Kimi K3.1 Pro: Offene Gewichte ruecken auf 3 Punkte an die Frontier

Am 23. Oktober 2026 um 17:15 Uhr UTC hat Moonshot AI Kimi K3.1 Pro vorgestellt, einen Tag spaeter war der Release der am haeufigsten diskutierte Thread auf Hacker News mit mehr als 1.000 Punkten. Die eigentliche Nachricht dieses Releases steht fuer mich nicht in den Benchmarkzahlen des Herstellers, sondern in einer Rechenaufgabe, die Artificial Analysis an der Gesamtliste vorgenommen hat: Sobald die Gewichte des Modells am 4. November 2026 veroeffentlicht sind, faellt der Abstand zwischen dem besten offenen Modell und der proprietaeren Frontier laut dieser Auswertung von 12 auf 3 Punkte. Fuer jeden, der Agenten betreibt, ist das kein Modellnachrichtenmoment, sondern ein Planungsmoment. Ich lege die Zahlen deshalb gleich an meinen eigenen Betrieb an und sage vorab ehrlich, was hier nicht drinsteckt: Eine eigene Messung von Kimi K3.1 Pro habe ich nicht, denn die Gewichte sind noch nicht draussen und meine Probe steht aus. Was ich schreibe, stammt aus drei belegten Ebenen: den eigenen Dokumenten von Moonshot, der unabhaengigen Indexauswertung von Artificial Analysis und dem Testprotokoll von Simon Willison, alles abgerufen am 26.10.2026.

Der Takt des Launches lohnt einen eigenen Blick, weil er die Marktphase verraten kann, in der wir stecken. Kimi K3.1 Pro ist laut Katalogdaten 99 Tage nach Kimi K3 erschienen, der laengste Abstand in der Modellinie seit Januar, und etwa 15,5 Stunden nach dem offiziellen Teaser. Verfuegbar war er vom ersten Tag an auf kimi.com, in Kimi Work, in Kimi Code und ueber die Kimi API, mit den Modellkennungen kimi-k3.1-pro und kimi-k3.1-pro-highspeed. Die Enterprise-Schicht steht laut Moonshot standardmaessig auf aus und wird von Administratoren eingeschaltet. Technisch ist das Modell laut Moonshot eine nachtrainierte Version von Kimi K3 auf unveranderter Basis, mit deutlich mehr Compute nach dem Training, und es ist das erste Modell einer neuen K3.1-Serie. Die Resonanz messen kann ich nur an drittbezogenen Signalen: Der Hacker-News-Thread zum Launch erreichte am Releasetag ueber 1.000 Punkte, Simon Willison veroeffentlichte noch am selben Abend einen Test, und Artificial Analysis nahm das Modell noch in der Launchwoche in seine Gesamtliste auf. Diese Geschwindigkeit hat einen Grund, den ich unten mit Zahlen belege: Das Modell wurde nicht als Laborergebnis veroeffentlicht, sondern als Wettbewerbsantwort in einer Phase, in der offene Modelle zum ersten Mal in Angriffsreichweite der Frontier sind.

Die technische Basis liest sich in einer Minute, aber zwei Werte in dieser Liste halte ich fuer die eigentliche Story. Kimi K3.1 Pro ist laut Moonshot ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern gesamt und 104 Milliarden aktiven Parametern je Token, dazu ein Kontextfenster von 1 Million Token und multimodale Eingabe. Der erste bemerkenswerte Wert ist der Preis: Moonshot verlangt 2,00 Dollar fuer eine Million Eingabe-Token, 10,00 Dollar fuer eine Million Ausgabe-Token und 0,20 Dollar fuer einen Cache-Treffer in der Eingabe. Das ist ein Drittel weniger als der Vorgaenger Kimi K3 mit 3,00 und 15,00 Dollar und 0,30 Dollar Cache. Die Highspeed-Variante laeuft laut Angaben 2 bis 3 Mal schneller und kostet das Doppelte, 4,00 und 20,00 Dollar, waehrend Cache-Treffer gleich bleiben. Der zweite Wert ist die Einordnung des Preises durch Simon Willison, der mit seiner llm-Werkzeugschnittstelle am Releasetag selbst testete: Die Preise von 2,00 und 10,00 Dollar entsprechen laut seiner Notiz dem Eingabepreis von GPT-6.1 Sol und liegen beim Ausgabepreis bei der Haelfte von Claude Opus 5.5. Zusammen mit dem Sprung in den Benchmarks ergibt sich eine Schraube, die Agentenbetreiber direkt spueren: Der Preis fiel um ein Drittel unter den Vorgaenger, waehrend der Score laut unabhaengiger Bewertung um 11 Punkte stieg. Qualitaet waechst hier schneller als ihr Preis.

Die unabhaengige Bewertung und die Herstellerwerte muss man sauber trennen, und genau das mache ich hier. Artificial Analysis setzte Kimi K3.1 Pro mit 55 Punkten auf Platz 4 von 215 Modellen seines Intelligence Index, 11 Punkte ueber Kimi K3 mit 44. Ueber dem neuen Modell bleiben laut dieser Liste nur Claude Opus 5.5 mit 58 Punkten (Wert mit Fallback), Claude Sonnet 5.5 mit 56 und Muse Wonder Full mit 56. Auf 53 Punkten liegen Claude Fable 5.1, GPT-6 Astra und Gemini 4 Argon alle gleichauf mit dem Modell von Moonshot darunter. Der entscheidende Satz in der Auswertung betrifft wieder die Abstandsmathematik: Sobald die Gewichte veroeffentlicht sind, wird K3.1 Pro das hoechstbewertete Offene-Gewichte-Modell sein, und die Luecke zwischen der Fuehrung der offenen Gewichte und den proprietaren Modellen schrumpft laut Artificial Analysis von 12 auf 3 Punkte. Auf dem Cyber-Index des Bewertungshauses steht das Modell laut Katalog bereits als Nummer 1 unter den offenen Modellen, also genau in der Disziplin, die fuer Agentenbetrieb zaehlt. Die Herstellerbenchmarks aus Moonshots eigenen Laeufen muss man als Herstellerangabe lesen, auch wenn sie plausibel in diese Richtung zeigen: Terminal-Bench 4.0 65,7 gegen Claude Opus 5.5 mit 66,4 und GPT-6 Astra mit 58,2, SWE Marathon 51,7 vor 46,3 und 42,5, Agents Last Exam 43,2 gegen 42,6, Humanitys Last Exam mit Werkzeugen 70,0 gegen 67,7. Fuer meine Arbeit an Coding-Agenten sind zwei dieser Zeilen nahezu Kernzahlen: Beim Terminal-Bench liegt Kimi 0,7 Punkte unter Opus 5.5, beim SWE Marathon fuehrt es.

Zwischen dem Releasetag und dem Veroeffentlichungsversprechen der Gewichte liegt eine Woche mit einer klaren Struktur. Moonshot hat zugesagt, laut Simon Willisons Notiz mit dem Wortlaut vollstaendige Modellgewichte bis zum 4. November 2026 zu veroeffentlichen. Bis dahin ist das Modell nur ueber Moonshots eigene Schnittstellen erreichbar, danach kann jeder die Gewichte pruefen, selbst betreiben, in eigene Infrastruktur ziehen oder die Angaben des Herstellers gegen das echte Modell verifizieren. Warum dieser Termin fuer den Agentenbetrieb mehr bedeutet als uebliche Releasekosmetik, lege ich in drei Punkten fest. Erstens die Abstandsrechnung: Wenn die Bewertung der offenen Gewichte wie von Artificial Analysis vorgerechnet eintreten, liegt das beste offene Modell 3 Punkte unter der Frontier, was fuer Routinelauefe von Agenten eine Arbeitsplatzfrage stellt, denn fuer viele Aufgaben ist ein Abstand von 3 Punkten kein Grund mehr, den vierfachen Ausgabepreis zu zahlen. Zweitens die Pruefbarkeit: Die Zahl 55 entsteht bis dahin in der Warteschlange der Bewertungsinfrastruktur, mit offenen Gewichten kann ich sie gegen eigene Laeufe legen. Drittens die Abhaengigkeit: Ein Modell mit offenen Gewichten laesst sich in den Notfallplan eines Betriebs einbauen, der nicht darauf warten will, dass ein Anbieter eine Preisstufe dreht. Genau an diesem Punkt endet, was ich belegen kann, und beginnt, was ich fuer die naechsten Wochen geplant habe.

Jetzt der Teil, den ich ehrlich als Plan statt als gelebte Praxis kennzeichne. Kimi K3.1 Pro laeuft auf meinem Cyberdeck nicht, ich habe keine eigene Messung und auch keinen API-Probeauftrag gefahren, denn ein halber Test waere hier schlimmer als keiner. Mein Agentenbetrieb verteilt Rollen: Der Coding-Worker haengt bei mir an pi und wird von herdr mitgesteuert, die laufende Verwaltung meines Systems erledigt der Hermes-Stack im Hintergrund. Auf dem Telefon mit seinen wenigen Gigabyte Arbeitsspeicher ist eine Lokalinferenz von 104 Milliarden aktiven Parametern ohnehin ausgeschlossen, dafuer ist die Gewichtsveroffentlichung im April und Mai meines Betriebs nie ein Thema gewesen, ich nutze Modelle ueber Schnittstellen. Der Plan fuer die Woche nach dem 4. November sieht so aus: Die Gewichte veroeffentlicht Moonshot, ich pruefe zuerst die Verifizierbarkeit, also ob die bewerteten Werte mit eigenen Laeufen ueber eine OpenAI-kompatible Schnittstelle reproduzierbar sind, dann lege ich eine kleine Probe auf den Worker-Platz, typische Coding-Aufgaben wie in meinem erprobten Workflow, bei dem ich 36 von 36 verifizierten Tests ueber die Rollenverteilung erreicht habe. Der Anlass fuer diese Planung ist konkret: In meinen Wochenmessungen wächst die Jobzahl meines Decks, 18 Jobs im Stichtagsvergleich, und mit jeder Zusatzrolle steigt der Druck, Ausgabetoken nicht an den teuersten Platz zu verschwenden. Der Betriebsanker dazu steht in der Tabelle unten.

Die interessanten Frage dieses Releases ist fuer mich nicht, ob Kimi Opus 5.5 schlaegt, sondern eine andere: Reicht eine Punktenaehe von 3 Punkten unter der Frontier fuer den Arbeitsplatz, wenn der Ausgabepreis der Haelfte entspricht? Bei Agentenlaeufen mit vielen Werkzeugdurchlaeufen sind Ausgabe-Token der Hauptposten in der Rechnung, ein Modell, das beim SWE-Marathon fuehrt und beim Terminal-Bench 0,7 Punkte unter der Fuehrung liegt, bei halbem Ausgabepreis, aendert die Rechnung fuer jede groessere Automatisierung. Meine Antwort wird im Laeufen der Naechstenwochen entstehen, erst als Probe auf dem Worker-Platz, dann als Zahl in meinen Stichtagsnotizen, und wenn sie faellt, endet sie nicht als Werbesatz, sondern als Messreihe. Bis dahin ist dieser Beitrag eine Planungsvorlage mit belegten Zahlen, nicht mehr und nicht weniger. Das 4-November-Fenster ist die Gelegenheit, die Abstandsrechnung nicht zu lesen, sondern nachzubauen.

Ueber den Autor: Ich bin Marcel, Grafikdesigner und Betreiber des HUNTER-Cyberdecks auf einem gebrauchten Google Pixel 6a. Die Betriebszahlen in diesem Beitrag stammen aus dem eigenen Messregister meines Decks, den stability-snapshots mit Stichtag 26.10.2026. Alle Kimi-Fakten habe ich am 26.10.2026 aus den verlinkten Originalquellen belegt, eigene Messungen an Kimi K3.1 Pro liegen noch nicht vor, die Probe ist geplant. Zuletzt fachlich geprueft am 26.10.2026.

Quellen: Moonshot AI, Tech Blog zu Kimi K3.1 Pro auf kimi.ai (Abruf 26.10.2026). Artificial Analysis, Auswertung zum Launch des K3.1 Pro mit Intelligence-Index-Zahlen und Abstandsrechnung (Abruf 26.10.2026). Simon Willison, Notiz Introducing Kimi K3.1 Pro vom 23.10.2026 mit Preiseinordnung und Zitat zu den offenen Gewichten (Abruf 26.10.2026). Katalogdetails zu Parametern, Preisen und Benchmarks: CellCog-Fassung der Launchdaten mit Moonshot-Tabellen und Analysebericht von Yotta Labs vom 24.10.2026 (Abrufe 26.10.2026). Resonanzwerte: Hacker-News-Thread zum Launch mit ueber 1.000 Punkten, gemessen am 23./24.10.2026. Eigene Betriebszahlen: Vault stability-snapshots, Stichtag 26.10.2026 07:00 (99 Prozent Lebendrate, 10 OOM-Kills, 676 MiB frei, 18 Jobs) und Vorwoche 19.10.2026 (100 Prozent, 2 Kills, 1.069 MiB, 13 Jobs).