Am 16. Juli 2026 ergänzte Moonshot AI (月之暗面) unauffällig „Kimi K3 ist live" in der API-Dokumentation — ohne Keynote, aber mit dem derzeit größten Open-Source-KI-Modell bei 2,8 Billionen Parametern. Für KI-Entwickler und Produktverantwortliche, die zwischen Frontier-APIs wählen, liefert dieser datengetriebene Leitfaden: K3-Specs und Launch-Kontext, KDA / AttnRes / Stable LatentMoE Architektur, vollständige Benchmarks vs. Claude Fable 5 und GPT-5.6 Sol, Preisvergleich und vier Zugangswege, Szenario-Entscheidungsmatrix, Open-Weight-Plan vom 27. Juli sowie eine Sechs-Schritte-Checkliste und FAQ.
Kimi K3 ist Moonshot AIs 2,8-Billionen-Parameter (2,8T) sparses Mixture-of-Experts-Modell (MoE) — rund 75 % größer als der bisherige Rekordhalter DeepSeek V4 Pro (1,6T), das 2,7-fache von Xiaomis Open-Source-Modell (1,02T) und mehr als das 7-fache von Alibaba (397B). Beim Inferenz werden 16 von 896 Experten aktiviert (Sparsity 1,8 %), kombiniert mit einem 1-Million-Token-Kontextfenster und nativer Vision — ausgelegt für komplexes Coding, Langdokument-Reasoning und Wissensarbeit.
Kurzfassung: Kimi K3 ist ein Open-Source-, vision-natives Coding-KI mit extrem langem Gedächtnis — 40 % günstiger als Claude Opus 4.8, vollständige Gewichte ab 27. Juli auf Hugging Face.
Größenrekord-Serie: Kimi hielt in 9 von 12 Monaten die Open-Source-Parameter-Obergrenze
WAIC-Timing: Launch in der Nacht vor der WAIC 2026 (17.–20. Juli) — klares strategisches Signal
Commercial Momentum: ARR überschritt im Juni 2026 300 Mio. USD; sechste Finanzierungsrunde bei 31,5 Mrd. USD Pre-Money-Bewertung
API-getriebener Umsatz: API macht über 70 % des Umsatzes aus; überseeische zahlende Nutzer wuchsen um 400 %
Rebound nach DeepSeek: Nach 18 Monaten Marktanteilsverlust behauptet K3 technische Souveränität — nicht nur Skalierung, sondern Architektur
Vollständiges Open-Source-Versprechen: Offizielle WeChat-Ankündigung bestätigt komplette Gewichte auf Hugging Face am 27. Juli
Kimi K3 ist kein reines Parameter-Stacking. Engineering-Änderungen liefern gegenüber Kimi K2 etwa 2,5-fach bessere Skalierungseffizienz.
Volle Attention lässt KV-Cache-Speicher bei langen Kontexten quadratisch wachsen. KDA wechselt lineare und volle Attention-Layer im Verhältnis 3:1: drei günstige lineare Layer für lokale Struktur, ein Full-Attention-Layer für globalen Informationsfluss. Ergebnis: bis zu 75 % weniger KV-Cache-Speicher, bis zu 6,3-fach schnelleres Decoding bei 1M Token — und bessere Performance als reine Full-Attention-Baselines in kurzen, langen und RL-Skalierungs-Szenarien.
Standard-Residualverbindungen verteilen Information gleichmäßig über die Tiefe und verwässern frühe Repräsentationen in tiefen Layern. AttnRes führt selektiven Abruf ein — das Modell kann hochwertige Features aus früheren Layern direkt über die Tiefe ziehen. Das bringt etwa 25 % Trainingseffizienzgewinn bei unter 2 % zusätzlichem Compute.
| Technik | Funktion |
|---|---|
| Quantile Balancing | Leitet Experten-Zuweisung aus Router-Score-Quantilen ab — ohne heuristische Hyperparameter |
| Per-Head Muon | Optimierung pro Attention-Head für adaptiveres Large-Scale-Training |
| SiTU (Sigmoid Tanh Unit) | Verbesserte Aktivierungssteuerung |
| Gated MLA | Schärfere Attention-Selektivität |
Hinweis: Benchmark-Zahlen unten stammen aus Moonshot-AI-Eigenangaben. Jedes Modell nutzte sein eigenes Inferenz-Harness (K3 via Kimi Code, GPT via Codex, Claude via Claude Code). Unabhängige Dritt-Reproduktionen laufen noch.
| 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 (Dokumente) | 91,1 | 89,8 | 85,8 | 87,9 | — |
Kernaussagen: K3 führt SWE Marathon (anhaltendes Lang-Coding) mit 42,0 deutlich an; liegt bei Program Bench knapp vorne (77,8); bei FrontierSWE führt Fable 5 (86,6), während K3 GPT-5.6 Sol (71,3) klar übertrifft; OmniDocBench-Dokumentenverständnis liegt bei 91,1 an der Spitze. Im Artificial Analysis Intelligence Index v4.1 erreicht K3 57,1 Punkte — Rang 4, nur 2,8 Punkte hinter Claude Fable 5 (59,9) und GPT-5.6 Sol (58,9).
| Modell | Eingabe ($/M) | Ausgabe ($/M) | Cache-Treffer Eingabe | 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 dem Standardpreis von Claude Sonnet 5 ($3/$15), liefert aber 5-fach mehr Kontext. Cache-Treffer sinken auf $0,30/M (ein Zehntel des Eingabepreises); Coding-Workflows melden über 90 % Cache-Hit-Rate. China-API: ¥20/M Eingabe, ¥100/M Ausgabe, ¥2/M Cache-Treffer. Kostenlose kimi.com-Konten nutzen K3 im max-Reasoning-Modus; Prepaid ab ¥199 (Promo bis 11. August). EU-Teams sollten vor Produktivbetrieb mit personenbezogenen Prompt-Inhalten AVV/DPA und Datenfluss-Routing prüfen — relevant für DSGVO-konforme Agent-Workloads.
Web / App (einfachste Variante): kimi.com besuchen, Konto anlegen (Google unterstützt). K3 läuft standardmäßig im max-Reasoning-Modus
API-Key erstellen: Schlüssel unter platform.kimi.ai generieren
OpenAI-kompatiblen Client konfigurieren: base_url auf https://api.moonshot.ai/v1, Modell auf kimi-k3 setzen
OpenRouter-Route: Modell-ID moonshotai/kimi-k3 — offizielle Preise, kein Aufschlag, voller 1M-Kontext
Cache-Optimierung aktivieren: System-Prompts und Tool-Definitionen in Coding-Workflows wiederverwenden; Mooncake-Disaggregated-Inference erhöht Cache-Hit-Rate
27. Juli markieren: Vollständige Gewichte auf Hugging Face — Private Deployment evaluieren (Supernode mit 64+ Beschleunigern erforderlich)
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 für mich..."}]
)
| Szenario | Empfohlenes Modell | Begründung |
|---|---|---|
| Anhaltende Lang-Coding-Sessions | Kimi K3 | SWE-Marathon-Führung; längstes Kontextfenster |
| Komplexe Repo-weite Bugfixes | Claude Fable 5 | FrontierSWE / SWE-bench Pro führend |
| Terminal- / Toolchain-Agenten | GPT-5.6 Sol | Terminal Bench und Coding Agent Index führend |
| Ultra-lange Dokumente / Multimodal | Kimi K3 | OmniDocBench #1; native Vision + 1M Kontext |
| Kostenoptimierte Workloads | DeepSeek V4 Pro | Ausgabe bei $3,48/M — deutlich unter K3 |
| Selbst gehostete Open Weights (ab 27.7.) | Kimi K3 | Stärkste bisher downloadbare Open-Source-Gewichte |
Signal: Chinas Open-AI-Ökosystem verschiebt sich von „Marktanteil durch niedrige Preise" hin zu echter Frontier-Herausforderung — nicht Vanity-Parameter, sondern Architektur-Engineering.
Wer Kimi K3 in lokale Agent-Pipelines oder Kimi-Code-ähnliche Langsessions einbinden will, stößt auf Laptops oder instabilen VPS oft an Speicherlimits, abgebrochene SSH-Sessions und fehlende Xcode-/Metal-Toolchains; reine Linux-VPS decken iOS-Build- und Signing-Flows nicht ab. Für Produktionsumgebungen mit stabiler SSH-Langzeitverbindung, DerivedData-Cache und iOS-CI/CD-Automatisierung — und für EU-Teams, die Agent-Datenflüsse DSGVO-konform auf dedizierter, verlässlicher Infrastruktur betreiben müssen — ist NodeMinis Mac-Mini-Cloud-Miete meist die bessere Wahl: dedizierte Knoten, Bereitstellung in Sekunden, Agent und Build auf einem echten Mac.
Ja. Mit Registrierung auf kimi.com steht K3 im max-Reasoning-Modus kostenfrei zur Verfügung. API-Nutzung ist kostenpflichtig ($3/$15 pro 1M Token). Für eine stabile Agent-Laufzeit siehe unsere Mac-Mini-Mietpreise.
Vollständige Gewichte erscheinen am 27. Juli 2026 auf Hugging Face. Produktions-Deployment erfordert einen Supernode mit 64+ Beschleunigern; ein Laptop kann 2,8T Parameter nicht hosten. Realistische Zielgruppe: Inferenz-Anbieter und gut ausgestattete Forschungslabore.
K3 hat fast doppelt so viele Parameter (2,8T vs. 1,6T), 1M vs. 128K Kontext und stärkere Scores auf mehreren Benchmarks. DeepSeek kostet nur $3,48/M Ausgabe — deutlich günstiger. DeepSeek für Kosten; K3 für Lang-Coding und Dokumentenverständnis.
Sehr nützlich für Ganz-Repo-Analyse, lange Rechts-/Forschungsdokumente und Multi-Turn-Agent-Speicher. K3 berechnet einheitlich ohne Längenzuschlag; KDA liefert bis zu 6,3-fach schnelleres Decoding bei 1M Token. Weitere Betriebsfragen: Hilfezentrum.
Moonshot AI kündigt low- und high-Modi für ein späteres Update an. Derzeit ist nur der max-Modus verfügbar. WAIC (17.–20. Juli) und der Gewichts-Release am 27. Juli für weitere Updates im Blick behalten.