Am 16. Juli 2026 veröffentlichte das chinesische Unternehmen Moonshot AI (月之暗面) Kimi K3 – sein bisher leistungsfähigstes Modell. Es handelt sich um ein Sparse Mixture-of-Experts (MoE)-System mit 2,8 Billionen Parametern, einem Kontextfenster von 1 Million Tokens und einer hybriden Aufmerksamkeitsarchitektur, die für die effiziente Verarbeitung langer Sequenzen entwickelt wurde. Das Modell positioniert sich als ernsthafter Konkurrent für Claude Opus 4.8 und GPT-5.5 und erzielt bei spezialisierten Aufgaben (Frontend-Coding, Agentensysteme, Arbeit mit Repositories) Ergebnisse, die mit diesen geschlossenen Systemen vergleichbar oder besser sind.
Die vollständigen Gewichte sollen am 27. Juli 2026 veröffentlicht werden. Wenn die Veröffentlichung wie angekündigt erfolgt, wird Kimi K3 zu einem der größten Open-Weight-Modelle, die jemals veröffentlicht wurden, und übertrifft seine Vorgänger um mehr als das 2,5-fache in Bezug auf die Skalierung.
Unternehmen und strategischer Kontext
Moonshot AI ist ein Pekinger Labor, das 2023 von Yang Zhilin und seinen Mitgründern von der Tsinghua-Universität gegründet wurde und für seine Open-Source-Strategie und die Kimi-Modellreihe bekannt ist. Das Unternehmen hat erhebliche Investitionen erhalten: Im Mai 2026 schloss es eine Finanzierungsrunde über 2 Milliarden US-Dollar bei einer Bewertung von 20 Milliarden US-Dollar ab, unterstützt von der Abteilung Meituan Long-Z Investments und anderen wichtigen Investoren wie Alibaba und Tencent. Der quartalsweise ARR überstieg im April 2026 200 Millionen US-Dollar. Die Kimi-Serie ist kontinuierlich gewachsen, von K2 (1 Billion Parameter) über K2.5–K2.7 Code bis zum aktuellen K3, wobei jedes Mal der Kontext erweitert und Multimodalität hinzugefügt wurde. K3 stellt einen qualitativen Sprung sowohl in Bezug auf die Skalierung als auch auf architektonische Innovationen dar, die speziell auf lange Agentenaufgaben und Coding ausgerichtet sind.
Architektonische Innovationen: Kern des Wettbewerbsvorteils
1. Kimi Delta Attention (KDA) – Ein hybrider linearer Aufmerksamkeitsmechanismus, der die Ideen von Gated DeltaNet weiterentwickelt und bereits im Open-Source-Modell Kimi Linear (2025) erprobt wurde. Anstelle der klassischen quadratischen Aufmerksamkeit, die O(n²) Speicher und Rechenleistung erfordert, verwenden die meisten Schichten ein lineares Komplexitätsschema mit Channel-wise diagonaler Gate-Steuerung. Praktische Vorteile:
- Reduzierung des KV-Cache-Verbrauchs um bis zu 75 % bei ähnlichen Architekturen, was für die Arbeit mit Millionen von Kontexten entscheidend ist;
- Beschleunigung der Dekodierung bei Millionen von Kontexten um bis zu 6,3×, wodurch lange Sitzungen praktisch einsetzbar werden;
- Aufrechterhaltung der Abrufqualität bei langen Sequenzen ohne signifikante Verschlechterung.
KDA wurde mit Open-Source-CUDA-Kernen (FlashKDA) veröffentlicht und in vLLM für produktive Einsätze integriert.
2. Attention Residuals – Ein Mechanismus, der selektiv Repräsentationen aus früheren Schichten „zurückzieht“, anstatt sie gleichmäßig über Standard-Residualverbindungen anzureichern. Moonshot berichtet über eine Steigerung der Trainingseffizienz um ca. 25 % bei minimalen zusätzlichen Kosten (ca. 2 %), was bei einem Modell von 2,8 Billionen Parametern eine erhebliche Einsparung an Rechenressourcen für das Training oder eine gleichwertige Qualitätssteigerung bedeutet.
3. Stable LatentMoE – Ein extrem sparsames Routing-System, bei dem von 896 Experten nur 16 pro Token aktiviert werden (1,8 % des Pools), unter Verwendung von quantiler Basierung und Per-Head-Optimierung zur Stabilisierung des Trainings. Dieser Grad an Sparsamkeit ermöglicht es, die Rechenkosten für die Inferenz trotz der riesigen Anzahl von Parametern auf einem akzeptablen Niveau zu halten: Aufgrund der MoE-Architektur und der 16 aktiven Experten ist die tatsächliche Anzahl der pro Token aktivierten Parameter deutlich geringer als 2,8 Billionen.
4. Quantisierung und Effizienz – Das Modell ist von Anfang an mit MXFP4 für Gewichte und MXFP8 für Aktivierungen quantisiert, was für die Kompatibilität mit verschiedener Hardware gewählt wurde. Moonshot gibt eine um etwa 2,5 × bessere Skalierungseffizienz im Vergleich zur K2-Generation an, was bedeutet, dass das gleiche Rechenvolumen deutlich mehr Möglichkeiten bietet.
Technische Spezifikationen
| Parameter | Wert |
Gesamtzahl der Parameter | 2,8 Billionen |
Aktive Experten | 16 von 896 (1,8 % pro Token) |
Kontextfenster | 1.048.576 Tokens (1 Mio.) |
Modalitäten | Text + Bild/Video → Text (native Vision) |
Hauptarchitektur | Sparse MoE + Kimi Delta Attention + Attention Residuals |
Quantisierung | MXFP4 (Gewichte) / MXFP8 (Aktivierungen) |
Schlussfolgerung | Immer aktiviert („Denkmodus“), nur Max-Effort beim Start, niedrig/hoch Modi in Planung |
Unabhängige und offizielle Benchmarks: Die reale Leistung
Führerschaft bei spezialisierten Aufgaben: Auf der Frontend/WebDev Arena (menschliche Präferenzen von Entwicklern) belegte K3 mit 1679 Elo den 1. Platz und übertraf damit Claude Fable 5 (1631) und GPT-5.6 Sol (1618) in Blindtests. Dies ist ein Sprung von 17 Plätzen gegenüber K2.6 und das Ergebnis #1 in 6 von 7 Frontend-Domänen (ausgenommen Spiele).
Gesamtleistung: Auf dem Artificial Analysis Intelligence Index v4.1 (unabhängige Bewertung, die 9 Benchmarks aggregiert: GDPval-AA, Reasoning, Coding, Agentenaufgaben) erreichte K3 57,1 – den 4. Platz weltweit, nach Fable 5 (~60) und GPT-5.6 Sol (~59), aber vor Claude Opus 4.8 (~56).
Coding und Agentensysteme:
- Terminal-Bench 2.1: 88,3 (fast auf dem Niveau von GPT-5.6 Sol 88,8, deutlich besser als Claude Fable 5 und Opus 4.8 – beide 84,6).
- GDPval-AA v2: 1668 Elo, dritter Platz nach Fable 5 Max (1815) und GPT-5.6 Sol Max (1747,8), vor Opus 4.8 (1600) – ein Standardtest für Wissen, Schlussfolgerungen und analytische Aufgaben.
- GPQA-Diamond: 93,5 % – das beste Open-Source-Ergebnis in diesem hochkomplexen Benchmark (Wissen von PhD-Absolventen).
- BrowseComp (Web-Agenten): 91,2 % (bestes Ergebnis unter allen verglichenen Modellen), 90,4 % bei vollem 1-Mio.-Kontext ohne Komprimierung.
- AA-Briefcase (Langzeitgedächtnis/Agenten): 1548 Elo, zweiter Platz nach Fable 5, vor GPT-5.6 Sol.
Einige unabhängige Tester bemerken eine erhöhte „Gesprächigkeit“ bei der Ausgabe, was den Token-Verbrauch erhöhen kann, aber bei den wichtigsten Coding- und Agentenaufgaben ist der Verbrauch an Ausgabetokens dank Optimierungen bei Reasoning-Tokens um 21 % niedriger als bei K2.6.
Preise und Verfügbarkeit
API-Tarif: 3,00 US-Dollar pro Million Eingabetokens (Cache Miss), 0,30 US-Dollar pro gecachtem Eingang, 15,00 US-Dollar pro Million Ausgabetokens – die teuerste aller chinesischen Labore, aber vergleichbar mit den Preisen von Claude Sonnet und etwa der Hälfte der Kosten von GPT-5.6 Sol (30 $/M Ausgabe). Zum Vergleich: K2.6 kostete 0,60 $ Eingang / 2,50 $ Ausgang, also ein 5-facher Sprung für den Eingang und ein 6-facher für die Ausgabe, was den erheblichen Sprung in Skalierung und Qualität widerspiegelt.
Verfügbarkeit: Kimi Code, Kimi App (einschließlich iOS), Moonshot OpenAI-kompatibles API, OpenRouter. Der volle 1-Mio.-Kontext erfordert ein Allegretto-Abonnement oder höher; Moderato ist auf 256K beschränkt.
Werbekampagne: Der Start wurde von einer Aktion mit Bonusguthaben von +10–30 % bei Aufladungen vom 15. Juli bis 11. August 2026 begleitet.
Open-Weight-Release: Erwartung und Bedeutung
Zum Zeitpunkt der Veröffentlichung (16. Juli) waren die Gewichte noch nicht veröffentlicht. Moonshot hat sich offiziell verpflichtet, die vollständigen Gewichte am 27. Juli 2026 unter einer Lizenz zu veröffentlichen, die der Modified MIT-Lizenz (wie bei der K2-Serie) nahekommt. Nach der Freigabe der Gewichte wird K3 das leistungsstärkste frei verfügbare Modell in Bezug auf Skalierung (2,8 Billionen), Kontext (1 Mio.) und Coding/Agentenfähigkeiten sein, was die Verfügbarkeit für die lokale Entwicklung, das Fine-Tuning und die Forschung auf entsprechender Hardware (mindestens 64 Beschleuniger für das vollständige Modell) bedeutet.
Strategische Bedeutung und Wettbewerbskontext
Kimi K3 erscheint zu einem Zeitpunkt kritischer Umwälzungen in der chinesischen KI-Industrie. Nach dem Aufstieg von DeepSeek im Januar 2025 (R1 bei niedrigen Rechenkosten) verlor Moonshot Marktanteile und fiel von Platz 3 bei den aktiven Kimi-Nutzern auf Platz 7 im Juni 2025. K3 ist eine bewusste Wette auf die Rückkehr durch Skalierung und architektonische Innovation. Investoren bezeichnen dies als potenziellen „Kimi-Moment“ (analog zum Schock durch DeepSeek vor einem Jahr), und es gibt dafür gute Gründe: Das Modell schließt die Lücke zu westlichen Spitzenmodellen nicht durch niedrige Kosten (es ist teuer), sondern durch Qualität und Skalierung.
Die Kombination aus 2,8 Billionen Parametern, 1-Mio.-Kontext, nativer Vision, stets aktiviertem Schlussfolgern und starkem Coding macht K3 besonders interessant für:
- Agentensysteme und Long-Horizon-Workflows (Reproduktion von Benutzeroberflächen, mehrstufige Entwicklungen, autonome Ingenieursaufgaben);
- Entwicklung und Refactoring großer Codebasen (in einem bekannten Beispiel entwarf K3 autonom einen Mikrochip in 48 Stunden unter Verwendung von Open-Source-EDA);
- Forschungs- und Analyseaufgaben mit riesigem Kontext (juristische Dokumente, Finanzberichte, Code-Reviews großer Repositories);
- Unternehmen, die Self-Hosting und Unabhängigkeit von geschlossenen APIs anstreben, anstatt von Anthropic oder OpenAI abhängig zu sein.
Es gibt jedoch wichtige Vorbehalte: Die Gewichte sind noch nicht veröffentlicht, unabhängige Reproduktionen und detaillierte technische Berichte sind noch in der Entwicklung, einige Benchmarks verwenden proprietäre Harnesses (KimiCode anstelle von Standard-Benchmarks). Das reale Bild wird sich nach dem 27. Juli endgültig klären, wenn die Gewichte verfügbar werden und unabhängige Bewertungen der Open-Source-Modellversionen erscheinen.
Fazit: Kimi K3 ist eine der bedeutendsten KI-Veröffentlichungen der ersten Jahreshälfte 2026. Es ist nicht einfach nur „ein weiteres großes chinesisches Modell“, sondern ein ernsthafter Anwärter auf einen Spitzenplatz unter den Frontier-Modellen, insbesondere bei spezialisierten Aufgaben des Agenten-Codings, langen Kontexten und multimodalen Schlussfolgerungen. Die architektonischen Innovationen (KDA, Attention Residuals, Stable LatentMoE) beweisen, dass die chinesischen Labore in der Ingenieurskunst auf dem Niveau der besten westlichen stehen. Wenn die Open-Weight-Veröffentlichung wie geplant am 27. Juli erfolgt, werden die Auswirkungen auf das Open-Source-Ökosystem und die Wettbewerbsdynamik sehr spürbar sein: Zum ersten Mal erhalten Entwickler Zugang zu einem Modell dieser Größe und Qualität, unabhängig von geschlossenen APIs.
