Kimi K3.1 Pro: Offenes Spitzenmodell mit gedrosselter Exploit-Fähigkeit

Hinweis: Dieser Beitrag wurde mit KI-Unterstützung erstellt und automatisiert veröffentlicht.

Moonshot AI hat am 23. Oktober 2026 Kimi K3.1 Pro vorgestellt – ein Modell, das in unabhängigen Messungen an der Spitze mitspielt und dessen Gewichte in wenigen Tagen zum Download stehen sollen. Spannender als die Benchmark-Tabelle ist für Sicherheitsverantwortliche ein anderer Teil der Ankündigung: Moonshot hat die Exploit-Fähigkeit des Modells vor der Freigabe absichtlich beschnitten – und beziffert, wie viel das gebracht hat.

Was Kimi K3.1 Pro technisch mitbringt

Laut Hersteller-Blog ist K3.1 Pro ein nachtrainiertes Kimi K3 mit deutlich größerem Post-Training-Budget. Das Kontextfenster liegt bei einer Million Token, als Eingabe sind Text und Bilder möglich. Artificial Analysis listet das Modell mit 55 Punkten im Intelligence Index auf Platz 4 von 215; Spitzenwert ist dort Claude Opus 5.5 mit 58 Punkten. Als offenes Modell führt die Plattform K3.1 Pro übrigens noch nicht – solange die Gewichte fehlen, gilt es dort als proprietär. Den Parameterumfang gibt die Plattform mit rund 2,8 Billionen an, Moonshot selbst spricht von der „3T-Klasse“. Zum Basismodell siehe Kimi K3: Größtes offenes KI-Modell steht zum Download bereit.

• Terminal-Bench 4.0: Moonshot misst für das eigene Modell 65,7 Prozent. Die Vergleichszahlen – GPT-6 Astra 58,2 Prozent, Claude Opus 5.5 66,4 Prozent – hat Moonshot laut Fußnote aus den Berichten der Anbieter und dem öffentlichen Terminal-Bench-Leaderboard übernommen, nicht selbst erhoben.
• Preis: 2 US-Dollar pro Million Eingabe-Token, 10 US-Dollar pro Million Ausgabe-Token.
• Gewichte: Zum Start lief das Modell über kimi.ai, die Apps, Kimi Work ab Version 3.1.0, Kimi Code und die API – Gewichte waren nicht dabei. Die vollständigen Gewichte sollen „bis 4. November 2026“ folgen; eine Lizenz hat Moonshot bisher nicht genannt.
• Faktentreue: Im internen Stresstest Hallu Bench Hard sank die Halluzinationsrate auf Aussagenebene von 23,4 Prozent (K3) auf 8,3 Prozent. Moonshot schreibt selbst dazu, dass dieser Test Fehlersituationen gezielt provoziert und die Werte keine Alltagsquote abbilden.

Newsletter

Klartext zu KI, Security, Crypto

Einordnung statt Hype: was hinter den Tech-News steckt und was davon für dich zählt. Startbonus: die AD-Checkliste mit 12 Sofortmaßnahmen als PDF.

E-Mail-Adresse *

Mit der Anmeldung erhältst du die AD-Checkliste als PDF und danach den Tech-&-Tacheles-Newsletter mit Einordnungen zu Security, KI und Crypto sowie gelegentlichen Hinweisen auf meine Bücher und Produktempfehlungen (auch Affiliate-Links) – eingetragen bist du erst nach Klick auf den Bestätigungslink in der E-Mail (Double-Opt-in). Ich werte aus, ob du den Newsletter öffnest und Links anklickst, um ihn zu verbessern. Abmeldung jederzeit über den Link in jeder E-Mail, Details in der Datenschutzerklärung.

Exploit-Fähigkeit gedrosselt – mit bezifferter Wirkung

Moonshot beschreibt offen, wie die Fähigkeit zur Schwachstellensuche entstand: Sie wuchs mit jedem Ausbau des Trainings, weil einschlägige Inhalte im allgemeinen Trainingsmaterial und in den Reinforcement-Learning-Umgebungen steckten. Für die Freigabe der Gewichte hat das Unternehmen diese Daten in beiden Stufen entfernt, die allgemeinen Programmieraufgaben aber behalten.

Der Effekt ist messbar. Auf dem internen Benchmark xdev-bench-hard, in dem ein Agent aus Quellcode einen funktionierenden Exploit entwickeln und damit Code ausführen muss, löst ein Vergleichsstand ohne diese Maßnahmen 90,5 Prozent der Aufgaben (pass@3). Das freigegebene K3.1 Pro kommt auf 81,0 Prozent, der Vorgänger K3 auf 33,3 Prozent. Gewertet wird der beste von drei Versuchen auf einer Zufallsauswahl von Aufgaben, ohne Zeit- oder Token-Limit – die Werte sind damit eine Obergrenze, keine Trefferquote pro Anlauf. Zur Einordnung: DeepSeek-V4.1-Flash liegt in derselben Messung mit 85,7 Prozent darüber. Die Drosselung wirkt also – und trotzdem ist das offene Modell in dieser Disziplin mehr als doppelt so stark wie sein Vorgänger. Moonshot formuliert das als Prinzip: Man wolle mit offenen Gewichten die absolute Spitze der Cyber-Fähigkeit nicht verschieben, die verfügbare Fähigkeit aber schrittweise anheben, damit mehr Teams ihren eigenen Code prüfen können. Mehr zu diesem Modell im Beitrag zu DeepSeek V4.1 Flash.

Kimi K3.1 Pro: Was das für dich bedeutet

Aus CISO-Sicht ist die eigentliche Nachricht nicht das Ranking, sondern der Zeitpunkt. Ab Anfang November kann jeder, der ausreichend GPU-Speicher mietet oder besitzt, ein Modell betreiben, das bei drei Versuchen vier von fünf Aufgaben eines ernsthaften Exploit-Benchmarks löst – ohne serverseitigen Missbrauchsfilter und ohne Protokoll beim Anbieter. Welche Lizenzpflichten dabei gelten, ist noch offen. Das ist dieselbe Medaille wie bei Mistral Large 4: Verteidiger bekommen endlich ein Werkzeug, mit dem sich Altlasten im eigenen Code prüfen lassen, Angreifer bekommen es gleichzeitig. Panik ist unangebracht – wer Exploits schreiben will, konnte das vorher auch. Was sich ändert, ist das Tempo: Die Strecke von „Patch ist da“ zu „Exploit ist da“ wird kürzer, und zwar für genau die Software, die bei dir seit Jahren ungeprüft läuft.

Konkret würde ich diese Woche drei Dinge tun:

• Freigabe-Status prüfen, bevor es jemand für dich entscheidet. In Kimi Enterprise ist K3.1 Pro zum Start ausgeschaltet – das bleibt nur so, wenn niemand es unbemerkt aktiviert. Wer das Modell über die API nutzen will, sollte Zero Data Retention ausdrücklich anfordern und die kostenlose Web-App für Betriebsdaten sperren. Ein Modell mit chinesischem Hosting gehört in dieselbe Freigabeliste wie jeder andere Cloud-Dienst.
• Patch-Priorisierung an aktiver Ausnutzung ausrichten. Wenn die Exploit-Entwicklung billiger wird, zählt nicht mehr die CVSS-Zahl, sondern ob eine Lücke bereits ausgenutzt wird. Die CISA-KEV-Liste als Pflichtquelle in den Patch-Prozess zu hängen, kostet nichts und sortiert die Warteschlange realistisch.
• Lokalen Betrieb realistisch planen. Ein Modell dieser Größenklasse läuft nicht auf einer Workstation unter dem Schreibtisch – wer offene Modelle im eigenen Netz testen will, fängt sinnvoll mit kleineren Varianten an. Welche Hardware dafür wirklich reicht, habe ich im Ratgeber Hardware für lokale KI und LLMs 2026 aufgeschrieben.

Und eine Einordnung zu den Zahlen selbst: Terminal-Bench, xdev-bench-hard und Hallu Bench sind in dieser Form Hersteller-Messungen, teils auf internen Datensätzen. Sie taugen als Richtung, nicht als Nachweis. Belastbar ist bisher nur der Wert von Artificial Analysis – und der sagt etwas über Intelligenz, nichts über Sicherheit.

Quellen

• Moonshot AI: Introducing Kimi K3.1 Pro (Hersteller-Blog, 23.10.2026)
• Artificial Analysis: Kimi K3.1 Pro – Intelligence, Performance & Price Analysis
• Simon Willison: Introducing Kimi K3.1 Pro (23.10.2026)
• Unite.AI: Moonshot AI Releases Kimi K3.1 Pro