Kimi K3.1 vs. Kimi K3: Was die offenen Gewichte verraten, was der Launch-Beitrag verschwieg

Kimi K3.1 Pro und Kimi K3 liefern jetzt dieselben 96 Safetensors-Shards, dieselben 1,56 TB auf der Festplatte und einen anderen Attention-Stack. Die Konfiguration in Moonshots neuem Repository beschreibt 93 Schichten als „69 KDA + 24 Gated DSA“. Die Konfiguration im Repository von Kimi K3, das im Juli veröffentlicht wurde, sagt „69 KDA + 24 Gated MLA“. Moonshots Launch-Beitrag für Kimi K3.1 Pro vom 24. Oktober 2026 bezeichnet das neuere Modell als „eine nachtrainierte Version von Kimi K3“ und erwähnt den Austausch überhaupt nicht. Alles andere in diesem Vergleich hängt von dieser einen Zeile ab, einschließlich des Grundes, warum das neuere Modell das günstigere ist.

Die Gewichte selbst kamen ohne Ankündigung. Moonshots Blog hat keinen Eintrag nach dem 24. Oktober. Der einzige Commit des Repositories trägt den Zeitstempel 2. November 2026, zwei Tage vor der Frist vom 4. November, die das Unternehmen sich selbst gesetzt hatte; ob die Dateien vor dieser Frist öffentlich lesbar waren, geht aus dem Repository nicht hervor. Was daraus hervorgeht, sind die Architektur, die Lizenz und das Inventar – genau das, was im Launch-Post fehlte.

Der Tausch, den die Ankündigung nicht erwähnte

Die Modellkarte enthält das Eingeständnis in einer Fußnote, eine Zeile unter einer ansonsten vertrauten Spezifikationstabelle: „Im Vergleich zu Kimi K3 ersetzen wir die Full-Attention-Gated-MLA-Schichten durch Gated-DeepSeek-Sparse-Attention-Schichten (Gated DSA), um Long-Context-Modellierung effizienter zu gestalten.“

Vierundzwanzig der 93 Schichten ändern sich. Die übrigen 69 bleiben Kimi Delta Attention, der von Kimi K3 eingeführte Linear-Attention-Mechanismus, und die Anzahl der Schichten, die Anzahl der Experten und die verborgenen Dimensionen bleiben unverändert. Gated MLA ist Full Attention mit einem komprimierten Key-Value-Cache; Gated DSA wählt für jede Query eine spärliche Teilmenge vergangener Tokens aus und wendet auf das Ergebnis ein Gating an. Der praktische Unterschied liegt darin, wie das Modell Rechenleistung und Cache einsetzt, während der Kontext wächst – der Teil eines 1M-Token-Fensters, der sich auf Ihrer Serving-Rechnung niederschlägt und nicht in einer Benchmark-Tabelle.

Was die Karte nicht liefert, ist eine Zahl. Es gibt keine Tokens-pro-Sekunde-Angabe, keinen Cache-Speicher-Vergleich, keine Latenzmessung für lange Kontexte – nur den Ausdruck „effizientere Modellierung langer Kontexte“. Der Launch-Beitrag von Moonshot enthält keinerlei Architekturdetails. Die Behauptung, der Austausch mache irgendetwas schneller, ist damit derzeit eine Designaussage statt einer Messung, und niemand außerhalb von Moonshot hat einen Serving-Vergleich zwischen den beiden Checkpoints veröffentlicht.

Das ist wichtiger, als es klingt. Wenn Sie Batching, Cache-Zuweisung oder Kontextverwaltung auf das Attention-Profil von Kimi K3 abgestimmt haben, ist der neuere Checkpoint auf der Serving-Ebene kein Drop-in, obwohl er auf der API-Ebene ein Drop-in ist. Die API verbirgt das; ein selbst gehostetes Deployment nicht.

Was die beiden Checkpoints wirklich gemeinsam haben

Der identische Download verrät, dass es sich nicht um ein größeres Modell handelt. Alle unten aufgeführten Hauptabmessungen sind auf beiden Karten identisch, und die Dateiliste bestätigt dies:

• Gesamt- und aktive Parameter – insgesamt 2,8 Billionen, 104 Milliarden aktiv bei beiden Modellen.

• Tiefe — 93 Schichten, von denen eine dicht ist, bei beiden.

• Experten — 896 insgesamt, 16 pro Token ausgewählt, 2 gemeinsam genutzt, bei beiden.

• Wortschatz — 160K Token bei beiden.

• Vision — MoonViT-V2, 401 Millionen Parameter, bei beiden.

• Kontext — 1.048.576 Tokens auf beiden; unsere eigene Modellseite gibt für Kimi K3.1 Pro eine maximale Ausgabe von 943.718 Tokens an.

• Quantisierung — MXFP4-Gewichte und MXFP8-Aktivierungen, quantisierungsbewusstes Training bei beidem.

• Download — 96 safetensors-Shards mit insgesamt 1,56 TB pro Repository.

• Eingabemodalitäten — die Modellkarte von Kimi K3 führt Text, Bilder und Video auf; die Modellkarte von Kimi K3.1 Pro führt Text und Bild auf, während die API-Dokumentation zusätzlich Video angibt. Behandeln Sie die Video-Angabe als unbestätigt, bis der Prozessorcode getestet wurde.

Ein Point-Release, der die Parameteranzahl, das Expert-Routing und die Dateigröße beibehält und 24 Attention-Schichten ändert, ist eine andere Art von Release als eine neue Generation. Er steht eher einer Mid-Cycle-Architekturüberarbeitung plus einem großen Post-Training-Lauf nahe als einem neuen Basismodell, und die Preisgestaltung spiegelt das wider.

Zwei Tarifkarten und eine Rechnung, die nicht um ein Drittel sinkt

Auf dem Papier ist das neuere Modell in jeder Zeile günstiger. Kimi K3.1 Pro kostet $2.00 pro Million Eingabe-Tokens und $10.00 pro Million Ausgabe; Kimi K3 kostet $3.00 und $15.00. Die Cache-Trefferrate sinkt von $0.30 auf $0.20, Cache-Schreibvorgänge von $3.00 und $6.00 auf $2.00 und $4.00 bei fünfminütiger und einstündiger TTL, und eine Highspeed-Variante zu $4.00 und $20.00 tauscht Preis gegen die zwei- bis dreifache Ausgabegeschwindigkeit. Batch-Inferenz auf Kimi K3.1 Pro wird mit 60 % des Standardpreises abgerechnet, also $1.20 und $6.00.

Die Rechnung ist ein anderes Kapitel. Kimi K3.1 Pro denkt standardmäßig mit maximalem Aufwand, und maximaler Aufwand erzeugt mehr Tokens. Bitos Vergleich zum agentischen Programmieren ergab, dass die beiden Modelle insgesamt mit 72 % gleichauf lagen, während Kimi K3.1 Pro etwa 98.000 Ausgabe-Tokens gegenüber 44.000 bei Kimi K3 erzeugte, 28 Minuten gegenüber 17 benötigte und bei einer langen Sitzung 4,28 $ gegenüber 2,46 $ kostete. Plotlys Datenanalyse-Lauf verlief bei der Qualität in die andere Richtung und bei den Kosten in dieselbe: 42 von 43 Aufgaben gelöst gegenüber 35, wobei die Ausgaben von 5,01 $ auf 13,47 $ und die Medianzeit von 43 Sekunden auf zweieinhalb Minuten stiegen. Ultralytics maß beim Testen der Auto-Annotation eine Verbesserung von 33 % bei mAP50, 0,444 gegenüber 0,334, und rückte vom 19. auf den 9. Platz von 39 Modellen vor.

Diese drei sind von Anbietern veröffentlichte Tests mit kleinen Stichproben, keine peer-reviewten Evaluierungen, und sie sind sich uneinig darüber, wie viel besser das neue Modell ist. Sie stimmen in der Richtung der Kosten überein: Eine Preissenkung um ein Drittel pro Token übersteht ein Modell, das länger nachdenkt, nicht. Budget pro abgeschlossener Aufgabe, nicht pro Million Token.

Beide Seiten dieses Vergleichs lassen sich mit einem Schlüssel aufrufen. Kimi K3.1 Pro wird als kimi/kimi-k3.1-pro zu Moonshots 2,00 $ und 10,00 $ geroutet, und Kimi K3 als kimi/kimi-k3 zu 3,00 $ und 15,00 $, wobei der Listenpreis des Anbieters durchgereicht und kein Aufschlag hinzugefügt wird, sodass eine Änderung an Moonshots Preisliste hier noch am selben Tag live ist. Das ist der konkrete Grund, warum es in einen Preisabschnitt und nicht in eine Fußzeile gehört: Das gesamte Argument für den Wechsel ist eine Preisdifferenz, und jede auf den Listenpreis aufgeschlagene Marge würde einen Teil der Ersparnis auffressen, bevor Sie auch nur eine einzige Aufgabe gemessen haben.

Die Benchmark-Tabelle hat sich unter beiden Modellen verschoben.

Artificial Analysis hat seinen Intelligence Index am 27. Oktober 2026 neu aufgebaut, und der Neuaufbau ist für diesen Vergleich folgenreicher als alles, was Moonshot veröffentlicht hat. Im aktuellen v5-Index erzielt Kimi K3.1 Pro 46 Punkte und liegt auf Platz neun, zwölf Punkte hinter Claude Opus 5.5 mit 58, wobei Gemini 4 Carbon mit 59, GPT-6 Astra mit 57 und GPT-6.1 Sol mit 55 darüber liegen. Im vorherigen v4.3.2-Index erzielte dasselbe Modell 55 Punkte und belegte den vierten Platz, drei Punkte hinter der Spitze.

Diese beiden Zahlen sind kein Rückschritt und nicht vergleichbar. Version 5 verlagerte rund 60 % des Index auf private, zurückgehaltene Sets, fügte FrontierCode 2.0 und Terminal-Bench-Science hinzu, entfernte SciCode und AA-LCR und erhöhte die mediane Ausgabelänge pro Aufgabe von etwa 35.000 Tokens auf etwa 59.000. Ein Modell, das kurz antwortet, verliert Boden auf einem Index, der nun lange agentische Arbeit belohnt. Kimi K3.1 Pro bleibt das am höchsten platzierte Modell, das sein Anbieter als Open-Weight bezeichnet.

Die Zahl des Vorgängers ist die Falle. Kimi K3 erzielte beim Start 57 auf dem v4-Index und belegte den dritten Platz. Der Wert 43,6, der für Kimi K3 (max) kursiert, stammt aus Aggregator-Momentaufnahmen, die vor der Umstellung auf v5 aufgenommen wurden, und wir konnten keine veröffentlichte v5-Punktzahl für Kimi K3 selbst finden. „46 gegen 43,6“ ist also kein kontrolliertes Paar, und wer die Differenz als gemessenen Fähigkeitszuwachs darstellt, subtrahiert über zwei Instrumente hinweg. Was sich sagen lässt, ist enger gefasst: Auf dem aktuellen Index ist das neuere Modell dasjenige, das bewertet wurde, und es liegt auf Platz neun.

Die eigene Tabelle des Anbieters, die wiederum ein anderes Messinstrument ist, führt Kimi K3.1 Pro mit 65,7 auf Terminal-Bench 4.0 gegenüber 66,4 von Claude Opus 5.5, mit 51,7 auf SWE Marathon v1.1, 92,7 auf BenchCAD mit Tools, 94,2 auf GPQA-Diamond und 51,1 auf HLE-Full. Die Schwachstellen sind ebenso sichtbar: 38,1 auf Terminal-Bench-Science gegenüber 68,1 von GPT-6 Astra und 39,4 auf HLE-Diamond gegenüber 60,9 für Opus 5.5. Moonshot führte die Coding-Evaluierungen über das Claude-Code-Harness mit maximalem Reasoning-Aufwand durch. Nichts davon wurde unabhängig reproduziert.

Die saubersten paarweisen Zahlen beim Launch sind die, die Moonshot gegen seinen eigenen Vorgänger gemessen hat: Kimi Code Bench 3.0 Long-horizon bei 61,2 % gegenüber 55,95 %, eine Halluzinationsrate auf Claim-Ebene von 8,3 % gegenüber 23,4 % mit Tools und 81,0 % gegenüber 33,3 % bei xdev-bench-hard. Derselbe interne Benchmark gehört zu Moonshot, daher sind die Deltas konsistent, aber nicht extern. Die Halluzinationszahl ist diejenige mit den weitreichendsten praktischen Konsequenzen und der geringsten Bestätigung.

Die Lizenz ist Kimi K3s Lizenz mit einem geänderten Namen.

Beide Repositories liefern eine Lizenzdatei von etwa drei Kilobyte, und ein zeilenweiser Vergleich ergibt einen einzigen inhaltlichen Unterschied: In der Namensnennungsklausel wird „Kimi K3“ durch „Kimi K3.1-Pro“ ersetzt. Alles Übrige ist dasselbe Dokument.

Das bedeutet, dass die Bedingungen bereits bekannt und nicht erst ausstehend sind. Nutzung, Vervielfältigung, Änderung, Verbreitung, Unterlizenzierung und Verkauf sind gestattet, und Fine-Tuning ist ausdrücklich erlaubt. Ein Unternehmen, das Model-as-a-Service anbietet und dessen Gesamtumsatz in einem beliebigen aufeinanderfolgenden Zwölfmonatszeitraum 20 Millionen US-Dollar übersteigt, muss vor der kommerziellen Nutzung eine gesonderte Vereinbarung mit Moonshot unterzeichnen. Produkte mit mehr als 100 Millionen monatlich aktiven Nutzern oder 20 Millionen US-Dollar Monatsumsatz müssen den Modellnamen deutlich anzeigen. Die interne Nutzung sowie die Nutzung über offizielle Produkte von Moonshot oder dessen zertifizierte Inferenzpartner sind von beiden Anforderungen ausgenommen.

Die Ausnahme für zertifizierte Partner ist die Klausel, die es sich zweimal zu lesen lohnt, wenn Sie den Zugang weiterverkaufen möchten. Die 20-Millionen-Dollar-Schwelle wird über einen gleitenden Zwölfmonatszeitraum gemessen, nicht pro Produktlinie, und „Model as a Service“ ist weit genug gefasst, um eine API abzudecken, die Kunden Kontrolle über Eingaben, Parameter oder Trainingsdaten gibt – während Endnutzerprodukte, bei denen das Modell in eine Funktion eingebettet ist, und das reine Weiterleiten von Anfragen an anderswo gehostete Modelle ausgenommen werden.

Was nötig ist, um eines von beiden zu betreiben

Ein MXFP4-Checkpoint mit 1,56 TB ist kein Workstation-Download, und die beiden Modelle sind gleich schwer. Moonshot verweist auf drei Serving-Stacks – vLLM-Rezepte, ein SGLang-Cookbook und TokenSpeed – und alle drei gehen bei dieser Größe von einem Multi-Node-Deployment aus. Quantisierungsbewusstes Training ab der Phase des überwachten Fine-Tunings sorgt dafür, dass die Datei 1,56 TB groß bleibt und nicht etwa 5,6 TB belegt, wie es eine BF16-Kopie tun würde; diese Quantisierung ist bereits in den oben genannten Scores enthalten und wird nicht nachträglich angewendet.

Die praktische Konsequenz identischer Footprints ist, dass der Architekturwechsel keine Hardware-Entlastung bringt. Wenn Sie Kimi K3 bedienen können, können Sie Kimi K3.1 Pro auf derselben Cluster-Klasse bedienen; keines von beiden lässt sich auf einem einzelnen Knoten bedienen.

Welches soll man wählen?

• Sie betreiben Self-Hosting und Ihr Stack ist auf Kimi K3 abgestimmt — führen Sie vor der Migration erneut Benchmarks durch. Die Attention-Änderung verändert das Cache-Verhalten, und die einzige damit verbundene Effizienzaussage ist ein Satz in einer Fußnote.

• Sie rufen die API für agentisches Coding, Tool-Nutzung über lange Horizonte oder Dokumentenprüfung auf — Kimi K3.1 Pro, gestützt auf die gepaarten internen Deltas und die niedrigere Preisliste, zunächst mit einer Shadow-Evaluierung.

• Du brauchst ein Modell mit einem etablierten Fehlerprofil – Kimi K3. Es ist seit Juli im Produktivbetrieb, und seine Eigenheiten sind von anderen dokumentiert. Das neuere Modell ändert das Reasoning-Verhalten konstruktionsbedingt.

• Sie benötigen Determinismus – prüfen Sie, bevor Sie wechseln. {{1}}Kimi K3.1 Pro{{/1}} legt {{2}}temperature{{/2}} auf 1.0 und {{3}}top_p{{/3}} auf 0.95 fest und lehnt Alternativen ab; außerdem macht eine Änderung des Reasoning-Aufwands mitten im Gespräch Prefix-Cache-Treffer ungültig.

Die ehrliche Zusammenfassung ist, dass Kimi K3.1 Pro auf nahezu jeder vom Anbieter gemessenen Achse ein besseres Modell als Kimi K3 ist, ein bescheiden besseres auf dem einzigen unabhängigen Index, der es bewertet hat, und ein teureres pro abgeschlossener Aufgabe, als es die Preisliste vermuten lässt. Was sich diese Woche geändert hat, ist nicht das Urteil, sondern die Beweislage: Der Checkpoint kann jetzt gelesen, bereitgestellt und getestet werden, statt auf Vertrauen hingenommen zu werden, und das Erste, was das Lesen hervorbrachte, war eine Korrektur am Launch-Post.