Kimi K3.1 Pro: Offene Gewichte, Download, Lizenz und API

Die Gewichte von Kimi K3.1 Pro sind im offiziellen Hugging-Face-Repository von Moonshot AI verfügbar. Beginne für erste Programmieraufgaben mit einer gehosteten API. Wähle den Eigenbetrieb, wenn dein Kontrollbedarf die Hardware und die Prüfung der Lizenz rechtfertigt. Die 104B aktiven Parameter entsprechen nicht dem vollständigen Modell, das du speichern musst.

Stand 2026-11-11 enthält das Repository den Checkpoint, also die gespeicherten Modellgewichte, die Konfiguration und eine eigene Lizenz. Du entscheidest zwischen dem Betrieb dieser Gewichte und dem Einkauf von Inferenz über eine API.

Was enthalten die offenen Gewichte?

Die Veröffentlichung liefert den Checkpoint von Kimi K3.1 Pro. Es geht also um die tatsächlichen Gewichte, nicht bloß um einen Modellnamen für API-Aufrufe. Moonshots technische Ankündigung beschreibt ein multimodales Modell auf Basis von Kimi K3. Das Post-Training erfolgte durch gemeinsames Reinforcement Learning.

Die offizielle Modellkarte nennt folgende Spezifikationen. Die genaue Kontextgrenze steht auch in der Preisdokumentation der Kimi-API.

Eigenschaft	Veröffentlichter Wert
Hugging-Face-Repository	moonshotai/Kimi-K3.1-Pro
Architektur	Mixture-of-Experts (MoE), eine Mischung spezialisierter Teilnetze
Parameter insgesamt	2.8T
Aktive Parameter	104B
Kontextfenster	1,048,576 tokens
Lizenz	Eigene Kimi K3.1-Pro License

Ein MoE-Modell aktiviert für jedes Token nur einen Teil seiner Parameter. Die übrigen Experten bleiben trotzdem im Checkpoint enthalten. Plane den Speicherplatz anhand der tatsächlichen Dateien, nicht allein anhand der 104B.

Die Dateiliste des Repositorys zeigt ungefähr 1.56 TB und Gewichtsdateien mit der Endung of-000096.safetensors. Die Konfiguration nennt das Format mxfp4-pack-quantized. Laut vLLM-Anleitung verwenden die gerouteten Experten MXFP4, alle anderen Gewichte BF16.

Für Entwicklungsteams entsteht damit eine weitere Bereitstellungsoption, kein fertiger Coding-Agent. Wähle die Inferenz-Engine, die Anfragen verarbeitet, und den Agent-Client getrennt aus. Prüfe das Lesen des Repositorys, die Werkzeugausführung und einen echten Abnahmetest, bevor du bestehende Abläufe umstellst.

Moonshots API-Schnellstart dokumentiert außerdem kimi-k3.1-pro-highspeed als gehostete Variante. Die beworbene Geschwindigkeit bezieht sich auf diesen Dienst. Der Download der Gewichte garantiert dir nicht dieselbe Leistung.

Was verlangt die Lizenz von Kimi K3.1 Pro?

Die kommerzielle Nutzung ist unter den Bedingungen der Kimi K3.1-Pro License erlaubt. Prüfe vor dem Einsatz die MaaS-Regeln und die Vorgaben zur Namensanzeige getrennt. Dies ist eine praktische Einordnung, keine Rechtsberatung für dein Unternehmen.

MaaS betrachtet den Umsatz über jeweils 12 aufeinanderfolgende Monate

Abschnitt 2 greift, wenn der Lizenznehmer oder ein verbundenes Unternehmen ein Geschäft mit Model as a Service, kurz MaaS, betreibt. Überschreitet ihr Gesamtumsatz innerhalb eines beliebigen Zeitraums von 12 aufeinanderfolgenden Monaten $20 million, ist eine separate Vereinbarung erforderlich.

Der Wortlaut umfasst den Gesamtumsatz des Lizenznehmers und seiner verbundenen Unternehmen. Er ist nicht auf den Umsatz mit diesem Modell begrenzt. Die Vereinbarung muss vor der kommerziellen Nutzung der Software oder ihrer abgeleiteten Werke bestehen.

MaaS bezeichnet den Zugang Dritter zu Inferenz oder Fine-Tuning, bei dem sie Eingaben, Parameter oder Trainingsdaten maßgeblich steuern können. Ausgenommen sind Endnutzerprodukte, deren Modellfähigkeiten ausschließlich in bestimmte Funktionen oder Ausführungsrahmen, sogenannte Harnesses, eingebettet sind. Ebenfalls ausgenommen ist die bloße Weiterleitung von Anfragen an Modelle, die andere Anbieter hosten. Lass juristisch prüfen, ob dein tatsächlicher Dienst unter eine Ausnahme fällt.

Die Namensanzeige hängt von monatlichen Produktkennzahlen ab

Abschnitt 3 betrifft kommerzielle Produkte oder Dienste, die die Software oder ihre abgeleiteten Werke verwenden. Sobald einer der Schwellenwerte überschritten wird, muss Kimi K3.1-Pro deutlich sichtbar in der Benutzeroberfläche des betreffenden Produkts oder Dienstes erscheinen. Der Schwellenwert für monatlich aktive Nutzer beträgt 100 million, der für den Monatsumsatz $20 million.

Es zählen monatlich aktive Nutzer, nicht täglich aktive Nutzer. Der Umsatzzeitraum ist hier ein Monat. Verwechsle ihn nicht mit dem rollierenden Zeitraum von 12 Monaten bei MaaS.

Befreiungen haben einen eigenen Geltungsbereich

Abschnitt 4 befreit die interne Nutzung von den Anforderungen der Abschnitte 2 und 3. Das gilt auch für den Zugang über offizielle Moonshot-Produkte oder zertifizierte Inferenzpartner. Als intern gilt nur eine Nutzung, die weder die Software noch ihre Ausgaben oder zugrunde liegenden Fähigkeiten Dritten zugänglich macht.

API-Kompatibilität belegt keinen Status als zertifizierter Partner. Eine Gateway-Anbindung und eine Befreiung von Lizenzanforderungen sind unterschiedliche Fragen. Bewahre die vorgeschriebenen Urheberrechts- und Erlaubnishinweise auf. Prüfe zusätzlich die geltenden Bedingungen des Anbieters.

Wie lädst du die Gewichte herunter und prüfst sie?

Prüfe Lizenz und Downloadgröße, bevor du den Checkpoint überträgst. Installiere eine aktuelle hf CLI anhand der Hugging-Face-Anleitung. Verwende ein Dateisystem mit ausreichend freiem Speicherplatz.

Die folgenden Befehle verwenden Bash. Sie fixieren die am 2026-11-11 geprüfte Repository-Revision.

KIMI_REPO="moonshotai/Kimi-K3.1-Pro"
KIMI_REV="d9e99b0792a5e93b78ea9bea62a68167e36ddd9e"
KIMI_DIR="$PWD/kimi-k3.1-pro"

hf download "$KIMI_REPO" README.md LICENSE config.json \
  --revision "$KIMI_REV" --local-dir "$KIMI_DIR"

hf download "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" --dry-run

Lies die heruntergeladenen Dateien LICENSE und README.md. Der Download-Probelauf zeigt ausstehende Dateien und Bytes an, ohne die Gewichte zu übertragen. Reserviere zusätzlichen Platz für Download-Caches und Arbeitsdateien der Laufzeitumgebung. Die Repository-Größe deckt nicht den gesamten Speicherbedarf ab.

Wenn Lizenz und Kapazität geprüft sind, führe Folgendes in derselben Bash-Sitzung aus:

hf download "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" &&
hf cache verify "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" --fail-on-missing-files

Der Prüfbefehl von Hugging Face gleicht lokale Dateien mit den Prüfsummen auf dem Hub ab. --fail-on-missing-files erkennt zusätzlich eine unvollständige Kopie der Revision.

Fahre erst fort, wenn die Prüfung ohne fehlende Dateien oder abweichende Prüfsummen erfolgreich ist. Ein erfolgreicher Download bestätigt vollständige Dateien, nicht die Fähigkeit deiner Inferenz-Engine, das Modell zu laden. Lade bei einer abweichenden Prüfsumme die genannte Datei mit hf download und --force-download erneut aus derselben Revision. Wiederhole die Prüfung, bevor du das Modell bereitstellst.

Welche Hardware solltest du einplanen?

Nutze eine Anleitung für konkrete Hardware. Behandle dieses Modell nicht wie ein 104B-Modell für eine Workstation. Stand 2026-11-11 dokumentiert die vLLM-Anleitung eine NVIDIA-Basiskonfiguration mit acht GPU: zwei GB300-Trays oder einen B300-Knoten.

Das ist eine dokumentierte Konfiguration, kein allgemeingültiges Minimum und keine Durchsatzgarantie. Laut Anleitung wurde der Durchsatz der Basiskonfiguration nicht optimiert. Verwende die modellspezifische Anleitung statt eines allgemeinen Startbefehls.

Das SGLang-Handbuch bietet einen weiteren Weg. Es nennt den Branch kimi-k3.1-day-0 und unterscheidet geprüfte Konfigurationen von Varianten, deren Prüfung noch läuft.

Wähle für einen Test vor der Beschaffung eine dokumentierte Hardwarekonfiguration. Halte die Engine-Version, den Image-Digest und die Checkpoint-Revision fest. Beginne mit einer kurzen Anfrage. Erhöhe danach Kontextlänge und Parallelität getrennt und miss Speicherverbrauch, Zeit bis zum ersten Token und Kosten je abgeschlossener Aufgabe.

Das beworbene Kontextfenster garantiert nicht genügend Laufzeitspeicher für jede Einstellung der Parallelität. Halte beim Vergleich mit der API den Agent-Client, die Werkzeuge, die Reasoning-Einstellung und die Abnahmetests gleich.

Der Eigenbetrieb wird attraktiver, wenn du Kontrolle über den Checkpoint, Anpassungen oder eine kontrollierte Inferenzumgebung brauchst. Er wird weniger attraktiv, wenn deinem Team die Betriebskapazität für einen Cluster fehlt oder die Hardware nicht ausreichend ausgelastet wäre. Lies die Kostencheckliste für selbst gehostete Modelle, bevor du eine API-Rechnung in ein Hardwarebudget umrechnest.

Wie probierst du stattdessen die API aus?

Verwende kimi-k3.1-pro für eine kleine Programmieraufgabe, bevor du dich auf Infrastruktur festlegst. Unterscheide die API-Modell-ID von der Hugging-Face-Repository-ID.

Diese API-Zugänge wurden am 2026-11-11 geprüft:

Zugang	Modell-ID	OpenAI-kompatible Basis-URL	Zugangsdaten
Moonshot API	kimi-k3.1-pro	https://api.moonshot.ai/v1	Dein Moonshot-API-Schlüssel
BetterToken API	kimi-k3.1-pro	https://www.bettertoken.ai/v1	Dein BetterToken-API-Schlüssel

BetterToken führt zum Prüfdatum genau diese Modell-ID. Prüfe die aktuellen Gateway-Preise separat. Die unten genannten Moonshot-Tarife sind keine Preisangabe für BetterToken.

Erstelle für den direkten Moonshot-Test einen API-Schlüssel über die im Schnellstart verlinkte Plattform. Verwende Bash und gib den Schlüssel ein, ohne seine Zeichen auf dem Bildschirm anzuzeigen:

read -rs MOONSHOT_API_KEY && export MOONSHOT_API_KEY

curl --fail-with-body --silent --show-error \
  "https://api.moonshot.ai/v1/chat/completions" \
  -H "Authorization: Bearer ${MOONSHOT_API_KEY}" \
  -H "Content-Type: application/json" \
  --data '{
    "model": "kimi-k3.1-pro",
    "reasoning_effort": "low",
    "max_completion_tokens": 4096,
    "messages": [
      {
        "role": "user",
        "content": "Return a Python function add(a, b) and one assert checking add(2, 3) == 5."
      }
    ]
  }'

Prüfe choices[0].message.content auf die Funktion und die Assertion. Kontrolliere die Nutzungsangaben der Antwort, bevor du den Test ausweitest. Diese Anfrage prüft Authentifizierung und Textgenerierung. Sie belegt nicht, dass ein Coding-Agent Dateien lesen oder ändern kann.

Kimis Reasoning-Dokumentation unterstützt low, high und max; der Standardwert ist max. Reasoning bleibt aktiviert. Das Beispiel wählt low für einen kleinen Verbindungstest.

Enthält die Antwort einen API-Fehler, prüfe zuerst Endpunkt, Anbieter des Schlüssels und genaue Modell-ID. Wird die Antwort abgeschnitten, prüfe zunächst das Ausgabelimit, bevor du die Modellqualität dafür verantwortlich machst.

Gib bei mehrteiligen API-Gesprächen und Werkzeugaufrufen die vollständige Assistentennachricht unverändert in messages zurück. Behalte dabei auch reasoning_content und tool_calls bei. Folge anschließend der Einrichtungsanleitung für Claude Code und Codex und prüfe eine tatsächliche Dateileseaufgabe.

API-Tokens werden getrennt von der Kimi-Mitgliedschaft und den Kontingenten von Kimi Code abgerechnet. Nutze den Leitfaden zu Kontingenten und API-Abrechnung, wenn tatsächlich ein Abolimit die Arbeit blockiert.

Wie vergleichst du die Kosten von Eigenbetrieb und API?

Vergleiche abgeschlossene Aufgaben mit demselben Qualitätsziel. Die Verfügbarkeit von Gewichten lässt sich nicht direkt mit einem API-Tokenpreis vergleichen. Herunterladbare Gewichte beseitigen keine Kosten für Hardware, Speicher, Netzwerk, Betrieb oder eine möglicherweise nötige Lizenzvereinbarung.

Bei der Prüfung am 2026-11-11 führte Moonshots API-Plattform folgende USD-Tarife je 1,000,000 tokens auf. Laut Kimis Preisbedingungen sind anfallende Steuern nicht enthalten.

API-Modell	Normale Eingabe	Ausgabe	Cache-Treffer	Standardmäßiges Cache-Schreiben für 5 Minuten
kimi-k3.1-pro	$2.00	$10.00	$0.20	$2.00
kimi-k3.1-pro-highspeed	$4.00	$20.00	$0.20	$4.00

Die Cache-Dokumentation trennt Cache-Treffer, Cache-Schreibvorgänge und ungecachte Eingaben. Wenn prompt_cache_options bei Chat Completions und Responses fehlt, gilt für Cache-Schreibvorgänge eine Lebensdauer von 5m. Die obige Anfrage lässt das Feld weg und nutzt daher diesen Standardwert.

Zähle ein in den Cache geschriebenes Token nicht nochmals als normale Eingabe. Verwende für andere Cache-Lebensdauern die jeweils zugehörigen Schreibpreise.

Nehmen wir für eine Schätzung an, dass eine Aufgabe beim Standardmodell 100,000 Eingabetokens und 10,000 berechnete Ausgabetokens verbraucht. Es gibt dabei keine Cache-Treffer. Alle Eingaben bleiben entweder ungecacht oder werden mit der standardmäßigen Lebensdauer von fünf Minuten in den Cache geschrieben.

Beide Eingabekategorien kosten in diesem Szenario $2.00 je Million Tokens:

Estimated token charge
= (100,000 × $2.00 + 10,000 × $10.00) / 1,000,000
= $0.30 before taxes

Das ist eine Berechnung, kein gemessenes Aufgabenergebnis. Verwende den gemeldeten Ausgabeverbrauch statt der Länge der sichtbaren Antwort. Lasse optionale Werkzeuge und andere Dienste nur dann aus der Schätzung heraus, wenn deine Arbeitslast sie nicht nutzt.

Teile beim Eigenbetrieb die vollständigen Betriebskosten durch die Anzahl erfolgreich abgeschlossener, gleichwertiger Aufgaben. Berücksichtige ungenutzte Kapazität, Host-Speicher, Datenspeicher, Strom oder Miete, Netzwerk, Wartung und jede erforderliche kommerzielle Vereinbarung. Erfasse bei beiden Varianten auch Wiederholungsversuche und Aufgaben, die die Abnahmetests nicht bestehen.

Wähle für einen Anwendungstest oder unklare Nachfrage zunächst die API. Prüfe den Eigenbetrieb erneut, wenn dein Kontrollbedarf ihn rechtfertigt und eine gemessene Arbeitslast die Betriebskosten trägt. Kläre bei einem MaaS-Geschäft die zutreffenden Lizenzbedingungen, bevor du eine Bereitstellung zusagst oder eine Beschaffung verbindlich beauftragst.