Moonshot hat Kimi K3.1 Pro vorgestellt – ein Modell für zeitaufwendige Aufgaben, die KI-Agenten in der Softwareentwicklung, der parametrischen 3D-Modellierung und der Finanzanalyse bearbeiten. Es kombiniert ein Kontextfenster von einer Million Token mit mehrstufiger Werkzeugnutzung, um umfangreiche Unterlagen zu verarbeiten und aufeinander aufbauende Arbeitsschritte in Editoren, auf der Kommandozeile oder in Fachanwendungen auszuführen.
Gleiche Architektur, stärkerer Fokus auf Werkzeuge
K3.1 Pro baut auf derselben Architektur wie das ursprüngliche Kimi K3 auf. Der Mixture-of-Experts-Transformer umfasst insgesamt 2,8 Billionen Parameter, von denen bei jedem Token nur ein Teil aktiv wird: 104 Milliarden. Die neue Version legt den Schwerpunkt auf mehrstufige Arbeitsabläufe, bei denen das Modell die Kommandozeile nutzt, Inhalte im Editor bearbeitet, Tests ausführt und Fachanwendungen bedient.
Das Kontextfenster fasst eine Million Token, und das Modell unterstützt nativ multimodale Eingaben. Das große Fenster ist beispielsweise für umfangreiche Software-Repositories, Unternehmensberichte oder Sammlungen von Transkripten vorgesehen.
Kimi liegt in Moonshots Terminal-Bench-Vergleich zwischen GPT-6 Astra und Claude Opus 5.5
Im von Moonshot veröffentlichten Vergleich erreichte Kimi K3.1 Pro bei Terminal-Bench 4.0 einen Wert von 65,7 %. Damit lag es vor GPT-6 Astra mit 58,2 %, aber hinter Claude Opus 5.5 mit 66,4 %. Das Kimi-Ergebnis stammt aus einem Testlauf in der Umgebung Kimi Code.
Terminal-Bench 4.0 prüft Agenten bei Kommandozeilenaufgaben mit begrenzten Ressourcen. In einer isolierten Umgebung müssen sie Repositories durchsuchen, Dateien ändern, Befehle ausführen und auftretende Fehler beheben. Die Testumgebung kann das Ergebnis erheblich beeinflussen, weil sie unter anderem Werkzeugaufrufe, Wiederholungsversuche und die Kontextverwaltung steuert.
Von Spiele-Engines bis zu parametrischen CAD-Modellen
Moonshot hat das Modell für die Arbeit mit den Spiele-Engines Unreal Engine und Unity angepasst. Auch Godot und Blender gehören zu den unterstützten Anwendungen; hinzu kommt CAD-Software. Der vorgesehene Arbeitsablauf beginnt mit der Erstellung digitaler Assets und deren Zusammenstellung zu Szenen, an die sich Animation und Rendering anschließen sollen.
Für diesen Bereich veröffentlichte das Unternehmen Ergebnisse von BenchCAD. Der Test bewertet die Rekonstruktion von 3D-Objekten anhand mehrerer Ansichten mithilfe generierten CAD-Codes. Laut Moonshot erreichte K3.1 Pro in einer Konfiguration mit Werkzeugunterstützung 92,7 % und blieb hinter beiden genannten Konkurrenten: Claude Opus 5.5 erzielte 96,2 %, GPT-6 Astra 95,9 %.
Finanzmodelle mit verknüpften Abschlüssen und nachvollziehbaren Formeln
In seinen Finanzdemonstrationen zeigte Moonshot ein Modell zur Bewertung von Nvidia anhand diskontierter Zahlungsströme sowie ein Modell für einen fremdfinanzierten Unternehmenskauf. Beide enthielten verknüpfte Finanzabschlüsse und nachvollziehbare Formeln. Weitere Beispiele waren eine Präsentation über CATL für einen Investitionsausschuss und ein Bericht über die Quantencomputing-Branche mit Quellenverweisen.
In den internen Bewertungen des Unternehmens verbesserte sich K3.1 Pro gegenüber K3 um 7,2 Punkte bei der Finanzmodellierung und um 11,6 Punkte bei der Finanzrecherche. In simulierten Geschäftsabläufen erreichte es laut Moonshot ungefähr das 4,2-Fache des Punktwerts der Vorgängerversion.
Moonshot nennt außerdem einen Wert von 64,4 bei OfficeQA Pro v2 und bezeichnet ihn als das bislang beste Ergebnis. Für Finanzaufgaben gibt das Unternehmen zudem an, das Auftreten von Halluzinationen um 65 % reduziert zu haben.
Zugang über Kimi Work, Kimi Code und API
Zum Start ist das Modell über drei Wege verfügbar. Kimi Work dient der Arbeit mit Dokumenten und Tabellen, während Kimi Code eine Umgebung für die Softwareentwicklung auf der Kommandozeile bietet. Die dritte Zugangsmöglichkeit ist die Kimi API.
Für interaktive Aufgaben und höheren Durchsatz ist die Variante K3.1 Pro Highspeed vorgesehen. Laut Moonshot verarbeitet sie Anfragen bei der Inferenz, also bei der Ausführung des Modells, zwei- bis dreimal so schnell.
Moonshot plant, die Modellgewichte ungefähr zwei Wochen nach der Einführung zu veröffentlichen. Der Betrieb auf eigener Infrastruktur hängt von dieser späteren Veröffentlichung ab.
