Das chinesische KI-Startup Moonshot AI hat Kimi K3.1 Pro vorgestellt, sein neuestes KI-Modell mit einem Kontextfenster von einer Million Token und verbesserten Fähigkeiten in den Bereichen Coding, 3D-Entwicklung, Finanzresearch und autonome KI-Agenten, wie das Unternehmen in seiner Ankündigung mitteilt.

Auf dem Terminal Bench 4.0, einem Benchmark zur Bewertung von KI-Agenten anhand realer Programmieraufgaben, erreichte Kimi K3.1 Pro laut Moonshot 65,7 %. Damit liegt das Ergebnis nur 0,7 Prozentpunkte hinter Anthropic's Claude Opus 5.5 mit 66,4 % und übertrifft OpenAIs GPT 6 Astra mit 58,2 %. Der Abstand von 0,7 Punkten an der Spitze zeigt, wie eng die führenden Modelle bei agentischen Coding-Aufgaben beieinanderliegen.

Das Modell baut auf Kimi K3 auf und wurde zusätzlich trainiert, um komplexes Schlussfolgern sowie die Fähigkeit zu verbessern, Aufgaben zu erledigen, die mehrere Schritte und Werkzeuge erfordern. Moonshot stellte außerdem Kimi K3.1 Pro Highspeed vor, eine Variante, die Antworten zwei- bis dreimal schneller liefern soll als das Standardmodell. Beide Versionen sind über Kimi.ai, Kimi Work, Kimi Code und die API des Unternehmens verfügbar; die vollständigen Modellgewichte sollen bis zum 4. November veröffentlicht werden.

Fortschritte beim Long-Horizon-Coding

Moonshot meldete, dass Kimi K3.1 Pro 61,2 % auf dem Kimi Code Bench 3.0 Long horizon erzielte, einem internen Benchmark, der die Fähigkeit eines KI-Agenten misst, komplexe Programmieraufgaben mit mehreren Schritten, Werkzeugnutzung und umfangreicher Problemlösung abzuschließen. Das Ergebnis stellt eine Verbesserung gegenüber den 55,95 % des Vorgängermodells Kimi K3 dar.

Das Unternehmen verwies zudem auf Verbesserungen beim Coding für Game Engines wie Unity, Unreal Engine und Godot, die es dem Modell ermöglichen, interaktive Umgebungen, Websites und 3D-Assets zu generieren. In einer Demonstration entwickelte Kimi K3.1 Pro einen Walking-Simulator auf Basis eines anatomischen Modells mit 296 Skelettkomponenten und 402 Muskelkomponenten. Über 167 Entwicklungsaufgaben und 420 Überprüfungen hinweg verfeinerte das Modell den Simulator, bis seine virtuelle Figur 112 Sekunden am Stück laufen konnte.

Darüber hinaus zeigte das Modell eine stärkere 3D-Modellierungsleistung und erreichte 92,7 % auf dem BenchCAD, verglichen mit Claude Opus 5.5 bei 96,2 % und GPT 6 Astra bei 95,9 %.

Erweiterter Fokus auf Finanzresearch

Neben dem Coding positioniert Moonshot Kimi K3.1 Pro auch für Finanzanalyse, Investmentresearch und Geschäftsabläufe. Das Unternehmen meldete eine Punktzahl von 64,4 auf dem OfficeQA Pro v2, einer Evaluation zur Messung von Finanzdokumentenanalyse, Informationsabruf und numerischem Schlussfolgern.

In Moonshots internen Evaluationen verbesserte sich Kimi K3.1 Pro gegenüber Kimi K3 um 7,2 Punkte in der Finanzmodellierung und um 11,6 Punkte im Finanzresearch. Das Unternehmen meldete zudem Fortschritte bei der faktischen Genauigkeit: Die Halluzinationsrate des Modells sank in der internen Kimi Hallu Bench Hard Evaluation von 23,4 % auf 8,3 %. Bei derselben Evaluation mit Werkzeugnutzung verzeichnete Claude Opus 5.5 laut Moonshots veröffentlichten Vergleichen eine Halluzinationsrate von 15 %. Das Unternehmen wies darauf hin, dass der Benchmark gezielt schwierige Szenarien testet und nicht die Halluzinationsraten im Alltag abbildet.

Open-Weights-Veröffentlichung für November geplant

Der Launch erfolgt, während KI-Entwickler den Zugang zu fortgeschrittenen Modellen weiter ausbauen, die unabhängig von proprietären Cloud-Plattformen eingesetzt werden können. Moonshot erklärte, Kimi K3.1 Pro sei sein leistungsfähigstes Modell in der Klasse mit 3 Billionen Parametern; die vollständigen Gewichte sollen am 4. November öffentlich verfügbar werden. Da mehrere der gemeldeten Werte aus Moonshots eigenen Evaluationen stammen, geben die öffentlichen Gewichte externen Entwicklern die Möglichkeit, die Leistung des Modells auf ihrer eigenen Infrastruktur zu testen.

Das Unternehmen gab außerdem Änderungen an seinem Trainingsprozess bekannt, die dazu dienen sollen, Cybersicherheitsrisiken im Zusammenhang mit der Veröffentlichung immer leistungsfähigerer KI-Modelle zu verringern. Moonshot entfernte demnach bestimmte Cybersicherheitstrainingsdaten und -aufgaben, bevor das finale Modell an einem internen Benchmark zur Schwachstellenforschung bewertet wurde. Das resultierende Modell erzielte 81 % in der Evaluation, verglichen mit 90,5 % für eine Version, die ohne diese Einschränkungen trainiert wurde – eine Differenz von 9,5 Punkten, die den Kompromiss des eingeschränkten Trainingsansatzes widerspiegelt. Laut dem Unternehmen sollen die Änderungen offensive Cybersicherheitsfähigkeiten begrenzen und gleichzeitig die allgemeine Coding-Leistung erhalten.

Kimi K3.1 Pro ist derzeit über die Verbraucher-, Unternehmens- und Entwicklerplattformen des Unternehmens zugänglich; die geplante Veröffentlichung der Modellgewichte soll es Entwicklern ermöglichen, das Modell auf ihrer eigenen Infrastruktur auszuführen. Die Veröffentlichung am 4. November ist der nächste Meilenstein – der Punkt, an dem das Modell außerhalb von Moonshots eigenen Plattformen eingesetzt und evaluiert werden kann.