Moonshot veröffentlicht Kimi K3, das bisher größte offene KI-Modell
Kimi K3 bricht Größenrekorde und führt mehrere Coding-Benchmarks an. Moonshot selbst räumt ein: Bei den schwersten Aufgaben liegt es noch hinter Claude und GPT.
Am 16. Juli 2026 hat das chinesische Labor Moonshot AI Kimi K3 veröffentlicht, ein KI-Modell mit 2,8 Billionen Parametern, den internen Werten, die ein Modell beim Training lernt. Es ist das größte frei zugängliche Modell, das je veröffentlicht wurde. Innerhalb weniger Stunden hatten die sozialen Netzwerke bereits ihr Urteil gefällt: Es schlage Anthropics Flaggschiff-Modell Claude Fable 5. Moonshots eigene Launch-Notizen erzählten eine nüchternere Geschichte: Das neue Modell ist hochkompetitiv, aber es gibt weiterhin einen spürbaren Abstand zu Claude Fable 5 und GPT 5.6 Sol bei den schwersten Aufgaben.
Für alle, die überlegen, auf Kimi K3 aufzubauen, ist das nützliche Signal das Modell-Datenblatt selbst, Benchmark für Benchmark, einschließlich der Stellen, an denen Moonshot eigene Niederlagen einräumt.
Was Moonshot tatsächlich veröffentlicht hat
Kimi K3 ist ein Mixture-of-Experts-Modell: Statt eines einzigen dichten Parameterblocks besteht es aus einer großen Sammlung kleinerer, spezialisierter Komponenten. Nur 16 seiner 896 Experten aktivieren sich für jedes einzelne Wort, das es erzeugt, was ein Modell dieser Größe erst in nutzbarer Geschwindigkeit laufen lässt. Es verarbeitet Text, Bilder und Video über dasselbe Netzwerk, statt ein separates Werkzeug an ein Textmodell anzuflanschen, und hält bis zu einer Million Tokens Kontext in einem einzigen Gespräch, ungefähr die Länge mehrerer langer Romane.
Die vollständigen Modellgewichte, die trainierten Parameter, die andere Entwickler herunterladen und auf eigener Hardware betreiben können, sind noch nicht öffentlich. Moonshot hat sich verpflichtet, sie bis zum 27. Juli 2026 zu veröffentlichen. Bis dahin ist das Modell über Moonshots eigene Produkte nutzbar: die Chat-Oberfläche Kimi.com, einen Agenten-Arbeitsbereich namens Kimi Work, das Coding-Tool Kimi Code und eine kostenpflichtige API. Der offizielle API-Preis liegt bei 0,30 US-Dollar pro Million Tokens für einen zwischengespeicherten Prompt, 3 Dollar für einen neuen, und 15 Dollar pro Million erzeugter Tokens, wobei ein zwischengespeicherter Prompt einer ist, den das Modell schon einmal verarbeitet hat und beim zweiten Mal schneller und günstiger beantworten kann. Der Release fiel auf den Tag vor der Eröffnung der World AI Conference in Shanghai, ein Timing, das eher nach bewusster Terminwahl aussieht als nach Zufall.
Der Abstand zwischen dem, was alle sagten, und dem, was Moonshot sagte
Innerhalb weniger Stunden nach dem Release kursierten in sozialen Netzwerken Behauptungen, Kimi K3 habe Fable 5 und GPT 5.6 Sol schlicht geschlagen. Moonshots eigene Launch-Seite erzählte eine genauere Geschichte: Nach den eigenen Zahlen zeigt das Modell weiterhin „einen spürbaren Abstand in der Nutzererfahrung im Vergleich zu Claude Fable 5 und GPT 5.6 Sol“, so Moonshot wörtlich.
Ein Datenblatt, das auch die Tests zeigt, die es verliert, ist seltener, als das Marketing rund um die meisten Produktlaunches vermuten lässt. Moonshot hat eine gemischte Bilanz veröffentlicht statt eines reinen Erfolgsberichts, und genau diese Mischung liest sich nützlicher als der Hype oder die reflexhafte Abwertung, die einem solchen Release sonst oft folgt.
Wo Kimi K3 wirklich vorn liegt
Bei zwei von Moonshots eigenen Coding-Benchmarks, Program Bench und SWE Marathon, liegt Kimi K3 auf Platz eins, vor Claude Opus, beiden getesteten GPT-Modellen und GLM, einem konkurrierenden chinesischen Modell mit offenen Gewichten. Bei Terminal Bench liegt es praktisch gleichauf mit GPT 5.6 Sol an der Spitze, vor Opus und Fable 5.
Eine unabhängige Messung zeigt in dieselbe Richtung. LMArena, eine Plattform, auf der zwei KI-Antworten nebeneinander gezeigt werden, ohne zu verraten, welches Modell welche geschrieben hat, und Nutzer für die bessere abstimmen, setzt Kimi K3 beim Coding auf Platz eins, vor Fable 5, ein Sprung um 17 Plätze gegenüber Moonshots Vorgängermodell innerhalb weniger Monate. Eine kurz nach dem Release veröffentlichte Demonstration gab beiden Modellen dieselbe anspruchsvolle Coding-Aufgabe in einem einzigen Prompt, eine Echtzeitsimulation mit vielen beweglichen Teilen, und bewertete Kimi K3s Ergebnis als das technisch ambitioniertere der beiden, was zu den oben genannten coding-spezifischen Rankings passt, auch wenn ein einzelner Test für sich allein nichts beweist.
Wo es noch zurückliegt
Bei den Benchmarks Deep SWE und Frontier SWE liegen sowohl Fable 5 als auch GPT 5.6 Sol vor Kimi K3. Bei einem breiteren, allgemeinen Benchmark wiederholt sich das Bild: Fable 5 liegt klar vorn, auch wenn Kimi K3 dicht hinter einer Gruppe anderer Modelle bleibt statt deutlich abgeschlagen zu sein.
Es gibt außerdem einen konkreten technischen Haken. Moonshot hat Kimi K3 so trainiert, dass die vollständige interne Denkkette zwischen den Schritten erhalten bleibt, und weist selbst darauf hin, dass die Antwortqualität unberechenbar werden kann, wenn das Tool, das das Modell ausführt, diese komplette Denkhistorie nicht zurückgibt. Aus diesem Grund empfiehlt Moonshot das eigene Tooling. Eine Demonstration zeigte genau, warum: Bei einem reinen Bildverständnis-Test mit drei identischen Tanklastern, die sich nur dadurch unterschieden, wie die Flüssigkeit darin schwappte, wer also gerade bremste, fand Kimi K3 die richtige Antwort erst nach fast 20.000 Tokens sich wiederholenden internen Denkens, dieselbe Frage immer wieder gestellt, bevor es sich per Ausschlussverfahren festlegte. Die final niedergeschriebene Antwort wirkte sauber und selbstsicher, ohne jede Spur dieser Wiederholung, und genau das ist das Risiko in einem Satz: Eine aufgeräumte Antwort kann einen instabilen Prozess darunter verbergen.
Die Idee, die bleibt
Der bleibende Punkt ist, dass der Konsens, der sich innerhalb weniger Stunden bildete, schneller war, als irgendjemand das Modell tatsächlich hätte testen können, während Moonshots eigene veröffentlichte Zahlen, einschließlich der Niederlagen, sich am Ende als das genauere Bild erwiesen. Ein Modell kann bei Coding-Aufgaben stark sein und trotzdem hinter den führenden proprietären Modellen bei tiefem Reasoning zurückbleiben, und beides traf auf Kimi K3 am ersten Tag zu.
Für alle, die abwägen, ob Kimi K3 in einen Coding-Workflow gehört: Es ist ein ernstzunehmender Kandidat, genau für diesen Zweck zu testen, dort, wo die eigenen Benchmarks und externe Rankings übereinstimmend von einem starken Modell sprechen, und dort, wo der Preis deutlich unter dem liegt, was proprietäre Modelle wie Claude Fable 5 verlangen. Ob dieser Preisunterschied den Kompromiss wert ist, der damit einhergeht, ist eine eigene Frage, die ein direkter Praxistest gegen Fable 5 besser beantwortet als der Hype oder das Dementi vom Launch-Tag. Was „offen“ bei einem Modell wie diesem wirklich bedeutet, und warum die Lizenz mehr zählt als die Parameterzahl, ist hier ausführlicher erklärt.
FAQ
Wann werden die Gewichte von Kimi K3 tatsächlich öffentlich? Moonshot hat sich verpflichtet, die vollständigen Modellgewichte bis zum 27. Juli 2026 zu veröffentlichen. Bis dahin ist das Modell nur über Moonshots eigene gehostete Produkte und die API erreichbar, nicht etwas, das man selbst herunterladen und betreiben kann.
Ist Kimi K3 besser als Claude Fable 5? Nicht pauschal. Es liegt bei mehreren coding-spezifischen Benchmarks und einem unabhängigen, von Menschen bewerteten Coding-Ranking vorn. Bei tieferen Reasoning-Aufgaben sagen Moonshots eigene Launch-Notizen, dass Fable 5 und GPT 5.6 Sol weiterhin vorn liegen. Welches Modell gewinnt, hängt von der Aufgabe ab.
Wie viel kostet die Nutzung von Kimi K3 über die API? Moonshots offizielle Preise liegen bei 0,30 Dollar pro Million Tokens für einen zwischengespeicherten Prompt, 3 Dollar pro Million für einen neuen, und 15 Dollar pro Million erzeugter Tokens. Das liegt deutlich unter dem, was die führenden proprietären Modelle für vergleichbare Nutzung verlangen.
Ist Kimi K3 Open Source? Nein. Es ist open-weight, das heißt, die trainierten Parameter werden nach der Veröffentlichung herunterladbar sein, aber nicht open source, was auch die Veröffentlichung von Trainingsrezept und Daten bedeuten würde. Zu beidem hat sich Moonshot nicht verpflichtet.
Kann ein kleines Team Kimi K3 realistisch auf eigener Hardware betreiben? Technisch ja, sobald die Gewichte draußen sind. Praktisch nein, für die meisten Teams. Ein Modell mit 2,8 Billionen Parametern braucht Hardware auf Rechenzentrums-Niveau, nur um überhaupt zu laufen, weshalb die meisten weiterhin Moonshots gehostete API statt eigenem Hosting nutzen werden.
Kimi K3 ist ein echter Sprung für das, was ein Labor außerhalb der üblichen Handvoll amerikanischer Unternehmen zu veröffentlichen geschafft hat, und es gewinnt mehrere Coding-Benchmarks klar für sich. Es ist, nach Moonshots eigener Darstellung, noch kein vollständiger Ersatz für die führenden westlichen Modelle. Die Lehre daraus liegt weniger in einem Rang im Ranking als in einer Gewohnheit: erst die eigenen Vorbehalte des Herstellers lesen, bevor man den Einschätzungen glaubt, die schon in der ersten Stunde kursieren.
