Kimi K3.1 Pro ist da: 1M Kontext, offene Gewichte am 4. Nov.

Moonshot AI hat Kimi K3.1 Pro am 23. Oktober 2026 veröffentlicht: ein Modell mit einem Kontextfenster von 1.048.576 Tokens, ausgerichtet auf agentische und Coding-Aufgaben, mit vollständig offenen Gewichten, die bis zum 4. November versprochen sind. Der API-Preis ist das Einzige, was fehlt: Auf den Seiten, die wir am 23. Oktober geprüft haben, ist er nicht veröffentlicht.

Wenn du also für ein schnelles Urteil gekommen bist, hier ist es: interessantes Modell, starke Herstellerzahlen, noch keine Möglichkeit, eine Workload darauf zu kalkulieren. Im Folgenden steht, was die Ankündigung tatsächlich sagt, wie man die Benchmarks liest und eine Kostenrechnung für dieselbe Art von Arbeit auf Modellen, die du heute betreiben kannst.

Was Moonshot angekündigt hat#

Die Kimi K3.1 Pro Ankündigung (geprüft am 23. Oktober 2026) sagt, K3.1 Pro sei das erste Modell der K3.1-Serie. Es gibt außerdem eine schnellere Variante, Kimi K3.1 Pro Highspeed, die Moonshot als 2–3× schneller beschreibt. Die API-IDs sind kimi-k3.1-pro und kimi-k3.1-pro-highspeed.

Moonshot nennt es ein "3T-class open-weight model" und sagt, die vollständigen Gewichte kommen bis zum 4. November 2026. Eine Telegram-Nacherzählung zitiert eine exakte Parameteranzahl; die offizielle Seite tut das nicht, behandle diese Zahl also als unbestätigt.

Wo du es heute nutzen kannst, laut Ankündigung: Kimi.ai und die Apps, Kimi Work Desktop 3.1.0+, Kimi Code (über /model), die Kimi API (mit Zero Data Retention für API-Kunden) und Kimi Business, wo ein Enterprise-Admin es einschalten muss — es ist zum Start standardmäßig aus.

Limits und API-Details#

Der Quickstart (geprüft am 23. Oktober 2026) nennt diese Zahlen:

• Kontextfenster: 1.048.576 Tokens;
• max_completion_tokens: standardmäßig 131.072, bis zu 1.048.576;
• pauschale Preisgestaltung pro Token, keine Kontext-Stufen;
• automatisches Context-Caching mit einer standardmäßigen TTL von 5 Minuten; Cache-Writes werden nach TTL abgerechnet (5 Minuten oder 1 Stunde), gecachter Input zum Cache-Hit-Preis;
• Basis-URL https://api.moonshot.ai/v1, mit Beispielen für das OpenAI SDK.

Zum Preis. Die Preisseite lieferte leere Tabellen für K3.1 Pro, als wir am 23. Oktober nachgesehen haben. Weder Input-, Cache- noch Output-Preis sind bisher öffentlich, also ist jedes "Kimi K3.1 Pro kostet X", das du heute siehst, eine Vermutung.

Die Benchmarks und wie man sie liest#

Alle diese Zahlen sind Moonshots eigene Werte, ermittelt mit maximalem Reasoning-Aufwand, Temperatur 1.0, Top-p 0.95:

• Terminal-Bench 4.0: 65,7 % (GPT-6 Astra 58,2 %, Claude Opus 5.5 66,4 %);
• BenchCAD mit Tools: 92,7 % (Opus 5.5 96,2 %, GPT-6 Astra 95,9 %);
• Kimi Code Bench 3.0, Long-Horizon: 61,2 % gegenüber 55,95 % für K3;
• Halluzinationsrate auf Aussagenebene in Moonshots internem Kimi Hallu Bench Hard: 8,3 %, runter von 23,4 % bei K3.

Lies das so: nah an der Spitze bei Terminal-Aufgaben, zurück bei CAD und ein großer behaupteter Rückgang bei erfundenen Aussagen gegenüber dem Vorgänger. Zwei der vier sind interne Moonshot-Benchmarks, warte also auf unabhängige Läufe, bevor du irgendetwas darauf aufbaust. Moonshot sagt außerdem, es habe cyberbezogene Daten aus Mid-Training und Reinforcement Learning entfernt, um offensive Cyber-Fähigkeiten zu begrenzen.

Was das für deine Agenten-Rechnung bedeutet#

Ein 1M-Fenster zählt, wenn dein Agent viel Kontext behält: Repository-Dateien, Tool-Output, lange Historie. Aber die meisten Agenten-Schleifen brauchen nicht eine Million Tokens pro Aufruf; sie brauchen ein paar zehntausend, viele Male wiederholt. Daher kommt die Rechnung, und die kannst du heute kalkulieren.

Sagen wir, dein Agent läuft 1.000 Schritte, und jeder Schritt sendet 30.000 Tokens Kontext und bekommt 800 Tokens zurück. Das sind 30.000 × 1.000 = 30.000.000 Input-Tokens und 800 × 1.000 = 800.000 Output-Tokens. Die Tabelle kalkuliert genau das auf den in CheapTokens verfügbaren Modellen, neben der OpenRouter-Referenz:

Für agentische und Coding-Schleifen ist MiniMax-M2.7 die naheliegende Wahl: In den Fakten, die wir am 23. Oktober 2026 geprüft haben, sind sowohl Input als auch Output günstiger als OpenRouters Referenz, mit einem 180K-Kontext und bis zu 8.192 Output-Tokens pro Antwort. Ein Schritt dieser Workload kostet $0.0016.

Die Preise stammen aus der Live-Preisliste, die Zahlen oben aktualisieren sich also, wenn sich Tarife ändern. Um die Modelle nebeneinander zu sehen, öffne die Preisseite; für eine schrittweise Schätzung deiner eigenen Schleife siehe how to estimate the cost of an AI agent.

Probiere dieselbe Workload selbst aus#

Die CheapTokens API ist OpenAI-kompatibel, ein bestehender Client braucht also nur eine neue Basis-URL und eine Modell-ID. Die vollständige ID ist erforderlich; der Kurzname aus der Preisliste wird nicht akzeptiert:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [{"role": "user", "content": "List the files you would read first in a Python repo with a failing test."}],
    "max_tokens": 400
  }'

Die Antwort enthält einen usage-Block mit Input- und Output-Tokens. Multipliziere diese mit deiner Schrittanzahl und du hast deine eigene Version der Tabelle oben. Einrichtungsdetails stehen in den Docs; wenn du zwischen den drei Modellen wählst, geht GLM vs DeepSeek vs MiniMax das nach Aufgabe durch.

Worauf du als Nächstes achten solltest#

• Der Preis. Prüfe die Kimi-Preisseite erneut: Sobald Input-, Cache- und Output-Preise erscheinen, kannst du dieselbe 1.000-Schritte-Rechnung darauf anwenden.
• 4. November. Die offenen Gewichte. Unabhängige Evaluierungen folgen üblicherweise innerhalb von Tagen.
• Highspeed. Preis und Kontextfenster sind nicht separat von K3.1 Pro bestätigt.

Eine Faustregel für jedes neue Long-Context-Modell: Kalkuliere deinen echten Schritt (Kontext rein, Antwort raus), bevor du dich über die Fenstergröße freust.