2026 KIMI K3
2.8T_OPEN_
SOURCE_LLM.
Leitfrage: Drei Fragen blockieren API-Entscheidungen: Reicht der Kontext? Hält Coding-Benchmarks in der Praxis? Wann sind vollständige Gewichte verfügbar? Am 16. Juli 2026 hängte Moonshot AI (月之暗面) still „🎉 Kimi K3 ist live!" in die API-Dokumentation — ohne Pressekonferenz. Dieser datengetriebene Testbericht deckt alle veröffentlichten Kernpunkte ab: 2,8T-Spezifikation, KDA/AttnRes/Stable LatentMoE, vollständige Benchmark-Matrix, Preistabelle, vier Zugangswege, Open-Source-Termin 27. Juli, Szenario-Matrix und FAQ.
Kernzahlen · 30-Sekunden-Überblick
| Release | 2026-07-16 · stiller Launch · keine Pressekonferenz |
| Skalierung | 2,8 Billionen Parameter · größtes Open-Source-Modell · +75 % vs. DeepSeek V4 Pro (1,6T) |
| Kernfähigkeiten | 1M Token Kontext · native Vision · MoE 896 Experten, 16 aktiv |
| Preise | Input $3/M · Output $15/M · Cache-Hit $0,30/M |
| Open Source | Vollständige Gewichte 2026-07-27 auf Hugging Face |
1. Drei Entscheidungsfragen — mit Daten beantwortet
- Parameter-Souveränität nach DeepSeek-Druck. 18 Monate Marktanteilsverlust durch DeepSeek — K3 holt mit 2,8T den Titel „größtes Open-Source-Modell" zurück. Timing: Vorabend der WAIC 2026 (17.–20. Juli). Signalwert: hoch.
- 1M Kontext ist kein Marketing-Parameter. Vollständige Attention skaliert KV-Cache quadratisch. KDA reduziert KV-Cache um bis zu 75 %, Decoding bei 1M Token um 6,3× schneller — bei festem $3/M-Inputpreis.
- „Kann Code schreiben" ≠ „kann stundenlang Code schreiben". SWE Marathon misst anhaltende Coding-Sessions: K3 42,0 vs. Claude Fable 5 35,0 vs. GPT-5.6 Sol 39,0. Für Multi-Stunden-Agent-Workflows relevanter als einmaliger SWE-bench-Score.
2. Was ist Kimi K3? — Definition in einem Satz
Am 16. Juli 2026 ging Kimi K3 ohne große Ankündigung live: ein Tech-Blog, eine Preisseite, Modell-ID kimi-k3 — sofort aufrufbar.
Kimi K3 ist das parameterstärkste Open-Source-AI-Modell weltweit: 2,8 Billionen (2,8T) Parameter. Das sind +75 % gegenüber DeepSeek V4 Pro (1,6T), 2,7× Xiaomi (1,02T) und 7×+ Alibaba (397B).
Sparse-MoE-Architektur: 896 Experten, 16 pro Inferenz aktiv. 1 Million Token Kontext (≈ 5× „Der rote Kammerei"-Länge), native Bild-/Video-Verständnis. Ziel: komplexes Coding, Langdokument-Reasoning, Wissensarbeit.
Ein-Satz-Fazit: Open-Source-„Schwergewichts-Coding-AI" mit nativer Vision und Ultra-Langgedächtnis — 40 % günstiger als Claude Opus 4.8, vollständige Gewichte ab 27. Juli.
3. Kontext: Warum dieser Release zählt
- Kimi-Serie: 9 von 12 Monaten an der Spitze der Open-Source-Skalierung
- Release-Timing: Vorabend WAIC 2026 (Welt-KI-Konferenz Shanghai)
- ARR (Juni 2026): >$300 Mio. · 6. Finanzierungsrunde · Bewertung $31,5 Mrd.
- API-Anteil: >70 % des Umsatzes · internationale zahlende Nutzer: +400 %
Kontext zu Closed-Source-Flaggschiffen: Claude Sonnet 5 / GPT-5.6 Leak-Analyse und GPT-5.6 Sol Ultra — mathematischer Beweis.
4. Architektur: Drei Innovationen im Detail
4.1 Kimi Delta Attention (KDA) — Attention neu designt
Standard-Transformer-Attention skaliert quadratisch mit Kontextlänge. KDA ist ein hybrides lineares Attention-Verfahren:
- 3:1-Verhältnis linearer vs. vollständiger Attention-Layer
- KV-Cache: bis zu 75 % weniger Speicher
- Bei 1M Token: Decoding bis 6,3× schneller
- Übertrifft Voll-Attention-Baseline in Kurz-, Langkontext und RL-Skalierung
Analogie: Voll-Attention = jede Gesprächsdetail merken. KDA = effiziente Sekretärin — schneller Index, präziser Abruf bei Bedarf.
4.2 Attention Residuals (AttnRes) — Tiefen-Informationsverlust
Selektives Retrieval über Layer-Grenzen hinweg. Moonshot berichtet ~25 % Trainingseffizienz-Gewinn bei <2 % zusätzlichem Rechenaufwand.
4.3 Stable LatentMoE — Ultra-Sparse, stabil trainiert
896 Experten, 16 aktiv — Sparsity 1,8 %. Begleittechnologien:
| Technologie | Funktion |
|---|---|
| Quantile Balancing | Expertenzuweisung aus Router-Quantilen — keine heuristischen Hyperparameter |
| Per-Head Muon | Pro Attention-Head optimiert — skalierbares Training |
| Sigmoid Tanh Unit (SiTU) | Verbesserte Aktivierungskontrolle |
| Gated MLA | Höhere Attention-Selektivität |
Gesamt: ~2,5× Skalierungseffizienz gegenüber Kimi K2.
5. Benchmarks: Wo liegt K3?
| 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 | — |
Daten-Interpretation:
- SWE Marathon: K3 #1 (42,0) — realistischste Proxy für stundenlange Coding-Sessions
- Program Bench: K3 #1 (77,8) — knapper Vorsprung
- FrontierSWE: Fable 5 führt (86,6); K3 (81,2) deutlich vor GPT-5.6 Sol (71,3)
- OmniDocBench: K3 #1 (91,1) — Vision + Langkontext-Synergie
- Intelligence Index v4.1: K3 57,1 (Rang 4) — hinter Fable 5 (59,9) und GPT-5.6 Sol (58,9)
Hinweis: Moonshot-eigene Benchmarks. Unterschiedliche Inference-Harnesses (K3: Kimi Code, GPT: Codex, Claude: Claude Code). Unabhängige Reproduktion läuft.
6. Preise: Günstiger als Opus, auf Augenhöhe mit Sonnet
| Modell | Input ($/M) | Output ($/M) | Cache-Hit 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 = Sonnet-5-Standardpreis ($3/$15), aber 5× Kontextfenster
- Cache-Hit: $0,30/M — Coding-Szenarien >90 % Cache-Trefferquote
- China-API: ¥20/M Input · ¥100/M Output · Cache ¥2/M
- kimi.com: kostenloses Konto; Prepaid ab ¥199 (Rabatt bis 11. August)
7. Integration: Fünf Zugangswege
- Kimi Web/App: kimi.com — Google-Login, K3 läuft standardmäßig mit Max-Reasoning.
- Offizielle API: API-Key auf platform.kimi.ai, OpenAI-kompatibel:
- OpenRouter: Modell-ID
moonshotai/kimi-k3— offizielle Preise, voller 1M-Kontext. - Cursor / Multi-Route: K3 als Langkontext-Coding-Primärmodell; komplexe Repo-Bugs → Claude Fable 5 als Fallback.
- Ab 27. Juli: Open Weights — Hugging Face (64+ GPU Supernode für Produktion).
8. Szenario-Matrix: Welches Modell wann?
| Szenario | Empfehlung | Begründung (Daten) |
|---|---|---|
| Anhaltende Lang-Coding-Tasks | Kimi K3 | SWE Marathon #1 · längster Kontext |
| Komplexe Repo-Level-Bugfixes | Claude Fable 5 | FrontierSWE +5,4 Punkte Vorsprung |
| Terminal-/Toolchain-Agenten | GPT-5.6 Sol | Terminal Bench 2.1 führt |
| Ultra-Langdokumente / Multimodal | Kimi K3 | OmniDocBench #1 · native Vision + 1M |
| Kostensensitiv | DeepSeek V4 Pro | Output $3,48/M vs. $15/M |
| Open-Source Self-Hosting | Kimi K3 (ab 27.7.) | Stärkste verfügbare Gewichte |
9. Open Source: 27. Juli als Meilenstein
Moonshot bestätigt offiziell: 27. Juli 2026 — vollständige Modellgewichte. Kimi K3 wird dann:
- Größtes herunterladbares Open-Source-Modell
- Erstes Open-Source-Modell über 2T Parameter
- Neuer Fine-Tuning-Baseline für die Community
Quantisierungsbewusstes Training: MXFP4-Gewichte, MXFP8-Aktivierungen. Hugging Face: MXFP4/NVFP4-Varianten. vLLM, SGLang — erwartete Day-1-Unterstützung.
Timeline: 17.–20. Juli (WAIC) → 27. Juli (Gewichte).
10. FAQ
Q: Kostenlos nutzbar?
A: Ja — kimi.com kostenloses Konto. API: $3/$15 pro Million Tokens.
Q: Lokal deploybar?
A: Gewichte ab 27. Juli. Produktion: 64+ Beschleuniger — kein Laptop-Use-Case.
Q: vs. DeepSeek V4 Pro?
A: K3: 2× Parameter, 1M vs. 128K Kontext, stärkere Benchmarks. DeepSeek: $3,48/M Output — 4,3× günstiger.
Q: 1M Kontext praktisch?
A: Vollständige Codebases, Rechtsdokumente, Agent-Langgedächtnis — feste Preise ohne Längenaufschlag.
Q: Low/High-Reasoning?
A: Moonshot kündigt für spätere Updates an. Aktuell nur Max.
11. Einordnung: Signal für das Open-Source-Ökosystem
Kimi K3 ist kein Parameter-Monument. KDA, AttnRes und Stable LatentMoE sind echte Engineering-Innovationen. In Coding-Langaufgaben und Dokumentverständnis konkurriert K3 mit Closed-Source-Flaggschiffen — bei vernünftiger Preisgestaltung und vollständigem Open-Source-Versprechen.
Ab 27. Juli: erstes 2T+-Download-Baseline für Enterprise-On-Prem, Fine-Tuning und API-unabhängige Agent-Systeme. Für Mac-Entwickler: K3-API in Cursor für Langkontext-Coding ist der pragmatischste Pfad; MLX/llama.cpp-Quantisierung nach Gewichts-Release verfolgen — siehe DeepSeek Custom-Chip & Inferenz-Infrastruktur.
12. Fazit: API auf jedem Gerät, Agent-Stresstests auf Remote-Mac
kimi.com registrieren, API-Key kopieren, OpenRouter-Routing — Windows/Linux reicht. Für Cursor + K3 Langkontext, Xcode-Agent-Tests oder MLX-Quantisierungs-Validierung bleibt Apple Silicon Unified Memory + Metal der reibungsärmste Pfad.
Pragmatische Architektur: API-Hauptnutzung lokal, Kimi-Code-Stresstests, Multi-Repo-SWE-Marathon-Regression und 1M-Dokument-Batch auf MACGPU Remote Mac mini M4 — On-Demand, SSH, Agent-Last isoliert vom Hauptrechner.