Kimi K3.1 Pro vs. Kimi K3: Gleiche Basisarchitektur, niedrigerer Preis – und eine Post-Training-Rechnung, die fällig wurde

Kimi K3.1 Pro ist kein neues Modell in der Art, wie Kimi K3 ein neues Modell war. Die Veröffentlichung von Moonshot AI vom 24. Oktober 2026 ist ausdrücklich eine post-trainierte Version von Kimi K3 mit deutlich größerem Rechenaufwand für das Post-Training – dieselbe Architektur, derselbe 1.048.576-Token-Kontext, dieselbe native Vision und eine andere Reihe von Verhaltensweisen, die durch Reinforcement Learning über Hunderte nachgelagerte Domänen hinweg aufgesetzt wurden. Was den Vergleich interessant macht, ist nicht das Delta in der Benchmark-Tabelle. Es ist die Tatsache, dass das neuere, bessere Modell ein Drittel weniger pro Token kostet als das ältere.

Diese Umkehrung ist selten genug, um sie sorgfältig zu untersuchen. Normalerweise bringt ein Labor ein stärkeres Modell zum selben Preis auf den Markt und lässt das alte in niedrigere Marktsegmente abwandern. Moonshot machte das Gegenteil: Es behielt den alten Preis für das alte Modell bei und senkte den Preis für das neue auf 2,00 US-Dollar für Input und 10,00 US-Dollar für Output pro Million Tokens – gegenüber 3,00 und 15,00 US-Dollar bei Kimi K3. Um zu verstehen, warum, muss man unterscheiden zwischen dem, was sich tatsächlich am Modell geändert hat, und dem, was sich im umgebenden Geschäft geändert hat.

Die Architektur hat sich nicht bewegt.

Kimi K3 erschien am 16. Juli 2026 als erstes offenes Modell der 2,8-Billionen-Parameter-Klasse: ein Mixture-of-Experts-Design mit rund 104 Milliarden aktiven Parametern, 896 Experten und 16 pro Token aktivierten, einem 1-Million-Token-Fenster, nativem Bild- und Videoverständnis, Tool-Aufrufen, Prompt-Caching und integriertem Reasoning. Die Gewichte folgten am 27. Juli unter einer Lizenz, die Nutzung, Änderung, Verbreitung und Fine-Tuning erlaubt, wobei für Anbieter von Model-as-a-Service mit einem Jahresumsatz von mehr als 20 Millionen US-Dollar eine separate Vereinbarung erforderlich ist und für sehr große kommerzielle Produkte eine Namensnennung vorgeschrieben ist.

Kimi K3.1 Pro behält all das bei. Moonshot nennt das neue Modell „3T-Klasse“, was Positionierungssprache ist; Berichte vom Launch verorten es bei denselben 2,8 Billionen Gesamtparametern und 104 Milliarden aktiven. Die Kontext-Obergrenze, die Vision-Unterstützung und das Ausgabelimit von 1 Mio. Token bleiben unverändert. Wer auf eine günstigere Zahl aktiver Parameter oder ein längeres Fenster gehofft hat, für den ist dies nicht dieses Release.

Was sich geändert hat, ist das Training nach dem Pre-Training. Moonshot beschreibt groß angelegtes gemeinsames Reinforcement Learning über Hunderte von Domänen hinweg, unterstützt durch überarbeitete Sandbox-Infrastruktur, Rollout-Planung und Prüfungen der Umgebungsqualität. Einfach gesagt, hat das Unternehmen einen großen Teil der Rechenleistung darauf verwendet, dem bestehenden Modell beizubringen, sich bei agentischen und professionellen Aufgaben besser zu verhalten, statt ihm mehr Fakten beizubringen. Deshalb konzentrieren sich die Verbesserungen genau dort, wo sie es tun.

Was die Zahlen sagen und wo der Vergleich dünn ausfällt

Die Benchmark-Übersicht des Anbieters ist breit gefächert – 14 Evaluierungen –, doch es handelt sich nicht um einen sauberen paarweisen Vergleich. Moonshot hat Kimi-K3-Werte nur für eine Teilmenge der neuen Tests veröffentlicht, sodass einige der dramatischsten Abweichungen gegen die eigenen internen Testsuites gemessen werden statt gegen einen öffentlichen Benchmark, den beide Modelle absolviert haben.

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

• Halluzination — Die Rate auf Aussagenebene im Kimi Hallu Bench Hard fiel von 23,4 % bei Kimi K3 auf 8,3 % mit Tools bei Kimi K3.1 Pro. Ohne Tools erreicht das neue Modell 5,4 %. Moonshot gibt außerdem an, dass Antworten mit mindestens einem sachlichen Fehler jetzt 42,4 % der Rate des Vorgängers ausmachen. Für dokumentenlastige Arbeit ist dies die folgenreichste Verbesserung in diesem Release.

• Finanzen und Geschäftsbetrieb — interne Finanzmodellierung 57,6 gegenüber 50,4, Finanzforschung 70,4 gegenüber 58,8, Geschäftsbetrieb 37 gegenüber 8,9. Der letzte Wert ist eine Vervierfachung bei einer Aufgabe, bei der das alte Modell kaum funktionsfähig war. Dies sind Moonshots eigene Bewertungen, daher sollte die Größenordnung als richtungsweisend betrachtet werden.

• 3D und CAD — BenchCAD mit Tools 92,7, ohne Tools 72,8. Moonshot hat die Kimi-K3-Werte für diesen Test nicht veröffentlicht, daher ist der Zugewinn im Launch-Beitrag nicht gemessen, obwohl der absolute Score stark ist.

• Adversariales Coding — xdev-bench-hard pass@3 liegt bei 81,0 % für Kimi K3.1 Pro, gegenüber 33,3 % für Kimi K3 und 85,7 % für DeepSeek-V4.1-Flash-1017. Ein Checkpoint, der ohne die Risikominderungsmaßnahmen des Unternehmens trainiert wurde, erzielte 90,5 %, und Moonshot führt die Differenz von 9,5 Punkten auf Sicherheitsarbeit und Kontrollen der Trainingsdaten zurück.

• Position an der Frontier — Terminal-Bench 4.0 bei 65,7 %, hinter Claude Opus 5.5 bei 66,4 % und vor GPT-6 Astra bei 58,2 %. BenchCAD mit Tools erreicht 92,7 und liegt damit hinter Opus mit 96,2 und Astra mit 95,9. Das Muster ist konsistent: nah an der Frontier, selten ganz oben.

Nichts davon ist unabhängig verifiziert. Kimi K3 kam mit einem Artificial Analysis Intelligence Index von 57 zur Welt – damals global auf Platz drei hinter Claude Fable 5 und GPT-5.6 Sol –, und am Launch-Tag existierte kein vergleichbarer Drittanbieter-Score für K3.1 Pro. Das Harness-Problem ist nicht hypothetisch: Terminal-Bench-Werte schwanken je nach Scaffolding um Dutzende Punkte, weshalb eine 65,7 % und eine 58,2 %, die in unterschiedlichen Laboren erzeugt wurden, keine Messung einer 7,5-Punkte-Lücke sind. Die Richtung ist glaubwürdig; die Größenordnung noch nicht.

Die Preisumkehr ist die eigentliche Geschichte.

Kimi K3 wurde als das teuerste chinesische Modell auf dem Markt eingeführt, mit 3,00 US-Dollar für Input und 15,00 US-Dollar für Output pro Million Tokens, etwa drei- bis viermal so viel wie die K2-Generation. Diese Preisgestaltung war eine bewusste Wette darauf, dass Leistungsfähigkeit und nicht die Kosten die Frontier-Workload gewinnen würden. Kimi K3.1 Pro kehrt bei dem neueren Modell die Richtung um, während der ältere Preis unverändert bleibt.

• Eingabe — 2,00 $ pro Million bei K3.1 Pro gegenüber 3,00 $ bei K3, eine Senkung um 33 %.

• Ausgabe — $10.00 gegenüber $15.00, ebenfalls 33 %.

• Cache-Hit — $0.20 gegenüber $0.30, eine Senkung um 33 % bei dem Posten, der Agent-Workloads dominiert.

• Cache-Schreibvorgänge – 2,00 $ und 4,00 $ bei einer TTL von fünf Minuten bzw. einer Stunde, gegenüber 3,00 $ und 6,00 $.

• Highspeed-Variante — $4.00 und $20.00, mit demselben Cache-Hit-Preis von $0.20; zwei- bis dreifache Ausgabegeschwindigkeit, etwa das doppelte Kontingent in Kimi Code.

Die Arithmetik ist einfach genug, um sie auf einer Serviette zu erledigen. Eine Anfrage, die 1 Mio. Eingabe-Tokens liest und 200 K Ausgabe-Tokens schreibt, kostet 6,00 $ bei Kimi K3 und 4,00 $ bei Kimi K3.1 Pro. Ein Agent, der ein großes Repository bei jedem Turn erneut liest und in 70 % der Fälle den Cache trifft, zahlt für dieselbe Art von Aufruf etwa 4,11 $ bei K3 und 2,74 $ bei K3.1 Pro. Wenn das neue Modell außerdem mit weniger Turns auskommt – was der ganze Sinn des Langhorizont-Trainings ist –, sinken die Kosten pro abgeschlossener Aufgabe stärker, als der Tokenpreis vermuten lässt.

Warum senken? Die wahrscheinlichste Erklärung ist wettbewerbsbezogen statt wohlwollend. Ein Modell mit 2,8 T Parametern ist teuer im Betrieb, und der Markt für frontier-nahe Modelle hat 2026 damit verbracht, sich auf den Preis hin zu bewegen. Moonshots eigener K2-Auslaufplan erhöht den Druck: K2-Serienmodelle sind ab dem 31. Oktober 2026 für neue Nutzer nicht mehr verfügbar und sollen Ende Dezember außer Betrieb genommen werden. K3.1 Pro unter K3 zu bepreisen gibt jedem K2-Kunden einen Grund, nach oben zu migrieren, statt sich woanders umzusehen. Der ältere K3-Preis bleibt, wo er ist, weil niemand, der ihn bereits eingeplant hat, einen Rabatt braucht, um zu bleiben.

Wo Kimi K3 weiterhin die richtige Antwort ist

Drei Fälle überstehen den Vergleich. Der erste ist das Self-Hosting heute: Die Gewichte von Kimi K3 sind seit dem 27. Juli öffentlich, während die von Kimi K3.1 Pro erst für den 4. November 2026 versprochen sind. Wenn Ihr Deployment keine gehostete API aufrufen kann, ist das neuere Modell noch keine Option, egal was das Benchmark-Datenblatt sagt.

Der zweite Punkt ist die Verhaltensstabilität. Ein Modell, das seit drei Monaten in Produktion ist, hat ein bekanntes Fehlerprofil. Kimi K3.1 Pro ändert das Reasoning-Verhalten konstruktionsbedingt, und sein stets aktiver Denkmodus mit standardmäßig maximalem Aufwand ist kein Drop-in-Ersatz für jede Pipeline. Teams mit eng getakteten Evaluierungs-Suites sollten damit rechnen, eine neue Baseline erstellen zu müssen, statt nur einen String auszutauschen.

Der dritte Punkt ist die Sampling-Steuerung. Kimi K3.1 Pro legt temperature auf 1.0 und top_p auf 0.95 fest und lehnt andere Werte ab; eine Änderung des Reasoning-Aufwands mitten im Gespräch macht außerdem Prefix-Cache-Treffer ungültig. Wenn deine Anwendung auf Determiniertheit bei niedriger Temperatur angewiesen ist, prüfe, ob das ältere Modell dir die Kontrolle bietet, die das neuere nicht bietet, bevor du annimmst, dass das Upgrade kostenlos ist.

Die Migrationsentscheidung, ohne den Hype

Für Coding-Agenten, Tool-Nutzung über lange Horizonte, Finanzrecherche und Dokumentenprüfung ist das Argument für einen Wechsel stark: bessere vom Anbieter gemeldete Werte genau in diesen Bereichen, ein niedrigerer Preis in jeder Abrechnungsposition und eine Halluzinationsrate, die um rund zwei Drittel gesunken ist. Das Risiko besteht darin, dass all dies auf Selbstauskünften beruht; daher ist der sinnvolle Weg eine Shadow-Evaluation mit Ihren eigenen Aufgaben, bevor Sie den Produktionsverkehr umstellen.

Für Batch-Generierung und Long-Context-Retrieval ist der Cache-Hit-Preis die entscheidende Zahl, und er begünstigt das neue Modell um ein Drittel. Für alle, die auf offene Gewichte festgelegt sind, entscheidet der Kalender: Der 4. November ist das früheste Datum, an dem der Vergleich real wird.

OrcaRouters Rolle dabei ist bewusst unspektakulär. Unser Katalog führt kimi/kimi-k3 heute zu Moonshots Listenpreis mit 0 % Aufschlag, mit demselben Schlüssel wie der Rest Ihres Stacks, sodass die alte Seite dieses Vergleichs bereits ohne einen zweiten Vertrag aufrufbar ist. Kimi K3.1 Pro ist zum Zeitpunkt des Verfassens nicht im Katalog. Sobald es verfügbar ist, gilt: Das Pass-through-Modell bedeutet, dass die oben genannten 2 $/10 $ das sind, was Sie hier zahlen, statt der Version eines Wiederverkäufers davon, und der Wechsel zwischen Generationen eine Änderung des Model-Strings innerhalb einer Routing-Policy und kein Migrationsprojekt ist.

Urteil

Kimi K3.1 Pro ist das bessere Modell und das günstigere, was die Empfehlung einfach macht und die Beweislage dünner, als sie aussieht. Moonshot hat die Verhaltensweisen verbessert, die für agentische und professionelle Arbeit zählen, jede Preislinie um ein Drittel gesenkt und eine sicherheitsbezogene Regression offengelegt, die die meisten Launch-Beiträge verschwiegen hätten. Was das Unternehmen nicht getan hat: das Ergebnis einer unabhängigen Testumgebung vorzulegen. Wer bereits auf Kimi K3 war, für den amortisiert sich das Upgrade auf der Rechnung, bevor es sich im Benchmark amortisiert. Wer auf Beweise gewartet hat: Die Gewichte und die ersten externen Evaluierungen sollen beide innerhalb von zwei Wochen erscheinen – und dann ist dieser Vergleich keine Anbieterbehauptung mehr, sondern eine Messung.