Kimi K3, in Zahlen, Stand 17. Juli 2026:
2,8 Billionen Parameter. Das größte je gebaute Open-Weight-Modell, 75 % größer als DeepSeek V4 Pro.
896 Experten in der Architektur. 16 werden pro Token aktiviert.
1.000.000 Token Kontext. Native Bildverarbeitung. Ein Reasoning-Modus, permanent auf Maximum eingestellt.
3 $ pro Million Input-Token, 15 $ pro Million Output-Token. Gecachter Input sinkt auf 0,30 $, und Moonshots Serving-Stack hält die Cache-Trefferquote bei Coding-Sessions über 90 %.
In Arenas unabhängigen Frontend-Coding-Tests schlug K3 Claude Fable 5 und GPT-5.6 Sol. In Arenas breiterem Text-Ranking landete es vor Opus 4.8, kostete aber 40 % weniger pro Aufgabe.
Die vollständigen Gewichte werden am 27. Juli unter einer modifizierten MIT-Lizenz veröffentlicht. Das erste offene Modell der 3T-Klasse in der Geschichte.
Moonshot AI, das dahinterstehende Labor aus Peking, erzielte bereits im April einen annualisierten Umsatz von über 200 Millionen Dollar. Am 16. Juli veröffentlichten sie K3, und die Märkte erlebten ihren zweiten DeepSeek-Moment innerhalb von 18 Monaten.
Das sind die Zahlen. Jetzt die Geschichte dahinter, denn die Zahlen allein unterschätzen, wie seltsam diese Veröffentlichung ist.
Ein Comeback, das niemand eingeplant hatte
Vor achtzehn Monaten sah Moonshot wie erledigt aus. DeepSeek fraß ihren Verbrauchermarkt auf, ihre Unternehmensgeschichte stockte, und die Marke Kimi wirkte wie eine Fußnote im chinesischen KI-Wettlauf. Gründer Yang Zhilin, ein ehemaliger Google-Forscher, hielt das Labor auf eine Sache ausgerichtet: agentische Coding-Modelle mit absurd großen Kontextfenstern.
K2 kam im Juli 2025 als solider Open-Weight-Coder. K2.5 und K2.6 folgten im Frühjahr 2026, und bis April stufte Artificial Analysis K2.6 als das stärkste Open-Weight-Modell in ihrem Intelligenzindex ein. Respektabel. Aber immer noch eine Stufe unter der geschlossenen Spitzenklasse.
K3 schloss diese Lücke. Moonshot terminierte die Veröffentlichung wenige Tage vor der Weltkonferenz für Künstliche Intelligenz in Shanghai, und die Botschaft unter den Benchmarks war unverblümt: Drei Jahre GPU-Exportkontrollen haben ein mittelgroßes Labor aus Peking nicht davon abgehalten, die Spitze zu erreichen und dann die Gewichte jedem mit einem Download-Link zur Verfügung zu stellen.
Anthropic hat Moonshot und anderen chinesischen Laboren vorgeworfen, in industriellem Maßstab zu destillieren, angeblich durch Training auf Millionen von Interaktionen mit amerikanischen Spitzenmodellen. Moonshot bestreitet dies. Beides kann gleichzeitig relevant sein: Der Streit um die Herkunft ist real, und ebenso real ist das Artefakt, das in 10 Tagen auf Hugging Face landen wird.
Was 2,8 Billionen Parameter tatsächlich bringen
Die Schlagzeilenzahl führt in die Irre, wenn man sie als reine Masse liest. K3 ist ein dünn besetztes Mixture-of-Experts-Modell: 896 spezialisierte Subnetzwerke, von denen 16 pro Token aktiviert werden. Man erhält die Wissenskapazität eines 2,8-Billionen-Parameter-Modells zu den Inferenzkosten eines weitaus kleineren.
Zwei interne Erfindungen tragen das Design. Kimi Delta Attention, ein hybrider linearer Aufmerksamkeitsmechanismus, ist der Grund, warum das 1M-Kontextfenster zu einem erschwinglichen Preis existiert. Attention Residuals, ein Drop-in-Ersatz für Standard-Residualverbindungen, ist der Bereich, in dem Moonshot konsistente Skalierungsgewinne behauptet. Beide wurden als offene Forschung auf GitHub veröffentlicht, bevor das Modell ausgeliefert wurde, was K3 Glaubwürdigkeit bei Forschern verschaffte, bevor ein einziger Benchmark veröffentlicht wurde.
Die praktische Übersetzung: Dieses Modell liest eine gesamte Codebasis, ein Jahr Dokumente oder 50 Videotranskripte in einer einzigen Eingabeaufforderung, behält alles in der aktiven Aufmerksamkeit und denkt über das Ganze hinweg nach. RAG-Pipelines, Chunking-Strategien, Embedding-Datenbanken, die gesamte Abruf-Industrie, die entwickelt wurde, um kleine Kontextfenster zu kompensieren – all das wird für eine wachsende Klasse von Aufgaben optional.
Füge native Bildverarbeitung hinzu, und die Eingabeoberfläche wird noch breiter. Screenshots, Diagramme, Whiteboard-Fotos, Diagramme. K3s Arena-Siege erzielte es speziell im Frontend-Coding, genau der Disziplin, bei der das Sehen eines Designs und das Schreiben des dazugehörigen Codes im selben „Kopf" leben.
Die Wirtschaftlichkeit ist die eigentliche Waffe
Leg die Benchmarks beiseite. Die Preistabelle ist der Punkt, an dem K3 Schaden anrichtet.
3 $ Input, 15 $ Output positioniert K3 an der Spitze der chinesischen Laborpreise und etwa auf halben Kosten pro Aufgabe im Vergleich zu Opus 4.8. Dann schreibt das Caching die Mathematik neu. Bei 0,30 $ pro Million gecachter Input-Token und Trefferquoten von über 90 % in langen Coding-Sessions bricht die effektive Input-Kosten eines Agenten, der immer wieder dasselbe Repository liest, um etwa das 4-fache ein.
Langfristige Agenten leben und sterben davon. Ein Agent, der 6 Stunden lang ein Repository durchackert, liest denselben Kontext tausendfach erneut. Unter den meisten Preismodellen macht dich diese Schleife bankrott. Unter K3s Cache-Ökonomie kostet sie nur das Taschengeld.
Moonshot behauptet außerdem, dass K3 bei gleichwertigen Aufgaben 21 % weniger Output-Token benötigt als K2.6. Das ist ihre Zahl, aus ihrer eigenen Auswertungstabelle, also mit Vorsicht zu genießen. Unabhängige Tester stellten beim kleinen Ende den gegenteiligen Druck fest: Der immer aktive Max-Reasoning-Modus verbrannte 13.241 Denk-Token für eine triviale SVG-Zeichnung, etwa 0,25 $ für eine einzige Wegwerf-Anfrage. K3 hat keinen Spargang. Man kann es nicht bitten, weniger zu denken.
Das zieht die ehrliche Nutzungsgrenze. Einfache, hochvolumige, latenzempfindliche Aufgaben sind das falsche Einsatzgebiet für dieses Modell. Lange Sitzungen mit massivem Kontext, bei denen der Cache die Input-Kosten absorbiert und die Aufgabe das maximale Reasoning rechtfertigt, sind der Punkt, an dem die Preisgestaltung von teuer zu unfair wird.
Der 27. Juli verändert die Kategorie
Bisher galt eine Regel in der gesamten Branche: Spitzenleistung lebt hinter einer API. Man mietet sie, der Anbieter kann sie neu bepreisen, einstellen oder ihr Verhalten stillschweigend ändern, und das eigene Geschäft absorbiert, was auch immer passiert.
Am 27. Juli landen die K3-Gewichte unter einer modifizierten MIT-Lizenz. Einmal heruntergeladen, kann kein Labor der Welt diese Fähigkeit mehr zurücknehmen. Verfeinere es auf deine Domäne. Betreibe es in einer abgeschotteten Umgebung. Serviere es auf eigener Hardware. Regierungen, Krankenhäuser, Banken und jeder Gründer, der wegen Modell-Einstellungsankündigungen schlaflose Nächte hatte, hat jetzt eine Spitzenklasse-Absicherung, die niemandem Rechenschaft schuldet.
Fast niemand wird 2,8 Billionen Parameter selbst hosten. Die Hardwarekosten für den Betrieb eines Modells dieser Größe, selbst dünn besetzt, liegen weit außerhalb der Reichweite von Hobbyisten. Das verfehlt den Punkt. Die Tatsache, dass die Gewichte öffentlich existieren, begrenzt dauerhaft, was jemand für geschlossene Modelle ähnlicher Stärke verlangen kann, und garantiert einen Markt von billigen Drittanbietern, die darum konkurrieren, K3 zu Rohstoffmargen zu servieren. Du profitierst von der offenen Veröffentlichung, selbst wenn du nie ein einziges Fragment herunterlädst.
Was man diesen Monat damit bauen kann
Ein Modell mit 1M Kontext, nativer Bildverarbeitung, Spitzen-Coding-Werten und fallenden Cache-Kosten ist kein Chat-Upgrade. Es belohnt eine andere Art von Arbeit.
Füttere es mit ganzen Dingen. Ganze Repositories zur Überprüfung, komplette Vertragsordner für die Prüfung, eine vollständige Wettbewerber-Inhaltsbibliothek für die Analyse. Alles, was du früher in Stücke gehackt hast, hör auf, es zu hacken.
Lass es lange laufen. K3s offizielle Positionierung sind lange Engineering-Sitzungen mit minimaler Aufsicht: Navigiere das Repository, orchestriere Terminal-Tools, mach weiter. Stelle abends echte mehrstündige Aufgaben in die Warteschlange und inspiziere morgens die fertige Arbeit, wobei der Cache die Kosten für jedes erneute Lesen übernimmt.
Richte die Kamera auf Probleme. Mache einen Screenshot von der Landingpage eines Konkurrenten und bitte um den Nachbau. Fotografiere das Whiteboard und bitte um die Implementierung. Bildverarbeitung plus Spitzen-Frontend-Ergebnisse machen Screen-to-Code zum natürlichen Terrain des Modells.
Und behalte eine Hand am Zähler. Leite deine trivialen, hochfrequenten Aufrufe an ein billiges kleines Modell weiter, denn K3 gibt gerne einen Vierteldollar aus, um intensiv über nichts nachzudenken.
Die Spitze war früher ein Abonnement. In 10 Tagen wird sie eine Datei sein. Plane entsprechend.
Danke, dass du bis hierher gelesen hast.
Ich analysiere KI-Modelle, Agenten-Workflows und die Systeme dahinter – mit echten Zahlen und ehrlichen Einschränkungen. Falls das nützlich war, bedeutet ein Follow, dass die Analyse der Gewichtsveröffentlichung vom 27. Juli noch am selben Tag in deinem Feed landet.
