — 2,00 $ / 10,00 $ bei beiden

• Zwischengespeicherte Eingabe pro 1M — Sol 0,10 $ vs. K3.1 Pro 0,20 $

• Reasoning-Steuerung — Bei Sol ist Reasoning immer aktiv, von niedrig bis maximal, mit mittlerem Standard und ohne Ausschaltoption; K3.1 Pro hat Thinking standardmäßig aktiviert, mit wählbarem Aufwand: keine, niedrig, hoch oder maximal

• Eingabemodalitäten — Sol verarbeitet Text, Bilder und Dateien; K3.1 Pro verarbeitet Text, Bilder und Videos

• Gewichte — Sol geschlossen; der Checkpoint von K3.1 Pro wurde am 2. November 2026 veröffentlicht

Der identische beworbene Preis ist ein guter Hinweis darauf, dass der Listenpreis nicht den Kosten entspricht. K3.1 Pro verbrauchte 1,8-mal so viele Ausgabe-Tokens wie Sol, um denselben Index zu erstellen, und kostete pro Aufgabe 2,9-mal so viel. Außerdem ist es mit 33 Tokens pro Sekunde deutlich langsamer als das andere, was mehr als sonst zählt, weil es sich um die Generierung im Dauerbetrieb bei einem Modell handelt, das denkt, bevor es schreibt.

Wo K3.1 Pro die einzige Wahl ist

Eine Zahl verdient einen eigenen Abschnitt. Eine maximale Ausgabe von 943.718 Tokens ist rund siebenmal so groß wie die 128.000 von GPT-6.1 Sol. Wenn es Ihre Aufgabe ist, ein langes Korpus zu lesen und in einem einzigen Aufruf ein umfangreiches strukturiertes Artefakt auszugeben – eine vollständige Codebase-Migration, eine Prüfung von Rechtsvorschriften, eine buchlange Normalisierungsaufgabe –, dann wird Sol bei 128K abschneiden und K3.1 Pro nicht. Das ist kein Benchmark-Unterschied, den man mit Aufwandsstufen wegoptimieren kann; es ist eine harte Obergrenze auf einer Seite.

Die Kosten der Nutzung sind real. Bei $10.00 pro Million Ausgabe-Tokens kostet selbst die Hälfte dieser Obergrenze etwa $4.70 allein für die Ausgabe, bevor jegliche Reasoning-Tokens hinzukommen. Doch für eine Klasse von Batch-Jobs ist die Alternative kein günstigeres Modell, sondern eine Chunking-Pipeline mit eigenen Fehlermodi. Wenn das Ihre Arbeitslast ist, ist K3.1 Pro kein Kompromiss; es ist das Modell, das passt.

Der Grund, auf Open-Weights zu warten, ist bereits erfüllt.

Zieht man die Spekulation ab, gibt es genau eine strukturelle Sache, die ein K4 liefern könnte, die GPT-6.1 Sol nicht kann: einen herunterladbaren Checkpoint. Das ist der Grund, warum Leute Moonshot beobachten, und der Grund, warum dieser Vergleich eine aktive dritte Option hat, die die Schlagzeile übersieht. Die Gewichte von Kimi K3.1 Pro wurden am 2. November 2026 unter einer eigenen Lizenz veröffentlicht. Vor drei Tagen, nicht in irgendeinem zukünftigen K4-Release.

Das Repository ist ein Checkpoint mit 2,78 Billionen Parametern. Bei 8-Bit-Präzision sind das rund 2,7 Terabyte an Gewichten, noch bevor irgendein KV-Cache- oder Serving-Overhead hinzukommt, und die k-quantisierten Artefakte im Repository liegen in derselben Größenordnung. Dies ist ein Multi-Node-Deployment mit leistungsfähiger Interconnect-Anbindung, kein Download für eine einzelne GPU. Die Zahl der aktiven Parameter – 104 Milliarden bei Kimi K3 – bestimmt, wie schnell es läuft, sobald der Speicher bezahlt ist, weshalb ein so großes Modell auf dem richtigen Cluster mit nutzbarer Geschwindigkeit bedient werden kann und auf dem falschen überhaupt nicht.

Der Deal ist also eindeutig. Offene Gewichte beseitigen eine Abhängigkeit von einem Anbieter und ersetzen sie durch Kapitalaufwand und ein Betriebsteam. Bei 2,00 $ pro Million Eingabe-Token und 10,00 $ pro Million Ausgabe-Token ist der gehostete Preis von Kimi K3.1 Pro niedrig genug, dass Self-Hosting allein auf Basis der Rechenkosten wahrscheinlich nicht gewinnen wird; gewinnen wird es bei Datenresidenz, Air-Gapped-Deployment und der Möglichkeit, auf Traffic zu fine-tunen, den man niemandem senden kann. Wenn dies Anforderungen sind, werden sie heute von K3.1 Pro erfüllt. Wenn nicht, sind die offenen Gewichte eine nette Eigenschaft, die Sie nie nutzen werden.

Was K4 obendrauf bringen würde, ist nach der verfügbaren Evidenz eine größere Parameterzahl und ein besserer Score. Das ist ein Grund, ein Modell zu aktualisieren. Es ist kein Grund, einen Einsatz zu verschieben, und schon gar nicht der einzige Weg, Gewichte zu erhalten, die man halten kann.

Wo die beiden echten Modelle für die meisten Teams landen

Für Tool-Calling-Agenten, Dokument-QA- und Support-Flows ist GPT-6.1 Sol auf jeder gemessenen Achse außer der Ausgabelänge die bessere Standardwahl: höherer Index-Score, niedrigere Kosten pro abgeschlossener Aufgabe, 70 % schnellere Generierung, günstigere Cache-Lesevorgänge. Es ist lange genug in Produktion, um ein echtes Telemetrieprofil zu haben — nach unseren Sieben-Tage-Werten: 937 ms mediane Zeit bis zum ersten Token, 5,7 % Fehlerrate und 39,5 Token pro Sekunde Ausgabe bei 382 Millionen Token Traffic.

Für Batch-Arbeit mit langen Ausgaben ist Kimi K3.1 Pro das Modell der Wahl, und der Grund dafür ist die Obergrenze von 943K. Für Teams, die die Gewichte selbst besitzen müssen, ist Kimi K3.1 Pro heute die Antwort: Der Checkpoint existiert, er ist herunterladbar, und er ist drei Tage alt. Das ist der gesamte praktische Gehalt der K4-Frage, beantwortet von einem Modell, das im Oktober veröffentlicht wurde.

Der Routing-Punkt ist hier nicht dekorativ. Diese beiden Modelle haben denselben Listenpreis und entgegengesetzte Profile: Das eine ist schnell, günstig pro Aufgabe und auf 128K Ausgabe begrenzt; das andere ist langsam, teuer pro Aufgabe und praktisch unbegrenzt. Das ist eine klassische Aufteilung pro Anfrage statt ein Entweder-oder. Beide liegen hinter einem Schlüssel zum Listenpreis des Anbieters ohne Aufschlag, sodass eine Routing-Regel Batch-Jobs mit langer Ausgabe an K3.1 Pro und die interaktive Agent-Schleife an Sol schicken kann, ohne einen zweiten Vertrag, oder sie dort kombinieren kann, wo eine einzelne Antwort von beiden profitiert. Die Ebene ist das, was es Ihnen ermöglicht, eine K4-Entscheidung aufzuschieben, ohne die Arbeit aufzuschieben.

Die Antwort auf „GPT-6.1 Sol oder Kimi K4“ lautet also, dass eines davon eine Entscheidung und das andere ein Gerücht mit angehängter Parameterzahl ist. Wenn K4 2027 mit offenen Gewichten und einem Score von über 46 erscheint, wird es einen ernsthaften Blick wert sein, und der Weg, darauf vorbereitet zu sein, ist ein Stack, bei dem der Austausch eines Modells eine Routing-Änderung ist. Darauf zu warten ist keine Strategie; es an einem Nachmittag übernehmen zu können, schon.