Chinesisches KI-Modell Kimi K3.1 Pro rückt Anthropic und Meta auf die Fersen
Moonshot AI erreicht mit Kimi K3.1 Pro 55 Punkte im Artificial Analysis Intelligence Index, elf Punkte mehr als beim Vorgänger. Damit landet das Modell auf Platz vier hinter drei Modellen von Anthropic und Meta. Werden die Gewichte wie geplant offengelegt, könnte sich der Abstand zwischen offenen und proprietären Modellen weiter verringern.
Moonshot AIs neues Reasoning-Modell Kimi K3.1 Pro landet auf Platz vier des Artificial Analysis Intelligence Index, nur 3 Punkte hinter den führenden proprietären Modellen.
Das chinesische KI-Unternehmen Moonshot AI hat Kimi K3.1 Pro veröffentlicht, eine nachtrainierte Version seines Vorgängers Kimi K3 mit deutlich mehr Post-Training-Compute. Das Modell erreicht 55 Punkte auf dem Artificial Analysis Intelligence Index, ein Sprung von 11 Punkten gegenüber K3, der es auf Platz vier bringt.
Laut Artificial Analysis rangieren nur Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) und Muse Wonder Full (56) davor. Wenn Moonshot die Modellgewichte wie geplant bis zum 4. November 2026 veröffentlicht, würde K3.1 Pro zum am höchsten bewerteten Open-Weights-Modell werden. Damit würde sich die Lücke zwischen offenen und proprietären Modellen von 12 auf nur 3 Punkte verringern, vorausgesetzt, bis dahin ändert sich nichts weiter.
Zusammen mit K3.1 Pro liefert Moonshot auch eine Variante namens K3.1 Pro Highspeed aus, die laut Unternehmen zwei- bis dreimal schneller läuft. Beide sind ab sofort über Kimi.ai, Kimi Work, Kimi Code und die Kimi API verfügbar.
K3.1 Pros stärkste Verbesserungen zeigen sich bei agentischen Aufgaben. Auf dem Benchmark GDPval-AA erreicht es laut Artificial Analysis 1.846 Elo, 312 Punkte über K3. Damit liegt es nur knapp hinter Claude Opus 5.5 (1.866) und Muse Wonder Full (1.857). Auf Terminal-Bench 4.0 meldet Moonshot 65,7 Prozent, vor GPT-6 Astra (58,2 Prozent) und nur hauchdünn hinter Claude Opus 5.5 (66,4 Prozent). K3 schaffte im selben Test lediglich 13 Prozent.
Auch die Halluzinationsraten sanken deutlich. Auf Moonshots internem Kimi Hallu Bench Hard gingen Halluzinationen auf Aussageebene von 23,4 Prozent bei K3 auf 8,3 Prozent zurück, so das Unternehmen. Moonshot betont, dass dies ein Stresstest ist und kein Maß für allgemeine Fehlerraten. GPT-6 Astra erreicht auf demselben Benchmark 5,5 Prozent und hat damit weiterhin einen Vorsprung.
Auf internen Finanz-Benchmarks legte K3.1 Pro um 7,2 Punkte bei Financial Modeling und 11,6 Punkte bei Financial Research zu. Bei allgemeinen Büroaufgaben schlägt das Modell laut Moonshot alle getesteten Modelle auf OfficeQA Pro v2.
Moonshots Benchmark-Tabelle zu Kimi K3.1 Pro. Alle Ergebnisse mit auf "max" eingestelltem Reasoning Effort.
K3.1 Pro arbeitet direkt mit Game-Engines wie Unity, Unreal Engine und Godot zusammen und bewältigt laut Moonshot sowohl schnelle Korrekturen als auch komplette Projektaufbauten. Auf dem Benchmark BenchCAD erzielt es 92,7 Prozent mit Tools, nahe an Claude Opus 5.5 (96,2 Prozent) und GPT-6 Astra (95,9 Prozent). Ohne Tools erreicht es 72,8 Prozent und liegt damit fast gleichauf mit Claude Opus 5.5 (73,0 Prozent).
Moonshot zufolge ist das Modell am stärksten bei der parametrischen Modellierung von mechanischen Bauteilen, Architekturmodellen und konfigurierbaren Produkten. Es kann Skripte für Blender und CAD-Software schreiben und ausführen, ohne MCP-Connectors. Das Unternehmen hat zudem eine Funktion namens "3D Make" auf Kimi.com eingeführt, mit der Nutzer 3D-Modelle in der Vorschau ansehen, bearbeiten und exportieren können.
K3.1 Pro behält dieselben Abmessungen wie K3, mit insgesamt 2,8 Billionen Parametern und 104 Milliarden aktiven. Das Kontextfenster umfasst eine Million Tokens, und das Modell verarbeitet sowohl Text als auch Bilder. Laut Artificial Analysis liegt es an der Spitze der Pareto-Frontier. Kein Modell mit vergleichbarer Parameteranzahl erzielt einen höheren Wert im Intelligence Index.
Die Tokenpreise sinken um 33 Prozent. Der Input kostet 2 Dollar pro Million Tokens (bisher 3 Dollar), der Output 10 Dollar (bisher 15 Dollar), und Cache-Treffer kosten 0,20 Dollar (bisher 0,30 Dollar). Jede Intelligence-Index-Aufgabe kostet 1,98 Dollar, fast identisch mit K3 (2,00 Dollar), da das Modell 14 Prozent mehr Output-Tokens generiert.
Moonshot widmet in seinem technischen Blogbeitrag ein ganzes Kapitel der Cybersicherheit. Das Unternehmen berichtet, dass die Fähigkeiten zur Schwachstellenforschung mit dem Ausbau des Post-Trainings weiter wuchsen, da Cyber-bezogene Inhalte im allgemeinen Mid-Training-Korpus eingebettet waren und entsprechende Aufgaben Teil der RL-Umgebung waren.
Moonshot sagt, dass kein Open-Weights-Modell die absolute Spitze offensiver Cyber-Fähigkeiten vorantreiben sollte. Gleichzeitig möchte das Unternehmen schrittweise erhöhen, was offene Modelle leisten können, da diese auch defensiven Zwecken dienen, etwa der Prüfung von Altsystemen. Anthropic hatte zuvor gezeigt, dass selbst GLM-5.3, das 45 Punkte im AA Index erreicht, Exploits auf nahezu Claude-Mythos-Niveau schreiben kann.
Abonniere THE DECODER für werbefreies Lesen, einen wöchentlichen KI-Newsletter, unseren exklusiven Frontier-Report "AI Radar" sechs Mal im Jahr, vollen Archiv-Zugang und Zugang zu unserem Kommentarbereich.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Moonshot AI's new reasoning model Kimi K3.1 Pro lands at number four on the Artificial Analysis Intelligence Index, just 3 points behind the top proprietary models.
Chinese AI company Moonshot AI has released Kimi K3.1 Pro, a post-trained version of its predecessor Kimi K3 with significantly more post-training compute. The model scores 55 points on the Artificial Analysis Intelligence Index, an 11-point jump over K3 that lands it in fourth place.
Only Claude Opus 5.5 (58), Claude Sonnet 5.5 (56), and Muse Wonder Full (56) rank higher, according to Artificial Analysis. If Moonshot releases the model weights as planned by November 4, 2026, K3.1 Pro would become the highest-scoring open-weights model available. That would shrink the gap between open and proprietary models from 12 to just 3 points, assuming nothing else changes by then. Ad
Alongside K3.1 Pro, Moonshot is shipping a variant called K3.1 Pro Highspeed that runs two to three times faster, according to the company. Both are available now through Kimi.ai, Kimi Work, Kimi Code, and the Kimi API. Ad
K3.1 Pro's strongest improvements show up in agentic tasks. On the GDPval-AA benchmark, it reaches 1,846 Elo according to Artificial Analysis, 312 points above K3. That puts it just behind Claude Opus 5.5 (1,866) and Muse Wonder Full (1,857). On Terminal-Bench 4.0, Moonshot reports 65.7 percent, ahead of GPT-6 Astra (58.2 percent) and barely behind Claude Opus 5.5 (66.4 percent). K3 managed only 13 percent on the same test.
Hallucination rates dropped sharply too. On Moonshot's internal Kimi Hallu Bench Hard, claim-level hallucinations fell from 23.4 percent with K3 to 8.3 percent, according to the company. Moonshot says this is a stress test, not a measure of general error rates. GPT-6 Astra hits 5.5 percent on the same benchmark, so it still has an edge. Ad
On internal finance benchmarks, K3.1 Pro gained 7.2 points on Financial Modeling and 11.6 points on Financial Research. For general office tasks, the model tops all tested models on OfficeQA Pro v2, according to Moonshot.
Moonshot's Kimi K3.1 Pro benchmark table. All results with reasoning effort set to "max." Ad
K3.1 Pro works directly with game engines like Unity, Unreal Engine, and Godot, handling both quick fixes and full project builds, according to Moonshot. On the BenchCAD benchmark, it scores 92.7 percent with tools, close to Claude Opus 5.5 (96.2 percent) and GPT-6 Astra (95.9 percent). Without tools, it hits 72.8 percent, nearly matching Claude Opus 5.5 (73.0 percent). Ad
Moonshot says the model is strongest at parametric modeling of mechanical parts, architectural models, and configurable products. It can write and run scripts for Blender and CAD software without MCP connectors. The company also launched a feature called "3D Make" on Kimi.com that lets users preview, edit, and export 3D models.
K3.1 Pro keeps the same dimensions as K3, with 2.8 trillion total parameters and 104 billion active ones. The context window spans one million tokens, and the model handles both text and images. According to Artificial Analysis, it sits at the top of the Pareto frontier. No model with a comparable parameter count scores higher on the Intelligence Index.
Token prices drop by 33 percent. Input costs $2 per million tokens (down from $3), output costs $10 (down from $15), and cache hits cost $0.20 (down from $0.30). Each Intelligence Index task costs $1.98, almost identical to K3 ($2.00), since the model generates 14 percent more output tokens.
Moonshot devotes an entire section of its technical blog post to cybersecurity. The company says it observed that vulnerability research capabilities kept growing as post-training scaled up, because cyber-related content was embedded in the general mid-training corpus and related tasks were part of the RL environment mix.
Moonshot says no open-weights model should push the absolute frontier of offensive cyber capabilities. At the same time, the company wants to gradually raise what open models can do, since they also serve defensive purposes like auditing legacy systems. Anthropic previously showed that even GLM-5.3, which scores 45 on the AA Index, can write exploits at near-Claude Mythos levels.
Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.