Kimi K3.1 Pro auf Felo API: Fähigkeiten, Benchmarks, Preise und Einrichtung

Ein ausführlicher Leitfaden zu Kimi K3.1 Pro auf Felo API: sein 1M-Token-Kontext, visuelle Eingabe, Ergebnisse in Programmierung und Finanzen, Preise und API-Einrichtung.

Kimi K3.1 Pro steht jetzt über die Felo API zur Verfügung. Wer einen Coding-Agenten, einen visuellen Workflow oder Forschung über große Dokumentenmengen plant, findet in diesem Leitfaden die nötigen Details vor der ersten Integration: Was sich gegenüber K3 geändert hat, was die veröffentlichten Auswertungen zeigen, welche Eingaben Felo unterstützt und wie man zwischen den beiden Provider-Routen wählt.

Die öffentliche Felo-Modell-ID lautet kimi-k3.1-pro. Sie lässt sich im Felo-Modellkatalog einsehen und im Playground testen.

Kimi K3.1 Pro auf einen Blick

Detail	Was jetzt verfügbar ist
Modell	Moonshot AIs erstes K3.1-Flaggschiff, eine nachtrainierte Version von Kimi K3
Felo Modell-ID	kimi-k3.1-pro
Kontextfenster	1.048.576 Tokens (etwa 1 Million)
Eingabe	Text, Bilder und Video
Ausgabe	Text; das Modell kann Code für einen 3D-Workflow schreiben, aber der Modellaufruf liefert nicht direkt ein 3D-Asset oder generiertes Video zurück
Reasoning	Standardmäßig aktiviert; Felo listet die Stufen max, high, low und none, wobei max voreingestellt ist
Empfohlenes Felo-Protokoll	Messages, unter POST https://openapi.felo.ai/api/v1/messages
Provider-Routen auf Felo	Moonshot AI MXFP4 und Moonshot AI Highspeed

Dies sind die Felder in Felos aktuellem Modelllisting. Ein großes Kontextfenster ist eine Kapazitätsgrenze, kein Versprechen, dass jede Information in einem Millionen-Token-Prompt perfekt erinnert wird. Für produktive Arbeit empfiehlt sich ein Test der Länge, des Eingabeformats und der Reasoning-Einstellung, die tatsächlich genutzt werden sollen.

Was hat sich gegenüber Kimi K3 geändert?

Moonshot beschreibt K3.1 Pro als nachtrainierte Version von K3 mit deutlich mehr Post-Training-Compute und Reinforcement Learning über viele nachgelagerte Aufgaben. Diese Unterscheidung zählt. Die öffentliche Aussage bezieht sich auf verbessertes Verhalten bei Coding-, Agenten-, visuellen und Wissensarbeitsaufgaben; es handelt sich nicht um eine neu veröffentlichte Basisarchitektur. Felós K3.1 Pro Modellseite fasst das Modell und die unterstützte API-Route zusammen.

K3 selbst ist ein 2,8-Billionen-Parameter-Modell der 3T-Klasse mit Mixture-of-Experts-Architektur. Das veröffentlichte Design nutzt Kimi Delta Attention und Attention Residuals, mit nativer visueller Verarbeitung und einem Kontextfenster von einer Million Tokens. Da K3.1 Pro auf K3 aufbaut, liefert dies nützlichen architektonischen Hintergrund; Moonshot hat die vollständigen K3.1-Gewichte oder eine separate Architekturspezifikation noch nicht veröffentlicht. K3-Architektur und Spezifikationen auf Felo ansehen.

Die praktische Änderung betrifft die Aufgaben, die das Modell bis zum Abschluss tragen kann. Moonshot meldet Verbesserungen bei langwierigen Coding-Aufgaben, 3D-Modellierung, Finanzforschung und faktischer Genauigkeit im Stresstest. K3.1 Pro bietet zudem eine Highspeed-Option, die laut Moonshot etwa 2–3 Mal schneller arbeitet als die reguläre Version bei gleicher Modellfähigkeit. Die schnellere Route hat einen höheren Tokenpreis, siehe unten.

Auch der Einstiegspreis hat sich geändert. Felo listet K3 mit $3 pro Million Eingabetokens und $15 pro Million Ausgabetokens. K3.1 Pro kostet auf der MXFP4-Route $2 bzw. $10. Damit ist die günstigere Route des neuen Modells ein Drittel preiswerter pro nicht gecachtem Eingabe- oder Ausgabetoken zum heutigen Listenpreis. Die genutzten Kanäle und deren Latenz sollten vor einer Budgetentscheidung verglichen werden.

Wo das Modell am stärksten ist

Langfristige Coding-Aufgaben und Agenten

K3.1 Pro arbeitet über einzelne Code-Snippets hinaus. Moonshots Beispiele umfassen Entwicklung über mehrere Dateien, Debugging, Frontend-Builds, Game-Engine-Arbeiten und werkzeuggestützte Aufgaben, die wiederholte Prüfung und Überarbeitung erfordern. Im eigenen Kimi Code Bench 3.0 Long-horizon stieg das Ergebnis von 55,95 % bei K3 auf 61,2 % bei K3.1 Pro. Im Terminal-Bench 4.0 erzielte K3.1 Pro 65,7 % laut Moonshots Auswertung. Für ein Engineering-Team zählt, ob das Modell ein Repository ändern kann, ohne den Zusammenhang zu verlieren: die richtigen Dateien lesen, einen Patch vorschlagen, relevante Checks ausführen und sich nach einem fehlgeschlagenen Test erholen. Ein repräsentatives Issue und die Bewertung des finalen Diffs und der Testergebnisse liefern die Antwort. Ein ausgefeilter Plan allein beweist nicht den Abschluss der Aufgabe.

Bilder, Video und 3D-Arbeiten

Die Felo-Route akzeptiert Text-, Bild- und Videoeingaben und gibt Text zurück. Damit eignet sich K3.1 Pro für Aufgaben wie die Erklärung eines Screenshots, den Vergleich von Frames, das Schlussfolgern über eine visuelle Referenz oder das Schreiben von Code und Skripten für eine 3D-Modellierungspipeline. Das Modell-Endpoint erzeugt aber keine Bilder, Videos oder 3D-Dateien. Für die Asset-Erstellung muss die Ausgabe mit eigenen Tools oder einem passenden Generierungsworkflow verbunden werden.

Moonshot meldet 92,7 % auf BenchCAD mit Tools, einem Test zur Rekonstruktion von 3D-Objekten aus mehreren gerenderten Ansichten durch generierten CAD-Code. Die veröffentlichte Beispielsammlung umfasst auch Blender- und CAD-Skripting, interaktive Three.js-Szenen sowie Arbeiten in Unity, Unreal Engine und Godot. Diese Beispiele zeigen die Art der Aufgaben, die sich bewerten lassen; sie bedeuten nicht, dass jedes Tool mit einer einfachen API-Anfrage enthalten ist.

Finanzforschung und Modellierung

Moonshot meldet 64,4 auf OfficeQA Pro v2, das Analysen über Finanzdokumente testet, einschließlich Retrieval, Dokumentenabgleich und numerischer Logik. In Moonshots internen Auswertungen erzielte K3.1 Pro 70,4 gegenüber 58,8 für K3 in der Finanzforschung und 57,6 gegenüber 50,4 in der Finanzmodellierung. Dies sind aufgabenspezifische Werte, keine Investmentrenditen oder Genauigkeitsmaße für jede Finanzfrage.

Für einen Test empfiehlt sich ein kontrollierter Korpus: Geschäftsberichte, Einreichungen, Gewinnunterlagen und eine Frage, die das Modell zwingt, genaue Passagen zu zitieren und Rechnungen zu zeigen. Die Quelldokumente und Rechenwege sollten zur Überprüfung bereitstehen. In Workflows mit finanziellen Entscheidungen bleibt eine unabhängige Kontrolle erforderlich.

Lange Dokumente und mehrstufige Recherche

Das Millionen-Token-Fenster erlaubt es, viel mehr Material als bei einer typischen Chat-Anfrage einzureichen: Code, Transkripte, Berichte, Bilder und Gesprächsverlauf können denselben Kontext teilen. Das Modell kann auch in mehrstufigen Agenten-Workflows über Toolaufrufe arbeiten. Kontextkapazität und Agentenverhalten sind jedoch getrennte Aspekte. Ein langer Prompt braucht weiterhin eine klare Aufgabe, eine Dokumentenübersicht und eine Möglichkeit zur Überprüfung; ein Agent benötigt bereitgestellte Tools und eine Auswertung der Ergebnisse.

Für Recherche empfiehlt sich, das Modell zuerst die relevante Quelle identifizieren zu lassen, dann mit Seiten- oder Abschnittsangaben zu antworten und eine separate Liste unsicherer Punkte zu liefern. Diese Struktur macht Fehler auffindbar, statt sie in einer langen, flüssigen Zusammenfassung zu verstecken.

Moonshot und Felo beschreiben zudem Multi-Agenten-Orchestrierung, die auf Hunderte paralleler Subagenten skalieren kann. Das ist eine Agentensystem-Fähigkeit rund um das Modell, nicht das Ergebnis einer einzelnen API-Antwort. Die Koordination von Workern, Tools, Budgets und Abschlussprüfung bleibt Aufgabe des Entwicklers. Zur Felo-Modellbeschreibung.

So liest man die Benchmark-Zahlen

Moonshots Ankündigung enthält zahlreiche Auswertungen. Die folgende Auswahl deckt verschiedene Arbeitsbereiche ab, ohne ungleiche Tests zu einem Ranking zu vermischen.

Auswertung	K3.1 Pro	Vergleich laut Moonshot	Was wird getestet
Terminal-Bench 4.0	65,7 %	Claude Opus 5.5: 66,4 %; GPT-6 Astra: 58,2 %	Coding-Agenten bei Terminal-Aufgaben mit spezifischen Tests
Kimi Code Bench 3.0 Long-horizon	61,2 %	K3: 55,95 %	Moonshots interner Multi-Step-Coding-Benchmark
BenchCAD, mit Tools	92,7 %	Claude Opus 5.5: 96,2 %; GPT-6 Astra: 95,9 %	CAD-Code-Generierung aus Multi-View-Renderings
Finanzforschung, intern	70,4	K3: 58,8	Evidenzbasierte Finanzrecherche
Finanzmodellierung, intern	57,6	K3: 50,4	Tabellenformeln, Finanzlogik und Modellqualität
Kimi Hallu Bench Hard	8,3 % Halluzinationsrate auf Claim-Ebene	K3: 23,4 %; niedriger ist besser	Ein absichtlich schwieriger Faktengenauigkeits-Stresstest

Alle Werte stammen aus Moonshot AIs K3.1 Pro-Technikankündigung, nicht aus Felo-eigenen Auswertungen. Soweit nicht anders angegeben, meldet Moonshot K3.1 Pro-Ergebnisse mit max Reasoning-Effort, Temperatur 1.0 und Top-p 0,95. Das Test-Setup variiert je nach Benchmark, einige Vergleiche nutzen veröffentlichte Ergebnisse anderer Anbieter. Insbesondere Kimi Code Bench und die beiden Finanzwerte oben sind interne Auswertungen. Sie dienen zur Auswahl eigener Tests, nicht als Garantie für dieselbe Erfolgsquote im Produktivbetrieb. Felo gibt eine Auswahl dieser Ergebnisse auch auf der Modellseite wieder.

Die Halluzinationsrate erfordert eine eigene Warnung. 8,3 % ist die Claim-Level-Rate auf Kimi Hallu Bench Hard, einem Stresstest zur Fehleraufdeckung. Moonshot betont ausdrücklich, dass dies nicht der Alltagsfehlerwert des Modells ist. Es zeigt eine Verbesserung gegenüber K3 unter diesem Test, ersetzt aber keine Quellenprüfung.

Preise und Provider-Wahl bei Felo API

Felo listet zwei ausführbare Moonshot AI-Kanäle für kimi-k3.1-pro. Dies sind die veröffentlichten Preise pro eine Million Tokens in US-Dollar:

Felo-Kanal	Eingabe	Ausgabe	Cache-Lesen
moonshotai-mxfp4	$2	$10	$0,20
moonshotai-highspeed	$4	$20	$0,20

Die aktuelle Modellseite ist die Quelle für Felos Preise. Highspeed ist im Katalog als Standardkanal gelistet. Wenn Budget oder Latenz von einer bestimmten Route abhängen, sollte X-Felo-Channel explizit gesetzt werden, statt sich auf die automatische Auswahl zu verlassen. Felós Provider-Routing-Guide erklärt den Header und das Fallback-Verhalten.

Ein Beispiel: Eine Anfrage mit 200.000 nicht gecachten Eingabetokens und 8.000 Ausgabetokens kostet etwa $0,48 auf MXFP4 (0,2 × $2 + 0,008 × $10) oder $0,96 auf Highspeed (0,2 × $4 + 0,008 × $20). Wenn 100.000 Eingabetokens zum Cache-Preis abgerechnet werden, kostet dieser Anteil $0,02 auf beiden Kanälen. Ein Cache-Treffer ist nicht garantiert; er hängt vom Upstream-Service und der Anfrage ab. Felós Preiserläuterung erklärt die Berechnung von Token- und Cache-Gebühren.

Dies sind Schätzwerte für Modelltokens. Vor der Budgetierung für den Produktivbetrieb sollten aktuelle Preise, Nutzungsstatistiken und weitere abrechenbare Tools geprüft werden. Die Felo API nutzt Prepaid-Serviceguthaben; ein Abonnement ist für die API-Nutzung nicht erforderlich. Zur Abrechnungsanleitung.

Kimi K3.1 Pro auf Felo nutzen

1. Felo API-Schlüssel erstellen und Serviceguthaben aufladen, falls nötig.
2. Einen Prompt im Playground testen. Material verwenden, das der eigenen Anwendung entspricht.
3. Den Prompt in den eigenen Client übernehmen und die öffentliche Modell-ID nutzen. Der Messages-Endpoint ist das empfohlene Protokoll auf Felos Modellseite.

Die folgende Anfrage fixiert den günstigeren MXFP4-Kanal, sodass die Preiswahl explizit erfolgt:

export FELO_API_KEY="YOUR_API_KEY"

curl https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -H "X-Felo-Channel: moonshotai-mxfp4" \
  -d '{
    "model": "kimi-k3.1-pro",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Review this TypeScript refactor plan. Identify missing tests, risky changes, and the first file you would inspect."
      }
    ]
  }'

Für die schnellere Route genügt die Änderung des Headers zu X-Felo-Channel: moonshotai-highspeed. Um Felo die Wahl zu überlassen, den Header weglassen. Felo akzeptiert denselben Routing-Header auf den Endpunkten Chat Completions, Responses und Messages. Ein explizit gewählter Kanal wechselt nicht automatisch zu einem anderen Provider; die Anwendung muss bei Bedarf selbst mit einem anderen Kanal erneut anfragen. Zur Routing-Dokumentation von Felo.

SDKs, Streaming, Tools und Reasoning

Felo bietet drei kompatible Modellaufruf-Oberflächen. Die passende Variante richtet sich nach dem eigenen Anwendungstyp:

Client-Stil	Endpoint	SDK-Basis-URL
OpenAI Chat Completions	/api/v1/chat/completions	https://openapi.felo.ai/api/v1
OpenAI Responses	/api/v1/responses	https://openapi.felo.ai/api/v1
Anthropic Messages	/api/v1/messages	https://openapi.felo.ai/api

Für Anthropic-kompatible SDKs endet die Basis-URL bei /api; das SDK ergänzt /v1/messages. Das Messages-Protokoll verlangt max_tokens. Mit "stream": true werden Server-Sent Events empfangen; auf das Completion-Event des Protokolls warten, statt eine unterbrochene Verbindung als Antwortende zu werten. Felós Protokoll-Guide beschreibt Anfragetypen und Streaming-Verhalten.

Dies sind Protokolloptionen auf Plattformebene. Die gewünschte Parameter- und Modalitätskombination sollte vor einer Migration auf die K3.1 Pro-Route getestet werden.

Felo listet tools, tool_choice, strukturierte Ausgabeparameter und Reasoning-Steuerung für dieses Modell. Die unterstützten Reasoning-Effort-Werte sind max, high, low und none, mit max als Standard. Modell- und Protokollunterstützung können abweichen, daher empfiehlt sich ein Test der genauen Parameterkombination, die der eigene Client benötigt. Die veröffentlichten Benchmarks nutzen überwiegend max; geringerer Effort ist ein Experiment für Qualität und Kosten, aber kein Weg, diese Werte zu reproduzieren. Aktuelle Modellfähigkeiten prüfen.

Wer frische Webdaten, einen Rechner, eine Repository-Shell oder ein CAD-Programm benötigt, muss diese Tools in der eigenen Anwendung bereitstellen und betreiben. Ein Aufruf von kimi-k3.1-pro allein führt keine externen Tools aus und prüft keine zitierten Aussagen.

Ein praktischer Evaluationsplan

K3.1 Pro ist so breit aufgestellt, dass ein generischer „Welches Modell ist das beste?“-Test wenig Aussagekraft besitzt. Drei kleine Versuche liefern bessere Anhaltspunkte:

1. Coding: Ein echtes Issue und den relevanten Repository-Kontext geben. Einen Patch, Tests und eine kurze Erklärung verbleibender Risiken verlangen. Festhalten, ob die Tests bestehen und wie viele Tool-Schritte nötig sind.
2. Visuell oder 3D: Ein Referenzbild oder mehrere Ansichten bereitstellen und einen Modellierungsplan oder Skript anfordern. Eine Person oder ein Renderer prüft Maße und Geometrie, nicht nur den Text.
3. Recherche: Einen festen Dokumentensatz und eine Frage mit bekannter Antwort vorgeben. Quellangaben, Rechnungen und ein explizites „nicht gefunden“ bei fehlender Evidenz verlangen.

Jeden Versuch auf beiden Felo-Kanälen durchführen, wenn Latenz zählt. Eingabe-, Ausgabe- und Cache-Tokens sowie Gesamtkosten und Zeit erfassen. Die gleichen Prompts und Tools auch beim Vergleich mit K3 oder anderen Modellen verwenden. So entsteht eine Entscheidung auf Basis erledigter Arbeit pro Dollar und Minute, nicht anhand eines Benchmark-Titels.

Zu beachtende Grenzen und Veröffentlichungsstatus

• Open-Weight-Termin: Moonshot bezeichnet K3.1 Pro als Open-Weight-Modell, plant aber die vollständige Gewichtsfreigabe erst zum 4. November 2026. API-Zugang besteht bereits; die Gewichte sind noch nicht herunterladbar. Felos Modellseite nennt das geplante Veröffentlichungsdatum.
• Ausgabeformat: Felo listet derzeit Textausgabe, auch wenn die Eingabe Bilder oder Videos enthält. Asset-Erstellung erfordert ein angebundenes Tool oder einen anderen Generation-Endpoint. Felo-Modelllisting.
• Benchmark-Übertragbarkeit: Interne Werte, Tool-gestützte Tests und Long-Horizon-Demos lassen sich nicht direkt auf einen einfachen One-Shot-API-Call übertragen. Das Test-Setup sollte zur eigenen Anwendung passen.
• Genauigkeit: Die verbesserte Halluzinationsrate bleibt ein Fehlerwert im Stresstest. Zitate, Rechnungen und Fakten in kritischen Workflows prüfen.
• Kontext und Kosten: Ein Millionen-Token-Fenster ermöglicht sehr große und teure Anfragen. Für Prompt, Antwort, Wiederholungen und Kontextwiederholung budgetieren; Cache-Preise nur bei tatsächlichem Treffer nutzen.

Moonshot beschreibt zudem gezielte Trainingskontrollen für Cyber-Offense-Fähigkeiten im K3.1 Pro-Release. Teams, die Defensive Security evaluieren, sollten die benötigten autorisierten Aufgaben testen, statt von allgemeinen Coding-Ergebnissen auszugehen.

Häufig gestellte Fragen

Ist Kimi K3.1 Pro identisch mit Kimi K3?

Nein. Moonshot beschreibt K3.1 Pro als nachtrainiertes Upgrade von K3 und meldet Verbesserungen bei Coding, 3D-Erstellung, Finanzforschung und im Faktengenauigkeits-Stresstest. Das Modell behält die Millionen-Token-Kontextklasse und native visuelle Verarbeitung.

Welche Modell-ID sende ich an die Felo API?

Verwenden Sie kimi-k3.1-pro. Auf Felo sind MXFP4 und Highspeed Provider-Kanäle für diese öffentliche Modell-ID; mit X-Felo-Channel lässt sich eine Route gezielt wählen.

Kann das Modell direkt 3D-Modelle oder Videos erzeugen?

Das Modell versteht visuelle Eingaben und kann Pläne, Code oder Skripte für 3D- und Video-Workflows schreiben. Felo listet aktuell Text als Ausgabe dieses Modellendpunkts. Für das eigentliche Asset braucht es einen Renderer, ein Design-Tool oder einen Generation-Service.

Sollte ich MXFP4 oder Highspeed nutzen?

Mit MXFP4 starten, wenn die Tokenkosten im Vordergrund stehen. Highspeed testen, wenn Wartezeit das Produkt oder den Agentenloop beeinflusst. Moonshot gibt an, dass Highspeed bei gleicher Modellfähigkeit etwa 2–3× schneller arbeitet, während Felos veröffentlichte Input- und Output-Preise doppelt so hoch wie bei MXFP4 liegen.

Ist das vollständige Modell schon zum Selbst-Hosting verfügbar?

Moonshot plant die Veröffentlichung der vollständigen K3.1 Pro-Gewichte bis zum 4. November 2026. Der aktuelle Status steht auf der offiziellen Release-Seite. Felo API-Zugang besteht bereits.

Mit eigenen Aufgaben testen

Kimi K3.1 Pro eignet sich, wenn Aufgaben langen Kontext, Tool-Nutzung und visuelle oder dokumentarische Evidenz verbinden. Die gemeldeten Fortschritte fallen deutlich aus, aber der schnellste Weg zur Entscheidung bleibt ein repräsentativer Testlauf, die Prüfung des Ergebnisses und der Vergleich der Gesamtkosten von MXFP4- und Highspeed-Route.

Kimi K3.1 Pro auf Felo API entdecken →

---

Dieser Beitrag ist auch in folgenden Sprachen verfügbar: English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Bahasa Indonesia, Tiếng Việt, Türkçe, Italiano, ไทย, Español, বাংলা and Português.