Kimi K3.1 Pro startet günstiger als sein eigener Vorgänger: $2/$10 und ein raueres Benchmark-Sheet

Moonshot AI veröffentlichte Kimi K3.1 Pro am 24. Oktober 2026, und die wichtigste Zahl der Markteinführung steht nicht im Benchmark-Diagramm. Sie steht auf der Preisliste: 2,00 US-Dollar pro Million Eingabe-Token und 10,00 US-Dollar pro Million Ausgabe-Token, gegenüber 3,00 und 15,00 US-Dollar für das Kimi K3, auf dem es aufbaut. Ein Nachfolger, der ein Drittel günstiger ist als sein Vorgänger, ist ungewöhnlich genug, um damit zu beginnen, denn anders als ein Benchmark-Ergebnis hängt es nicht davon ab, wessen Harness den Test ausgeführt hat. Wenn Sie bereits für Kimi K3 zahlen, beginnt der Upgrade-Fall mit einer kleineren Rechnung.

Die zweite Zahl ist die, auf die Moonshot Sie aufmerksam machen möchte: 65,7 % bei Terminal-Bench 4.0, gegenüber 58,2 % für GPT-6 Astra und 66,4 % für Claude Opus 5.5. Damit steht das neue Modell in der eigenen Tabelle des Anbieters auf Platz zwei, nicht auf Platz eins. Das ist eine ehrliche Sache, die man am Launch-Tag veröffentlicht, und es verrät etwas darüber, wie diese Veröffentlichung positioniert ist. Kimi K3.1 Pro wird nicht als das stärkste Modell der Welt verkauft. Es wird als ein günstigeres Modell verkauft, das nah genug an der Frontier ist, um bei den Kosten pro abgeschlossener Aufgabe zu gewinnen.

Was hat sich zwischen K3 und K3.1 Pro tatsächlich geändert?

Moonshot stellt ausdrücklich klar, dass es sich um eine Post-Training-Veröffentlichung handelt, nicht um eine neue Architektur. Das Unternehmen bezeichnet Kimi K3.1 Pro als eine nachtrainierte Version von Kimi K3, die mit deutlich größerem Post-Training-Compute trainiert wurde, einschließlich groß angelegtem gemeinsamen Reinforcement Learning über Hunderte nachgelagerte Domänen. Das Kontextfenster ist mit 1.048.576 Tokens unverändert. Vision- und Videoeingabe sind unverändert. Die Ausgabengrenze von 1 Mio. Tokens ist unverändert.

Was das in der Praxis bedeutet: Wissensbestand und Schlussfolgerungsfähigkeit des Basismodells sind dieselben Assets wie zuvor; der Unterschied liegt im Verhalten. Moonshot sagt, es habe das RL-Framework, die Langkontext-Inferenz, die Trainingseffizienz, die Sandbox-Infrastruktur, die Rollout-Planung und die Prüfungen der Umgebungsqualität überarbeitet, um diesen Post-Training-Lauf zu ermöglichen. Das sind technische Aussagen darüber, wie das Modell erstellt wurde, und sie sind von außen schwer zu überprüfen. Die Aussagen zum Verhalten sind leichter zu testen, und dort liegen die Launch-Zahlen.

Die Parameterzahl ist der Punkt, an dem die Herstellersprache schwammig wird. Moonshot nennt es ein Open-Weight-Modell der 3T-Klasse. Berichte vom Launch beziffern das Backbone mit insgesamt 2,8 Billionen Parametern und rund 104 Milliarden aktiven – dieselbe Mixture-of-Experts-Konfiguration wie bei Kimi K3. Beides kann zutreffen: „3T-Klasse“ ist eine Positionierungsformel, und 2,8 Billionen lassen sich darauf runden. Für Ihre Rechnung und Ihre Latenz zählt die Zahl der aktiven Parameter, und es gibt keine Hinweise darauf, dass sich diese Zahl verändert hat.

Die Benchmark-Tabelle – und wie viel man ihr trauen sollte

Moonshot hat Ergebnisse aus 14 Evaluierungen in den Bereichen Programmierung, Wissenschaft und Wissensarbeit veröffentlicht. Das Muster ist konsistent: große Zugewinne bei den Aufgaben, für die das Unternehmen trainiert, nahezu Parität mit der geschlossenen Frontier bei den übrigen und eine bewusste Offenlegung einer Regression.

• Programmieren an der Spitze — Terminal-Bench 4.0: Kimi K3.1 Pro 65,7 %, Claude Opus 5.5 66,4 %, GPT-6 Astra 58,2 %. Vom Anbieter durchgeführt.

• Langhorizontiges Coding — Kimi Code Bench 3.0 Long-horizon: 61,2 % für K3.1 Pro gegenüber 55,95 % für Kimi K3. Dies ist der sauberste Vorgängervergleich in der Reihe und zugleich der am stärksten vom Anbieter kontrollierte, da sowohl der Benchmark als auch der Harness von Moonshot stammen.

• 3D und CAD — BenchCAD mit Tools: 92,7 für K3.1 Pro, 96,2 für Opus 5.5, 95,9 für GPT-6 Astra, 92,6 für Claude Fable 5.1. Ohne Tools: 72,8, gegenüber 73,0 für Opus 5.5 und 60,6 für Fable 5.1. Die Spannweite mit Tools ist so gering, dass sich die Reihenfolge bei einem erneuten Durchlauf ändern könnte.

• Halluzination — Kimi Hallu Bench Hard: Rate auf Claim-Ebene von 8,3 % mit Tools, gesunken von 23,4 % für Kimi K3. GPT-6 Astra erreicht 5,5 % und Opus 5.5 15,0 %. Ohne Tools liegt die Rate bei 5,4 %, gegenüber 4,2 % für Astra und 6,8 % für Opus.

• Finanzen und Betrieb — Frontier Finance 58,6; internes Financial Modeling 57,6 gegenüber 50,4 für K3; internes Financial Research 70,4 gegenüber 58,8; internes Business Operation 37 gegenüber 8,9. Die letzten drei sind Moonshots eigene Bewertungen; sie messen daher die Verbesserung bei den vom Unternehmen ausgewählten Aufgaben, nicht das Abschneiden in einer öffentlichen Arena.

• Die Regression — xdev-bench-hard pass@3 liegt bei 81,0 %. Ein Checkpoint, der ohne die risikomindernden Maßnahmen des Unternehmens trainiert wurde, erzielte im selben Test 90,5 %. Moonshot hat diese Lücke veröffentlicht und sie gezielter Sicherheitsarbeit sowie Kontrollen der Trainingsdaten zugeschrieben. Was man auch von diesem Kompromiss halten mag: Einen Fähigkeitsverlust von 9,5 Punkten offenzulegen, liest sich normalerweise nicht wie ein Launch-Post.

Die ehrliche Zusammenfassung ist, dass es sich um von Anbietern gemeldete Zahlen ohne bisherige unabhängige Reproduktion handelt. Kimi K3 hatte bei seiner Einführung im Juli einen Artificial Analysis Intelligence Index von 57, und am Veröffentlichungstag gab es keinen entsprechenden Drittanbieter-Wert für K3.1 Pro. Das Harness ist hier enorm wichtig: Terminal-Bench-Ergebnisse verschieben sich je nach Scaffolding um Dutzende Punkte, sodass 65,7 % und 58,2 %, die von unterschiedlichen Laboren auf unterschiedlichen Harnesses erzeugt wurden, keine saubere Messung einer Differenz von 7,5 Punkten sind. Betrachten Sie die Tabelle als Aussage über die Richtung, nicht über die Größenordnung.

Was die Preissenkung tatsächlich mit einer Workload macht

Der API-Preis ist über das gesamte 1-Mio.-Token-Fenster hinweg konstant, ohne Langkontext-Zuschlag. Die vollständige Preistabelle, in US-Dollar pro Million Token:

• Kimi K3.1 Pro — 2,00 $ Eingabe, 10,00 $ Ausgabe, 0,20 $ Cache-Treffer, 2,00 $ Cache-Schreiben bei Fünf-Minuten-TTL, 4,00 $ bei Ein-Stunden-TTL.

• Kimi K3.1 Pro Highspeed — $4.00 Eingabe, $20.00 Ausgabe, $0.20 Cache-Treffer, $4.00 und $8.00 Cache-Schreibvorgänge. Dasselbe Modell, zwei- bis dreifache Ausgabegeschwindigkeit, etwa doppelter Kontingentverbrauch in Kimi Code.

• Kimi K3 — 3,00 $ Eingabe, 15,00 $ Ausgabe, 0,30 $ Cache-Treffer, 3,00 $ und 6,00 $ Cache-Schreibvorgänge.

Eine Anfrage, die 1M Eingabe-Tokens liest und 200K Ausgabe-Tokens schreibt, kostet bei Kimi K3 $6,00 und bei Kimi K3.1 Pro $4,00. Rechnet man realistisches Prompt-Caching hinzu, bleibt der Abstand bei etwa einem Drittel, weil auch der Preis für Cache-Treffer von $0,30 auf $0,20 gefallen ist. Für einen Agenten, der bei jedem Turn ein großes Repository oder ein langes Finanzdokument erneut liest, ist das der Unterschied zwischen einem Workflow, der sich selbst trägt, und einem, der es nicht tut. Moonshot hat das Upgrade effektiv als Margenkürzung statt als Aufpreis bepreist – ein seltsamer Schachzug für ein Modell, das gerade fast überall bessere Zahlen geliefert hat, und ein willkommener für alle, deren K3-Rechnung der Grund war, warum sie sich umsahen.

Die Mechanik hat einen Haken. Kimi K3.1 Pro denkt immer: Das Reasoning lässt sich nicht deaktivieren, und das Feld reasoning_effort akzeptiert low, high oder max, wobei der Standardwert max ist. Die Sampling-Parameter sind fest auf temperature 1.0 und top_p 0.95 eingestellt; andere Werte führen zu einem Fehler. Eine Änderung des Reasoning-Aufwands mitten in der Konversation macht Prefix-Cache-Treffer ungültig, was die effektiven Kosten der Tuning-Schleife, die du ausführen wolltest, still erhöht. Der günstigere Tokenpreis ist real; der günstigere Workflow hängt davon ab, wie oft du mitten im Kontext deine Entscheidung änderst.

Wo du es ausführen kannst – und das Datum, das mehr zählt als der Start

Kimi K3.1 Pro ist jetzt in der Kimi-App für Endnutzer im Web sowie auf iOS, Android und HarmonyOS, in der Desktop-Version 3.1.0 oder neuer von Kimi Work sowie in Kimi Code über die Modellauswahl verfügbar. Über die API ist es als kimi-k3.1-pro und kimi-k3.1-pro-highspeed auf Moonshots eigener Plattform verfügbar, wobei Zero Data Retention angeboten wird und der Unternehmenszugang zum Start standardmäßig deaktiviert ist. Es erscheint außerdem über Inferenzplattformen von Drittanbietern, was für ein Modell dieser Größe normal ist und nichts darüber aussagt, wie gut eine dieser Plattformen es bereitstellt.

Das wichtigere Datum ist der 4. November 2026. Moonshot sagt, dass bis dahin die vollständigen Modellgewichte veröffentlicht werden. Das ist es, was die Bezeichnung „open-weight“ zu mehr als Marketing macht, und es ist auch der Punkt, an dem sich die Kostengeschichte erneut ändert: Das Selbsthosting eines Mixture-of-Experts-Modells mit 2,8 Billionen Parametern ist nicht billig, aber eine permissive Lizenz beseitigt den Pro-Token-Zähler für alle, die über die GPUs verfügen. Bis die Gewichte vorliegen, ist der obige Preisvergleich der gesamte Vergleich.

Ein weiterer betrieblicher Hinweis für Teams, die noch auf der K2-Generation sind: Laut Moonshots Preisseite sind Modelle der K2-Serie ab dem 31. Oktober 2026 für neu registrierte Nutzer nicht mehr verfügbar und sollen Ende Dezember eingestellt werden. Wenn Sie K2.6 oder K2.7 Code nutzen, wird die Migrationsentscheidung für Sie getroffen, und K3.1 Pro ist das vorgesehene Ziel.

Solltest du am ersten Tag wechseln?

Wenn Ihre Workload aus Coding, agentischer Tool-Nutzung oder der Arbeit mit Finanzdokumenten besteht, ist die Kombination aus niedrigerem Preis und besserer, vom Anbieter gemeldeter Bewertung ein klarer Fall für einen Test. Handelt es sich um Long-Context-Retrieval mit stabilen Prompts, ist der Cache-Hit-Preis die Größe, die es zu modellieren gilt – und auch er spricht für das neue Modell.

Wenn Ihr Produktionspfad von reproduzierbarem Sampling abhängt, lesen Sie die Einschränkung für feste Parameter, bevor Sie migrieren. Temperature 1.0 ist nicht für jede Aufgabe ein neutraler Standardwert, und ein Modell, das sich weigert, einen anderen Wert zu akzeptieren, ist eine andere Art von Abhängigkeit als eines, das es tut.

Und wenn Sie unabhängige Belege benötigen, warten Sie. Niemand außerhalb von Moonshot hat bisher eine Bewertung von K3.1 Pro veröffentlicht. Die Zahlen zur Markteinführung sind intern konsistent und ungewöhnlich offen hinsichtlich der sicherheitsbezogenen Regression, aber sie sind immer noch der Anbieter, der seine eigenen Hausaufgaben benotet. Ein so günstiges Modell wird schnell getestet werden; die ersten Ergebnisse unabhängiger Test-Harnesses werden Ihnen zeigen, ob die 65,7 % den Kontakt mit dem Scaffolding von jemand anderem überstehen.

Für Teams, die bereits über OrcaRouter routen, ist die praktische Änderung kleiner, als der Launch vermuten lässt. Unser Katalog führt kimi/kimi-k3 heute zu Moonshots Listenpreis mit 0 % Aufschlag, sodass die K3-Seite dieses Vergleichs mit demselben Schlüssel live ist wie der Rest Ihres Stacks. Kimi K3.1 Pro ist zum Zeitpunkt des Verfassens nicht im Katalog; sobald es aufgenommen wird, ist der Wechsel von einer Generation zur anderen eine Änderung des Modell-Strings statt eines zweiten Vertrags und eines neuen SDK. Der Preisnachlass ist der Grund, sich damit zu befassen, und das Pass-through-Modell ist der Grund, warum er auf unserer Seite mit derselben Zahl erscheint, die Moonshot veröffentlicht, und nicht mit einem Aufschlag.

Der Launch in einem Absatz

Kimi K3.1 Pro ist ein Post-Training-Upgrade von Kimi K3, das für zwei Drittel des Preises des älteren Modells verkauft wird, mit einer aussagekräftigen Benchmark-Tabelle des Anbieters, einem echten Fortschritt bei der Kontrolle von Halluzinationen, einer offengelegten sicherheitsbezogenen Regression bei einem adversarialen Coding-Test und noch keiner unabhängigen Überprüfung. Der Launch ist wirklich eine Nachricht – wegen des Preises und der Zusage zu den Gewichten, nicht weil das Modell eine neue Architektur ist. Der Termin, den man sich vormerken sollte, ist der 4. November, an dem die Gewichte fällig sind und die ersten ernsthaften externen Evaluierungen eintreffen sollten.