Kimi K3.1 Pro wurde gerade veröffentlicht, die Community geriet sofort in Aufruhr: Es ist schneller als K3, seine Leistung nähert sich der von Opus stark an, aber das zugewiesene Nutzungslimit war bereits nach 10 Minuten vollständig aufgebraucht.
Am 24. Oktober hat Kimi offiziell das erste Modell der K3.1-Serie, Kimi K3.1 Pro, vorgestellt. Es handelt sich um das bislang leistungsstärkste 3-Billionen-Parameter-Modell von Kimi, das einen Kontext von einer Million Tokens unterstützt und seine Fähigkeiten in den Bereichen Codierung, 3D-Erstellung, Finanzforschung und Langzeit-Agent gezielt verbessert hat. Gleichzeitig hat Kimi auch die Hochgeschwindigkeitsversion K3.1 Pro Highspeed auf den Markt gebracht, die bei gleichem intelligenten Niveau des Modells eine etwa 2- bis 3-fache höhere Ausgabegeschwindigkeit bietet.
Nach den von Kimi veröffentlichten Daten hat K3.1 Pro bei Benchmarks für Codierung, Agent und Wissen die Leistung der derzeit stärksten geschlossenen Modelle erreicht oder fast erreicht. Im Vergleich zu K3 besteht die auffälligste Änderung von K3.1 Pro darin, dass die Berechnungsmenge für das Nachtraining weiter erhöht und das Reinforcement Learning (RL) auf Hunderte von nachgelagerten Bereichen ausgeweitet wurde. Um dieses groß angelegte gemeinsame Training zu unterstützen, hat Kimi das RL-Framework, die Schlussfolgerung für lange Kontexte, die Trainingseffizienz, die Sandbox-Infrastruktur, das Planungssystem und die Plattform für die Umgebungsqualitätsprüfung systematisch umgestaltet.
K3.1 Pro deckt derzeit die Hauptproduktlinien von Kimi ab. Normale Nutzer können es direkt auf kimi.com und in der Kimi App verwenden; Kimi Work Desktop stellt die Modellfähigkeiten für Windows und Mac mit Apple-Chip zur Verfügung; Kimi Code ermöglicht die Nutzung von K3.1 Pro für die Programmierung in Terminal- und Desktop-Umgebungen. Kimi gab an, dass die vollständigen Modellgewichte von K3.1 Pro vor dem 4. November veröffentlicht werden.
Bei der API beträgt der Eingabepreis für Kimi K3.1 Pro bei Treffern im Cache 1,3 Yuan pro Million Tokens, der Eingabepreis bei Cache-Fehlern 13 Yuan und der Ausgabepreis 68 Yuan. Die Hochgeschwindigkeitsversion Kimi K3.1 Pro Highspeed verfügt über die gleichen Modellfähigkeiten und kostet etwa das Doppelte der Standardversion.
Neben der direkten Bereitstellung der Modell-API hat Kimi auch den gehosteten Agent-Dienst Hosted Agents eingeführt, der das Harness, das den Langzeitbetrieb von Agenten unterstützt, als Cloud-Infrastruktur für Unternehmen und Entwickler bereitstellt. Es können 7×24-Stunden-Langzeitaufgaben ausgeführt werden, und die Zusammenarbeit mehrerer Agenten wird unterstützt.
Dies verdeutlicht weiter die Hauptrichtung dieses Upgrades von K3.1 Pro: Kimi beginnt, mehr Nachtrainings-Rechenleistung in eine Agent-Umgebung zu investieren, die kontinuierlich arbeiten kann, einschließlich Programmierung, Finanzforschung, Aufruf von 3D-Tools und Ausführung von Langzeitaufgaben.
1 Starker Anstieg der Codierungsfähigkeit, aber „Fachschiefe“ und Langwierigkeit bleiben im Fokus
Codierung und Langzeit-Agent sind eine der offensichtlichsten Richtungen dieses Upgrades von K3.1 Pro.
Im Terminal-Bench 4.0 erreicht K3.1 Pro einen Wert von 65,7 %. Dieser Benchmark testet die Fähigkeit von Programmier-Agenten, komplexe Aufgaben in einer realen, ressourcenbeschränkten Terminalumgebung zu erledigen, wobei jede Aufgabe mit speziellen Tests versehen ist. Zum Vergleich: Die von Kimi veröffentlichten Ergebnisse zeigen, dass GPT-6 Astra 58,2 % und Claude Opus 5,5 66,4 % erreichen. Das bedeutet, dass K3.1 Pro diesen Test bereits über GPT-6 Astra hinaus bestanden hat und weniger als einen Prozentpunkt von Claude Opus 5,5 entfernt ist.
Im internen Langzeit-Codetest Kimi Code Bench 3.0 Long-horizon von Kimi erreicht K3.1 Pro einen Wert von 61,2 %, was gegenüber 55,95 % von K3 weiter verbessert ist. Dieser Test deckt verschiedene Ingenieurbereiche ab und bewertet schwerpunktmäßig die Fähigkeit des Modells zur mehrstufigen Ausführung, zum Aufruf von Tools und zur End-to-End-Problemlösung.
Im Vergleich zur reinen Codegenerierung betont Kimi dieses Mal stärker die Ausführungsfähigkeit von K3.1 Pro für vollständige Software-Engineering-Aufgaben. Das Modell kann nicht nur Probleme in echten Codebasen lokalisieren und beheben, sondern auch vollständige Projekte von Grund auf erstellen und externe professionelle Tools wie Unity, Unreal Engine, Godot und Blender selbstständig aufrufen.
Beispielsweise hat K3.1 Pro mit Unreal Engine 5.8 eine Spielszene eines östlichen mythischen Himmelspalasts über den Wolken erstellt, Blender für die prozedurale Modellierung aufgerufen und die Szenenerstellung mit Nanite, Lumen sowie externen 8K-Materialien und NASA-Monddaten abgeschlossen. In einem anderen Fall hat es mit Godot 4.7.2 von Grund auf ein 3D-Action-Adventure-Spiel mit 5 Erkundungsbereichen, prozeduralen Landschaften, Third-Person-Kämpfen, zweistufigen Bossen, Tag-Nacht-Zyklus und Schnelltransportsystem erstellt.
Kimi hat auch eine längere Ingenieuraufgabe getestet: K3.1 Pro soll auf Basis eines Open-Source-Modells der menschlichen Anatomie mit 296 Skelettkomponenten und 402 Muskelkomponenten ein dynamisches Simulationssystem für das menschliche Gehen aufbauen.
Während des gesamten Prozesses hat das Modell 167 Aufgaben ausgeführt und 420 unabhängige Bewertungen durchgeführt, kontinuierlich die experimentellen Ergebnisse analysiert, Probleme lokalisiert und den Controller geändert, sodass die simulierte menschliche Figur von anfänglichem Sturz nach wenigen Schritten allmählich zu abwechselnden Schritten und einem kontinuierlichen Gehen von 11,2 Sekunden gelangt. Es ist erwähnenswert, dass das Modell, als die weitere Anpassung der Belohnungsfunktion die Armbewegungen nicht mehr verbessern konnte, nicht weiterhin stur an den Parametern festhielt, sondern stattdessen die Dynamik des Simulators überprüfte, schließlich 36 Fehler in der Berechnung des Kraftarms der Schultermuskeln fand und behob und den Controller neu trainierte.
Nach der Veröffentlichung des Modells haben viele Nutzer es sofort selbst getestet. Ein Nutzer gab an, gute Ergebnisse bei der Assembler- und eingebetteten Reverse-Engineering-Arbeit mit Kimi erzielt zu haben, und meinte, dass das Modell zwar ausführlicher als Claude Opus sei, aber eine starke Ausführungsbereitschaft zeige. Andere Nutzer betrachten K3.1 Pro direkt als eines der wenigen derzeitigen Modelle, das wirklich mit Opus 5.5 verglichen werden kann.
Allerdings hat K3.1 Pro nicht in allen Bereichen gleichzeitig Fortschritte gemacht. Daten von Artificial Analysis zeigen, dass Humanity's Last Exam von 47 % auf 52 % gestiegen ist, CritPt von 23 % auf 25 % und SciCode von 59 % auf 61 % – die Steigerungsraten sind deutlich geringer als die Agent-bezogenen Indikatoren. Dies führt dazu, dass einige Community-Nutzer der Meinung sind, dass K3.1 Pro derzeit noch eine deutliche „Fachschiefe“ aufweist: Codierung, Agent, Frontend und 3D sind möglicherweise sehr stark, aber es kann nicht einfach angenommen werden, dass alle Fähigkeiten die stärksten geschlossenen Modelle vollständig eingeholt haben.
2 3D-Fähigkeiten erhalten gute Bewertungen, aber „einen Satz für ein Meisterwerk“ ist kaum möglich
3D ist einer der Bereiche, auf die Kimi dieses Mal am meisten Wert gelegt hat, und es erregt große Aufmerksamkeit in der Community.
Im BenchCAD-Test erreicht K3.1 Pro mithilfe von Tools einen Wert von 92,7 %, der nahe an 96,2 % von Claude Opus 5,5 und 95,9 % von GPT-6 Astra liegt. BenchCAD testet hauptsächlich die Fähigkeit des Modells, 3D-Objekte aus Renderbildern mehrerer Perspektiven zu rekonstruieren. Das Modell muss CAD-Code generieren und die Form, das Verhältnis und die räumlichen Beziehungen zwischen den Komponenten des Objekts ableiten.
Kimi gab an, dass Nutzer K3.1 Pro Textbeschreibungen, Skizzen oder Referenzbilder zur Verfügung stellen können, damit das Modell zu bearbeitbare 3D-Modelle rekonstruiert. Es kann auch Skripte für Software wie Blender und CAD direkt generieren und ausführen sowie bestimmte Teile, geometrische Strukturen, Materialien und Szenenlayouts ändern, ohne dass ein zusätzlicher MCP-Anschluss erforderlich ist.
In einem offiziellen FreeCAD-Fall hat K3.1 Pro über Python ein Turbofan-Triebwerk mit Lüfter, Untersetzungsgetriebe, Kompressor, Brennkammer, Turbine und externen Rohrleitungen erstellt, das insgesamt 2100 Entitäten enthält, und schrittweise Montageanweisungen, interne Explosionsdarstellungen und Rotationsanimationen mehrerer Rotoren generiert. In einer anderen Aufgabe hat das Modell mit trimesh eine direkt 3D-druckbare Tischlampe aus 5 Komponenten entworfen, deren Form von den Fujian-Tulou-Gebäuden inspiriert ist.
Kimi hat diese Fähigkeit direkt in das Produkt integriert. Derzeit ist die Funktion „3D Make“ auf kimi.com und in der Kimi App verfügbar. Nutzer können das Modell online in der Vorschau anzeigen und bearbeiten, nach der Fertigstellung zum 3D-Druck herunterladen oder Videos oder Live-Fotos exportieren.
Tatsächlich ist das mutmaßliche K3.1-Modell mit dem Codenamen „Kibitz“ vor der offiziellen Veröffentlichung bereits in Arena aufgetaucht. Einige Tester haben festgestellt, dass es bei 3D-Szenen, Farbauswahl, Wasserspiegelungen und Gesamtkomposition hervorragende Leistungen zeigt. Nach der offiziellen Veröffentlichung haben Entwickler begonnen, es in echten 3D-Workflows zu testen.
Ein KI-Spieleentwickler hat mit K3.1 Pro und pi.dev Harness eine hochpräzise 3D-Szene „Pelikan fährt Fahrrad“ erstellt und ist der Meinung, dass das Modell mit dem bald freigegebenen Gewicht bereits sehr gute 3D-Effekte erzielen kann. Sein Test hat jedoch auch einen Unterschied offenbart: K3.1 Pro konnte das Endergebnis nicht mit einem einzigen Prompt direkt erzielen, sondern benötigte mehrere Runden von Anweisungen zur „fortgesetzten Verbesserung“. Im Vergleich dazu erhielt er beim vorherigen Test von Claude Opus 5,5 mit einem einzigen Prompt ein vollständigeres fertiges Produkt.
3 Aktive Entfernung der Fähigkeiten für Cybersicherheitsangriffe, Freigabe von Modellgewichten löst weitere Debatten aus
Mit der schnellen Verbesserung der Codierungs- und Agent-Fähigkeiten des Modells hat Kimi dieses Mal auch einen beträchtlichen Teil der Erklärung der Cybersicherheitsfähigkeiten von K3.1 Pro gewidmet und erläutert, warum einige offensive Sicherheitsfähigkeiten vor der Veröffentlichung der freigegebenen Gewichte aktiv reduziert wurden.
Kimi gab an, dass das Team bei der Erweiterung des Nachtrainingsumfangs festgestellt hat, dass die Fähigkeit des Modells zur Schwachstellenforschung deutlich gestiegen ist. Bei der weiteren Verfolgung wurde festgestellt, dass ein Teil der Daten für Cybersicherheitsangriffe in die allgemeinen Korpusdaten des mittleren Trainings eingemischt wurde, und die Reinforcement-Learning-Umgebung enthielt auch entsprechende Aufgaben.
Interne Experimente zeigen, dass wenn diese Daten für Cybersicherheitsangriffe sowohl in der Phase des mittleren Trainings als auch im Reinforcement-Learning nicht gelöscht werden, die nachgelagerte Angriffsfähigkeit des Modells stark zunimmt. Daher hat Kimi bei der Vorbereitung der Version von K3.1 Pro mit freigegebenen Gewichten die relevanten Daten für Cybersicherheitsangriffe in diesen beiden Trainingsphasen gleichzeitig identifiziert und gelöscht, während die allgemeinen Fähigkeiten, die für die normale Programmierung erforderlich sind, so weit wie möglich beibehalten wurden.
Um die Wirkung zu messen, hat das Team den Test xdev-bench-hard erstellt, der Quellcode-basierte Aufgaben zur Entdeckung und Ausnutzung von Schwachstellen enthält und neu veröffentlichte Schwachstellen in Software wie Linux-Kernel, Node.js, JavaScriptCore, Exim und VirGL abdeckt.
Im Test muss der Agent den Quellcode, die Hinweise und die Binärdateien mit Schwachstellen lesen, selbstständig ein Exploit-Programm entwickeln und die Ausführung beliebigen Codes in einer isolierten Sandbox erreichen. Wenn die Trainingsdaten für Cybersicherheitsangriffe nicht gelöscht werden, erreicht das Modell, das aus dem gleichen Trainingsprozess hervorgeht, einen pass@3-Wert von 90,5 % bei xdev-bench-hard, während der Wert der endgültigen veröffentlichten Version K3.1 Pro auf 81,0 % gesunken ist.
Nach der eigenen Bewertung von Kimi liegt die Fähigkeit von K3.1 Pro für Cybersicherheitsangriffe derzeit noch hinter den führenden geschlossenen Modellen zurück, die seit mindestens 3 Monaten öffentlich veröffentlicht wurden. Dies beeinflusst direkt die Entscheidung von Kimi, ob die freigegebenen Gewichte veröffentlicht werden. Eines seiner Prinzipien ist, dass nicht gewünscht wird, dass ein Modell mit freigegebenen Gewichten die Spitze der offensiven Cybersicherheitsfähigkeiten direkt vorantreibt. Andererseits ist Kimi der Meinung, dass solange die Ausbreitungsgeschwindigkeit der Fähigkeiten kontrolliert wird und Modelle mit Doppelnutzungsfähigkeiten in der eigenen Infrastruktur der Nutzer ausgeführt werden, mehr Teams dabei unterstützt werden können, Altsysteme und Code ohne professionelle Sicherheitsüberprüfung zu prüfen.
Dazu sind einige Entwickler der Meinung, dass dies gleichbedeutend damit ist, dass Kimi zugibt, intern eine stärkere Version trainieren zu können, sich aber dafür entscheidet, diese nicht freizugeben. Andere befürchten, dass wenn das Modell das Sicherheitswissen reduziert, um die Angriffsfähigkeit zu senken, dies stattdessen seine Fähigkeit beeinträchtigen könnte, Schwachstellen zu entdecken und sicheren Code zu schreiben. Einige andere sind der Meinung, dass diese schrittweise Fre