Kimi K3 im Test: 2,8 Billionen Parameter – größtes Open-Source-LLM
In der Nacht vom 16. Juli 2026 hängte Moonshot AI (月之暗面) unauffällig ein Banner in die API-Dokumentation: „🎉 Kimi K3 ist live!“ – ohne Pressekonferenz, aber mit dem weltweit größten Open-Source-AI-Modell. Dieser Artikel richtet sich an AI-Entwickler und Modell-Entscheider und erklärt KDA-Architektur, 1M-Token-Kontext, alle Benchmark-Vergleiche, Preisstrategie, vier Zugangswege und den Open-Weights-Plan vom 27. Juli – inklusive 5-Schritte-Runbook und Entscheidungsmatrix.
Inhaltsverzeichnis
Schmerzpunkte: Warum K3 die Modellauswahl neu bewerten lässt
- Die Lücke zwischen Open Source und Closed Source schrumpft: Teams setzen oft „Closed Source > Open Source“ voraus – doch K3 erreicht im Artificial Analysis Intelligence Index v4.1 57,1 Punkte (Platz 4), nur 2,8 Punkte hinter Claude Fable 5 (59,9). Open Source ist erstmals in der ersten Liga.
- Langer Kontext vs. echte Rechnung: Viele Modelle bieten 200K–400K Kontext, aber Längenzuschläge verhindern volle Nutzung. K3 bietet 1M Token zum Festpreis mit >90 % Cache-Hit-Rate im Coding – effektive Input-Kosten bis $0,30/M.
- Single-Vendor-Risiko: Die Lektion von Claude Fable 5 Exportkontroll-Sperre zeigt: Produktions-Agenten nur an eine Closed-Source-API zu binden birgt Ausfallrisiko. K3 verspricht vollständige Open Weights ab 27. Juli für Self-Hosting und Hybrid-Routing.
I. Was ist Kimi K3? In einem Satz
Kimi K3 ist das weltweit größte Open-Source-AI-Modell mit 2,8 Billionen (2,8T) Parametern – fast 75 % mehr als der bisherige Rekordhalter DeepSeek V4 Pro (1,6T), 2,7× so groß wie Xiaomis Open-Source-Modell (1,02T) und über 7× größer als Alibabas (397B).
Es nutzt eine sparse Mixture-of-Experts (MoE)-Architektur und aktiviert pro Inferenz nur 16 von 896 Experten. Zusammen mit einem 1-Million-Token-Kontextfenster und nativer Vision ist es für komplexe Coding-Aufgaben, Langdokument-Reasoning und Wissensarbeit konzipiert.
| Spezifikation | Detail |
|---|---|
| Gesamtparameter | 2,8 Billionen |
| Architektur | Kimi Delta Attention (KDA) + Attention Residuals + Stable LatentMoE |
| Aktive Experten | 16 / 896 (Sparsity 1,8 %) |
| Kontextfenster | 1.048.576 Tokens (1M) |
| Eingabe-Modalitäten | Text, Bild, Video |
| Reasoning-Modus | Nur max beim Launch (low/high folgen) |
| API-Modell-ID | kimi-k3 |
| Open Weights | 27. Juli 2026 |
In einem Satz: Kimi K3 ist ein Open-Source-„Schwergewichts-Coding-AI“ mit nativer Bild-/Video-Verständnis und Ultra-Langzeitgedächtnis – etwa 40 % günstiger als Claude Opus 4.8, vollständige Gewichte ab 27. Juli.
II. Hintergrund: Warum diese Veröffentlichung bedeutsam ist
In den letzten 18 Monaten erlitt Moonshot AI durch DeepSeeks Aufstieg erheblichen Marktdruck. K3 ist ein markanter Gegenschlag:
- In 9 von 12 Monaten hielt die Kimi-Serie den Rekord als größtes Open-Source-Modell;
- Veröffentlichung am Vorabend der WAIC 2026 (17.–20. Juli) – starkes strategisches Signal;
- ARR über 300 Mio. USD (Stand Juni 2026), 6. Finanzierungsrunde, 31,5 Mrd. USD Pre-Money-Bewertung;
- API-Umsatz >70 % des Gesamtumsatzes, ausländische zahlende Nutzer +400 %.
Das ist kein Vanity-Projekt, sondern ein kommerziell wachsendes Unternehmen, das technologische Souveränität demonstriert.
III. Architektur: Drei echte Innovationen
3.1 Kimi Delta Attention (KDA) – Attention neu gedacht
Standard-Full-Attention skaliert quadratisch mit der Kontextlänge – bei 1 Mio. Tokens wird der KV-Cache zum Engpass.
KDA ist ein hybrider linearer Attention-Mechanismus:
- 3:1-Verhältnis zwischen linearen und Full-Attention-Layern – 3 lineare Layer für lokale Struktur, 1 Full-Attention für globalen Informationsfluss;
- KV-Cache-Speicher um bis zu 75 % reduziert;
- Bei 1M Tokens bis zu 6,3× schnellere Dekodierung;
- Übertrifft Full-Attention-Baselines in Kurz-, Langkontext und RL-Szenarien.
Analogie: Full Attention ist wie jede Gesprächsdetail auswendig zu lernen; KDA arbeitet wie ein effizienter Assistent mit schnellem Index und präziser Erinnerung bei Bedarf.
3.2 Attention Residuals (AttnRes) – Informationsverlust über Tiefe
Standard-Residualverbindungen verdünnen frühe Repräsentationen in tiefen Layern. AttnRes ermöglicht selektives Abrufen hochwertiger früher Layer – ca. 25 % höhere Trainingseffizienz bei unter 2 % zusätzlichem Compute.
3.3 Stable LatentMoE – extreme Sparsity stabil trainieren
896 Experten, pro Inferenz nur 16 aktiv – Sparsity 1,8 %. Moonshots Begleittechnologien:
| Technologie | Funktion |
|---|---|
| Quantile Balancing | Expertenzuweisung direkt aus Router-Score-Quantilen, ohne fragile Heuristiken |
| Per-Head Muon | Pro Attention-Head optimiert – adaptiveres Training in großem Maßstab |
| Sigmoid Tanh Unit (SiTU) | Verbesserte Aktivierungskontrolle |
| Gated MLA | Höhere Attention-Selektivität |
Gesamt: gegenüber Kimi K2 etwa 2,5× bessere Skalierungseffizienz – gleiches Compute-Budget, deutlich mehr Intelligenz.
IV. Benchmarks: Wo K3 gewinnt und wo nicht
| Benchmark | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro (Vision) | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench | 91.1 | 89.8 | 85.8 | 87.9 | — |
Interpretation:
- SWE Marathon: K3 führt mit 42,0 – Benchmark für stundenlange Coding-Sessions;
- Program Bench: knapper Sieg (77,8 vs. 76,8 Fable 5);
- FrontierSWE: Fable 5 führt (86,6), K3 (81,2) deutlich vor GPT-5.6 Sol (71,3);
- OmniDocBench: K3 Erster (91,1) – Vision + Langkontext;
- Gesamtindex: Artificial Analysis v4.1 – K3 57,1 (Platz 4), hinter Fable 5 (59,9) und GPT-5.6 Sol (58,9); Abstand Platz 1–4 nur 2,8 Punkte.
⚠️ Hinweis: Moonshot-Selbstmeldungen, unterschiedliche Harnesses – unabhängige Reproduktion läuft.
V. Preise: Günstiger als Claude, auf Sonnet-Niveau
| Modell | Input ($/M Token) | Output ($/M Token) | Cache-Hit Input | Kontext |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00 (Promo $2) | $15.00 (Promo $10) | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.5 | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
- K3 entspricht Claude Sonnet 5 Standardpreis ($3/$15), aber 5× Kontext;
- Cache-Hit $0,30/M, Coding-Cache >90 % – effektive Input-Kosten bis $0,55/M (OpenRouter 7-Tage-Durchschnitt);
- China-API: ¥20/M Input, ¥100/M Output, Cache ¥2/M;
- kimi.com kostenlos mit Account; Prepaid ab ¥199 (Rabatt bis 11. August).
VI. Vier Zugangswege – sofort nutzbar
Methode 1: Kimi Web/App
kimi.com – Registrierung (Google-Login), K3 läuft standardmäßig mit max Reasoning.
Methode 2: Offizielle API
API Key auf platform.kimi.ai.
Methode 3: OpenRouter
Modell-ID: moonshotai/kimi-k3 – offizielle Moonshot-Preise, kein Aufschlag, voller 1M-Kontext.
Methode 4: Open Weights ab 27. Juli
Vollständige Gewichte auf Hugging Face (64+ Beschleuniger Supernode für Produktion). Training mit MXFP4-Gewichten und MXFP8-Aktivierungen; Day-0-Support in vLLM, SGLang erwartet.
VII. Entscheidungsmatrix: Welches Modell wann?
| Szenario | Empfehlung | Grund |
|---|---|---|
| Langfristige Coding-Sessions (SWE Marathon) | Kimi K3 | Benchmark-Erster, längster Kontext |
| Komplexe Repo-Bugfixes | Claude Fable 5 | FrontierSWE / SWE-bench Pro deutlich vorn |
| Terminal-/Toolchain-intensive Agenten | GPT-5.6 Sol | Terminal Bench und Coding Agent Index führend |
| Ultra-Langdokumente / multimodale Docs | Kimi K3 | OmniDocBench Erster, Vision + 1M |
| Kostenkritische Produktion | DeepSeek V4 Pro | Output nur $3,48/M |
| Open-Source Self-Hosting (ab 7/27) | Kimi K3 | Stärkste Open Weights, erste >2T-Klasse |
| Tiefstes Reasoning (HLE-Full) | Claude Fable 5 | HLE-Full 53,3 vs. K3 43,5 |
VIII. Open-Source-Versprechen: 27. Juli
Moonshot verspricht in der offiziellen WeChat-Ankündigung: vollständige Modellgewichte am 27. Juli (Modified MIT). Danach wird Kimi K3:
- das größte jemals herunterladbare Open-Source-Modell;
- das erste Open-Source-Modell über 2 Billionen Parameter;
- neuer Fine-Tuning-Baseline für die Community.
Hugging Face: MXFP4/NVFP4-Quantisierungen; vLLM, SGLang Day-0-Support erwartet.
Zitierbare Fakten (EEAT)
- Parameter: 2,8T, ~75 % mehr als DeepSeek V4 Pro (1,6T).
- Sparsity: 16 von 896 Experten aktiv (1,8 %).
- KDA: KV-Cache −75 %, Dekodierung bis 6,3× bei 1M Tokens.
- Cache: >90 % Hit-Rate im Coding, effektiv ~$0,55/M Input (OpenRouter).
- Index: Artificial Analysis v4.1: 57,1, nur 2,8 Punkte vom Spitzenreiter.
IX. 5-Schritte-Runbook
X. Häufige Fragen (FAQ)
F: Kann man Kimi K3 kostenlos nutzen?
A: Ja auf kimi.com; API kostet $3/$15 pro MTok.
F: Lokales Deployment?
A: Gewichte ab 27. Juli; Produktion braucht 64+ Beschleuniger – kein Laptop-LLM.
F: K3 oder DeepSeek V4 Pro?
A: K3 größer, stärkere Benchmarks; DeepSeek günstiger ($3,48/M Output).
F: Ist 1M Token Kontext praktisch?
A: Ja für Codebase-Analyse, Rechts-/Forschungsdocs, Agenten-Langzeitgedächtnis – ohne Längenzuschlag.
F: Wann low/high Reasoning?
A: Moonshot kündigt Folge-Updates an; aktuell nur max.
F: Benchmarks vertrauenswürdig?
A: Selbstmeldungen, verschiedene Harnesses – Pilot und unabhängige Tests entscheiden lassen.
Fazit
Kimi K3 ist kein Parameter-Vanity-Projekt. KDA, AttnRes und Stable LatentMoE sind echte Engineering-Innovationen; in Coding-Langaufgaben und Dokumentenverständnis konkurriert K3 mit Closed-Source-Flaggschiffen – zu vernünftigen Preisen und mit vollständigem Open-Source-Versprechen.
Termine: 17.–20. Juli (WAIC) → 27. Juli (vollständige Open Weights).
Kimi-K3-Agenten nur auf Laptop oder Linux-VPS laufen zu lassen bedeutet Schlafmodus-Unterbrechungen, vermischte API-Keys mit Produktions-Repos und keine Apple-Toolchain (Xcode, Fastlane, notarytool) auf derselben Maschine. Für 7×24 unbeaufsichtigte Agenten mit Kimi Code + K3 und parallel iOS-CI oder OpenClaw-Gateway ist VPSMAC M4 Mac Cloud – natives macOS, SSH + launchd, Remote-Dev im selben Segment – stabiler als Laptop oder Linux-VPS für Hybrid-Modell-Strategien in Produktion.
Quellen: Moonshot Tech-Blog · Kimi API · Artificial Analysis · OpenRouter
Datenstand: 16. Juli 2026. Benchmarks sind Moonshot-Selbstmeldungen; Fähigkeiten und Preise können sich ändern – vor Go-Live offizielle Docs prüfen.