Im April 2026 tat ein Startup aus Peking etwas, von dem die KI-Welt glaubte, es sei noch ein Jahr entfernt: Moonshot AIs Kimi K2.6 wurde das erste open-weight-Modell, das ein führendes US-amerikanisches Modell auf SWE-Bench Pro – dem anspruchsvollsten realen Software-Engineering-Benchmark – übertraf. Es ist offen, kostengünstig und wird mit einem Agentensystem ausgeliefert, das sich auf Hunderte Untergebene skalieren lässt. Dies ist die Geschichte von Kimi und der Grund, warum Entwickler darauf achten.
Wichtigste Erkenntnisse
- Kimi K2.6 (April 2026) ist ein offenes MoE-Modell mit einer Gesamtgröße von 1 Billion Parametern und 32 Milliarden aktiven Parametern pro Token – speziell für Programmierung und Agenten konzipiert.
- Übertrifft GPT-5.4 auf SWE-Bench Pro: 58,6 % gegenüber 57,7 % sowie gegenüber Claude Opus 4.6 (53,4 %) – das erste offene Modell, das dies erreichte.
- Agentenschwarm: koordiniert bis zu 300 Untergebene über 4.000 Schritte hinweg für Aufgaben mit langem Zeithorizont.
- Kostengünstig und offen: ca. 0,60 USD / 2,50 USD pro Million Tokens; Gewichte auf Hugging Face verfügbar.
- Beste Einsatzgebiete: autonome Programmieragenten und langfristige technische Aufgaben im Budgetrahmen.
Wer ist Moonshot AI?
Moonshot AI ist ein 2023 in Peking gegründetes Startup und zählt neben Zhipu, MiniMax und Baichuan zu Chinas neuer Generation sogenannter „KI-Tiger“. Mit Unterstützung durch Alibaba und weitere bedeutende Investoren machte sich Moonshot früh einen Namen mit Kimi, einem Chatbot, der sich früh bei chinesischen Nutzern durch branchenführende Fähigkeiten im Umgang mit langem Kontext durchsetzte – Kimi konnte ganze Bücher und lange Dokumente lesen, während Konkurrenten bereits bei wenigen Tausend Tokens versagten.
Diese DNA des langen Kontexts entwickelte sich zu etwas Größerem weiter. Mit der K2-Serie verlagerte Moonshot den Fokus entschieden auf agentenbasierte Programmierung – also Modelle, die nicht nur Fragen beantworten, sondern autonom mehrstufige technische Aufgaben ausführen können. K2.6 stellt den Höhepunkt dieser strategischen Wette dar.
Was Kimi K2.6 tatsächlich ist
Kimi K2.6 ist ein Modell mit offenen Gewichten und nativer Multimodalität vom Typ Mixture-of-Experts mit insgesamt einer Billion Parameter und 32 Milliarden aktiven Parametern pro Token. Die Architektur ist detailliert ausgearbeitet: 384 Experten (davon 8 pro Token ausgewählt plus 1 gemeinsamer Experte), 61 Layer, Multi-Head-Latent-Attention (MLA), native INT4-Quantisierung sowie ein Vokabular mit 160.000 Tokens. Das Kontextfenster umfasst 262.144 Tokens.
Doch die entscheidende Spezifikation ist keine reine Zahl – es ist der Agent Swarm. K2.6 kann eine Aufgabe zerlegen und bis zu 300 Unterautonome Agenten über 4.000 Schritte hinweg koordinieren (gegenüber 100 bzw. 1.500 in K2.5). Dieses Konzept ist gezielt für langfristige, autonome Aufgaben konzipiert – etwa „migriere diesen gesamten Dienst“ oder „überprüfe und behebe diesen Codebasistrunk“ – und definiert die Ära der agentenbasierten Softwareentwicklung.
Der Benchmark, der Schlagzeilen machte
Ein SWE-Bench Pro, der anspruchsvollste Benchmark für reale Software-Engineering-Aufgaben, bei dem Kimi K2.6 eine Quote von 58.6% erreichte – vor:
- GPT-5.4 (xhigh): 57,7 %
- Claude Opus 4.6: 53,4 %
Dies war ein Meilenstein: Zum ersten Mal übertraf ein open-weight Modell ein führendes US-amerikanisches Modell auf diesem Benchmark. Auf SWE-Bench Verified erreicht K2.6 80,2 % – ein Wert, der klar im Bereich der weltweit fortschrittlichsten Modelle liegt.
The caveat worth stating: benchmark leadership is a moving target, and the Western labs have since shipped newer versions (GPT-5.5, Claude Opus 4.8). But the achievement stands — an open Chinese model reached the coding frontier, at a fraction of the price.
Wo Kimi punktet
1. Agentenbasierte Programmierung auf Spitzenniveau – zu günstigen Konditionen
K2.6 ist wohl das beste offene Modell für autonome Softwareentwicklung und kostet ca. 0,60 USD für Eingabe / 2,50 USD für Ausgabe pro Million Tokens. Für Teams, die Programmieragenten entwickeln, ist diese Kombination kaum zu schlagen.
2. Der Agent Swarm
300 Unterautonome Agenten und 4.000 koordinierte Schritte sind wirklich ein Alleinstellungsmerkmal. Die meisten Modelle stellen lediglich eine einzelne Agentenschleife zur Verfügung; K2.6 hingegen ist für Skalierung und Orchestrierung ausgelegt – genau dort, wo sich die ernsthafte agentenbasierte Arbeit bewegt.
3. Offene Gewichte
Wie DeepSeek und GLM stellt Kimi sein bestes Modell als offene Gewichte auf Hugging Face bereit. Sie können es selbst hosten, feinjustieren und Ihre Daten vollständig unter eigener Kontrolle behalten.
4. Langzeitkontext-Heritage
Moonshots Wurzeln liegen in der Verarbeitung langer Kontexte – und das zeigt sich deutlich. Das 262-K-Contextfenster von K2.6 wird effizient für Codebasen-übergreifende Schlussfolgerungen und Aufgaben mit umfangreichen Dokumenten genutzt.
Wo Kimi nachlässt – ehrliche Vorbehalte
1. Auf Programmierung fokussiert, weniger allgemein einsetzbar
K2.6 ist speziell für Programmierung und Agenten optimiert. Für allgemeine Chat-Anwendungen, kreatives Schreiben oder breit angelegte Wissensaufgaben eignet sich möglicherweise ein allgemeineres Modell (Qwen, GPT-5.5, Claude) besser. Kimi ist ein Spezialist.
2. Einschränkungen bei gehosteten APIs
Die Moonshot-API läuft in China mit den üblichen Einschränkungen bezüglich Datenspeicherort und Inhaltsmoderation. Durch Selbsthosting der offenen Gewichte oder Nutzung eines westlichen Anbieters (z. B. Fireworks) lässt sich dies umgehen.
3. Kleinere Ökosystem-Infrastruktur
Moonshot ist ein Startup. Seine Tools, Dokumentation und Integrationen sind weniger ausgereift als die von Alibaba oder den US-Forschungslaboren. Das Modell selbst ist exzellent; die unterstützende Infrastruktur befindet sich jedoch noch im Aufbau.
Kimi im Vergleich zum Feld
| Dimension | Kimi K2.6 | DeepSeek V4 | GLM-5.1 | Claude Opus 4.8 |
|---|---|---|---|---|
| Agentenbasierte Programmierung | Bestes offenes Modell | Stark | Stark | Spitzenmodell |
| SWE-Bench Pro | 58.6% | ~58% | 58.4% | Spitzenmodell |
| Offene Gewichte | Ja | Ja | Ja | Nein |
| Agenten-Orchestrierung | 300-Agenten-Swarm | Standard | Standard | Stark |
| Preis | ~$0.60/$2.50 | ~$0.44/$0.87 | ~$0.98/$3.08 | ~$5/$25 |
Vor- und Nachteile
Kimi-Stärken
- Erstes offenes Modell, das ein führendes US-amerikanisches Modell auf SWE-Bench Pro übertraf
- Agent Swarm skaliert auf 300 Unterautonome Agenten / 4.000 Schritte
- Offene Gewichte – Selbsthosting und Feinjustierung möglich
- Spitzenleistung im Programmierbereich zu Start-up-freundlichen Preisen
- Starke Heritage im Umgang mit langen Kontexten
Kimi-Schwächen
- Spezialist – schwächer bei allgemeinen bzw. kreativen Aufgaben
- Die gehostete API unterliegt datenschutzrechtlichen Beschränkungen durch den chinesischen Speicherort
- Kleinere Ökosystem-Infrastruktur und Tools im Vergleich zu Konkurrenten
- Die Benchmark-Führerschaft ist umstritten, da westliche Labore kontinuierlich neue Versionen veröffentlichen
Zugriff auf Kimi
- Gehostete API: platform.moonshot.ai (Moonshot-API) – die kostengünstigste direkte Option.
- Westliche Anbieter: Fireworks, DeepInfra und andere stellen die offenen Gewichte mit einer Datenresidenz außerhalb Chinas bereit.
- Selbsthosting: Laden Sie Kimi K2.6 von Hugging Face herunter und führen Sie es auf Ihrer eigenen Infrastruktur aus (es handelt sich um ein großes Modell – planen Sie entsprechende GPU-Kapazitäten ein).
- Consumer-App: Die Kimi-Chat-App und -Website.
Was tatsächlich nötig ist, um Kimi lokal auszuführen
„Offene Gewichte“ klingt so, als könnten Sie Kimi einfach herunterladen und auf einem Gaming-PC ausführen. Das geht nicht. Kimi K2.6 ist ein Mixture-of-Experts-Modell mit einer Billion Parametern; zwar werden pro Token nur etwa 32 Milliarden Parameter aktiviert, doch jeder dieser Experten muss dennoch vollständig im Arbeitsspeicher gehalten werden. Dieser Unterschied ist entscheidend für alle, die eine lokale Bereitstellung planen.
In voller BF16-Präzision belegen die K2.6-Gewichte etwa 610 GB auf der Festplatte. Keine Consumer-GPU verfügt annähernd über genügend Speicherplatz, sodass eine native Ausführung einen Server mit Hunderten Gigabyte schnellem Arbeitsspeicher erfordert. Der praktikable Weg für Heimanwendungen und kleine Teams ist die Quantisierung: Community-basierte dynamische Quantisierungen aus dem llama.cpp-Ökosystem reduzieren das Modell drastisch, ohne wesentliche Qualitätseinbußen zu verursachen. Eine dynamische 2-Bit-Quantisierung benötigt etwa 350 GB, während aggressivere 1,8-Bit-Versionen früherer K2-Release-Stände bereits unter 250 GB kommen.
Die entscheidende Regel lautet einfach: Ihre VRAM plus Systemarbeitsspeicher sollten in etwa der Größe der heruntergeladenen Quantisierung entsprechen. Erfüllen Sie diese Vorgabe, läuft das Modell vollständig im Arbeitsspeicher; unterschreiten Sie sie, entlädt llama.cpp den Überhang auf eine SSD – das funktioniert zwar, führt aber zu massiven Geschwindigkeitseinbußen. Da MoE pro Token nur sehr wenige Parameter aktiviert, eignet sich die Architektur in ungewöhnlichem Maße für CPU-Entlastung: Sie können die meisten Experten problemlos im kostengünstigen Systemarbeitsspeicher ablegen und nur den aktiven Pfad auf der GPU halten.
Was bedeutet das konkret für die Hardware?
- Realistischer Heim-Workstation-Aufbau: Eine Workstation mit rund 256 GB Systemarbeitsspeicher sowie einer 16–24-GB-GPU kann eine kleinere dynamische Quantisierung ausführen, typischerweise im Bereich von einzelnen bis niedrigen zweistelligen Tokens pro Sekunde – nutzbar für asynchrone Programmieraufgaben, aber schmerzhaft für Live-Chats.
- Serious Local Rig: 384–512 GB Arbeitsspeicher oder ein Multi-GPU-Server, um eine qualitativ hochwertigere 2-Bit-Quantisierung komfortabel im Arbeitsspeicher zu halten.
- Rechenzentrumsklasse: Auf Hardware der B200-Klasse, bei der das gesamte Modell vollständig in die VRAM passt, übersteigt der Durchsatz 40 Tokens pro Sekunde.
Für die meisten Leser lautet das ehrliche Fazit: Kimi ist „offen“ in Bezug auf die Lizenz, aber „Rechenzentrums-kompatibel“ hinsichtlich des Ressourcenbedarfs. Falls Sie die Gewichte aus Gründen der Souveränität, Nachvollziehbarkeit oder für air-gapped-Umgebungen benötigen, macht eine Workstation mit viel Arbeitsspeicher dies durchaus machbar. Wenn Sie jedoch einfach Kimis Programmierfähigkeiten mit hoher Geschwindigkeit nutzen möchten, ist die gehostete API günstiger und schneller als die Strom- und Hardwarekosten für den Betrieb eines 1-Billion-Parameter-Modells selbst.
Häufig gestellte Fragen (FAQ)
Ist Kimi besser als Claude für Programmieraufgaben?
Für reine autonome Programmierung zu geringen Kosten liegt Kimi K2.6 bemerkenswert nahe an der Claude-Generation, gegen die es angetreten ist – und übertrifft sie sogar bei einigen Benchmarks. Claude Opus 4.8 (neuer) holt die Spitzenposition wieder ein, allerdings zu etwa dem Achtfachen Preis. Für kostensensible agentenbasierte Programmierung ist Kimi der klare Wertchampion; für die absolut beste Leistung führt Claude nach wie vor.
Was ist das Agent Swarm?
Es ist Kimis System zur Aufteilung einer Aufgabe und zur Koordination zahlreicher Unterautonomer parallel – bis zu 300 Unterautonomer über 4.000 Schritte hinweg. Es wurde speziell für langfristige autonome Arbeiten wie umfangreiche Code-Restructurierungen und Migrationen entwickelt.
Ist Kimi Open Source?
Die Gewichte sind offen auf Hugging Face verfügbar, sodass Sie sie herunterladen, selbst hosten und feinjustieren können. Prüfen Sie die jeweilige Lizenzkarte hinsichtlich kommerzieller Nutzungsbedingungen.
Wem gehört Moonshot AI?
Moonshot AI ist ein unabhängiges Pekinger Startup, das 2023 gegründet wurde und von Alibaba sowie weiteren Investoren unterstützt wird. Es ist keine Tochtergesellschaft von Alibaba – Qwen ist Alibabas internes Modell.
Was kommt nach K2.6?
Moonshot kündigte Kimi K3 im März 2026 an; erwartet wird ein Kontextfenster von einer Million Token und insgesamt drei bis vier Billionen Parameter, voraussichtlich verfügbar im dritten Quartal 2026.
Ist Kimi kostenlos nutzbar?
Die Kimi-K2.6-Gewichte sind offen verfügbar, sodass Sie das Modell kostenlos selbst hosten können (Sie zahlen lediglich für die Rechenleistung). Die gehostete API von Moonshot ist kostenpflichtig, aber preisgünstig (~0,60 USD / 2,50 USD pro Million Tokens), und es gibt eine kostenlose Kimi-Chat-App für gelegentliche Nutzung. Für die meisten Entwickler stellt die günstige API den praktikabelsten Einstieg dar.
Is Kimi K2.6 better than DeepSeek V4?
Speziell für agentenbasierte Programmierung liegt Kimi K2.6 möglicherweise vorn – es wurde gezielt für autonome Softwareentwicklung entwickelt und führt bei SWE-Bench Pro. DeepSeek V4 ist der bessere Allrounder, noch kostengünstiger und verfügt über ein größeres Kontextfenster mit einer Million Token. Für Programmieragenten empfiehlt sich Kimi; für allgemeine Aufgaben zu minimalen Kosten gewinnt DeepSeek in der Regel.
Welche Hardware benötige ich, um Kimi K2.6 lokal auszuführen?
Planen Sie eine Workstation mit viel Arbeitsspeicher – kein Gaming-PC. Die vollständigen Gewichte umfassen etwa 610 GB, und selbst eine dynamische 2-Bit-Quantisierung benötigt immer noch rund 350 GB. Die Faustregel lautet: Ihr kombinierter VRAM- und Systemarbeitsspeicher sollte der Größe der verwendeten Quantisierung entsprechen. Eine 16–24-GB-GPU zusammen mit etwa 256 GB Systemarbeitsspeicher ermöglicht den Betrieb einer kleineren Quantisierung mit Einzel- bis niedrigen zweistelligen Tokens pro Sekunde unter Einsatz von CPU-Entlastung; höhere Geschwindigkeiten erfordern mindestens 384 GB Arbeitsspeicher oder Multi-GPU-Hardware.
Ist es günstiger, Kimi lokal auszuführen oder die API zu nutzen?
Für nahezu alle Nutzer ist die API die günstigere Option. Kimi K2.6 gehört zu den kostengünstigsten Spitzenmodellen pro Token, und Prompt-Caching reduziert die Kosten für wiederholte Kontexte deutlich – Cache-Hits sind mehrere Male günstiger als Cache-Misses, sodass die Strukturierung von Prompts zur Wiederverwendung von Kontext der wichtigste Hebel ist. Das Selbsthosting eines Modells mit einer Billion Parametern lohnt sich nur, wenn Sie Datenisolierung, Offline-Betrieb oder garantierte Verfügbarkeit benötigen, die die Hardware- und Stromkosten rechtfertigen.
Wie groß ist das Kontextfenster von Kimi K2.6?
Kimi K2.6 unterstützt ein Kontextfenster von bis zu 256.000 Token – ausreichend, um eine große Codebasis, einen umfangreichen Dokumentensatz oder eine längere Agenten-Verlaufssequenz in einer einzigen Anfrage zu verarbeiten. Diese Fähigkeit zur Verarbeitung langer Kontexte stammt direkt aus früheren Kimi-Versionen von Moonshot, die ihren Ruf gerade auf der Bewältigung ungewöhnlich langer Eingaben aufgebaut haben.
Fazit
Kimi K2.6 ist der deutlichste Beleg dafür, dass chinesische Modelle mit offenen Gewichten die Spitze im Bereich Programmierung erreicht haben. Moonshot setzte gezielt auf eine klare Strategie – die beste Lösung für agentenbasierte Softwareentwicklung zu sein – und lieferte ein Modell, das bei dem anspruchsvollsten realweltlichen Programmier-Benchmark ein US-Spitzenmodell schlug, dieses als Modell mit offenen Gewichten veröffentlichte und dabei einen für Startups erschwinglichen Preis festlegte.
Falls Ihre Arbeit auf autonomer Programmierung und langfristigen Agentenaufgaben beruht, gehört Kimi K2.6 unbedingt auf Ihre engere Auswahl – besonders, wenn Ihnen offene Gewichte und ein knappes Budget wichtig sind. Es ist ein Spezialist, kein Generalist, und die gehostete API unterliegt den üblichen Einschränkungen bezüglich Chinas Datenlage – doch für die Aufgaben, zu denen es konzipiert wurde, zählt es zu den beeindruckendsten Modellen des Jahres 2026, entwickelt von einem Startup, das vor drei Jahren noch nicht existierte.
