2026 Kimi K3: 2,8T Open-Source-LLM — Benchmarks, Preise & Entscheidungsleitfaden
Am 16. Juli 2026 meldete Moonshot AI (月之暗面) Kimi K3 still in der API-Dokumentation — ohne Pressekonferenz, aber mit 2,8 Billionen Parametern, 1 Million Token Kontext und dem Versprechen vollständiger Open Weights am 27. Juli 2026. Dieser datenbasierte Leitfaden wertet KDA-Architektur, Benchmark-Matrix gegen Claude Fable 5, GPT-5.6 Sol und DeepSeek V4 Pro aus — inklusive Preisstruktur, DSGVO-relevanter API-Nutzung und stabiler Betriebsführung für EU-Teams.
1. Drei Entscheidungsschmerzpunkte: Parameter, Kontext, Kosten
- „Größtes Modell“ ≠ „bestes Modell“: 2,8T Parameter sind ein Rekord im Open-Source-Segment, doch FrontierSWE und DeepSWE liegen teils vor Claude Fable 5 oder GPT-5.6 Sol. Entscheiden Sie nach Teilbenchmarks, nicht nach Gesamtparameterzahl.
- Reale Kosten bei langem Kontext: 1M Token sind für Repo-Analysen wertvoll; die API rechnet pro Token ab. KDA reduziert KV-Cache-Speicher um 75 %; bei Coding-Szenarien sind Cache-Hitraten über 90 % dokumentiert — effektive Input-Kosten ab $0,30/M.
- Self-Hosting und Betriebsstabilität: Ab dem 27.07. erfordert Produktions-Inferenz einen Supernode mit 64+ Beschleunigern. Für EU-Teams mit DSGVO-Pflichten ist die Cloud-API oder ein kontrollierter Remote-Mac-Entwicklungsstack die realistisch stabilere Option als Ad-hoc-Laptop-Tests.
2. Was ist Kimi K3: Kerndaten auf einen Blick
Kimi K3 ist derzeit das parameterstärkste Open-Source-KI-Modell weltweit — 2,8 Billionen (2,8T) Parameter. Das übertrifft DeepSeek V4 Pro (1,6T) um rund 75 %, das Xiaomi-Open-Source-Modell (1,02T) um den Faktor 2,7 und Alibaba (397B) um mehr als das Siebenfache.
Die Architektur basiert auf sparse Mixture-of-Experts (MoE): Zur Inferenz werden 16 von 896 Experten aktiviert (Sparsity 1,8 %). Kombiniert mit 1 Million Token Kontext (entspricht etwa fünf vollständigen Ausgaben von „Die Geschichte der Rote Burg“) und nativer Bild-/Video-Verarbeitung richtet sich K3 an komplexes Coding, Langdokumente und Wissensarbeit.
Kurzfassung: Open Source (Gewichte ab 27.07.), multimodal, extrem langer Kontext, Coding-orientiert — etwa 40 % günstiger als Claude Opus 4.8 bei vergleichbarer Leistungsklasse in mehreren Teilbenchmarks.
3. Veröffentlichungskontext: WAIC und strategische Signale
Nach dem DeepSeek-Schub der letzten 18 Monate markiert K3 Moonshots technische Gegenoffensive:
- In 9 von 12 Monaten führte die Kimi-Serie die Open-Source-Parameter-Rangliste an;
- Timing unmittelbar vor der WAIC 2026 (17.–20. Juli) — klares Signal an Investoren und Konkurrenten;
- ARR über 300 Mio. USD (Stand Juni 2026), sechste Finanzierungsrunde, Bewertung 31,5 Mrd. USD (pre-money);
- API-Umsatzanteil über 70 %, internationales Paid-Wachstum 400 %.
Für Entscheider in der EU bedeutet das: Moonshot monetarisiert über API — nicht über Hardware-Lock-in. Die Datenverarbeitung erfolgt über Moonshot-Endpunkte; Verträge und AVV sollten vor Produktionsstart geprüft werden.
4. Architektur: KDA, AttnRes, Stable LatentMoE
4.1 Kimi Delta Attention (KDA) — Attention neu designt
Volle Attention skaliert quadratisch; bei 1M Token explodiert der KV-Cache. KDA ist ein hybrides lineares Attention-Verfahren:
- 3:1-Verhältnis aus linearen und vollen Attention-Layern;
- KV-Cache-Speicher reduziert um bis zu 75 %;
- Decoding bei 1M Token bis zu 6,3× schneller;
- Übertrifft reine Full-Attention-Baselines in Kurz-, Langkontext- und RL-Skalierung.
4.2 Attention Residuals (AttnRes) — Informationsverlust in der Tiefe
Standard-Residualverbindungen verwässern frühe Repräsentationen. AttnRes ermöglicht selektives Abrufen früher Layer — etwa 25 % Trainings-Effizienzgewinn bei unter 2 % Mehraufwand.
4.3 Stable LatentMoE — stabiles Training bei extremer Sparsity
| Technik | Funktion |
|---|---|
| Quantile Balancing | Expertenzuweisung aus Router-Quantilen — weniger Heuristik-Hyperparameter |
| Per-Head Muon | Head-spezifische Optimierung für skalierbares Training |
| Sigmoid Tanh Unit (SiTU) | Verbesserte Aktivierungskontrolle |
| Gated MLA | Höhere Attention-Selektivität |
Gegenüber Kimi K2: ~2,5× höhere Skalierungseffizienz bei gleicher Rechenleistung.
5. Benchmark-Tabelle und Interpretation
| 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 | — |
Datenbasierte Lesart:
- SWE Marathon (42,0, Platz 1): Langläufer-Coding am nächsten an realer Entwicklung;
- Program Bench (77,8, Platz 1): knapp vor Fable 5 (76,8);
- FrontierSWE: Fable 5 führt mit 86,6; K3 deutlich vor GPT-5.6 Sol (71,3);
- OmniDocBench (91,1, Platz 1): Vision + Langkontext-Synergie;
- Artificial Analysis Intelligence Index v4.1: K3 mit 57,1 Punkten auf Rang 4 — hinter Fable 5 (59,9) und GPT-5.6 Sol (58,9).
Hinweis: Moonshot-Selbstmessung vom 16.07.2026; unterschiedliche Harnesses pro Anbieter. Unabhängige Replikation ausstehend.
6. Preisvergleich: $3/$15 und Cache-Treffer
| Modell | Input ($/M) | Output ($/M) | Cache-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 liegt auf Sonnet-5-Standardpreis ($3/$15), bietet aber 5× mehr Kontext. Cache-Treffer ab $0,30/M; bei Coding oft >90 % Hitrate. China-API: ¥20/M Input, ¥100/M Output, Cache ¥2/M; kimi.com kostenlos testbar; Prepaid ab ¥199 (Aktion bis 11.08.).
7. Kimi K3 API in fünf Schritten
- Registrieren: platform.kimi.ai oder kimi.com — Google-Login möglich.
- API-Key erstellen: Schlüssel in Secret Manager ablegen; DSGVO-konforme Zugriffskontrolle und Rotation einplanen.
- OpenAI-kompatiblen Client konfigurieren:
base_url=https://api.moonshot.ai/v1. - Modell aufrufen:
model="kimi-k3"— Beispiel:
from openai import OpenAI
client = OpenAI(
api_key="your_moonshot_api_key",
base_url="https://api.moonshot.ai/v1"
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "Analysiere diesen Code..."}]
)- Alternativen: OpenRouter
moonshotai/kimi-k3ohne Aufschlag; oder ab 27.07.2026 Hugging-Face-Weights (64+ Beschleuniger Supernode).
8. Szenario-Entscheidungsmatrix
| Szenario | Empfehlung | Begründung |
|---|---|---|
| Langläufer-Coding | Kimi K3 | SWE Marathon #1, längster Kontext |
| Repo-weite Bugfixes | Claude Fable 5 | FrontierSWE deutlich vorne |
| Terminal-/Tool-Agenten | GPT-5.6 Sol | Terminal Bench führend |
| Langdokumente / multimodale OCR | Kimi K3 | OmniDocBench #1, native Vision + 1M |
| Kostenoptimierung | DeepSeek V4 Pro | Output nur $3,48/M |
| Self-Host Open Weights | Kimi K3 (ab 27.07.) | Stärkste verfügbare Open-Source-Gewichte |
9. Open-Source-Versprechen: 27. Juli 2026
Moonshot verpflichtet sich zur vollständigen Gewichtsveröffentlichung auf Hugging Face am 27. Juli 2026. K3 wird dann:
- das größte herunterladbare Open-Source-Modell;
- das erste Open-Weight-Modell über 2 Billionen Parameter;
- neue Referenz für Community-Fine-Tuning.
vLLM und SGLang dürften zeitnah folgen; MXFP4/NVFP4-Quantisierungen sind wahrscheinlich. Training mit MXFP4-Gewichten und MXFP8-Aktivierungen — quantisierungsbewusst designed.
Meilensteine: 17.–20.07. WAIC → 27.07. vollständige Open Weights.
10. Häufige Fragen
F: Ist Kimi K3 kostenlos?
kimi.com mit Gratis-Konto; API tokenbasiert.
F: Lokal lauffähig?
Vor dem 27.07. nein; danach 64+ Beschleuniger — kein Notebook-Szenario.
F: Low/High-Inferenzstufen?
Moonshot kündigt Updates an; derzeit nur max verfügbar.
11. Fazit: API jetzt, Open Weights als zweite Halbzeit
Kimi K3 ist kein reines Parameter-Marketing — KDA, AttnRes und Stable LatentMoE sind messbare Engineering-Innovationen. In Coding-Langläufen und Dokumentenverständnis konkurriert K3 mit geschlossenen Frontier-Modellen; die Preisstruktur ist nachvollziehbar; Open Weights sind terminiert.
Für Entwicklerteams ist die Cloud-API der pragmatische Einstieg: 2,8T-Inferenz passt nicht auf ein zugeklapptes Notebook; Windows/Linux-Cross-Development fehlt die Xcode-/Metal-/Unified-Memory-Kohärenz von Apple Silicon. Wer Kimi K3 für Agent-Integration, Langkontext-Code-Review oder Fine-Tuning nach dem 27.07. vorbereitet, profitiert von einem dauerhaft onlineen Remote Mac für Kimi Code, SFTP/rsync-Workspace-Sync und 7×24-CI — stabiler als ein schlafender Laptop und DSGVO-freundlicher dokumentierbar als kontrollierte Entwicklungsumgebung. SFTPMAC Remote-Mac-Miete liefert native macOS-Knoten mit niedriger Latenz, damit API-Integration und Benchmarks vor dem Open-Weight-Release produktionsreif laufen.
Quellen: Moonshot AI Blog · Kimi API Platform · Artificial Analysis · OpenRouter · VentureBeat · SCMP (Benchmarks Moonshot 16.07.2026)