Moonshot AI released Kimi K3 on July 16, 2026, and the headline number is hard to ignore: 2.8 trillion parameters, which the company says makes it the largest open-source model ever released. The weights are not public yet — they are scheduled for July 27 — but the model is already live in Kimi’s apps, in Kimi Code, and on OpenRouter. The scores are the real story.
Im Artificial Analysis Intelligence Index erreicht K3 57. That puts it above Claude Opus 4.8 (56) and behind only GPT-5.6 Sol (59) and Claude Fable 5 (60) — the first time an open-weight model has been measured inside the frontier group rather than a tier below it. The twist is the price tag. K3 lists at $3.00 per million input tokens and $15.00 per million output, roughly three times what Kimi K2.6 charged. The era of frontier Chinese models at rock-bottom prices looks like it is ending. Here is what is real, what is vendor-reported, and where K3 actually fits.
Wichtigste Erkenntnisse
- 2,8 Billionen Parameter, 16 von 896 Experten aktiv. Ein sparsames Mixture-of-Experts-Modell, das auf Moonshots Framework „Stable LatentMoE“ basiert – das bislang größte angekündigte Open-Source-Modell.
- 57 im AA Intelligence Index – darüber liegend Claude Opus 4.8 (56), darunter GPT-5.6 Sol (59) und Claude Fable 5 (60). Die bisher höchste Open-Weight-Benchmark-Punktzahl.
- 1 Mio. Kontexttoken, native Bildverarbeitung, Denken stets aktiviert. Maximaler Denkaufwand ist die Standardeinstellung; Modi mit geringerem und höherem Denkaufwand sind in zukünftigen Updates geplant.
- Zwei neue Architekturkomponenten: Kimi Delta Attention (bis zu 6,3× schnellere Decodierung bei Kontexten mit einer Million Tokens) und Attention Residuals (ca. 25 % bessere Trainings-Effizienz bei unter 2 % zusätzlichem Aufwand).
- Nicht mehr günstig. $3.00 in / $15.00 out per 1M tokens ($0.30 on cache hits) — about 3× K2.6’s $0.95/$4.00, and exactly Claude Sonnet 5’s list price.
- Gewichte ab dem 27. Juli 2026 verfügbar. Bis dahin ist das Modell ausschließlich über die API nutzbar – und mit rund 1,4 TB im 4-Bit-Format bedeutet „offen“ nicht „ausführbar“ für nahezu jeden Nutzer.
Was Kimi K3 tatsächlich ist
K3 ist Moonshots allgemeiner Flagship-Modell, kein Spezialist. Dies stellt eine bewusste Richtungsänderung gegenüber Kimi K2.7 Code, dar, das das Unternehmen einen Monat zuvor als reine Code-spezifische Version ausgegliedert hatte. K3 ist für alle Aufgaben konzipiert: Chat, Verarbeitung langer Dokumente, Multimodalität (Vision) sowie – den Bereich, den Moonshot offensichtlich besonders wichtig nimmt – langfristige agentische Aufgaben, bei denen ein Modell plant, Tools aufruft, Ergebnisse liest und kontinuierlich fortfährt.
Die Skalierung ist das Erste, was man verstehen muss; die Sparsamkeit (Sparsity) das Zweite. Von den insgesamt 2,8 Billionen Parametern werden pro Token nur 16 von 896 Experten aktiviert. Dadurch bleiben Inferenzkosten und Latenz in einem Bereich, den eine API realistisch bereitstellen kann; ein dichtes (dense) Modell mit 2,8 Billionen Parametern wäre wirtschaftlich nicht betreibbar. Der Trade-off liegt im Speicherbedarf: Alle 2,8 Billionen Parameter müssen weiterhin im VRAM gespeichert sein – unabhängig davon, ob sie gerade aktiviert werden oder nicht.
| Spezifikation | Kimi K3 |
|---|---|
| Entwickler | Moonshot AI |
| Gesamtanzahl der Parameter | 2,8 Billionen (MoE) |
| Aktiv pro Token | 16 von 896 Experten |
| Kontextfenster | 1 Mio. Tokens |
| Modality | Text, Vision → Text |
| Schlussfolgern | Stets aktiv (maximale Leistung standardmäßig) |
| Quantisierung | MXFP4-Gewichte, MXFP8-Aktivierungen |
| Eingabepreis | 3,00 USD / 1 Mio. (0,30 USD bei Cache-Hit) |
| Ausgabepreis | $15.00 / 1M |
| Ausgabegeschwindigkeit | ca. 62 Tokens/Sekunde |
| Veröffentlicht | 16. Juli 2026 |
| Offene Gewichte | Geplant für den 27. Juli 2026 |
Vollständige Spezifikationen und aktuelle Preise finden Sie im Kimi-K3-Datenblatt in unserem Datenbank für KI-Modelle.
Die Architektur: Wie man ein Modell mit 2,8 Billionen Parametern trainiert, ohne dass die Kosten explodieren
Zwei Forschungsergebnisse von Moonshot stehen im Mittelpunkt dieser Veröffentlichung – beide zielen auf dasselbe Problem ab: Die übliche Skalierung eines Transformers führt normalerweise zu steigenden Kosten pro zusätzlichem Kontext-Token und pro zusätzlicher Netzwerktiefe.
Kimi Delta Attention (KDA) ist ein hybrider linearer Attention-Mechanismus. Bei herkömmlicher Attention steigen die Kosten quadratisch mit der Sequenzlänge – genau deshalb waren Kontexte mit einer Million Tokens bislang überall langsam und teuer. Moonshot berichtet, dass KDA bei Kontexten mit einer Million Tokens bis zu 6,3× schnellere Decodierung ermöglicht – der Unterschied zwischen einem 1-Mio.-Token-Fenster, das lediglich auf einem Datenblatt existiert, und einem, das man tatsächlich im Einsatz nutzen würde.
Attention Residuals (AttnRes) wird als direkter Ersatz für herkömmliche Residualverbindungen beschrieben und verbessert den Signalfluss durch die Netzwerktiefe. Moonshot gibt an, dass AttnRes bei unter 2 % zusätzlichem Aufwand eine um ca. 25 % höhere Trainings-Effizienzermöglicht. Zusammen mit dem Stable LatentMoE-Framework, Gated MLA und einer neuen Aktivierungsfunktion (SiTU) behauptet das Unternehmen eine Gesamtverbesserung der Skalierungseffizienz um ca. 2,5× gegenüber Kimi K2.
Diese Effizienzzahlen stammen vom Hersteller und wurden noch nicht unabhängig reproduziert. Doch sie erklären die Strategie: Man erreicht 2,8 Billionen Parameter nicht, indem man mehr GPUs kauft als Google – Exportbeschränkungen machen diesen Weg für ein chinesisches Labor unmöglich. Stattdessen wird jede GPU-Stunde effizienter genutzt.
Benchmarks: Wo es überzeugt – und wo nicht
K3 überzeugt am stärksten bei agentischen und schlussfolgernden Aufgaben – weniger bei reinem Dialog.
| Benchmark | Kimi K3 | Was gemessen wird |
|---|---|---|
| GPQA Diamond | 93.5% | Wissenschaftliches Schlussfolgern auf Graduiertenniveau – bestes Ergebnis eines offenen Modells zum Zeitpunkt der Veröffentlichung |
| BrowseComp | 91.2% | Web-Recherche-Agenten – beste veröffentlichte Punktzahl im Tracker zum Zeitpunkt der Veröffentlichung |
| Terminal-Bench 2.1 | 88.3% | Aufgaben für Kommandozeilen-/Shell-Agenten |
| MCP Atlas | 84.2% | Tool-Nutzung über das Model Context Protocol |
| MMMU-Pro | 81.6% | Multimodales Verständnis |
| DeepSWE | 67.5 | Softwareentwicklung |
| Humanity’s Last Exam (mit Tools) | 56.0% | Schwierigster allgemeiner Schlussfolgerungs-Test |
| AA Intelligence Index | 57 | Zusammengesetzter Wert – Platz 4 von 189 getesteten Modellen |
Zwei unabhängige Signale fallen besonders auf: Bei Blindtests auf Arena bevorzugten Entwickler Kimi gegenüber allen führenden US-Modellen für Frontend-Coding – darunter Fable 5 und GPT-5.6 Sol. Und bei der Automatisierung realer Aufgaben belegte K3 bei vier von acht Benchmarks (darunter Automation Bench, SpreadsheetBench 2 und BrowseComp) den ersten Platz; bei den meisten anderen lag es knapp hinter Fable 5 auf Rang zwei.
Die ehrliche Zusammenfassung: K3 liegt insgesamt immer noch hinter Fable 5 und GPT-5.6 Sol zurück – übertrifft aber praktisch jedes andere bisher gemessene Modell. Für ein offenes Modell war dies zuvor niemals der Fall.
Die Preisentwicklung: Das Zeitalter der günstigen chinesischen KI geht zu Ende
Dies ist der Teil, der weniger Beachtung findet und doch wichtiger ist. Chinesische Labore haben ihren Ruf damit aufgebaut, westliche APIs um eine Größenordnung zu unterbieten. K3 tut dies nicht.
| Modell | Eingabe / 1 Mio. | Ausgabe / 1 Mio. | Cache-Treffer |
|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 |
| Kimi K2.6 (Vorgänger) | $0.95 | $4.00 | $0.16 |
| Claude Sonnet 5 | $3.00 | $15.00 | — |
| Claude Opus 4.8 | $5.00 | $25.00 | — |
| GPT-5.6 Sol | $0.50 | $30.00 | — |
K3 kostet etwa das Dreifache seines Vorgängers und wird exakt zum Preis von Claude Sonnet 5 angeboten. Auf einer Aufgaben-basierten Basis verringert sich die Lücke weiter: Gemessene Durchschnittswerte liegen bei etwa 0,94 USD pro Aufgabe für K3, 1,04 USD für GPT-5.6 Sol und 1,80 USD für Opus 4.8. K3 ist immer noch günstiger – doch nun konkurriert es am Rande um Wert, nicht mehr darum, zehnmal günstiger zu sein. Hochmoderne Schlussfolgerungsfähigkeit scheint ungeachtet des Trainingsanbieters etwa denselben Preis zu kosten.
Intelligenz pro Dollar: Unsere Einschätzung
Der reine Preis ist das falsche Maß. Entscheidend ist vielmehr, wie viel Leistungsfähigkeit jeder Dollar erwirbt. Unter Verwendung der gewichteten Durchschnittspreise und Intelligenzwerte aus unserem KI-Preis-Leistungs-Index 2026, ergibt sich folgende Einordnung für K3:
| Modell | Intelligenz | Gewichteter Preis pro Million US-Dollar | Intelligenz pro Dollar |
|---|---|---|---|
| Kimi K3 | 57 | $9.00 | 6.3 |
| Claude Opus 4.8 | 55.7 | $15.00 | 3.7 |
| GLM 5.2 | 51.1 | $2.90 | 17.6 |
| DeepSeek V4-Flash | 40.3 | $0.21 | 192 |
Drei Schlussfolgerungen ergeben sich aus dieser Tabelle. K3 liefert etwa 1,7-mal so viel Intelligenz pro Dollar wie Claude Opus 4.8 und erreicht dabei leicht höhere Werte – ein tatsächlich besseres Angebot im Premiumsegment. Doch GLM 5.2 liefert immer noch 2,8-mal so viel Leistung pro Dollar wie K3 bei sechs Punkten niedrigerer Intelligenz, und DeepSeek V4-Flash liefert etwa 30-mal so viel. K3 ist das intelligenteste derzeit verfügbare Open-Weight-Modell; es ist jedoch keineswegs das wirtschaftlichste. Wenn Sie Spitzenpreise zahlen, sollten Sie sich sicher sein, dass Sie auch Spitzen-Schlussfolgerungsfähigkeit benötigen. Rechnen Sie Ihre eigenen Zahlen mit dem KI-API-Kostenrechner, oder sehen Sie die vollständige Rangliste auf der LLM-Leaderboard.
„Offene Gewichte“ heißt nicht, dass man das Modell lokal ausführen kann
Wenn die Gewichte am 27. Juli veröffentlicht werden, ist mit einer Flut von Schlagzeilen zu rechnen, wonach nun jeder ein Spitzenmodell zu Hause betreiben könne. Prüfen Sie zunächst die Rechnung.
Mit 2,8 Billionen Parametern im nativen 4-Bit-Format (MXFP4) belaufen sich allein die Gewichte auf rund 1,4 TB. Fügen Sie einen KV-Cache hinzu, der für einen Kontext von nahezu 1 Mio. Token ausgelegt ist, und Sie benötigen noch mehr Speicherplatz. Realistisch betrachtet sind dafür etwa 16 GPUs der H200-Klasse über zwei Knoten erforderlich – mehrere hunderttausend Dollar Hardwarekosten allein, bevor Strom- und Netzwerkkosten hinzukommen. Zum Vergleich: K2.7 Code mit 1 Bio. Parametern benötigte etwa 595 GB und acht 80-GB-GPUs – und war bereits für Privatpersonen unerschwinglich.
Für wen ist die Gewichtsveröffentlichung also tatsächlich gedacht? Für souveräne Bereitstellungen, regulierte Unternehmen, die ihre Daten aus Sicherheitsgründen nicht an eine API senden dürfen, Forschungslabore sowie Cloud-Anbieter, die das Modell für alle anderen hosten werden. Das ist immer noch eine bedeutende Differenz gegenüber einem geschlossenen Modell – Sie können es auditieren, feinjustieren und innerhalb Ihrer eigenen Infrastruktur betreiben – doch es handelt sich keinesfalls um ein Modell für Heim-GPUs. Wenn Sie wissen möchten, was Ihre Hardware tatsächlich bewältigen kann, berechnet unser LLM-VRAM-Rechner die erforderlichen Ressourcen pro Modell, und die Selbsthosting vs. API-Rechner zeigt, ab welchem Punkt der Eigenbetrieb von GPUs kostengünstiger ist als das Bezahlen pro Token.
Für wen sich K3 eignet
Nutzen Sie es, wenn Sie agentenbasierte Workloads ausführen – Browserautomatisierung, mehrstufige Toolketten, langfristiges Programmieren – bei denen sich seine Ergebnisse in den Benchmarks BrowseComp, Terminal-Bench und MCP Atlas in weniger Fehlschlägen niederschlagen. Es ist zudem die naheliegende Wahl, wenn Sie hochmoderne Schlussfolgerungsfähigkeit mit einem glaubwürdigen Pfad zur späteren Selbsthosting-Lösung wünschen oder wenn die Qualität des Frontend-Codes entscheidend ist (Entwickler wählten es in einer Blindstudie gegenüber Fable 5).
Verzichten Sie darauf, wenn Ihre Arbeit aus gewöhnlichem Chat, Zusammenfassung, Klassifizierung oder Retrieval besteht. Bei 3 USD / 15 USD würden Sie Spitzenpreise für Aufgaben zahlen, die GLM 5.2 oder DeepSeek V4-Flash zu einem Bruchteil der Kosten erledigen. Und verzichten Sie darauf, wenn Sie annahmen, dass „open“ bedeutet, das Modell bereits diese Woche herunterladen zu können – die Gewichte erscheinen erst in neun Tagen (zum Zeitpunkt der Veröffentlichung dieses Artikels) und umfassen dann 1,4 TB.
Der eigentliche Punkt, den die Benchmark-Tabelle leise macht, lautet: Ein Open-Weight-Modell hat gerade einen Wert über dem von Claude Opus 4.8 erzielt. Die bisherige Lücke zwischen offener und geschlossener Spitzen-KI lässt sich nun in wenigen Indexpunkten und einigen Monaten messen – nicht mehr in ganzen Generationen.
Häufig gestellte Fragen (FAQ)
Ist Kimi K3 besser als Claude Opus 4.8?
Im Artificial Analysis Intelligence Index ja – K3 erreicht 57 Punkte gegenüber 56 Punkten von Opus 4.8 und kostet 3 USD / 15 USD pro Million Tokens im Vergleich zu 5 USD / 25 USD bei Opus. Es liegt jedoch immer noch hinter GPT-5.6 Sol (59) und Claude Fable 5 (60) zurück.
Ist Kimi K3 Open Source?
Die Gewichte sollen am 27. Juli 2026 öffentlich freigegeben werden, gemäß dem modifizierten MIT-Lizenzvorhaben von Moonshot, das bereits bei früheren Kimi-Modellen angewandt wurde. Bis dahin ist K3 ausschließlich über die APIs von Kimi-Apps, Kimi Code und OpenRouter verfügbar.
Wie viel kostet Kimi K3?
3,00 USD pro Million Eingabetokens, 15,00 USD pro Million Ausgabetokens und 0,30 USD pro Million Cache-Treffern. Das entspricht etwa dem Dreifachen des Preises von Kimi K2.6 und ist identisch mit dem Listenpreis von Claude Sonnet 5.
Kann ich Kimi K3 lokal ausführen?
Nahezu sicher nicht. Mit 2,8 Billionen Parametern belaufen sich die 4-Bit-Gewichte auf rund 1,4 TB – was etwa 16 GPUs der H200-Klasse über zwei Knoten entspricht, noch bevor ein KV-Cache für den Kontext von 1 Mio. Token berücksichtigt wird. Es handelt sich um ein Rechenzentrumsmodell, kein Desktop-Modell.
Wie groß ist Kimi K3?
2,8 Billionen Parameter insgesamt in einer Mixture-of-Experts-Architektur, wobei pro Token nur 16 von insgesamt 896 Experts aktiviert werden. Moonshot bezeichnet dies als das größte bislang veröffentlichte Open-Source-Modell.
