Kimi K3.1 Pro: Gewichte veröffentlicht – 1,56 TB auf der Festplatte und eine Lizenzklausel über 20 Mio. USD

In den elf Tagen zwischen dem API-Start und dem Download nannten die meisten Berichte über Kimi K3.1 Pro 5,6 Terabyte an BF16-Gewichten. Das Repository, das Moonshot AI tatsächlich am 4. November 2026 auf Hugging Face veröffentlichte, umfasst 1,56 TB, verteilt auf 96 Safetensors-Shards. Das ist kein kleineres Modell als das, über das alle geschrieben haben – es ist dasselbe von Kimi K3 abgeleitete Mixture-of-Experts-Modell mit 2,8 Billionen Parametern, ausgeliefert in der Präzision, für die Moonshot es trainiert hat. Die Lücke zwischen den beiden Zahlen ist das Erste, was man an dieser Veröffentlichung verstehen sollte, denn sie entscheidet darüber, ob ein Rechner, den Sie bereits besitzen, es aufnehmen kann.

Das Zweite ist die Lizenz, die weder Apache 2.0 noch MIT ist und trotz eines permissiven einleitenden Absatzes nicht von der OSI anerkannt ist. Es handelt sich um ein maßgeschneidertes Rechtsinstrument namens Kimi K3.1-Pro License, das eine Umsatzschwelle enthält, die einen kostenlosen Download für eine ganz bestimmte Art von Unternehmen in eine Verhandlung verwandelt. Beide Fakten waren am 25. Oktober nicht beantwortbar, als die Gewichte noch ein Versprechen mit angehängter Checkliste waren. Jetzt sind sie beantwortbar.

Was tatsächlich auf Hugging Face gelandet ist

Das Repository ist moonshotai/Kimi-K3.1-Pro, es ist nicht zugriffsbeschränkt und enthält 111 Dateien. Sechsundneunzig davon sind Gewichts-Shards; der Rest sind die Konfiguration, der Tokenizer, vier Python-Dateien für die benutzerdefinierte Architektur, die Modellkarte und die Lizenz. Die Gesamtgröße aller Dateien beträgt 1.561 GB.

Der Grund, warum es in 1,56 TB statt in 5,6 TB passt, steht in der Model Card als Spezifikationszeile, nicht als Fußnote: MXFP4-Gewichte mit MXFP8-Aktivierungen, angewendet durch Quantization-Aware Training. Dies ist keine nachträgliche 4-Bit-Quantisierung, die jemand im Nachhinein durchgeführt hat. Es ist die native Präzision fürs Serving, weshalb das Repository den compressed-tensors-Tag trägt und weshalb daneben kein BF16-Checkpoint liegt. Wenn Ihre Planung auf einem Download von 5,6 TB basierte, dann basierte sie auf einer Zahl, die Moonshot nie ausgeliefert hat.

Der Rest des Datenblatts, damit Sie den Umfang der Aufgabe einschätzen können:

• Gesamtparameter — 2.8T in einem Mixture-of-Experts-Modell, wobei pro Token 104B aktiviert werden

• Tiefe — 93 Schichten, von denen eine dicht ist; der Attention-Stack besteht aus 69 KDA-Schichten plus 24 Gated-DeepSeek-Sparse-Attention-Schichten, eine Änderung gegenüber den Gated-MLA-Schichten mit Full Attention von Kimi K3

• Experten — insgesamt 896, 16 pro Token ausgewählt plus 2 gemeinsame, bei einer latenten MoE-Dimension von 3.584

• Kontext — 1.048.576 Tokens, unverändert gegenüber Kimi K3

• Modalität — Text und Bild als Eingabe, Text als Ausgabe; der Vision-Encoder ist MoonViT-V2 mit 401M Parametern

• Wortschatz — 160K Tokens

Nur eine dieser Zahlen ist neu im Vergleich zu Kimi K3, und das ist die Änderung an der Attention. Moonshot sagt ausdrücklich, dass dies ein Post-Training-Release auf der K3-Basis mit intensiverem gemeinsamen Reinforcement Learning über Hunderte von Domänen ist, nicht eine neue Architektur. Die Gated-DSA-Substitution dient der Effizienz bei langem Kontext, nicht einem Sprung in der Leistungsfähigkeit.

Die Lizenz hat drei Stufen, und die mittlere ist die, die zählt.

Die Kimi K3.1-Pro-Lizenz eröffnet den Weg, wie man es von einer permissiven Lizenz erwarten würde: die Erlaubnis, zu nutzen, zu kopieren, zu verändern, zusammenzuführen, zu veröffentlichen, zu verbreiten, Unterlizenzen zu vergeben und zu verkaufen, sie auszuführen, einzusetzen und feinabzustimmen sowie abgeleitete Werke zu erstellen. Dann fügt sie Bedingungen hinzu, und in den Bedingungen liegen die Entscheidungen.

• Abschnitt 2, die Hürde „Model as a Service“ – wenn Sie oder Ihre verbundenen Unternehmen ein Geschäft betreiben, das Dritten Zugang zu Inferenz oder Fine-Tuning gewährt, und der Konzernumsatz über einen beliebigen Zeitraum von zwölf aufeinanderfolgenden Monaten 20 Mio. US-Dollar übersteigt, benötigen Sie vor der kommerziellen Nutzung eine gesonderte Vereinbarung mit Moonshot. Zwei Ausnahmetatbestände sind wichtig: Endnutzerprodukte, bei denen das Modell in eine Funktion oder ein Harness eingebettet ist, sind kein „Model as a Service“, und auch das bloße Weiterleiten von Anfragen an Modelle, die von Dritten gehostet werden, ist es nicht.

• Abschnitt 3, die Namensnennungsklausel — kommerzielle Produkte mit mehr als 100 Millionen monatlich aktiven Nutzern oder mehr als 20 Millionen US-Dollar monatlichem Umsatz müssen „Kimi K3.1-Pro“ deutlich in der Benutzeroberfläche anzeigen. Das ist eine Markenverpflichtung, keine Zahlung.

• Abschnitt 4, die Ausnahmen — keine der beiden oben genannten Regelungen gilt für die interne Nutzung, definiert als jede Nutzung, bei der die Software, ihre Ausgaben oder ihre zugrunde liegenden Fähigkeiten Dritten nicht zur Verfügung gestellt werden, oder als Nutzung über Moonshots offizielle Produkte und zertifizierte Inferenzpartner.

Die praktische Lesart ist, dass interne Bereitstellungen kostenlos und uneingeschränkt sind – und ebenso das Bauen eines Produkts auf dem Modell für die eigenen Nutzer. Was das Gespräch über die 20 Millionen Dollar auslöst, ist der Weiterverkauf von rohem Modellzugriff in großem Umfang. Wenn Sie gehofft hatten, auf diesen Gewichten einen konkurrierenden Inferenz-Endpunkt aufzubauen, ist das der Absatz, den Sie einem Anwalt vorlegen sollten, und es ist strukturell dieselbe Lizenz, unter der Kimi K3 ausgeliefert wurde – eine bestehende rechtliche Prüfung von K3 lässt sich also übertragen, nur mit geändertem Namen.

Was die Lizenz nicht tut, ist, dies im OSI-Sinne zu Open Source zu machen. Das Feld in den Repository-Metadaten lautet license: other, wobei der Lizenzname auf kimi-k3.1-pro gesetzt ist. Medien, die es in den ersten Stunden nach der Veröffentlichung als modifizierte MIT-Lizenz beschrieben, lasen den permissiven Anfang und hörten dort auf.

Was man zum Betrieb braucht, und wo die API gewinnt

Das für dieses Modell veröffentlichte vLLM-Rezept ist die konkreteste verfügbare Bereitstellungsanleitung – und sie ist sehr spezifisch. Es schreibt vLLM 0.34.0 oder neuer vor sowie als Basis eine Tensor-Parallel-Gruppe aus 8 GPUs – zwei GB300-Trays oder ein B300-Knoten – mit --tensor-parallel-size 8 über --nnodes 2. Der optionale Long-Context-Modus DCP8 erhöht die KV-Cache-Kapazität auf rund 18,5 Millionen Tokens gegenüber 2,6 Millionen bei FP8-KV auf 8 B300 – etwa siebenmal so viel.

Daraus folgen zwei Konsequenzen. Erstens scheidet ein 8×H200-Knoten aus: 1,13 TB HBM reichen nicht für 1,56 TB Gewichte, bevor auch nur ein einziges Token Cache zugewiesen wurde. Zweitens gibt es keinen Consumer-Pfad. Das Modell benötigt mehr VRAM, als eine Workstation hat, und die Architekturen, die eine langsame CPU-Offload-Version tolerierbar machen würden, hinken dem benutzerdefinierten kimi_k31-Code noch hinterher – das Repo liefert trust_remote_code=True in seinem eigenen Quickstart-Snippet mit, was zeigt, dass die Architektur noch nicht im Standardpfad einer veröffentlichten Upstream-Bibliothek angekommen ist.

Die Wirtschaftlichkeit lässt sich anhand von Ausgabe-Tokens leichter erfassen als anhand von GPU-Positionen. Bei 10 US-Dollar pro Million Ausgabe-Tokens erhält man mit den geschätzten Kapitalkosten eines Knotens von rund 550.000 bis 650.000 US-Dollar über die API zum Listenpreis irgendwo zwischen 55 und 65 Milliarden Ausgabe-Tokens. Ein selbst gehosteter Knoten ist nur dann besser, wenn man ihn ausreichend auslastet, um mehr als diese Menge zu bedienen, bevor er veraltet ist — und dieser Vergleich erfolgt vor Strom, Betriebspersonal, Leerlaufzeiten und dem zweiten Knoten, den man für Redundanz benötigt. Für die meisten Teams, die dies lesen, lautet die ehrliche Antwort, dass die Gewichte ein strategisches Gut sind und die API der günstigere Weg ist, das Modell zu nutzen.

Das ist auch der Grund dafür, dass kimi/kimi-k3.1-pro in unserem Katalog zu 2,00 US-Dollar pro Million Input-Tokens und 10,00 US-Dollar pro Million Output-Tokens steht und die Kalkulation verändert, statt sie zu duplizieren. Derselbe 1.048.576-Token-Kontext und dieselben 104B aktiven Parameter sind über Chat Completions, die Responses API und Anthropic Messages verfügbar, ohne einen Cluster aus zwei Knoten. Unsere Preisgestaltung sieht einen Aufschlag von 0 % auf den Listenpreis des Anbieters vor, sodass sich der Preis hier, wenn Moonshot die Preisliste ändert, noch am selben Tag ändert statt erst bei der nächsten Vertragsverlängerung. Und weil das Modell über einen Schlüssel neben mehr als 200 anderen erreichbar ist, muss man es für einen Test mit einer echten Arbeitslast nicht an einen Produktionspfad binden — Sie können es hinter einem Failover betreiben und es den Traffic verdienen lassen.

Die Benchmark-Tabelle hat zwei Seiten.

Jede Zahl in diesem Abschnitt ist vom Anbieter aus der Model Card gemeldet und wurde mit Reasoning-Effort „max“ bei Temperatur 1,0 und Top-p 0,95 ermittelt. Die Vergleichsspalten wurden ebenfalls bei maximalem Effort und aktiviertem Fallback erfasst – das sollte man wissen, bevor man einen Ein-Punkt-Abstand als Sieg interpretiert.

• Terminal-Bench 4.0 — Kimi K3.1 Pro mit 65,7 % gegen Claude Opus 5.5 mit 66,4 %, GPT-6 Astra mit 58,2 % und Claude Fable 5.1 mit 57,9 %. Zweiter in der Tabelle mit acht Zehntelpunkten Rückstand und deutlich vor zwei Modellen, mit denen es verglichen wird.

• SWE Marathon v1.1 — 51,7 % gegenüber 46,3 % für Claude Opus 5.5 und 45,6 % für Claude Fable 5.1. Ein echter Vorsprung bei langfristig angelegter Softwarearbeit.

• HLE-Full mit Tools — 70,0 % gegenüber 67,7 % für Claude Opus 5.5 und 65,6 % für Claude Fable 5.1. BrowseComp erreicht 92,1 % gegenüber 91,5 % für GPT-6 Astra.

• Program Bench — 31,5 % gegenüber 65,0 % für Claude Opus 5.5, 53,5 % für Claude Fable 5.1 und 50,0 % für GPT-6 Astra. Dies ist mit Abstand der größte Verlust auf dem Blatt, und es ist die Zeile, auf die Sie achten sollten, wenn Ihre Arbeit Programmsynthese statt terminalförmiger Agenten-Schleifen ist.

• Terminal-Bench-Science 0.1 — 38,1 % gegenüber 68,1 % für GPT-6 Astra und 63,3 % für Claude Opus 5.5. Eine weitere Kategorie, in der das Modell nicht heranreicht.

• HLE-Full ohne Tools — 51,1 % gegenüber 59,8 % für Claude Opus 5.5. Die Tool-Nutzungs-Spalte kehrt die Reihenfolge um, was mehr über die Harness-Qualität als über reines Reasoning aussagt.

Das Muster ist konsistent genug, um nützlich zu sein: Kimi K3.1 Pro ist stark, wenn ein Agent eine Shell, einen Browser oder eine lang laufende Coding-Aufgabe steuert, und schwach bei eigenständigen wissenschaftlichen Benchmarks und Benchmarks zur Programmerstellung. Wenn Sie sich zwischen ihm und Claude Opus 5.5 anhand einer einzelnen Schlagzeilen-Kennzahl entscheiden, ist die Schlagzeilen-Kennzahl der eine Punkt, an dem sie am nächsten beieinanderliegen.

Unabhängige Messungen sind dünn gesät und es lohnt sich, das klar zu sagen. Artificial Analysis bewertet Kimi K3.1 Pro derzeit mit 46 auf dem Intelligence Index v5.0.1 und führt es als Open Weights, mit 32 Ausgabe-Tokens pro Sekunde, auf Platz 1 von 25 in dem auf seiner Modellseite gezeigten Panel. Die Berichterstattung in der Startwoche nannte 55, doch das bezog sich auf den Index-Build, der vor dem v5-Umbau am 27. Oktober verwendet wurde — verschiedene Messinstrumente, und wenn man das eine vom anderen abzieht, kommt eine Zahl heraus, die nichts bedeutet.

Der offene Checkpoint ist nicht der uneingeschränkte.

Moonshot sagt, man habe Cyber-Fähigkeits-Trainingsdaten aus Teilen des Mid-Trainings und des Reinforcement Learnings entfernt, bevor diese Gewichte veröffentlicht wurden, und die Model Card enthalte die Belege, statt es bei einer Pressemeldung zu belassen. Auf dem internen xdev-bench-hard-Set erzielt der veröffentlichte Checkpoint 81,0 % gegenüber 90,5 % für einen uneingeschränkten Checkpoint desselben Modells. Was auch immer Sie aus diesem Repository herunterladen, ist der entschärfte Build.

Auch in die andere Richtung sind die absoluten Zahlen nicht schmeichelhaft. Bei ExploitBench erreicht das Modell 74,7 gegenüber 100 für GPT-6 Astra und 91,0 für Claude Opus 5.5; bei ExploitGym erreicht es 20,7 gegenüber 42,4 für GPT-6 Astra. Das veröffentlichte Modell ist also sowohl schwächer als seine eigene uneingeschränkte Variante als auch bei Exploitation-Aufgaben hinter der Frontier zurück — eine Kombination, die man sich bei einem offen herunterladbaren Modell mit 2,8 Billionen Parametern durchaus wünschen kann und die es wert ist zu wissen, wenn Ihr Bedrohungsmodell davon ausging, dass offene Gewichte uneingeschränkte Fähigkeiten bedeuteten.

Wer sollte das herunterladen und wer nicht?

Laden Sie es herunter, wenn Sie einen Grund haben, die Gewichte selbst zu halten: eine Anforderung an die Datenresidenz, die jegliche Inferenz durch Dritte ausschließt, ein Fine-Tuning-Programm, das das Basismodell im Haus benötigt, eine Forschungsgruppe, die Verhalten prüft, statt es zu mieten, oder ein ausreichend stetiges Volumen, bei dem ein dedizierter Knoten die Abrechnung pro Token schlägt. Sie wollen zwei Knoten, nicht einen, und einen Plan für den KV-Cache, wenn Sie annähernd eine Million Token Kontext nutzen wollen.

Laden Sie es nicht herunter, wenn das Ziel darin besteht, bei einer moderaten Arbeitslast Geld zu sparen oder ein Modell der Frontier-Klasse auf Hardware auszuführen, die Sie bereits besitzen. Die 1,56 TB sind die Untergrenze, nicht die Voraussetzung, und die Voraussetzung ist ein Cluster der B300- oder GB300-Klasse. Überspringen Sie es ebenfalls, wenn Ihre Arbeitslast Programmsynthese oder harte Naturwissenschaften ist – Program Bench und Terminal-Bench-Science sind die Bereiche, in denen dieses Modell am weitesten von den Alternativen entfernt ist, und keine noch so große Lizenzfreizügigkeit schließt diese Lücke.

Für alle dazwischen ist die Veröffentlichung der Gewichte nach wie vor die wichtigere Nachricht – und zwar nicht wegen dessen, was man damit laufen lassen kann. Sondern weil ein herunterladbarer Checkpoint auditierbar ist und eine API nicht – und ein Modell mit 2,8 Billionen Parametern, das auf Terminal-Bench 4.0 nur einen Punkt von Claude Opus 5.5 entfernt ist, ist jetzt etwas, das ein externer Forscher prüfen kann, statt ihm zu vertrauen. Das ist der Teil des 4. November, der nicht davon abhängt, ein Rechenzentrum zu besitzen.