Was ist Kimi K3? Das Modell mit 2,8 Billionen Parametern hinter dem „Platz 3“-Anspruch — Preis, Open Weights und Marktwirkung

Am 16. Juli 2026 hat das chinesische Unternehmen Moonshot AI Kimi K3 veröffentlicht. Mit 2,8 Billionen Gesamtparametern wird es als das größte offene Modell aller Zeiten angekündigt, und schon wenige Tage nach dem Start wurden US-Halbleiteraktien abverkauft, während ein Vertreter des Weißen Hauses dem Unternehmen öffentlich vorwarf, Anthropics Modelle destilliert zu haben.

Das Problem dabei ist, dass die Zahlen und sogar die Bezeichnungen auseinandergehen, je nachdem wer berichtet. Dieser Artikel gleicht die Benchmark-Herausgeber, die Wirtschaftspresse, Moonshots eigene Ankündigungen und die tatsächliche Seite auf Hugging Face miteinander ab und nennt dabei jeweils, wer die einzelne Zahl erhoben hat.

1. Was Kimi K3 ist — die Eckdaten und das Unternehmen

Kimi K3 ist das Spitzenmodell von Moonshot AI, und die API ging am 16. Juli 2026 in Betrieb (übereinstimmend bei ITmedia NEWS, OpenRouter und anderen). Das 2023 gegründete Unternehmen wird von Alibaba und Tencent finanziert, und laut Forbes hob die jüngste Finanzierungsrunde die Bewertung auf über 20 Milliarden US-Dollar (nach zuvor 4,3 Milliarden und dann 10 Milliarden), bei einem ARR von 200 Millionen US-Dollar im April 2026.

Zwei architektonische Neuerungen tragen eigene Namen. Kimi Delta Attention (KDA) beschleunigt das Dekodieren bei Kontextlängen im Millionenbereich; AINews berichtet von einem Faktor bis zu 6,3. Und Attention Residuals (AttnRes) holt gezielt jene Repräsentationen aus früheren Schichten, die gerade gebraucht werden; derselbe Artikel beziffert den Gewinn auf rund 25 % bessere Trainingseffizienz bei weniger als 2 % Mehraufwand. Die Gewichte liegen in MXFP4, die Aktivierungen in MXFP8 vor, und statt die Quantisierung nachträglich aufzusetzen, wurde ab dem SFT durchgehend mit eingebauter Quantisierung trainiert.

🟡 Zu den aktiven Parametern gibt es keine offizielle Angabe. Die Schreibweise „2.8T-A50B“ (also rund 50 Milliarden aktive Parameter) kursiert zwar, doch sie ist eine aus dem Verhältnis 16/896 abgeleitete Schätzung und keine von Moonshot veröffentlichte Zahl — Northflank weist ausdrücklich darauf hin, dass Moonshot die Zahl der aktiven Parameter nie genannt hat. Ebenso wenig sollte man vergessen, dass weder OpenAI noch Anthropic Parameterzahlen für die eigenen Modelle offenlegen. „2,8 Billionen, das größte der Welt“ gilt also nur unter den Modellen, deren Größe öffentlich bekannt ist.

2. Was „Platz 3“ tatsächlich bedeutet — welches Ranking, und wann

Die Aussage, das Modell liege „auf Platz 3, hinter den neuesten Modellen von OpenAI und Anthropic“, ist im Groben richtig. Ohne die Quelle festzunageln gehen die Zahlen später jedoch nicht mehr auf.

Grundlage ist der Intelligence Index von Artificial Analysis. In der Auswertung vom 17. Juli 2026 vergab das Haus 57 Punkte an Kimi K3, was Platz 3 hinter Claude Fable 5 und GPT-5.6 Sol bedeutete, und stufte die Intelligenz auf einer Höhe mit Opus 4.8 und GPT-5.5 ein. Zum Vergleich: Derselbe Index führt GLM-5.2 mit 51 und DeepSeek v4 Pro mit 44 Punkten.

Bei Kennzahlen, die näher an echter Arbeit liegen, wird die Reihenfolge deutlicher. Hier ist GDPval-AA v2 von Artificial Analysis, das praxisnahe Aufgaben auf einer Elo-Skala bewertet, wobei die menschliche Referenzlinie auf 1000 gesetzt ist.

Die eigentlich wichtige Zahl ist nicht „Platz 3“, sondern die Größe des Sprungs gegenüber der Vorgängergeneration. Von 1190 auf 1668 bei GDPval-AA v2 und +732 Punkte bei AA-Briefcase. Was den Markt bewegt hat, war die Tatsache, dass ein chinesisches offenes Modell in einer einzigen Generation in Schlagdistanz zur US-Spitze gerückt ist.

3. Wer die Benchmarks gemessen hat — Herstellerzahlen und Fremdmessungen getrennt

Benchmark-Werte wiegen sehr unterschiedlich, je nachdem ob Moonshot sie selbst erhoben hat oder eine externe Stelle. ITmedia hat beides getrennt ausgewiesen, und dieser Artikel hält es genauso.

Bemerkenswert ist das Ergebnis, dass es bei FrontierSWE 5,4 Punkte hinter Fable 5 zurückbleibt. Schlagzeilen über Bestwerte in einzelnen Benchmarks stimmen zwar, aber auf ganzer Linie gewinnt es nicht. Moonshot räumt selbst ein, insgesamt hinter Fable 5 und GPT-5.6 Sol zu liegen (dazu weiter unten mehr).

🟡 Die Auswertungsmethode wurde angezweifelt. Der Autor von Program Bench wies darauf hin, dass Moonshot eine durchschnittliche Implementierungsrate herangezogen hat statt der Zahl der vollständig durchgelaufenen Programme. Die KI-Unternehmerin Bindu Reddy hat zudem argumentiert, es brauche eine Überprüfung auf unkontaminierten, nicht öffentlichen Evaluationen wie LiveBench. Knappe Siege aus Herstellermessungen sind entsprechend zu relativieren.

4. Der Preis: Das Urteil kippt, je nachdem womit man vergleicht

Kimi K3 kostet $3.00 für die Eingabe und $15.00 für die Ausgabe je Million Token ($0.30 für zwischengespeicherte Eingaben). Weil die Bewertung sich je nach Vergleich vollständig umkehrt, führt der Blick auf nur eine Seite zum falschen Schluss.

Eines sollte klar sein: Das ist kein zweiter DeepSeek-Schock. Was DeepSeek im Januar 2025 so erschütternd machte, war ein Preis eine Größenordnung unter dem westlichen Niveau. K3 ist 40 bis 50 % günstiger als westliche Modelle, bleibt aber in derselben Größenordnung. Das ist keine Preisdisruption, sondern ein Aufholen bei der Leistung, zu einem moderaten Abschlag.

Und was am Ende tatsächlich anfällt, bestimmt nicht der Tokenpreis allein. Artificial Analysis hat die realen Kosten für das Erledigen einer Aufgabe beim Durchlauf des Intelligence Index gemessen.

Günstiger als Opus 4.8 sowohl im Listenpreis als auch in den gemessenen Kosten und zugleich das teuerste der chinesischen Modelle — das ist das vollständige Bild beim Preis. Das Muster „chinesisch, also spottbillig“ greift hier nicht, und es als teuer abzutun ist im Vergleich mit dem Westen genauso falsch.

5. Herunterladen kann es noch niemand — wo die Open Weights stehen

Nicht einmal über die Bezeichnung sind sich die Medien einig. VentureBeat titelt vom größten Open-Source-Modell aller Zeiten und SCMP vom weltgrößten Open-Source-KI-Modell, während Reuters von „open-weight“ schreibt. Letzteres ist der fachlich richtige Begriff, und zwar aus diesen Gründen.

Selbst wenn es erscheint, kann eine Privatperson es nicht betreiben. Bei 4 Bit (MXFP4) kommen allein die Gewichte auf rund 1,4 TB, und mit Reserve für KV-Cache und Aktivierungen schätzt Northflank den Bedarf auf etwa acht Knoten mit je acht GPUs zu 80 GB, während Moonshot einen Supernode mit 64 Beschleunigern oder mehr empfiehlt. Auf eine einzelne H100, H200 oder B200 passt es nicht, ein verteilter Cluster ist Pflicht, und der produktive Betrieb ist faktisch auf Linux plus NVIDIA beschränkt. Mit den privaten Aufbauten aus den Hardware-Anforderungen für lokale LLMs hat das nichts mehr zu tun.

Trotzdem ist es von erheblicher Bedeutung. Sobald Gewichte auf Spitzenniveau verfügbar werden, können Organisationen, deren Daten das Haus nicht verlassen dürfen — regulierte Branchen, Behörden — sie intern betreiben. Allein die Existenz eines öffentlichen Modells auf Augenhöhe verschiebt die Verhandlungsmacht geschlossener APIs. Die Annahmen hinter der Auswahl eines offenen Modells müssen wegen dieser Veröffentlichung aktualisiert werden.

6. Wie stark fielen die US-Aktien — die Zahlen schwanken je nach Quelle

US-Halbleiteraktien wurden in der Startwoche tatsächlich abverkauft. Doch die gemeldeten prozentualen Rückgänge widersprechen sich zwischen den Medien, weshalb sie hier als Spannen und nicht als gesicherte Fakten stehen.

Zum Vergleich: Beim DeepSeek-Schock vom Januar 2025, den alle heranziehen, meldete Yahoo Finance, dass allein NVIDIA an einem einzigen Handelstag rund 590 Milliarden US-Dollar an Marktwert verlor. NVIDIAs Rückgang lag diesmal bei 3 % im Tagesverlauf — eine völlig andere Größenordnung.

7. Der Destillationsvorwurf und die Gegenrede

Am 22. und 23. Juli verlagerte sich die Geschichte von der Technik in die Geopolitik. Michael Kratsios, Direktor des Office of Science and Technology Policy (OSTP) im Weißen Haus, erhob laut CNBC, The Hill, Yahoo News und anderen zwei Vorwürfe gegen Moonshot.

🔴 Belege wurden nicht öffentlich gemacht. Laut SCMP nannten mehrere KI-Fachleute den Vorwurf politisch motiviert und leichtfertig und wiesen darauf hin, dass Modellausgaben von vornherein nicht urheberrechtlich schutzfähig sind. Reuters berichtete unter Berufung auf Diplomatendepeschen, das Außenministerium habe die Botschaften bereits im April angewiesen, die Gastregierungen über Schutzrechtsverletzungen chinesischer KI-Firmen zu unterrichten, wobei Moonshot namentlich genannt war. Diese Vorwürfe liegen also zeitlich vor der Veröffentlichung von K3, und K3-spezifische Belege wurden nicht vorgelegt.

Auch auf US-Seite herrscht keine Einigkeit. NVIDIA kritisierte Anthropic öffentlich und namentlich und sagte zu Anthropics Aussagen über Schlupflöcher in den Exportkontrollen, amerikanische Unternehmen sollten sich auf Innovation konzentrieren und der Herausforderung stellen, statt Märchen zu erzählen.

8. Schwächen — Tempo, Halluzinationen und Moonshots eigene Einschätzung

Hinter den Leistungsschlagzeilen gehen drei Schwächen unter, die im produktiven Betrieb wehtun.

9. Wie Sie es heute ausprobieren

Bis die Gewichte erscheinen, gibt es drei Wege, es auszuprobieren.

Denken Sie allerdings daran, dass, wie oben erwähnt, die Kapazität knapp ist und 429er häufig vorkommen. Bevor Sie eine produktive Last vollständig umziehen, besteht der realistische Weg — dieselbe Überlegung wie bei der Wahl zwischen Cloud und lokal — darin, einen Teil des Datenverkehrs mit einem Fallback im Rücken darüber zu leiten.

10. Die Aussagen nach Belastbarkeit sortiert

Kurz gesagt ist die eigentliche Geschichte von Kimi K3 die Tatsache, dass ein chinesisches offenes Modell in Reichweite der Spitze gerückt ist. Es kam dorthin zu 40 bis 50 % unter westlichen Spitzenpreisen, wenn auch nicht mit einem Abschlag um eine Größenordnung; insgesamt liegt es hinter Fable 5 und GPT-5.6 Sol; es ist langsam; und es halluziniert mehr. Dennoch hat es GDPval-AA v2 in einer einzigen Generation um 478 Punkte nach oben geschoben und die Veröffentlichung seiner Gewichte zugesagt — und darauf hat der Markt reagiert.

Häufige Fragen

F1. Ist Kimi K3 Open Source?

Nein. Geplant ist die Freigabe der trainierten Gewichte, also Open Weights, nicht die Veröffentlichung von Trainingsdaten oder Trainingscode. Hinzu kommt, dass die Gewichte selbst zum Redaktionsschluss noch nicht draußen sind — die Seite moonshotai/Kimi-K3 auf Hugging Face zeigt weiterhin einen Countdown, und eine Lizenz wurde nicht bekannt gegeben. Die Veröffentlichung ist für den 27. Juli 2026 angesetzt.

F2. Ist es wirklich Dritter in den Benchmarks?

Grundlage sind 57 Punkte und Platz 3 im Intelligence Index von Artificial Analysis, hinter Claude Fable 5 und GPT-5.6 Sol, und für den 17. Juli 2026 ist diese Lesart korrekt. Es existieren aber auch Zählungen, die dieselben 57 Punkte auf Platz 4 und Platz 7 führen, weil das Ergebnis davon abhängt, wie das Vergleichsfeld gezogen wird und wann gezählt wurde. Lesen Sie „Platz 3“ als Momentaufnahme. In der auf Coding ausgerichteten Frontend Code Arena belegt es Platz 1, bei FrontierSWE dagegen verliert es gegen Fable 5.

F3. Ist es wirklich günstig?

Das kippt je nach Vergleich. Mit $3 für die Eingabe und $15 für die Ausgabe je Million Token ist es rund 40 % günstiger bei der Eingabe und 40 bis 50 % günstiger bei der Ausgabe als Claude Opus 4.8 ($5/$25) oder GPT-5.6 Sol ($5/$30), gegenüber der westlichen Spitze ist es also klar preiswert. Die gemessenen Kosten bestätigen das: $0.94 je Aufgabe gegenüber $1.80 bei Opus 4.8 (Artificial Analysis). Gegenüber chinesischen Konkurrenten ist es allerdings das teuerste der Gruppe — etwa dreimal so teuer wie GLM-5.2 und 23-mal so teuer wie DeepSeek V4 Pro. Simon Willison nennt es das teuerste Modell, das je ein chinesisches KI-Labor veröffentlicht hat. Der Abschlag um eine Größenordnung wie beim DeepSeek-Schock ist das nicht.

F4. Warum fielen die US-Aktien?

Wegen der Sorge, dass günstige chinesische Modelle die Nachfrage nach teurer Rechenleistung senken. In der Startwoche fiel der Nasdaq am Freitag um 1,5 %, Taiwan um mehr als 6 %, Japan um 4 %, und der Halbleiter-ETF (SMH) lag über 20 % unter seinem Hoch von Ende Juni. Allerdings dämmten die Chipwerte ihre Verluste anschließend wieder ein, als Schnäppchenjäger einstiegen, und die Bank of America sprach von einer bloßen Sommerkorrektur. Die Größenordnung unterscheidet sich vom DeepSeek-Schock, bei dem allein NVIDIA im Januar 2025 an einem einzigen Tag rund 590 Milliarden US-Dollar verlor.

F5. Stimmt es, dass sie Anthropics Modell gestohlen haben?

Belege wurden nicht öffentlich gemacht. Michael Kratsios, OSTP-Direktor im Weißen Haus, warf dem Unternehmen Destillation von Anthropics Fable in industriellem Maßstab vor, doch Moonshot weist das zurück und verweist auf die 15 Tage zwischen Fables Veröffentlichung am 1. Juli und dem Start von K3 am 15. Juli. Der KI-Forscher Braden Hancock sagte TechCrunch ebenfalls, destillieren, trainieren und binnen zweier Wochen veröffentlichen sei unmöglich. Laut SCMP kritisierten mehrere Fachleute den Vorwurf als politisch motiviert. Für ein Urteil reicht die Faktenlage derzeit nicht aus.

F6. Kann ich es auf meinem eigenen PC betreiben?

Nein. Selbst mit 4-Bit-Quantisierung (MXFP4) liegen allein die Gewichte bei rund 1,4 TB, was auf eine einzelne H100, H200 oder B200 nicht passt. Northflank schätzt den Bedarf auf etwa acht Knoten mit je acht GPUs zu 80 GB, und Moonshot empfiehlt 64 Beschleuniger oder mehr. macOS und Windows kommen für den produktiven Einsatz nicht infrage; vorausgesetzt werden Linux und NVIDIA. Das ist eine völlig andere Größenordnung als der Betrieb eines lokalen LLM in Eigenregie.

F7. Sollte ich es produktiv einsetzen?

Sofort vollständig umzustellen ist aus drei Gründen nicht ratsam: (1) die Kapazität ist knapp und 429-Fehler können häufig auftreten (Warnhinweis von OpenRouter selbst); (2) die Halluzinationsrate stieg von 39 % auf 51 %; und (3) Moonshot räumt selbst einen klaren Abstand im Nutzungserlebnis gegenüber Fable 5 und GPT-5.6 Sol ein. Der realistische Weg besteht darin, einen Fallback bereitzuhalten und einen Teil des Datenverkehrs in einem Bereich darüber zu leiten, in dem es stark ist, etwa bei der Frontend-Codegenerierung, und dann zu vergleichen.

F8. Wie viel besser ist es als der Vorgänger K2.6?

Die Größe des Sprungs ist hier die eigentliche Geschichte. Bei GDPval-AA v2 von Artificial Analysis ging es von 1190 auf 1668, ein Zuwachs von 478 Punkten, und in der internen Agenten-Evaluation AA-Briefcase des Hauses gewann es 732 Punkte. In der Frontend Code Arena von Arena.ai kletterte es um 17 Ränge, von Platz 18 auf Platz 1. Der Markt reagierte weniger auf die absolute Platzierung als darauf, wie viel Boden es in einer Generation gutgemacht hat.

Verwandte Artikel

• Claude Fable 5 Release im Detail — Funktionen, Benchmarks, Preise, der Mythos-Unterschied und ein neues Sicherheitsdesign
• GPT-5.6 Release: Der vollständige Überblick — Luna/Terra/Sol, Benchmarks, Preise und vs. Claude
• Claude Opus 5: die Unterschiede zu Opus 4.8 und Fable 5
• Bestes lokales LLM 2026: Qwen, Llama, Gemma & Co. nach Einsatz wählen
• Lokales LLM: Hardware-Anforderungen – VRAM-Guide [2026]
• Quantisierungsformate: GGUF vs GPTQ vs AWQ — Welche Datei?