Kimi K3.1: Der Suchfeldname für Kimi K3 und was Moonshot tatsächlich ausliefert

Geben Sie kimi k3.1 in ein Suchfeld ein, und Sie fragen nicht nach Nachrichten. Es gibt keine Model Card für Kimi K3.1, kein Gewichts-Repository, keine Zeile in einer Preisliste und keine API-Kennung, die diese Nummer trägt, irgendwo auf den eigenen Oberflächen von M​oonshot AI – und es wird keine geben, bis das Labor sie dort platziert. Worauf der Punkt verweist, ist das Produkt, das er in Kurzform benennt: Kimi K3, das 2,8-Billionen-Parameter-Open-Weight-Flaggschiff, das M​oonshot am 16. Juli 2026 veröffentlichte, und die Modellreihe, zu der es gehört. „Kimi K3.1“ ist die Schreibweise, die das Suchfeld für diese Modellreihe bevorzugt; Kimi K3 ist die Schreibweise, die der Anbieter verwendet. Die gesamte Seite unten dreht sich um diesen Unterschied, denn er entscheidet darüber, was Sie tatsächlich ausführen können.

Der Grund, das hier aufzuschreiben, ist die Nachfrage, nicht der Nachrichtenwert. In den achtundzwanzig Tagen bis zum 12. Oktober 2026 erzielten Suchanfragen, die auf der Schreibweise mit Punkt basieren, 777 Impressionen und 70 Klicks auf unserer eigenen Website — zwölf Suchanfragen, praktisch kein Long Tail und eine Klickrate von 9,7 % auf kimi k3.1 selbst. Das ist die höchste Konversion aller in dieser Runde gemessenen Facetten und ungefähr doppelt so hoch wie bei der Schreibweise ohne Punkt. Leser, die den Punkt eingeben, browsen nicht. Sie haben bereits etwas über diese Produktlinie gelesen und kommen dafür zurück. Gleichzeitig kimi k3 kommt auf 4.004 Impressionen über 189 Suchanfragen, fünfmal das Volumen der Punktvariante, und das ist die Zahl, die Ihnen sagt, welcher der beiden Namen das Produkt ist.

Worauf sich „Kimi K3.1“ bezieht, in einer Bildschirmansicht

Drei Aussagen, in dieser Reihenfolge, weil die Reihenfolge wichtig ist:

• Kimi K3.1 ist kein separates Release. Moonshot AI veröffentlicht ein einziges K3-Modell. Seine Dokumentation, seine Preisseite, seine Hugging-Face-Organisation und sein Blog verwenden alle denselben Namen dafür, und keine davon verwendet einen punktierten Suffix.

Kimi K3 ist das ausgelieferte Modell und heute aufrufbar. Ein Mixture-of-Experts-System mit 2,8 Billionen Parametern, einem Kontextfenster von 1.048.576 Token, nativer Bildeingabe, offenen Gewichten unter der eigenen Lizenz von M​oonshot und einem veröffentlichten API-Preis von 3,00 US-Dollar pro Million Eingabe-Token und 15,00 US-Dollar pro Million Ausgabe-Token.

• Der Punkt ist ein Label, keine Version. Er ist die Form, die der Begriff in der Suche und in Community-Diskussionen annimmt, und er ist auch die Form, die der gerüchteweise gehandelte Nachfolger der Reihe seit Juli angenommen hat. Das sind zwei verschiedene Dinge, die dieselbe Schreibweise teilen, und der Rest dieser Seite hält sie auseinander.

Wenn Sie über einen Link zu einem Leak hierher gekommen sind, dann ist das die andere Hälfte der Geschichte, und dafür gibt es eine Seite – dies hier ist die Referenzseite für den Namen und das Modell dahinter.

Was Kimi K3 ist, aus Moonshots eigener Karte

Jede Zahl in diesem Abschnitt stammt aus dem eigenen Material von M​oonshot: der Modellkarte im Repository moonshotai/Kimi-K3 auf Hugging Face, dem technischen Blog unter kimi.com/blog/kimi-k3 und der Modelldokumentation auf der API-Plattform des Labors. Es sind vom Anbieter angegebene Zahlen, keine unabhängig reproduzierten, und dieser Unterschied sollte beibehalten werden, weil K3 ein großes Sparse-Modell ist, bei dem Benchmark- und Serving-Angaben von der Stelle stammen, die es trainiert hat.

• Klasse — ein Mixture-of-Experts-Sprachmodell mit Vision, von Moonshot als das weltweit erste offene Modell in der 3-Billionen-Parameter-Klasse beschrieben.

• Größe — 2,8 Billionen Parameter insgesamt, mit 104 Mrd. pro Token aktiviert, über 896 geroutete Experten, von denen 16 pro Token aktiviert werden, plus 2 geteilte Experten. 93 Schichten, davon eine dicht.

• Architektur — Kimi Delta Attention (KDA) und Attention Residuals, mit 69 KDA-Schichten und 24 gated MLA-Schichten, einer Attention-Hidden-Dimension von 7.168 und 96 Attention-Heads. M​oonshot berichtet von einer etwa 2,5-fachen Skalierungseffizienz von Kimi K2 durch die Kombination.

• Kontext — 1.048.576 Token, dieselbe Zahl, die die API-Preisseite für das Modell angibt.

• Modalität — Text und Bild als Eingabe, Text als Ausgabe. Der Vision-Encoder ist MoonViT-V2 mit 401M Parametern, und das Vokabular beträgt 160K.

• Numerik — quantisierungsbewusstes Training ab der Phase des überwachten Feintunings, mit MXFP4-Gewichten und MXFP8-Aktivierungen, was Moonshot als breite Hardware-Kompatibilität darstellt.

• Reasoning-Steuerungen — Denken ist immer aktiviert, und die Tiefe wird mit einem reasoning_effort-Feld auf oberster Ebene festgelegt, das low, high oder max akzeptiert und standardmäßig max ist.

• Preis, vom Anbieter veröffentlicht — 3,00 $ pro Million Eingabe-Tokens, 15,00 $ pro Million Ausgabe-Tokens, 0,30 $ pro Million Lesezugriffe auf gecachte Eingaben, wobei Cache-Schreibvorgänge mit 3,00 $ pro Million in der 5-Minuten-Aufbewahrungsstufe und 6,00 $ pro Million in der Ein-Stunden-Stufe abgerechnet werden.

Eine Zeile dieser Liste verdient es, hervorgehoben zu werden, denn sie ist der Teil von K3, der bei der Parameterzählung am häufigsten untergeht: Das Modell erlaubt es nicht, seine Sampling-Parameter selbst festzulegen. Moonshots Parameterreferenz legt temperature auf 1.0 fest, top_p auf 0.95, n auf 1 und beide Penalties auf 0, und gibt an, dass die Übergabe eines anderen Werts einen Fehler zurückgibt – die Empfehlung lautet also, sie gar nicht erst zu senden. Die Tiefe ist der einzige Regler, über reasoning_effort, und dieselbe Seite enthält eine Warnung, die man kennen sollte, bevor man etwas baut: Eine Änderung des Effort-Levels mitten in einer Konversation macht Prefix-Cache-Treffer ungültig, deshalb sollte das Level am besten zu Beginn der Sitzung festgelegt werden.

Liefert M​oonshot irgendetwas, das 3.1 heißt?

Dies ist die Frage, die der Leser, der den Punkt eingetippt hat, tatsächlich stellt, und sie hat eine überprüfbare Antwort statt einer Meinung. Jede der unten stehenden Oberflächen wurde am 13. Oktober 2026 gelesen, und ein Leser kann sie alle an einem Nachmittag wiederholen.

• Die Modellliste auf M​oonshots API-Plattform führt vier aufrufbare Modelle auf: kimi-k3, kimi-k2.7-code, kimi-k2.7-code-highspeed und kimi-k2.6. Einen Eintrag K3.1 gibt es nicht, und dieselbe Seite markiert stattdessen dreizehn frühere Bezeichner als veraltet.

• Die Preisseite enthält eine Zeile der K3-Serie. Dabei handelt es sich um kimi-k3, zu den oben genannten Preisen, mit einem Kontextfenster von 1.048.576 Token. Es gibt keine zweite Zeile zu bepreisen.

• Der Dokumentationsindex, den die Plattform für automatisierte Leser veröffentlicht, führt drei K3-spezifische Leitfäden auf – den Quickstart, eine Seite mit Best Practices für Tool-Aufrufe und eine Agent-Setup-Seite – und nichts mit der Nummer 3.1.

• Die Hugging Face-Organisation des Labors enthält genau ein K3-Repository, moonshotai/Kimi-K3, und eine Suche auf dem Hub nach einem Repository mit der Nummer 3.1 liefert unter keiner Schreibweise Ergebnisse.

• Der Forschungsindex auf kimi.com führt K3 unter den veröffentlichten Arbeiten des Labors mit einem einzigen Eintrag auf. Darüber gibt es keinen zweiten K3-Eintrag.

Woher kommt also 3.1? Aus zwei Stellen, und keine davon ist eine Modellversion. Die erste ist, dass die Zahl 3.1 tatsächlich in Moonshots eigenem K3-Launch-Material auftaucht – als Version der Kimi Work Desktop-App, die man braucht, um K3 auf einem Mac oder einem Windows-Rechner auszuführen, was im Blog als „Version 3.1.0 oder höher“ angegeben wird. Eine Produktversion, veröffentlicht vom Lab, in einem Dokument über K3, ist eine völlig gewöhnliche Sache, die neben einem Modellnamen auftaucht, und es ist die Art von Nachbarschaft, die zu einem Suchbegriff wird. Die zweite ist die Leak-Herkunft: Der Name Kimi K3.1 wird seit Juli mit einem gerüchteweise gehandelten Nachfolger verbunden, wurde im September in einen kryptischen Herstellerbeitrag hineininterpretiert und von einem Leaker für ein Herbstfenster reklamiert, dessen früherer Zeitplan für dasselbe Modell verstrichen ist. Diese Geschichte ist auf unserer Leak-Seite dokumentiert und wird hier nicht wiederholt.

Was keine Quelle tut, ist, ein Kimi K3.1 anhand irgendeines technischen Kriteriums von Kimi K3 zu unterscheiden. Es gibt kein Changelog, keine Gegenüberstellung, kein „Was ist neu in 3.1“, weil es nicht zwei Dinge gibt, die man vergleichen könnte. Das ist der Befund, und es lohnt sich, ihn schlicht zu sagen, statt ihn aufzuhübschen: Wenn eine Seite Ihnen eine Spezifikationstabelle zeigt, die K3 mit K3.1 vergleicht, dann wurde mindestens eine ihrer Spalten erfunden.

Gewichte, Lizenz und wie man es ausführt

Die Gewichte von K3 sind offen, und die Bedingungen sind Moonshots eigene statt einer Lizenz von der Stange – ein Unterschied, der mehr zählt als das Schlagwort „offen“. Das Repository gibt license: other mit license_name: kimi-k3 an, und der Text gewährt Nutzung, Vervielfältigung, Modifikation, Zusammenführung, Veröffentlichung, Verbreitung, Unterlizenzierung und Verkauf, einschließlich des Rechts, feinabzustimmen und abgeleitete Werke zu erstellen. Zu dieser Gewährung kommen zwei Bedingungen hinzu, und beide sind kommerziell statt technisch:

• Wenn Sie ein Model-as-a-Service-Geschäft betreiben – bei dem Sie Dritten API-artigen Zugang mit maßgeblicher Kontrolle über Eingaben, Parameter oder Trainingsdaten gewähren – und Ihr Gesamtumsatz über einen beliebigen Zeitraum von zwölf aufeinanderfolgenden Monaten 20 Millionen US-Dollar übersteigt, benötigen Sie eine gesonderte Vereinbarung mit M​oonshot, bevor Sie die Gewichte oder Derivate kommerziell nutzen.

• Wenn ein kommerzielles Produkt oder eine kommerzielle Dienstleistung auf Basis der Gewichte mehr als 100 Millionen monatlich aktive Nutzer oder mehr als 20 Millionen US-Dollar Monatsumsatz erreicht, muss „Kimi K3“ prominent in der Benutzeroberfläche angezeigt werden.

• Keine der beiden Bedingungen gilt für interne Nutzung oder für alles, was über die eigenen Produkte von M​oonshot oder seine zertifizierten Inferenzpartner erreicht wird.

Der Download selbst ist nicht klein, und es lohnt sich, die Form zu kennen, bevor man einen startet. Das Repository enthält 97 Safetensors-Shards mit insgesamt etwa 1,56 TB, veröffentlicht in der MXFP4/MXFP8-Konfiguration, für deren Verwendung das Modell trainiert wurde – was ein echter Vorteil ist, denn es bedeutet, dass die eigene Quantisierung des Labs die Referenz ist und nicht etwas, das man selbst reproduzieren muss. Moonshot nennt drei Inferenz-Engines, die es für K3 empfiehlt: vLLM, SGLang und TokenSpeed, jeweils mit einem veröffentlichten Rezept oder Cookbook. Die Deployment-Notiz des Anbieters selbst ergänzt eine Hardware-Untergrenze, die es wert ist, wörtlich zitiert zu werden: K3 wird für Supernode-Konfigurationen mit 64 oder mehr Beschleunigern empfohlen, was die ehrliche Antwort auf „Kann ich das lokal ausführen?“ ist und sich von der Antwort unterscheidet, die die Parameteranzahl nahelegt.

Wenn 1,56 TB MXFP4 mehr sind, als Ihre Maschine fasst — und für fast jeden Leser ist das der Fall —, sind die Community-Reduktionen der praktische Weg, und sie sind legitim. Das Repository unsloth/Kimi-K3-GGUF ist die am häufigsten heruntergeladene GGUF-Konvertierung auf dem Hub; NVIDIA veröffentlicht einen NVFP4-Build; es gibt MLX-Konvertierungen, die auf Apple Silicon abzielen; und mehrere nach REAP-Art beschnittene Varianten opfern Expertenanzahl zugunsten eines Platzbedarfs, der auf eine einzelne große Workstation passt. Dabei handelt es sich um Drittanbieter-Modifikationen der Gewichte, nicht um Moonshot-Releases, und die Lizenzbedingungen gelten für das Derivat ebenso wie für das Original. Behandeln Sie einen beschnittenen oder stark quantisierten Build als eigenes Artefakt: Er wird günstiger zu betreiben sein als die Referenz und nicht identisch abschneiden, und kein Benchmark auf dieser Seite sollte so gelesen werden, als gelte er für ihn.

Die Frage „Welche Datei lade ich herunter?“ – zugespitzt: Nimm ein GGUF, wenn du über Tooling im llama.cpp-Stil servierst und in ein festes Speicherbudget passen musst; nimm den MLX-Build, wenn die Maschine ein Apple-Silicon-Rechner ist; nimm die eigenen Shards des Anbieters, wenn du das Beschleuniger-Budget hast und die Konfiguration willst, die M​oonshot trainiert hat. Das ist die ganze Regel, und sie wird von deiner Hardware entschieden, nicht vom Modell.

Wo diese Seite neben der Leak-Seite platziert ist

Die einzige Live-Seite zu diesem Thema ist kimi-k3-1-leak, und sie behandelt das Gerücht: die durchgesickerte Funktionsliste, den kryptischen Beitrag und seine Löschung sowie den Zeitplan, der sich bereits einmal verzögert hat. Diese Seite ist die andere Hälfte, und sie erzählt all das bewusst nicht noch einmal. Lesen Sie die Leak-Seite, wenn es Ihnen um den Stand der Spekulation geht; lesen Sie diese hier, wenn es Ihnen um das Modell geht, das existiert, um den Namen, den es im eigenen Katalog des Anbieters trägt, und um die Bedingungen, die für seine Gewichte gelten.

Was ist nicht geklärt

Ob M​oonshot jemals ein Modell herausbringt, das es K3.1 nennt, und was darin stecken würde. Es gibt einen gedanklichen Sprung, der auf einen Nachfolger hindeutet, der stärker auf Computernutzung und Multimodalität ausgerichtet wäre, und das ist eine plausible Lesart der Produktrichtung des Labors selbst – doch plausibel heißt nicht ausgeliefert, und nichts im Material des Anbieters legt sich auf eine Nummer, ein Datum oder eine Gestalt fest. Das Einzige, was wirklich feststeht, ist die Spezifikationsfrage – und zwar negativ: Es gibt heute aus keiner Quelle eine K3.1-Spezifikation, die man nennen könnte.

Verfügbarkeit, mit Bedacht formuliert

Die Unterscheidung, die dieser Abschnitt treffen muss, ist die zwischen einem Namen und einem Identifier, denn sie lässt sich leicht verwischen. Moonshot veröffentlicht für diese Linie genau einen Identifier – kimi-k3, in moonshotai/Kimi-K3 und auf der eigenen API-Plattform – und das ist die einzige ID, die es wert ist, zitiert zu werden. Es gibt kein kimi-k3.1, kein kimik3.1 und kein kimi-k3-1 in irgendeinem Katalog, den wir finden können, einschließlich unserem, und diese Seite wird keines davon zur Veranschaulichung abdrucken.

Erreichbar ist Kimi K3. Auf OrcaRouter ist es als kimi/kimi-k3 zu $3,00 pro Million Input-Tokens und $15,00 pro Million Output-Tokens gelistet — der Listenpreis des Anbieters, durchgereicht mit 0 % Aufschlag unsererseits, bei einem Kontextfenster von 1.048.576 Token und einer OpenAI-kompatiblen Schnittstelle, sodass sich der Client, den Sie bereits verwenden, nicht ändert. Unser Live-Katalog enthält vier Moonshot-Bezeichner, kimi/kimi-k2.5, kimi/kimi-k2.6, kimi/kimi-k2.7-code und kimi/kimi-k3, und keinen fünften bei irgendeiner Schreibweise von 3.1; das wurde aus der Live-Modellliste ausgelesen und nicht angenommen.

Praktisch ist das dafür relevant, wie man mit einem unverifizierten Nachfolger umgeht. Wenn ein K3.1 tatsächlich erscheint, ist die sinnvolle Haltung, einen Teil des Traffics hinter automatischem Failover darauf zu lenken, mit K3 als Fallback-Schenkel — derselbe Key, dieselben Endpunkte, kein zweiter Vertrag —, sodass die Ankunft eine Routing-Änderung statt eines Beschaffungszyklus ist. Es gibt noch nichts, wohin ein Failover erfolgen könnte, und wir behaupten auch nichts anderes.

Was tun mit all dem

Wenn Sie nach Kimi K3.1 gesucht haben, weil Sie einen Nachfolger möchten, lautet die ehrliche Anweisung: Warten Sie auf ein Artefakt – eine Zeile in einer Modellliste, eine API-Kennung oder ein Repository unter der eigenen Organisation des Labs – und beurteilen Sie die Ankunft anhand eines davon statt anhand eines Screenshots. Wenn Sie gesucht haben, weil Sie die Reihe heute nutzen möchten, ist das Modell Kimi K3, es ist Open-Weight unter einer Lizenz, die Sie lesen sollten, bevor Sie damit ein Produkt ausliefern, und es ist über eine Preisliste aufrufbar, deren Zahlen veröffentlicht und nicht abgeleitet sind. Ein Versionslabel, das das Suchfeld verwendet und das Produkt nicht, ist kein Modell, so groß die Nachfrage dahinter auch sein mag.