Kimi K3.1 Pro ist jetzt für die Auto-Annotation auf der Ultralytics Platform verfügbar
Kimi K3.1 Pro von Moonshot AI ist jetzt auf der Ultralytics Platform verfügbar. Das Modell erzielte 0.444 mAP50 auf unserer VLM Leaderboard und liegt damit ein Drittel über Kimi K3. Es belegt Platz 7 von 29 Modellen.
Moonshot AI hat Kimi K3.1 Pro am 23. Oktober 2026 veröffentlicht. Das Modell ist ab heute für die Auto-Annotation auf der Ultralytics Platform verfügbar. Wir haben es demselben Test wie alle anderen Modelle auf unserer VLM Leaderboard unterzogen: 360 Bilder aus 36 realen Datensätzen zur Objekterkennung.
Kimi K3.1 Pro erzielte 0.444 mAP50, ein Drittel mehr als Kimi K3 (0.334), und belegt Platz 7 von 29 Modellen, zehn Plätze vor seinem Vorgänger. Jedes höher eingestufte Modell ist ein geschlossenes Modell von Google, Anthropic oder OpenAI.
Neuigkeiten zu Kimi K3.1 Pro#
Kimi K3.1 Pro ist das erste Modell aus Moonshots K3.1-Reihe. Moonshot bezeichnet es als sein bislang leistungsfähigstes Modell der Klasse 3T mit offenen Gewichten. Es ist eine nachtrainierte Version von Kimi K3, die mit deutlich mehr Rechenleistung für das Nachtraining entwickelt wurde. Das Modell hat ein Kontextfenster von 1 Million Token und kann Bilder und Videos als Eingabe verarbeiten. Es führt stets Schlussfolgerungen aus, bevor es antwortet, und Moonshot plant, die vollständigen Gewichte bis zum 4. November 2026 zu veröffentlichen. Moonshots Ankündigung behandelt die Ergebnisse zu Programmierung, Finanzen und Halluzinationen.
Moonshot hat auch die Preise gesenkt. Kimi K3.1 Pro kostet 2 $ pro Million Eingabe-Token und 10 $ pro Million Ausgabe-Token, gegenüber 3 $ und 15 $ für Kimi K3.
Kimi K3.1 Pro für die Auto-Annotation auf der Ultralytics Platform#
Kimi K3.1 Pro ergänzt im Annotationseditor die klassenbasiert angeleiteten Vision-Language-Modelle auf der Ultralytics Platform. Bei einem Datensatz zur Objekterkennung mit 1–200 Klassen analysiert das Modell jedes Bild und gibt Begrenzungsrahmen für gefundene Objekte der Datensatzklassen zurück. Du kannst diese wie jede andere Vorhersage überprüfen und speichern.
Du kannst es auf zwei Arten verwenden:
- Ein Bild nach dem anderen: Wechsle im Annotationseditor zum Modus Smart, wähle im Modellauswahlmenü unter Kimi die Option Kimi K3.1 Pro und klicke auf Predict (oder drücke
P). - Ein ganzer Datensatz: Starte auf der Datensatzseite unter More actions > Batch Annotation die Stapelannotation, um in einem Durchlauf jedes noch unbeschriftete Bild zu annotieren.
Um das Modell vor dem Hinzufügen eines Schlüssels auszuprobieren, öffne die Modellseite von Kimi K3.1 Pro auf der Ultralytics Platform. Dort werden die aufgezeichneten Vorhersagen von Kimi K3.1 Pro für 10 COCO-Bilder neben den erwarteten Begrenzungsrahmen wiedergegeben. Außerdem wird der Wert des Modells für jeden Benchmark-Datensatz angezeigt.
So haben wir Kimi K3.1 Pro bewertet#
Ein Modell, das auf alltäglichen Fotos fast alle Objekte findet, kann bei medizinischen Aufnahmen oder Leiterplatten trotzdem die meisten übersehen. Deshalb durchläuft jedes Modell auf der VLM Leaderboard denselben festgelegten Test, UL37 v2: 10 zufällig ausgewählte, beschriftete Bilder aus jedem der 36 Erkennungsdatensätze in UL37. UL37 ist eine Sammlung realer Benchmark-Datensätze, die Ultralytics für die Auswertung verwendet. Die Datensätze decken medizinische Bildgebung, Luft- und Satellitenaufnahmen, Leiterplatteninspektion, Sicherheitsröntgen, Verkaufsregale, Verkehr, Sport, Unterwasserszenen, Wärmebilder und mehr ab.
Jedes Bild durchläuft mit den Klassennamen des jeweiligen Datensatzes die Produktionspipeline für Annotationen der Ultralytics Platform – genau wie im Modus Smart und bei der Stapelverarbeitung von Annotationen. Dazu gehört auch der Schritt mit SAM 3.1, der die Begrenzungsrahmen der einzelnen Modelle präzisiert. Wir bewerten die Begrenzungsrahmen anhand der Erkennungsmetriken des Ultralytics-Pakets und berechnen den gleich gewichteten Durchschnitt über alle 36 Datensätze. Alle Details findest du in der Methodik der VLM Leaderboard.
Eine Einstellung ist bei Kimi anders. Kimi K3.1 Pro verwendet standardmäßig den maximalen Schlussfolgerungsaufwand von Moonshot. Bei maximalem Aufwand überschritt Kimi K3 in unseren Tests bei etwa 40 % der Bilder das Zeitlimit von 115 Sekunden auf der Ultralytics Platform. Daher führt die Ultralytics Platform alle Kimi-Modelle mit hohem Schlussfolgerungsaufwand aus. Sowohl Kimi K3 als auch Kimi K3.1 Pro wurden mit dieser Einstellung bewertet.
Kimi K3.1 Pro im Vergleich zu Gemini 4 Argon, Claude Opus 5.5 und GPT-6 Astra#
Kimi K3.1 Pro erzielte 0.444 mAP50. Gemini 4 Argon (0.537), Claude Opus 5.5 (0.527), GPT-6 Astra (0.525), Gemini 3.8 Flash (0.516), GPT-6.1 Sol (0.514) und Claude Sonnet 5.5 (0.472) erzielten höhere Werte. Kimi K3.1 Pro lag vor Claude Haiku 5.5 (0.429), Claude Fable 5.1 (0.427) sowie allen Modellen mit offenen Gewichten, die wir auf unseren eigenen GPUs ausführen. Diese Gruppe wird von Gemma 4 31B (0.390) angeführt, das noch nicht auf der Ultralytics Platform verfügbar ist.
Beide Teile des Ergebnisses verbesserten sich. Die Präzision stieg von 0.439 bei Kimi K3 auf 0.560, und der Recall stieg von 0.376 auf 0.483. Damit waren mehr Begrenzungsrahmen korrekt, und das Modell fand mehr der annotierten Objekte.
Kimi K3.1 Pro im Vergleich zu Kimi K3: Wo sich das Upgrade bemerkbar macht#
Kimi K3.1 Pro verbesserte sich gegenüber Kimi K3 bei 25 von 36 Datensätzen und in 8 von 12 Domänen. Die größten Zuwächse gab es bei Sport (0.68 gegenüber 0.28), Straßen und Verkehr (0.49 gegenüber 0.26) sowie Dokumenten, Benutzeroberflächen und CAD (0.41 gegenüber 0.26). Bei Tennisbällen stieg der Wert von 0.08 auf 0.74 mAP50. Damit lag Kimi K3.1 Pro bei diesem Datensatz gleichauf mit Gemini 3.8 Flash und erzielte den Spitzenwert. Bei CeyMo-Straßenmarkierungen stieg der Wert von 0.17 auf 0.80.
Im Sport übertraf Kimi K3.1 Pro auch Gemini 4 Argon (0.68 gegenüber 0.60). Insgesamt erzielte das Modell bei sechs Datensätzen höhere Werte als Argon, darunter Tennisbälle, Fußball, Weizenähren und Schilddrüsenultraschall.
Nicht alle Domänen legten zu. Die Werte für Unterwasseraufnahmen und Sicherheitsröntgen (jeweils ein Datensatz) sanken, im Einzelhandel gingen sie leicht zurück (0.47 gegenüber 0.48), und industrielle Leiterplattendefekte blieben bei beiden Kimi-Modellen nahe null. Spezialisierte Aufnahmen sind für alle Modelle weiterhin schwierig. Betrachte die Begrenzungsrahmen von Kimi K3.1 Pro daher als ersten Entwurf für die Überprüfung mit menschlicher Beteiligung und prüfe einige Vorhersagen anhand eigener Bilder, bevor du einen vollständigen Datensatz annotierst.
Genauigkeit, Kosten und Geschwindigkeit#
Kostenpflichtige Modelle nutzen deinen eigenen API-Schlüssel des Anbieters. Daher stellt der Anbieter jede Vorhersage direkt in Rechnung. In unserem Benchmark kostete Kimi K3.1 Pro etwa 22,50 $ pro 1.000 Bilder, ähnlich wie Kimi K3 mit 21,50 $. Der Tokenpreis ist zwar um ein Drittel niedriger, aber pro Bild wurden mehr Token verbraucht. Das Upgrade bietet also etwa ein Drittel mehr Genauigkeit bei ungefähr gleichen Kosten.
Es ist nicht die günstigste Möglichkeit, diese Genauigkeit zu erreichen. Fünf der sechs höher eingestuften Modelle kosten weniger, darunter Gemini 4 Argon (etwa 7,60 $ pro 1.000 Bilder) und Claude Opus 5.5 (etwa 13,90 $). Claude Haiku 5.5 lag bei etwa 0,37 $ pro 1.000 Bilder nur rund 0.015 mAP50 hinter Kimi K3.1 Pro.
Kimi K3.1 Pro braucht außerdem seine Zeit. Die mediane Anfrage dauerte etwa 22 Sekunden pro Bild, verglichen mit 4,6 Sekunden bei Gemini 4 Argon und 2,7 Sekunden bei Claude Opus 5.5. Zudem wurden 6,4 % der Anfragen nicht innerhalb des Zeitlimits von 115 Sekunden auf der Ultralytics Platform abgeschlossen, gegenüber 1,7 % bei Kimi K3. Bei einer Zeitüberschreitung erhältst du keine Begrenzungsrahmen für das Bild, kannst aber erneut eine Vorhersage ausführen. Moonshot bietet auch Kimi K3.1 Pro Highspeed an, das laut Moonshot mit denselben Funktionen zwei- bis dreimal schneller läuft. Auf der Ultralytics Platform ist die Standardversion von Kimi K3.1 Pro verfügbar.
Mit Kimi K3.1 Pro auf der Ultralytics Platform loslegen#
- Erstelle einen API-Schlüssel auf der Kimi API Platform und füge ihn dann unter Einstellungen > API-Schlüssel im Arbeitsbereich hinzu, dem dein Datensatz gehört. Alternativ kannst du den Inhaber des Arbeitsbereichs bitten, einen Schlüssel hinzuzufügen (hier erfährst du, wie).
- Öffne einen Erkennungsdatensatz auf der Ultralytics Platform, wechsle im Annotationseditor zum Modus Smart und wähle unter Kimi die Option Kimi K3.1 Pro.
- Klicke auf Predict, um das aktuelle Bild zu beschriften, und überprüfe, passe an und speichere anschließend die Begrenzungsrahmen.
- Wenn die Ergebnisse passen, starte die Stapelannotation, um den Rest des Datensatzes zu beschriften.
Bei der Stapelverarbeitung von Annotationen fällt zusätzlich die übliche Bearbeitungsgebühr der Ultralytics Platform von 1,00 $ pro 1.000 Bilder an. Diese Gebühr wird getrennt von den Kosten berechnet, die Moonshot deinem API-Schlüssel in Rechnung stellt. Vor jedem Durchlauf wird eine Datensatzversion gespeichert, sodass du jederzeit zurückkehren kannst.
Sobald dein Datensatz beschriftet ist, kannst du im selben Arbeitsbereich ein Ultralytics YOLO26-Modell darauf trainieren (siehe die Trainingsdokumentation). Um Kimi K3.1 Pro mit dem Spitzenmodell zu vergleichen, lies unseren Beitrag zur Auto-Annotation mit Gemini 4 Argon oder sieh dir alle Modelle auf der VLM Leaderboard und den Modellseiten der Ultralytics Platform an. Melde dich anschließend bei der Ultralytics Platform an, um Kimi K3.1 Pro mit deinen eigenen Daten auszuprobieren.
Häufig gestellte Fragen
Kimi K3.1 Pro ist das Spitzenmodell aus der Kimi-K3.1-Reihe von Moonshot AI und wurde am 23. Oktober 2026 veröffentlicht. Es ist eine nachtrainierte Version von Kimi K3 mit einem Kontextfenster von 1 Million Token und der Möglichkeit, Bilder und Videos als Eingabe zu verarbeiten. Moonshot plant, die Gewichte bis zum 4. November 2026 zu veröffentlichen. Auf der Ultralytics Platform ist das Modell für die klassenbasierte Auto-Annotation verfügbar und zeichnet Begrenzungsrahmen für die Klassen deines Datensatzes ein.
Ja. Auf unserer VLM Leaderboard erzielte Kimi K3.1 Pro 0.444 mAP50, gegenüber 0.334 bei Kimi K3. Das Modell verbesserte sich bei 25 von 36 Datensätzen und kostete pro Bild etwa gleich viel (22,50 $ gegenüber 21,50 $ pro 1.000 Bilder). Die mediane Anfrage war etwas schneller, aber es kam häufiger zu Zeitüberschreitungen (bei 6,4 % statt 1,7 % der Anfragen).
Gemini 4 Argon (0.537 mAP50) und Claude Opus 5.5 (0.527) waren in unserem Benchmark genauer, schneller und pro Bild günstiger. Kimi K3.1 Pro (0.444) belegt Platz 7 von 29 Modellen und liegt nur hinter geschlossenen Modellen von Google, Anthropic und OpenAI. Bei sechs Datensätzen erzielte das Modell höhere Werte als Gemini 4 Argon, darunter bei Tennisbällen, Fußball, Weizenähren und Schilddrüsenultraschall.
Moonshot stellt deinem eigenen API-Schlüssel 2 $ pro Million Eingabe-Token und 10 $ pro Million Ausgabe-Token in Rechnung. In unserem Benchmark ergab das etwa 22,50 $ pro 1.000 Bilder. Bei der Stapelverarbeitung von Annotationen kommt außerdem die Bearbeitungsgebühr der Ultralytics Platform von 1,00 $ pro 1.000 Bilder hinzu.
Ja. Gehostete Modelle wie Qwen3.8 27B, Gemma 4 26B und SAM 3.1 Text laufen ohne Anbieterschlüssel auf der Ultralytics Platform. Du kannst auch vortrainierte oder selbst feinabgestimmte Ultralytics-YOLO-Modelle für die Auto-Annotation verwenden.
