Die „Parität“ von Kimi K3.1 Pro ist eine Pressemitteilung, bis die Gewichte da sind

Wenn ein Labor behauptet, sein Modell liege „knapp hinter“ dem besten der Welt, ist die interessante Frage nicht, wie knapp. Sondern wer das Maßband gehalten hat. Bei Kimi K3.1 Pro war es überwiegend Moonshot selbst, und das verändert, wie viel von der Geschichte man glauben sollte.

Moonshots Argumentation stützt sich vor allem auf Moonshots eigene Zahlen

Moonshot hat K3.1 Pro veröffentlicht, ein verbessertes Open-Weight-Modell, und erklärt, die vollständigen Gewichte würden bis zum 4. November folgen. Auf Terminal-Bench 4.0 erreichte das Unternehmen laut The Next Web 65,7 Prozent – vor OpenAIs GPT-6 Astra mit 58,2 Prozent und knapp hinter Anthropics Claude Opus 5.5 mit 66,4 Prozent. Derselbe Beitrag merkt an, dass diese Werte von Moonshot selbst stammen und nicht unabhängig geprüft wurden.

Es gibt einen externen Datenpunkt. Laut The Decoder setzt Artificial Analysis K3.1 Pro mit 55 Punkten auf Platz vier seines Intelligence Index, hinter Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) und Muse Wonder Full (56). Wenn die Gewichte erscheinen, schrumpft der Abstand zwischen offenen und proprietären Modellen in diesem Index von 12 auf 3 Punkte.

Der Abstand schrumpft – und das ist real

Wir wollen nicht aus Prinzip zynisch sein. Ein Sprung von 11 Punkten gegenüber K3 bei gleicher Größe, 2,8 Billionen Parametern insgesamt, ist ein ernstzunehmendes Ergebnis, und es stammt von einem Dritten, nicht von einer Folie zum Launch. Selbst wenn man ein, zwei Punkte als Großzügigkeit abzieht, ist die Richtung klar: Der Abstand zwischen dem, was man herunterladen kann, und dem, was man mieten muss, schrumpft schnell.

Das ist wichtiger als jede einzelne Platzierung in einer Rangliste. Es setzt geschlossene Labore unter Druck, ihren Aufpreis mit mehr als reinen Punktwerten zu rechtfertigen.

Aber „gleichauf“ muss viel tragen

Man schaue, was ausgewählt wurde. Zu Moonshots Tests zählen interne: Kimi Hallu Bench Hard, wo das Unternehmen einen Rückgang der Halluzinationen von 23,4 auf 8,3 Prozent meldet, und ein eigener Schwachstellen-Benchmark. Moonshot selbst sagt, der Halluzinationstest sei ein Stresstest und kein Maß für alltägliche Fehlerquoten. Und in genau diesem Test schneidet GPT-6 Astra mit 5,5 Prozent weiterhin besser ab.

Selbst wohlwollende Berichte relativieren. Das Fazit der Analytics-Vidhya-Besprechung lautet, K3.1 Pro sei „kein glatter Durchmarsch“: Bei werkzeuggestützter 3D-Arbeit führten weiterhin die geschlossenen Modelle, und viele der kühnsten Behauptungen beruhten auf Kimis internen Tests. Der eigentliche Test komme, wenn unabhängige Teams die Gewichte erhielten. Wir stimmen zu und gehen weiter: Ein Benchmark, den der Anbieter entwirft, durchführt und veröffentlicht, ist Marketing mit Nachkommastellen.

Auffällig ist zudem eine Besonderheit. Artificial Analysis sieht K3.1 Pro laut OfficeChai bei 67,2 Prozent auf Terminal-Bench 4.0, höher als Moonshots eigene 65,7 Prozent. Das ist eine gute Nachricht für Moonshot, zeigt aber auch, wie stark solche Zahlen je nach Aufbau und Durchführenden schwanken können.

Die eigentliche Schlagzeile ist der Preis – mit Sternchen

Das stärkste Argument für K3.1 Pro ist nicht die Parität, sondern der Preis. Moonshots API-Preise liegen bei 2 $ pro Million Eingabe-Token und 10 $ pro Million Ausgabe-Token. OfficeChai nennt für Claude Opus 5.5 4 $/20 $ und für GPT-6 Astra 10 $/50 $. Das ist etwa die Hälfte des Ersteren und ein Fünftel des Letzteren.

Das Sternchen: Der Preis pro Token ist nicht der Preis pro Aufgabe. Artificial Analysis stellte fest, dass K3.1 Pro 14 Prozent mehr Ausgabe-Token verbraucht als K3; eine Aufgabe seines Index kostet daher 1,98 $ statt 2,00 $ beim Vorgänger. Eine günstigere Preisliste bedeutet nicht automatisch eine günstigere Rechnung, und wir wollten echte Workloads sehen, bevor wir von einem Schnäppchen sprechen. Die Highspeed-Variante kostet mit 4 $/20 $ genauso viel wie Opus 5.5.

Testen Sie mit der eigenen Workload, nicht mit der Launch-Grafik

Unser Rat ist schlicht. Wer KI in großem Maßstab betreibt, sollte K3.1 Pro auf die Auswahlliste setzen und mit eigenen Aufgaben und eigenen Prompts testen, gemessen an den Kosten pro erledigter Aufgabe. Wechseln Sie nicht aufgrund einer Launch-Grafik.

Zwei weitere Vorbehalte verdienen Gewicht. Die offenen Gewichte sind noch nicht erschienen, „offen“ bleibt also bis zum 4. November ein Versprechen. Und Moonshot steht in Washington unter Druck: Im Juli warf das Weiße Haus dem Unternehmen laut The Next Web vor, verbotene Nvidia-Chips zu nutzen und ein Anthropic-Modell kopiert zu haben, ohne Belege zu veröffentlichen. Das ist eine Anschuldigung, kein Befund, doch jedes Unternehmen mit Compliance-Pflichten muss sie abwägen.

Unser Fazit: Der Abstand zur Spitze schrumpft, und das ist die Geschichte, die man ernst nehmen sollte. „Parität“ ist noch nicht belegt. Fragen Sie am 5. November noch einmal nach, wenn jemand anderes als Moonshot das Maßband hält.