Kimi K3 erreicht Frontier-Niveau – und beendet die Billig-Ära

Am 16. Juli hat das chinesische Labor Moonshot AI sein neues Modell Kimi K3 vorgestellt: 2,8 Billionen Parameter, offene Gewichte. Es ist das grösste offene Modell, das je angekündigt wurde – und zugleich das teuerste, das je aus China kam. Beides gehört zusammen.

Neun von zwölf Monaten an der Spitze

K3 nutzt eine Mixture-of-Experts-Architektur – vereinfacht gesagt sitzen im Modell viele Spezialisten, von denen pro Anfrage nur wenige aufgeweckt werden. Bei K3 sind es 16 von 896. Das Modell hat also 2,8 Billionen Parameter, rechnet aber jeweils nur mit einem Bruchteil davon. Dazu kommen ein Kontextfenster von einer Million Token (grob: ein paar tausend Seiten auf einmal) sowie die native Verarbeitung von Bildern und Video.

Dahinter steht eine neue Aufmerksamkeits-Architektur namens Kimi Delta Attention. Laut Moonshot beschleunigt sie das Decoding – die Ausgabe von Text – bei Millionen-Kontexten um bis zu das 6,3-Fache.

Moonshot nennt K3 das erste offene Modell der «3T-Klasse» – 2,8 auf 3 aufgerundet, wie der Entwickler Simon Willison trocken anmerkt. Die Krone übernimmt K3 von DeepSeeks V4 Pro mit 1,6 Billionen Parametern. Nach eigenen Angaben haben Kimi-Modelle in neun der vergangenen zwölf Monate die Obergrenze offener Modellgrössen markiert.

Ein Detail mit Sprengkraft: Die Gewichte sind noch gar nicht draussen. Sie sollen bis zum 27. Juli 2026 folgen. Bis dahin kann niemand ausserhalb von Moonshot das Modell unabhängig prüfen, verändern oder selbst betreiben.

Rund siebenmal Erster, sonst knapp dahinter

Auf dem Intelligence Index des unabhängigen Testlabors Artificial Analysis erreicht K3 57 Punkte. Damit liegt es hinter Claude Fable 5 (60) und GPT-5.6 Sol (59) und etwa gleichauf mit Claude Opus 4.8 (56).

Deutlicher fällt der Sprung bei agentischen Aufgaben aus – also Arbeiten, die das Modell über viele Schritte selbstständig erledigt. Auf GDPval v2 klettert K3 auf einen Elo-Wert von 1668; der Vorgänger K2.6 stand bei 1190. Opus 4.8 (1600) bleibt dahinter, Fable 5 (1760) davor. Über alle 35 Tests der Moonshot-Tabelle hinweg wurde K3 rund siebenmal Erster und landete sonst meist auf Platz zwei oder drei.

Und dann ist da der Punkt, der in Silicon Valley für Unruhe sorgt: In Blindtests der Plattform Arena bevorzugten Entwickler Kimi beim Frontend-Coding vor jedem führenden US-Modell – auch vor Fable 5 und GPT-5.6 Sol. Moonshot nennt das Prinzip dahinter «Vision in the Loop»: K3 schreibt Code, betrachtet den gerenderten Screenshot und bessert nach. Bild und Code in einer Schleife.

Zur Einordnung gehört: Der Grossteil dieser Tabelle stammt von Moonshot selbst, und je nach Test kamen unterschiedliche Agenten-Systeme zum Einsatz. Die Zahlen sind also nicht alle unter identischen Bedingungen entstanden.

51 Prozent – der Haken

Artificial Analysis fand aber auch etwas Unangenehmes. K3s Trefferquote stieg von 33 auf 46 Prozent. Gleichzeitig kletterte die Halluzinationsrate von 39 auf 51 Prozent. Konkret heisst das: Das Modell beantwortet mehr Fragen richtig – und erfindet zugleich häufiger etwas, statt zuzugeben, dass es die Antwort nicht kennt. Für Recherche und Faktenarbeit ist das ein ernstes Warnsignal.

Vom 95-Cent-Modell zum 3-Dollar-Modell

Der Preis ist die eigentliche Nachricht. K3 kostet 3 Dollar pro Million Input-Token (30 Cent bei einem Cache-Treffer) und 15 Dollar pro Million Output-Token. Der Vorgänger K2.6 lag bei 95 Cent und 4 Dollar.

Damit liegt K3 exakt auf dem Niveau von Anthropics Claude Sonnet 5 – und ist laut Willison das teuerste Modell, das je ein chinesisches Labor veröffentlicht hat. Pro Aufgabe rechnet Artificial Analysis mit rund 0,94 Dollar: nahe an GPT-5.6 Sol (1,04 Dollar) und etwa halb so teuer wie Opus 4.8 (1,80 Dollar). Von offenen Konkurrenten wie GLM-5.2 (0,32 Dollar) oder DeepSeek V4 Pro (0,04 Dollar) ist K3 aber weit entfernt.

Immerhin arbeitet K3 sparsamer: Es braucht 21 Prozent weniger Output-Token als K2.6 und schneidet dabei besser ab. Die höheren Token-Preise fressen diesen Vorteil meist trotzdem auf.

Die Ära, in der chinesische Modelle vor allem über den Kampfpreis kamen, ist damit vorbei. Wer Frontier-Niveau liefert, verlangt Frontier-Preise – auch in Peking.

Offen heisst nicht: läuft bei dir im Keller

Hier lohnt der zweite Blick, gerade wenn du aus Datenschutzgründen mit Self-Hosting liebäugelst. Moonshot empfiehlt für den Betrieb von K3 Supernode-Konfigurationen mit 64 oder mehr Beschleunigern. «Offene Gewichte» heisst also nicht, dass das Modell auf deinem Laptop oder im Serverraum deiner Firma läuft. Es heisst, dass Cloud-Anbieter und Forschung es prüfen und betreiben können – ein Unterschied, der in der Debatte um digitale Souveränität gerne verschwimmt.

Was Moonshot selbst zugibt

Bemerkenswert offen listet Moonshot die Schwächen: K3 entscheide bei unklaren Vorgaben schon mal eigenmächtig, reagiere empfindlich, wenn ein Agenten-System die Denkhistorie nicht sauber zurückreicht – und zeige beim Nutzererlebnis eine «spürbare Lücke» gegenüber Fable 5 und GPT-5.6 Sol.

«Im Moment ist es eine Frage USA gegen China», sagte Mozilla-Technikchef Raffi Krikorian gegenüber Axios. US-Labore seien «klar beunruhigt».

Auch das gehört dazu: K3 ist erst seit Kurzem verfügbar. Frühe Benchmarks und virale Demos können überzeichnen, wie zuverlässig ein Modell in echter Arbeit wirklich ist. Der ehrliche Test beginnt am 27. Juli – wenn die Gewichte fallen.