Kimi K3.1 Pro offiziell vorgestellt: 3 Billionen Parameter und 1 Million Token Kontextfenster
Kimi hat das erste Modell der K3.1-Familie vorgestellt: 3 Billionen Parameter und ein Kontextfenster von 1 Million Token; die vollständigen Gewichte sollen am 4. November veröffentlicht werden.
Kimi K3.1 Pro ist offiziell vorgestellt worden.
Das Team hat das erste Modell der K3.1-Familie veröffentlicht, und die Ergebnisse wirken vielversprechend.
- Modell mit 3 Billionen Parametern und einem Kontextfenster von 1 Million Token.
- Übertrifft Astra und Fable 5.1 bei deutlich geringeren Kosten.
- Erreichte 65,7 % in Terminal-Bench 4.0.
- Die vollständigen Modellgewichte werden am 4. November veröffentlicht.
Das Modell ist bereits in Kimi, Kimi Work, Kimi Code und über die API verfügbar.
Kimi ist wieder im Spiel.
Warum das wichtig ist
AnalyseWenn die angekündigten Werte stimmen, könnte das Modell eine starke Preis-Leistungs-Option für Agenten- und Codierungsaufgaben sein. Die Veröffentlichung der Gewichte ermöglicht eine unabhängige Bewertung und lokale Bereitstellung.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Kimi K3.1 erscheint als KI-Modell mit 2,8 Billionen Parametern
Kimi K3.1 wird als sehr großes Open-Model mit 2,8 Billionen Parametern und 104 Milliarden aktiven Parametern beschrieben; die Gewichte sind noch nicht veröffentlicht.
Kimi K3.1: Teaser deutet auf neues Modell von Kimi hin
Das Kimi-Team hat einen Teaser veröffentlicht, der auf einen baldigen Start von Kimi K3.1 hindeutet. Das Modell soll unter den verfügbaren chinesischen KI-Modellen das beste sein und deutlich günstiger als Kimi K3.
Teil I. Architektur von KI-Agenten: Grundlegende Bausteine
Zehn grundlegende Bausteine eines modernen Agenten: Modell-Taxonomie, Runtime-Loop, Prompting-Techniken, Distillation, Skills, Memory, Function Calling und Unit Economics.
Teil II. Architektur von KI-Agenten: Vom Modell zu Gedächtnis und Tools
Tiefes technisches Eintauchen: Tokenisierung, KV-Cache, Determinismus beim Sampling, Trainings-Stack, Quantisierung, Kontext-Engineering, Security-Stack, produktives RAG, ReAct sowie Multi-Agenten-Swarm-Systeme.
DeepSeek (Chinesischer Durchbruch im Bereich Open-Source-KI)
Eine Reihe bahnbrechender Open-Source-Modelle des chinesischen Labors DeepSeek (V3, R1). Sie demonstriert das höchste Niveau in Coding und Reasoning bei Kosten, die 10–20 Mal niedriger sind als bei westlichen kommerziellen Alternativen.
DeepSeek-R1 (DeepSeek Reasoning Model)
Eine bahnbrechende Open-Weights-Reasoning-Modellarchitektur mit 671B MoE, die die Fähigkeit zu hochkomplexem logischem Denken durch Reinforcement Learning with Group Relative Policy Optimization (GRPO) unter Beweis gestellt hat.