Step 5 Preview vs. Kimi K3.1 Pro: Beide Modelle wurden letzte Woche neu bewertet. Das bleibt übrig.

Hätten Sie vor einer Woche Step 5 Preview und Kimi K3.1 Pro nachgeschlagen, wären Sie bei zwei Zahlen gelandet: 44 und 55. Beide sind verschwunden. Am 27. und 28. Oktober 2026 ersetzte Artificial Analysis seinen Intelligence Index durch Version 5, bei der 60 % der Punktzahl aus privaten oder zurückgehaltenen Testsets stammen, und dasselbe Modell, das nach dem alten und dem neuen Bewertungsraster bewertet wurde, ist nicht dieselbe Messung. Step 5 Preview steht unter v5 bei 29. Kimi K3.1 Pro steht bei 46. Die Neun-Punkte-Lücke zwischen ihnen ist jetzt ein Vergleich, den man ehrlich anstellen kann, und sie unterscheidet sich von der Lücke, um die herum die Berichterstattung zum Launch geschrieben wurde.

Was folgt, ist dieser Vergleich – plus der Teil, den niemand in eine Vergleichstabelle aufnimmt: Die beiden Modelle stehen auf entgegengesetzten Seiten einer Frage zu den Gewichten, die sich am 4. November entscheidet, und nur eines von ihnen kann heute über OrcaRouter aufgerufen werden.

Die beiden Zahlen, die alle zitieren, sind jetzt beide falsch.

Kimi K3.1 Pro wurde am 23. Oktober 2026 mit einem Wert von 55 im Intelligence Index und einem Debüt auf dem vierten Platz eingeführt – elf Punkte über Kimi K3. Vier Tage später stand dort 46. Am Modell hatte sich nichts geändert; nur der Maßstab. Artificial Analysis baute den zusammengesetzten Index zu neun Bewertungen in vier Kategorien um – Knowledge Work, Coding, Science und General – und ließ drei der älteren weg, darunter GDPval-AA v2.1, SciCode und AA-LCR v1.1. Hinzu kamen FrontierCode 2.0, ein Set aus 132 privaten Coding-Aufgaben, bei denen bewertet wird, ob ein Patch es wert ist, zusammengeführt zu werden, sowie Terminal-Bench-Science.

Step 5 Preview kassierte denselben Schlag, nur härter. Unter v5.0 steht es bei 29, gegenüber 44 unter dem vorherigen Index, und es verliert mehr seiner stützenden Belege als Kimi, weil sich StepFuns Launch-Material genau auf die Bewertungen stützte, die entfernt wurden. Die 88,3 bei AA-LCR und die 58,9 bei SciCode, die in den meisten Berichten zu diesem Modell auftauchen, sind inzwischen Werte aus Benchmarks, die nicht mehr zum Headline-Index beitragen. Sie sind weiterhin echte Messungen von etwas. Sie sind nicht mehr das, was der Index misst.

Die Konsequenz für das Ranking sollte man klar benennen: Unter v5 liegt ein Modell mit offenen Gewichten – oder mit versprochenen offenen Gewichten – bei 46 zwölf Punkte hinter dem Spitzenreiter bei 58, während der Abstand unter v4 3 betragen hatte. Das ist eine Aussage über die Bewertungsrubrik, nicht über einen plötzlichen Fähigkeitsabfall, und jeder Artikel, der es als Letzteres darstellt, missdeutet seine eigene Quelle.

Die Spezifikationszeilen, eine Dimension nach der anderen.

• Gesamt- und aktive Parameter – Step 5 Preview: 600B gesamt, 27B aktiv pro Token, 8 von 352 Experten plus ein geteilter. Kimi K3.1 Pro: 2,8T gesamt, 104B aktiv.

• Um welche Art von Veröffentlichung es sich handelte – Step 5 Preview: ein neues Flaggschiff, das in Preview-Form veröffentlicht wurde, wobei die Gewichte später folgen. Kimi K3.1 Pro: eine nachtrainierte Version von Kimi K3 mit größerem Nachtrainings-Rechenaufwand, einschließlich gemeinsamem Reinforcement Learning über Hunderte von Domänen – keine neue Architektur.

• Kontextfenster — Step 5 Preview: 1 Mio. Token. Kimi K3.1 Pro: 1.048.576 Token.

Eingabemodalitäten — Step 5 Preview: Text, Bilder und Video. Kimi K3.1 Pro: Text und Bilder.

• {{1}}Eingabepreis pro Million Tokens{{/1}} — Step 5 Preview: 1,00 $. Kimi K3.1 Pro: 2,00 $, {{2}}gleichbleibend über das gesamte Kontextfenster ohne Langkontext-Zuschlag{{/2}}.

• Ausgabepreis pro Million Token — Step 5 Preview: 2,70 $. Kimi K3.1 Pro: 10,00 $.

• Zwischengespeicherte Eingabe — Step 5 Preview: 90 % Rabatt auf den Eingabetarif. Kimi K3.1 Pro: 0,20 $ pro Million zum Lesen, wobei Cache-Schreibvorgänge 2,00 $ bei einer TTL von fünf Minuten und 4,00 $ bei einer TTL von einer Stunde kosten.

• Gewichte — Step 5 Preview: veröffentlicht am 15. Oktober 2026, BF16 und FP8, unter der StepFun Model License 1.0. Kimi K3.1 Pro: nicht veröffentlicht; Moonshot hat angegeben, dass die Gewichte voraussichtlich bis zum 4. November 2026 verfügbar sein werden.

• Unabhängiger Score im Intelligence Index v5.0 — Vorschau auf Schritt 5: 29. Kimi K3.1 Pro: 46.

Kosten pro abgeschlossener Aufgabe, mit dem beigefügten Vorbehalt

Artificial Analysis meldet 2,35 US-Dollar pro Intelligence-Index-Aufgabe für Step 5 Preview und 1,98 US-Dollar für Kimi K3.1 Pro. Das sieht nach einem kleinen Vorsprung für Kimi aus, und es lohnt sich zu verstehen, warum das nicht ohne Weiteres so ist.

Die beiden Zahlen wurden nicht auf demselben Aufgabenset erzeugt, weil das Aufgabenset zwischen den beiden Messungen neu aufgebaut wurde. Beide sind „Kosten pro Index-Aufgabe“ unter dem jeweils aktiven Composite, was den Vergleich bestenfalls richtungsweisend macht. Eindeutig ist jedoch der Mechanismus: Kimi K3.1 Pro ist wortreich und verbraucht etwa 55.000 Ausgabe-Tokens pro Aufgabe sowie 150 Millionen über einen gesamten Lauf, gegenüber einem Median von 87 Millionen; bei 10 $ pro Million Ausgabe-Tokens ist diese Wortfülle teuer. Seine 1,98 $ sind eine Folge davon, dass es in weniger abrechenbaren Schritten fertig wird, nicht eines günstigeren Tokens.

Step 5 Preview ist der günstigere Token um den Faktor 3,7 bei der Ausgabe und 2 bei der Eingabe und das schnellere Modell mit großem Abstand bei der verfügbaren Messung: 179,1 Ausgabe-Token pro Sekunde auf StepFuns API gegenüber einem Klassenmedian von 74,1, wobei Kimi K3.1 Pro etwa 73 misst. Wenn Ihre Workload latenzempfindlich und ausgabelastig ist, entspricht diese Reihenfolge der Preisreihenfolge, und die Entscheidung ist einfach. Wenn Ihr Workload einer ist, bei dem der Unterschied in der Antwortqualität von 17 Indexpunkten mehr zählt als die Zeit bis zum ersten Token, weisen dieselben Zahlen in die andere Richtung.

Gewichte: Eines ist raus, eines ist ein Versprechen mit einem Datum.

Das ist die Asymmetrie, die die Benchmark-Tabellen verbergen. Die Gewichte von Step 5 Preview sind seit dem 15. Oktober herunterladbar: BF16- und FP8-Checkpoints auf Hugging Face und ModelScope, vLLM- und SGLang-Rezepte am selben Tag, ein technischer Blogbeitrag, der den 92-schichtigen Narrow-Deep-Stack und das sparse GQA-Attention-Muster beschreibt. Der FP8-Checkpoint verlangt rund 773 GB VRAM und mindestens vier GPUs, wobei B300 das Standardziel ist und acht H200 auf dem Hopper-Pfad. Die Lizenz ist StepFuns eigene und nicht OSI-zugelassen: Namensnennung bei materiell genutzten Outputs, eine separate Verhandlung für Hardwarehersteller und eine kommerzielle Lizenz für Model-as-a-Service-Betreiber mit einem Jahresumsatz von über 20 Millionen US-Dollar.

Die Gewichte von Kimi K3.1 Pro existierten am Tag der Veröffentlichung nicht — Artificial Analysis stufte das Modell am 24. Oktober noch als proprietär ein — und das angekündigte Datum ist der 4. November 2026. Sobald sie erscheinen, wird Moonshots Modell zum bestbewerteten herunterladbaren Modell im v5-Index, was für alle, die Frontier-nahe Leistungsfähigkeit ohne einen Anbieter dazwischen nutzen möchten, ein wirklich bedeutendes Ereignis darstellt.

Bis zum 4. November werden {{1}}ein Modell, das Sie ausführen können{{/1}}, und {{2}}ein Modell, das Sie nur aufrufen können{{/2}}, verglichen. Für Kimi ist das kein dauerhafter Nachteil, aber diese Woche ist er real, und das ist der Grund, warum eine heute getroffene Entscheidung möglicherweise nicht die Entscheidung ist, die Sie in neun Tagen treffen würden.

Wo jeder Einzelne gerade erreichbar ist

Eines dieser beiden Modelle ist auf OrcaRouter, das andere nicht. Kimi K3.1 Pro steht im Live-Katalog als kimi/kimi-k3.1-pro, zusammen mit fünf weiteren Kimi-Modellen. Step 5 Preview dagegen nicht: der Katalog umfasst 214 Modell-IDs über 16 Anbieter hinweg, und mit Stand 29. Oktober 2026 ist darin kein StepFun-Eintrag vorhanden. Wenn Sie Step 5 Preview heute nutzen möchten, rufen Sie StepFuns eigene API auf oder hosten Sie den Checkpoint.

Für eine Routing-Entscheidung ist genau diese Asymmetrie der nützliche Teil dieser Paarung. Da wir den Listenpreis des Anbieters ohne Aufschlag durchreichen, ist die Kimi-Preiskarte, die Sie hier sehen, die Preiskarte von Moonshot – $2.00 und $10.00 – und dasselbe gilt für jede spätere Preissenkung von Moonshot. Und weil das Failover automatisch erfolgt, bedeutet die praktische Umsetzung von „Kimi ist die günstige, maßvolle Option“, dass Sie es an die erste Stelle einer Kette setzen und die Plattform ausweichen lassen können, wenn ein Anbieter an Leistung nachlässt, anstatt einen Fallback in Ihren Client zu kodieren und ihn zu pflegen.

Die Migrationsfrage, wenn Sie wechseln

Drei Dinge kosten Sie Zeit, egal in welche Richtung Sie sich bewegen.

Das erste ist das Ausgabevolumen. Das Kostenprofil von Kimi K3.1 Pro wird davon dominiert, wie viel es schreibt, nicht von seinem Tarif. Ein Prompt, der auf Step 5 Preview eine knappe Antwort erzeugt, kann auf Kimi dreimal so viele Tokens erzeugen, und Ihre Rechnung folgt den Tokens statt der Preisliste. Messen Sie die Ausgabe-Tokens pro Aufgabe an Ihrer eigenen Arbeitslast, bevor Sie die beiden Preise überhaupt vergleichen.

Das zweite ist die Cache-Ökonomie. Step 5 Preview gewährt 90 % Rabatt auf gecachte Eingaben. Kimi K3.1 Pro berechnet 0,20 US-Dollar pro Million für das Lesen eines Caches, verlangt aber auch Geld für das Schreiben eines Caches – 2,00 US-Dollar bei einer TTL von fünf Minuten und 4,00 US-Dollar bei einer Stunde. Eine Agentenschleife, die bei jedem Schritt einen langen System-Prompt erneut sendet, ist unter diesen beiden Regelungen ein ganz anderes Kalkül, und die scheinbar günstigere Preiskarte ist nicht immer die günstigere Schleife.

Der dritte Punkt ist die Empfindlichkeit gegenüber dem Harness. Moonshots eigene Tabelle führt Kimi K3.1 Pro mit 65,7 % auf Terminal-Bench 4.0 gegenüber 66,4 % für Claude Opus 5.5 und 58,2 % für GPT-6 Astra; der unabhängige Evaluator meldet 67 % für dasselbe Modell. Die Terminal-Bench-Werte verschieben sich je nach Scaffolding um Dutzende Punkte, daher ist ein Abstand von 1,7 Punkten zwischen den Läufen zweier Labore keine Messung einer Leistungsdifferenz von 1,7 Punkten. Behandle jede herstellerübergreifende Zeile in diesem Vergleich als Aussage über die Richtung.

Was diese Woche konkret zu tun ist: Wenn Ihre Arbeitslast long-context-lastig, ausgabelastig und latenzempfindlich ist, ist Step 5 Preview zu 1,00 $ und 2,70 $ das günstigere Experiment, und die Gewichte machen es zu einem portablen Experiment. Wenn es sich um agentisches Coding handelt, bei dem die Patch-Qualität das gesamte Produkt ausmacht, machen die 46 von Kimi K3.1 Pro auf v5 und seine 67 % auf Terminal-Bench 4.0 Kimi K3.1 Pro zur stärkeren Kaufoption, und der 4. November ist das Datum, an dem aus einem Call ein Vermögenswert wird. So oder so: Stützen Sie keine Entscheidung auf die 44 und die 55. Diese Zahlen gehören zu einem Bewertungsraster, das es nicht mehr gibt.