Kimi K3: Chinas Open-Weight-Modell erreicht die Weltspitze
Dieser Artikel ordnet die Benchmarks von Kimi K3 ein, rechnet die neuen Preise durch und zeigt, unter welchen Bedingungen deutsche Unternehmen das Open-Weight-Modell DSGVO-konform einsetzen können.
Moonshot AI hat am 16. Juli 2026 Kimi K3 veröffentlicht: ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern, 1 Million Token Kontext und nativer Bildverarbeitung. In der unabhängigen Messung von Artificial Analysis erreicht K3 Platz 4 von 189 Modellen und liegt damit vor Claude Opus 4.8 und GPT-5.5. Die vollständigen Gewichte sollen bis zum 27. Juli 2026 unter einer Modified-MIT-Lizenz folgen, kommerziell nutzbar. Der Preis steigt gegenüber dem Vorgänger K2.6 auf 3 US-Dollar je Million Input-Token und 15 US-Dollar je Million Output-Token, das Niveau von Claude Sonnet. Für deutsche Unternehmen bleibt die Kimi-API wegen der Datenverarbeitung in China heikel. DSGVO-konform wird K3 praktisch erst durch Self-Hosting oder EU-Hosting der offenen Gewichte.
Was Moonshot AI veröffentlicht hat
Moonshot AI aus Peking hat am 16. Juli 2026 sein neues Spitzenmodell Kimi K3 vorgestellt, wenige Tage vor der World AI Conference in Shanghai. Es ist mit 2,8 Billionen Parametern das größte Modell, dessen Gewichte offen verfügbar werden sollen. Nutzen kannst Du es ab sofort über Kimi.com, Kimi Work, Kimi Code und die Kimi-API.
Die Eckdaten: ein Mixture-of-Experts-Aufbau, bei dem pro Token nur 16 von 896 Experten rechnen, ein Kontextfenster von 1 Million Token, native Bildverarbeitung und ein dauerhaft aktiver Reasoning-Modus. Die vollständigen Gewichte sollen bis zum 27. Juli 2026 unter einer Modified-MIT-Lizenz folgen, die kommerzielle Nutzung erlaubt.
Zum ersten Mal erreicht ein Modell, dessen Gewichte offen werden, in unabhängigen Messungen das Niveau der geschlossenen Spitzenmodelle. Der Abstand zwischen offen und geschlossen, der die KI-Strategie vieler Unternehmen geprägt hat, schrumpft auf Monate.
Architektur und Benchmarks: was hinter den Zahlen steckt
K3 kombiniert zwei Architektur-Neuerungen: Kimi Delta Attention, eine hybride lineare Attention, und Attention Residuals. Trainiert wurde quantisierungsbewusst in MXFP4, was die Gewichte kompakter macht und den späteren Betrieb verbilligt. Wichtiger als die Eigenangaben von Moonshot ist aber, was unabhängige Tester messen.
| Messung | Ergebnis Kimi K3 | Einordnung |
|---|---|---|
| Intelligence Index (Artificial Analysis) | 57,1 Punkte | Platz 4 von 189, vor Opus 4.8 und GPT-5.5 |
| GDPval-AA v2 (Wissensarbeit) | 1687 Punkte | Platz 3, hinter Fable 5 Max und GPT-5.6 Sol Max |
| AA-Briefcase (agentische Büroarbeit) | 1527 Punkte | Platz 2, vor GPT-5.6 Sol Max |
| Terminal Bench 2.1 (Eigenangabe) | 88,3 | Coding mit Terminal-Werkzeugen |
| GPQA-Diamond (Eigenangabe) | 93,5 | Expertenwissen auf Promotionsniveau |
Der unabhängige Tester Simon Willison bescheinigt K3 gute Vision-Fähigkeiten und sauberen Code, weist aber auf eine Eigenheit hin: Der Reasoning-Modus kennt nur die Stufe max. Sein einzelner SVG-Test verbrauchte 16.658 Output-Token, davon 13.241 fürs Reasoning, und kostete 25 Cent. Wie belastbar Benchmark-Angaben chinesischer Labore generell sind, haben wir im Beitrag zu Chinas KI-Modellen im Benchmark-Test untersucht. Bei K3 gilt: Die zentralen Rankings stammen diesmal von unabhängigen Stellen, die Gewichte selbst sind aber erst ab dem 27. Juli nachprüfbar.
Das Ende der Billig-KI aus China
Mit K3 verabschiedet sich Moonshot vom Kampfpreis. Die API kostet 3 US-Dollar je Million Input-Token und 15 US-Dollar je Million Output-Token, Cache-Treffer liegen bei 0,30 US-Dollar. Das ist das Preisniveau von Claude Sonnet. Der Vorgänger K2.6 lag bei 0,95 und 4 US-Dollar, K3 ist damit rund drei- bis viermal teurer.
Kimi K3 rückt an Fable 5 und GPT-5.6 Sol heran, doch die Zeit der Billig-KI aus China ist vorbei.
THE DECODER, 16. Juli 2026Wer chinesische Modelle bisher vor allem wegen der Kosten eingesetzt hat, muss neu rechnen. Der dauerhaft aktive Reasoning-Modus verschärft das: Auch simple Anfragen erzeugen lange Denkketten und damit teure Output-Token. Eine Caching-Strategie und ein Kostenmodell je Anwendungsfall gehören deshalb von Anfang an dazu, wie sie der Beitrag zu Token-FinOps beschreibt.
Moonshot kann sich den Preissprung leisten, weil das Unternehmen nicht mehr als Herausforderer über den Preis verkauft, sondern über die Platzierung in den Rankings. Berichten der Financial Times zufolge wird Moonshot nach der jüngsten Finanzierungsrunde mit rund 31,5 Milliarden US-Dollar bewertet, nach 20 Milliarden im Mai 2026.
Open Weights und Self-Hosting
Der eigentliche Hebel für Unternehmen ist die Gewichte-Freigabe am 27. Juli. Ein Modell auf Frontier-Niveau, das Du in eigener Infrastruktur betreiben darfst, verändert die Verhandlungsposition gegenüber den US-Anbietern, selbst wenn Du es am Ende nicht einsetzt. Die Modified-MIT-Lizenz erlaubt kommerzielle Nutzung, Anpassung und Fine-Tuning.
Praktisch ist der Betrieb alles andere als trivial. 2,8 Billionen Parameter bedeuten selbst in 4-Bit-Quantisierung Gewichte im Terabyte-Bereich. Ein einzelner Server reicht nicht, realistisch ist ein Multi-GPU-Cluster mit schnellem Interconnect. Für die meisten Teams führt der Weg deshalb über drei Stufen:
- Die Kimi-API für erste Tests mit unkritischen Daten, sie ist sofort verfügbar.
- Europäische GPU-Cloud-Anbieter oder Managed-Inference-Dienste, sobald die Gewichte vorliegen. Das ist für den Mittelstand der realistische Produktionsweg.
- Eigene Hardware nur bei dauerhaft hoher Auslastung und strengen Datenanforderungen. Was der Betrieb kleinerer offener Modelle im eigenen Haus lehrt, zeigt der Beitrag zu lokalen KI-Modellen auf eigener Hardware.
Deutsche und EU-Perspektive: Datenschutz, AI Act, Souveränität
Für deutsche Unternehmen entscheidet nicht der Benchmark, sondern der Rechtsrahmen. Die Kimi-API verarbeitet Daten in China, einem Drittland ohne Angemessenheitsbeschluss. Übermittlungen personenbezogener Daten brauchen dann zusätzliche Garantien nach Art. 44 ff. DSGVO, was für Kundendaten oder vertrauliche Dokumente kaum sauber abbildbar ist. Die offenen Gewichte drehen das Bild: Selbst oder in der EU gehostet, verlassen keine Daten den eigenen Verantwortungsbereich.
Auch der EU AI Act spielt hinein. K3 ist ein GPAI-Modell, und die Ausnahme für Open-Source-Modelle entfällt bei Modellen mit systemischem Risiko. Wer die Gewichte selbst betreibt und wesentlich verändert, kann zudem eigene Anbieter-Pflichten übernehmen. Welche Fristen dabei gelten, zeigt der Überblick zu den Hochrisiko-Fristen des EU AI Act.
Bitter ist der Launch für Europas Souveränitätsdebatte. Offene Modelle auf Frontier-Niveau kommen jetzt aus China, nicht aus Europa. Aleph Alpha und Mistral liegen in den Rankings deutlich zurück, wie der Beitrag zu Aleph Alpha und Cohere einordnet. Wer digitale Souveränität über selbst betriebene Modelle herstellen will, greift damit absehbar zu chinesischen Gewichten, ein Dilemma, das die Debatte um vertrauenswürdige KI neu sortiert.
Herausforderungen und Risiken
Der Launch ist beeindruckend, aber nicht ohne offene Fragen. Vier Punkte solltest Du kennen, bevor Du K3 in die engere Wahl nimmst.
- Verifikation steht aus. Die zentralen Rankings sind unabhängig, viele Detailwerte aber Eigenangaben. Bis zum 27. Juli lassen sich die Gewichte nicht nachprüfen, und verschiebt sich die Freigabe, bleibt K3 vorerst ein API-Produkt.
- Nur eine Reasoning-Stufe. Der Modus max erzeugt auch bei simplen Aufgaben lange Denkketten. Das treibt Kosten und Latenz, bis Moonshot abgestufte Modi nachliefert.
- Governance-Fragen. Herkunft der Trainingsdaten, eingebaute Inhaltsfilter und mögliche Export- und Sanktionsrisiken chinesischer Anbieter gehören in jede Risikobewertung. Anregungen dazu liefert der Beitrag zur Herkunft von KI-Trainingsdaten.
- Das Kostenargument trägt allein nicht mehr. Auf Sonnet-Preisniveau konkurriert K3 über Leistung und Kontrolle, nicht über den Rabatt.
Was Unternehmen jetzt tun sollten
Kimi K3 ist ein Anlass, die eigene Modellstrategie zu prüfen, kein Grund für einen Hauruck-Wechsel. Sinnvoll ist ein gestufter Test unter kontrollierten Bedingungen.
Fünf vorrangige Schritte
-
Mit eigenen Benchmarks testen
Evaluation mit unkritischen Daten starten und die eigenen Aufgaben messen, nicht die Leaderboards. Ein Modell, das auf GDPval glänzt, kann an Deinen Fachtexten scheitern.
-
Datenschutz-Weiche vorab stellen
API nur für Workloads ohne personenbezogene oder vertrauliche Daten. Für alles andere auf die Gewichte-Freigabe warten und EU-Hosting-Optionen vorbereiten.
-
Kostenmodell durchrechnen
Reasoning-Token treiben die Rechnung. Cache-Treffer kosten nur ein Zehntel des Input-Preises, eine Caching-Strategie gehört deshalb ins Design, nicht in die Nacharbeit.
-
Exit-Fähigkeit sichern
Prompts, Evals und Tooling anbieterneutral halten. Der Modellmarkt dreht sich alle paar Monate, ein Wechsel muss Wochen kosten, nicht Quartale.
-
AI-Act-Rollen prüfen
Klären, ob Ihr beim Self-Hosting mit Fine-Tuning zum Anbieter im Sinne des EU AI Act werdet, und die Compliance-Dokumentation entsprechend aufsetzen.
Weiterführende Informationen
Häufig gestellte Fragen
Kimi K3 ist das am 16. Juli 2026 veröffentlichte Spitzenmodell des chinesischen KI-Unternehmens Moonshot AI. Es ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern, von denen pro Token nur 16 von 896 Experten aktiv sind. Es bietet 1 Million Token Kontext, native Bildverarbeitung und einen dauerhaft aktiven Reasoning-Modus. Die vollständigen Gewichte sollen bis zum 27. Juli 2026 offen verfügbar werden.
Genau genommen ist Kimi K3 ein Open-Weight-Modell: Moonshot AI gibt die Modellgewichte unter einer Modified-MIT-Lizenz frei, die kommerzielle Nutzung, Anpassung und Fine-Tuning erlaubt. Trainingsdaten und Trainingscode bleiben unveröffentlicht. Zum Launch am 16. Juli 2026 war nur die API verfügbar, die Gewichte-Freigabe ist für den 27. Juli 2026 angekündigt.
Die Kimi-API berechnet 3 US-Dollar je Million Input-Token, 15 US-Dollar je Million Output-Token und 0,30 US-Dollar je Million Token bei Cache-Treffern. Das entspricht dem Preisniveau von Claude Sonnet. Der Vorgänger K2.6 lag bei 0,95 und 4 US-Dollar, K3 ist damit rund drei- bis viermal teurer. Weil der Reasoning-Modus nur die Stufe max kennt, fallen auch bei einfachen Aufgaben viele Reasoning-Token an.
Über die Kimi-API ist das schwierig, weil die Datenverarbeitung in China stattfindet, einem Drittland ohne Angemessenheitsbeschluss. Übermittlungen brauchen dann zusätzliche Garantien nach Art. 44 ff. DSGVO, was für personenbezogene oder vertrauliche Daten kaum sauber abbildbar ist. Praktikabel wird der Einsatz mit der Gewichte-Freigabe am 27. Juli 2026: Wer das Modell in eigener Infrastruktur oder bei einem europäischen GPU-Anbieter betreibt, behält die volle Datenkontrolle.
Artificial Analysis führt Kimi K3 mit 57,1 Punkten im Intelligence Index auf Platz 4 von 189 Modellen, hinter Claude Fable 5 und zwei GPT-5.6-Sol-Varianten, aber vor Claude Opus 4.8, GPT-5.5 und Claude Sonnet 5. Auf GDPval-AA v2 erreicht K3 1687 Punkte und Platz 3, im agentischen Büroarbeits-Benchmark AA-Briefcase mit 1527 Punkten sogar Platz 2. Es ist das erste offene Modell auf diesem Niveau.
Kimi K3 hat 2,8 Billionen Parameter. Selbst mit dem quantisierungsbewussten MXFP4-Training liegen die Gewichte im Terabyte-Bereich, ein einzelner Server reicht nicht. Realistisch ist ein Multi-GPU-Cluster mit schnellem Interconnect. Für die meisten Unternehmen sind europäische GPU-Cloud-Anbieter oder Managed-Inference-Dienste der praktikablere Weg als eigene Hardware.