Kimi K3.1 Pro überschreitet Chinas Exportschwelle

Was Moonshot AI tatsächlich veröffentlicht hat

Ich würde Kimi K3.1 Pro gleichzeitig aus zwei Perspektiven betrachten: Es ist ein sehr großes MoE-Modell und zugleich ein potenzieller Gegenstand von Exportkontrollen. Die Modellkarte von Moonshot AI auf Hugging Face nennt 2,8 Billionen Parameter, von denen für jedes Token 104 Milliarden aktiviert werden. Das angegebene Kontextfenster reicht bis 1.048.576 Token.

Der Unterschied zwischen der Gesamtzahl und der aktiven Zahl der Parameter ist hier entscheidend. Eine Mixture-of-Experts-Architektur macht nicht jeden Inferenzschritt zu einer Berechnung wie bei einem dichten Modell mit 2,8 Billionen Parametern, doch der vollständige Satz an Gewichten bleibt enorm. Genau hier wird eine technische Kennzahl unerwartet zu einer juristischen Frage.

K3.1 Pro wird als multimodales Modell beschrieben, das in den vorgesehenen Schnittstellen Text, Bilder und Video unterstützt. Die API-Dokumentation von Moonshot nennt außerdem die Reasoning-Stufen low, high und max. Zu den wichtigsten Einsatzszenarien gehören langer Kontext, Programmierung, Tool-Nutzung und agentische Aufgabenausführung.

Nach Moonshots eigenen Ergebnissen erzielte das Modell 65,7 % bei Terminal-Bench 4.0. Das ist ein auffälliger Wert, doch vorerst würde ich ihn als Aussage des Entwicklers einordnen: Unabhängige Validierung ist begrenzt, und ein Teil der angeführten Bewertungen beruht auf internen Datensätzen. Vollständige Reproduzierbarkeit fehlt ebenfalls, weil die verfügbaren Materialien nicht belegen, dass der gesamte Trainingscode und die Datenzusammensetzung veröffentlicht wurden.

Die Exportschwelle verändert die Zugangsregeln

Das zentrale Risiko besteht darin, dass Kimi K3.1 Pro die vorgeschlagene chinesische Schwelle von 2 Billionen Parametern formal überschreitet. Zählt die Regulierung alle MoE-Parameter, fällt das Modell unter das Kriterium; zählt sie nur die 104 Milliarden aktiven Parameter, ergibt sich ein anderes Bild.

Nach dem Stand vom 4. November 2026 beschreiben verfügbare Berichte einen Entwurf oder ein geplantes Kontrollsystem, nicht ein automatisches weltweites Verbot. Unklar bleiben der Umfang für APIs, Gewichte, Checkpoints und technischen Support sowie das konkrete Genehmigungsverfahren.

Für Entwickler außerhalb Chinas könnte dies den Wechsel von freier Verbreitung zu verwaltetem Cloud-Zugang, regionalen Schnittstellen und Nutzerprüfungen bedeuten. Für Forschende wären die Folgen womöglich noch schwieriger: weniger verfügbare Gewichte, schwerer reproduzierbare Tests und größere Unterschiede zwischen regionalen Modellversionen.

Mein technisches Fazit ist einfach: 2,8 Billionen Parameter wirken beeindruckend, aber die eigentliche Frage ist nicht die Modellgröße. Entscheidend wird sein, welche Zahl die Regulierung letztlich als Größe eines MoE-Systems anerkennt.

Zuvor haben wir Pony Alpha behandelt, ein wahrscheinliches GLM-5-Modell, das über OpenRouter mit einem Kontextfenster von 200K verfügbar ist. Der Veröffentlichungskontext zeigt, wie chinesische Spitzenmodelle Nutzer über unterschiedliche Kanäle erreichen, während Exportkontrollen den Zugang beeinflussen.