Kimi K3.1: Leak-Gerüchte zu 3D-Code-Kosten, vier Denkstufen und was Entwickler prüfen sollten
Laut einem Bericht von Leiphone vom 23. Oktober 2026 tauchte in einem offiziellen Kimi-Teaser ein „Kimi K3.1“-Easter Egg auf; Entwickler entdeckten zudem in der API-Konfiguration von Moonshot die Kennung kimi-k3-1, und in der Modellliste von Kimi Code kam eine K3.1-Option hinzu; ein SGLang-Merge-Request soll eine neue Medium-Denkstufe ergänzt haben, womit die Denkintensität von drei auf vier Stufen erweitert würde. Der KI-Blogger Chris gibt an, eine Woche lang getestet zu haben, mit Kosten von etwa 70 % von K3; der Bericht nennt zudem 3D-Kosten von etwa 1/14 gegenüber GPT-6 Astra. All dies sind Gerüchte und einseitige Testberichte.
Was sich geändert hat
Ein Bericht von Leiphone vom 23. Oktober 2026 gibt an, Kimi habe einen Teaser mit einem „Kimi K3.1“-Bildelement veröffentlicht, das als Ankündigung eines neuen Modells gedeutet wird. Der Bericht zitiert den KI-Blogger Chris, der angibt, etwa eine Woche getestet zu haben; K3.1 sei bei Three.js herausragend und koste nur etwa 70 % von Kimi K3, bei verbesserter Token-Effizienz; der Bericht zeigt zudem eine Aufnahme einer 24-stündigen Tag-Nacht-Umgebungssimulation. Der Bericht listet außerdem mehrere Leak-Hinweise auf: Ende September entdeckten Entwickler in der Konfigurationsdatei der Moonshot-API-Plattform die Modellkennung kimi-k3-1; am 21. Oktober kam in der Modellwechsel-Liste von Kimi Code eine K3.1-Option hinzu; Ende Oktober erschienen in einer Arena anonyme Modelle mit den Codenamen Kibitz und Kalmia, wobei Kibitz bei Frontend- und 3D-Code-Aufgaben stark abschnitt und Entwickler anhand von Tokenizer-Merkmalen vermuteten, es sei K3.1. Ein Merge-Request im SGLang-Code-Repository soll aufgedeckt haben, dass K3.1 eine neue mittlere Denkstufe (Medium) hinzufügt, wodurch die Denkintensität von drei auf vier Stufen erweitert wird. Der Bericht nennt bei einem Vergleich zum Bauen in „Minecraft“ gegen GPT-6 Astra Kosten von etwa 1/14 gegenüber dem Vergleichsmodell, weist zugleich aber auf Schwächen bei Animationen wie einem laufenden Giraffen-Modell hin, bei dem die Bewegung unnatürlich wirke. Der Bericht gibt außerdem einen Nomura-Bericht wieder, wonach Moonshot an einem größeren Parametermodell forsche, das in keinem direkten Zusammenhang mit K3.1 stehe.
Auswirkungen für Entwickler
Sollten sich diese Leak-Hinweise letztlich bestätigen, wären die unmittelbaren Auswirkungen auf Entwickler an zwei Stellen konzentriert. Erstens die Kostenstruktur. Die im Bericht genannten „etwa 70 % von K3“ und „etwa 1/14 von GPT-6 Astra“ sind relative Werte, keine Listenpreise, doch sie deuten auf dasselbe hin: Bei Aufgaben der Codegenerierung, die Vertex-, Licht- und Texturberechnungen pro Frame erfordern – etwa Three.js, WebGL oder interaktive Großdisplays – könnten Token-Verbrauch und Aufrufanzahl pro Ausgabe deutlich unter denen der aktuellen Hauptmodelle liegen. Für 3D-Prototypen, Visualisierungs-Großdisplays und H5-Simulationspipelines, die primär auf Codegenerierung setzen, entscheidet dies direkt darüber, ob ein kostengünstiger Neuversuch nach einem fehlgeschlagenen Generierungsversuch möglich ist. Zweitens die Steuerungsgranularität. Der Bericht gibt an, die Denkintensität werde von drei auf vier Stufen erweitert und eine Medium-Stufe hinzugefügt; das bedeutet, dass dasselbe Modell möglicherweise zwischen einfachen Layout-Aufgaben und komplexen Physik-Interaktionsaufgaben die Rechenstufe wechseln kann. Wenn eine bedarfsgerechte Stufensteuerung nach Aufgabenschwierigkeit möglich wäre, könnten lange Agent-Ketten gängige Schritte mit niedriger Stufe ausführen und strukturelle Inferenz mit hoher Stufe behandeln, statt die gesamte Kette zur höchsten Stufe abzurechnen. Zu beachten ist: Dies sind weiterhin Gerüchte und einseitige Tests, nicht offiziell bestätigt; tatsächliche Abrechnungsmodalitäten, Stufenbezeichnungen und Rate-Limiting-Strategien können abweichen.
Integration und Bewertung
Die folgenden Ausführungen sind bedingte Analysen und Empfehlungen, keine bestätigten Fakten. Erstens, bezogen auf die Aussage „Kosten etwa 70 % von K3“, lautet die Wahl, zunächst einen kontrollierten Test mit identischen Prompts durchzuführen, statt direkt Produktionsverkehr zu migrieren. Voraussetzung ist, dass ein Zugang zu K3.1 verfügbar ist und die Aufgabe zur Codegenerierung gehört; die Bewertungskriterien sind festgelegt auf dieselbe Gruppe von 3D-Szenen-Prompts (je ein Beispiel mit Tag-Nacht-Zyklus, räumlichen Beziehungen mehrerer Objekte und Explosionsansicht von Bauteilen), wobei Erfolgsrate, Anzahl der Neuversuche und Gesamtverbrauch erfasst werden. Nur wenn der Gesamtverbrauch auch nach Neuversuchen unter der Baseline des aktuellen Modells bleibt, sollte eine kleine Verkehrsumleitung erwogen werden. Zweitens, bezogen auf die „neue Medium-Denkstufe“, lautet die Wahl, die Stufe explizit nach Aufgabenkomplexität anzugeben, statt eine einheitliche Stufe beizubehalten. Voraussetzung ist, dass die Schnittstelle tatsächlich einen Stufenparameter bereitstellt; die Bewertungskriterien sind, bei struktureller Inferenz (z. B. mechanische Kopplung, Bauteilzerlegung) und bei routinemäßigen Layout-Aufgaben getrennte Vergleiche durchzuführen und zu prüfen, ob der Qualitätsunterschied zwischen hoher Stufe und Medium innerhalb einer akzeptablen Schwelle liegt. Wenn bei Routineaufgaben die Qualität mit Medium nicht erkennbar sinkt, sollte Medium als Standard gesetzt werden. Drittens, bezogen auf die Vermutung anhand von Tokenizer-Merkmalen des anonymen Arena-Modells Kibitz, lautet die Wahl, nicht aufgrund von Vermutungen die Leaderboard-Leistung von Kibitz mit der stabilen Fähigkeit von K3.1 gleichzusetzen. Voraussetzung ist, dass das Interesse langen Kontexten und der Steuerung sehr langer Anweisungen gilt; die Bewertungskriterien sind, mit einem eigenen Satz langer Anweisungen erneut zu testen und zu beobachten, an welcher Stelle die Befolgung von Anweisungen nachlässt, statt nur auf öffentliche Blindtest-Ränge zu schauen. Alle diese Bewertungen sollten erst dann eine Ausweitung des Verkehrs nach sich ziehen, wenn die tatsächliche Abrechnung auf den Angebotsseiten des Anbieters und von KimiSeek bestätigt wurde.
Grenzen und offene Fragen
Die Kerninformationen dieses Berichts stammen aus Teaser-Easter-Egg, Konfigurationsdateifeldern, einem Code-Repository-Merge-Request und Vermutungen zu anonymen Arena-Modellen; sie sind nicht durch eine offizielle Veröffentlichung bestätigt. Die Zahlen (70 %, 1/14) sind Gerüchte oder einseitige Tests, keine verifizierten Benchmarks. Kimi K3.1 erscheint derzeit nicht im Verkaufskatalog von KimiSeek; die im Bericht genannten API-Konfigurationen, Kimi-Code-Listen und Aufrufverfügbarkeiten beziehen sich auf die Anbieterseite, auf KimiSeek ist diese Version nicht aufrufbar; das im Katalog enthaltene Kimi K3 ist eine andere Version und darf nicht als dasselbe Modell betrachtet werden. Die im Bericht genannten Schwächenbeispiele (unnatürliche Laufbewegung der Giraffe) und Positivbeispiele sind Nutzertests, Stichprobengröße und Testmethodik sind unbekannt, und die Leistung der Vergleichsobjekte wurde nicht unabhängig reproduziert. Die Details zu den Denkstufen im SGLang-Merge-Request, die tatsächliche Stufenbenennung und Abrechnungsunterschiede lassen sich aus diesem Bericht nicht bestätigen. Die im Bericht wiedergegebene Aussage des Nomura-Berichts zu einem größeren Parametermodell steht nicht im Zusammenhang mit K3.1 und nennt eine Begrenzung durch Rechenkapazität bei unklarem Fortschritt. Für tatsächliche Preise und Verfügbarkeit sind die Angebotsseiten des Anbieters und von KimiSeek maßgeblich; Preise können sich jederzeit ändern.
Abbildungen aus dem Originalbericht
