Was ist Kimi K3? Moonshots 2.8T Offenes Flaggschiff

Moonshot AI lieferte Kimi K3 am 16. Juli 2026 aus und nannte es „das weltweit erste offene Modell der 3T-Klasse“. Das ist eine große Behauptung, also trennen wir das Marketing von der Technik. K3 ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern, einem Kontextfenster von 1 Million Tokens, einem neuen Aufmerksamkeits-Stack und einer Preisgestaltung, die sich gezielt an Coding-Teams richtet. Es wurde am selben Tag auf Kimi.com, Kimi Work, Kimi Code und der Kimi API live geschaltet, wobei vollständige Gewichte bis zum 27. Juli 2026 versprochen wurden. Dieser Leitfaden ist die zentrale Anlaufstelle für alles, was Sie zur Bewertung benötigen: was es ist, wie es aufgebaut ist, was es kostet, wo es rangiert und wer es tatsächlich nutzen sollte.

TL;DR: Was ist Kimi K3?

Kimi K3 ist Moonshot AIs führendes großes Sprachmodell, das am 16. Juli 2026 veröffentlicht wurde. Es verwendet ein Mixture-of-Experts-Design mit 2,8 Billionen Parametern, das 16 von 896 Experten pro Token aktiviert, bietet ein Kontextfenster von 1.048.576 Tokens (1 Mio.) und wird über die API-Modell-ID kimi-k3 bereitgestellt. Die Preise betragen 0,30 $ pro Million Cache-Hit-Input-Tokens, 3,00 $ pro Million Cache-Miss-Input-Tokens und 15,00 $ pro Million Output-Tokens. Im unabhängigen Artificial Analysis Intelligence Index erreicht es 57 Punkte und rangiert auf Platz 4 von 189 Modellen. Moonshots eigener Launch-Post besagt, dass K3 immer noch hinter Claude Fable 5 und GPT-5.6 Sol zurückliegt, daher ist es am besten als das stärkste offene Modell nahe der Spitze zu verstehen, nicht als die Spitze selbst. Vollständige offene Gewichte werden voraussichtlich um den 27. Juli 2026 erwartet.

Warum Kimi K3 gerade jetzt wichtig ist

Alle paar Monate liefert ein chinesisches Labor ein Modell aus, das die Erwartungen an das, was man ohne einen proprietären API-Vertrag ausführen kann, neu definiert. Kimi K3 ist dieses Modell für Mitte 2026. Die Schlagzeile ist nicht die reine Benchmark-Überlegenheit. Es ist die Kombination aus einer grenznahen Qualität, einem aggressiven Cache-Hit-Preis und dem Versprechen, die vollständigen Gewichte innerhalb von elf Tagen nach dem Start zu veröffentlichen. Wenn dieses Versprechen gehalten wird, wird K3 zum leistungsfähigsten Modell, das Sie selbst hosten können, was die Rechnung für jeden ändert, der eine API-Rechnung mit einem GPU-Cluster abwägt.

Wenn Sie mit LLM-APIs entwickeln, ist die praktische Frage einfach: Können Sie Ihren bestehenden OpenAI-ähnlichen Client auf kimi-k3 richten und nützliche Ausgaben erhalten, ohne Ihren Stack neu zu schreiben? Die Antwort ist ja, denn Moonshot liefert eine OpenAI-SDK-kompatible API. Das bedeutet auch, dass Sie K3-Aufrufe in den Tools, die Sie bereits verwenden, testen und debuggen können. Apidog behandelt jeden OpenAI-kompatiblen Endpunkt als erstklassige Anfrage, sodass Sie eine Streaming-Chat-Vervollständigung an kimi-k3 senden, die serverseitig gesendeten Ereignisse Token für Token inspizieren und beobachten können, wie Tool-Aufrufe aufgelöst werden, bevor Sie das Modell in den Produktionscode integrieren.

Dieser Beitrag ist die Säule für das gesamte Kimi K3 Ökosystem. Für detaillierte Einblicke springen Sie zum Kimi K3 API-Leitfaden, zur Kimi K3 Preisübersicht oder zur Kimi K3 Benchmarks-Analyse. Hier behandeln wir das Gesamtbild.

Die Identität: Moonshots leistungsfähigstes Modell

Moonshot AI positioniert K3 als „unser leistungsfähigstes Modell“, eine Weiterentwicklung der Kimi K2-Linie, die viele Entwickler bereits kennen. Wenn Sie Kimi K2 oder das auf Coding fokussierte Kimi K2.7 Code verwendet haben, ist K3 die nächste Generation dieser Linie, von Grund auf neu aufgebaut ab der Attention-Schicht. Die Behauptung, die die meiste Aufmerksamkeit erregt, ist „das weltweit erste offene Modell der 3T-Klasse“. Zwei Wörter in diesem Satz sind entscheidend.

„Offen“ ist eine Tatsache der nahen Zukunft, nicht des Starttages. Bei der Veröffentlichung ist K3 über gehostete Produkte und die kostenpflichtige API verfügbar, und Moonshot hat sich verpflichtet, „vollständige Modellgewichte bis zum 27. Juli 2026“ zu veröffentlichen. Wenn Sie also eine lokale Bereitstellung planen, betrachten Sie den offenen Zugang als ein geplantes Ereignis, etwa anderthalb Wochen nach dem Start, nicht als etwas, das Sie am ersten Tag herunterladen können.

„3T-Klasse“ bezieht sich auf den Umfang. Mit insgesamt 2,8 Billionen Parametern liegt K3 in derselben Gewichtsklasse wie die größten proprietären Systeme, auch wenn nur ein Bruchteil dieser Parameter bei jedem Token aktiviert wird. Diese dünnbesetzte Aktivierung ist es, die die Inferenz erschwinglich hält, und der Grund, warum die Preisgestaltung so aussieht, wie sie aussieht.

Architektur: Was ist neu unter der Haube

K3 ist keine größere Kopie von K2. Moonshot hat den Kern mit mehreren benannten Techniken neu aufgebaut, und die Designentscheidungen erklären sowohl die Qualitätsverbesserungen als auch die Durchsatzwerte.

Kimi Delta Attention (KDA). Dies ist ein hybrider linearer Aufmerksamkeitsmechanismus, den Moonshot als effiziente Grundlage für die Skalierung der Aufmerksamkeit beschreibt. Lineare Aufmerksamkeit hält den Speicher- und Rechenaufwand in Schach, wenn die Kontextlängen steigen, was ein 1M-Token-Fenster praktisch statt theoretisch macht.

Attention Residuals (AttnRes). Moonshot präsentiert dies als direkten Ersatz für Standard-Residual-Verbindungen. Das erklärte Ziel ist es, Darstellungen über die Tiefe des Netzwerks selektiv abzurufen, sodass Informationen aus früheren Schichten tiefer im Stack erreichbar bleiben. Einfach ausgedrückt hilft es dem Modell, den Kontext zu behalten, anstatt ihn Schicht für Schicht auszuwaschen.

Stable LatentMoE. Dies ist die Mixture-of-Experts-Routing-Schicht, und hier liegt die Geschichte von „2,8 T insgesamt, kleine aktive“. K3 verfügt über 896 Experten und aktiviert 16 davon pro Token, wobei Moonshot das als Quantile Balancing bezeichnet, um das Routing während des Trainings stabil zu halten. Die dünnbesetzte Aktivierung bedeutet, dass das Modell Billionen von Parametern an Wissen tragen kann, während es zur Inferenzzeit nur die Rechenkosten eines viel kleineren Netzwerks bezahlt.

Moonshot verweist auch auf unterstützende Komponenten wie Per-Head Muon, eine Sigmoid Tanh Unit (SiTU) und Gated MLA, sowie MXFP4-Gewichte mit MXFP8-Aktivierungen für die Quantisierung.

Kimi K3 Spezifikationen auf einen Blick

Hier ist die Übersicht zum Speichern. Jede der folgenden Angaben stammt aus Moonshots Launch-Post oder dem unabhängigen Artificial Analysis Listing.

Diese Tabelle ist die schnelle Antwort für die meisten „Spec Check“-Suchen. Für ein detailliertes Kostenmodell, das Ihrem eigenen Token-Volumen gegenübergestellt wird, berechnet der Kimi K3 Preisleitfaden die Zahlen.

Das 1M Kontextfenster und warum die Cache-Hit-Preisgestaltung die wahre Geschichte ist

Ein Kontextfenster von 1.048.576 Tokens ermöglicht es, eine gesamte Codebasis, ein umfangreiches Forschungs-Korpus oder ein mehrstündiges Transkript in einem einzigen Prompt unterzubringen. Das ist inzwischen Standard an der Spitze, aber die Art und Weise, wie K3 lange Kontexte bepreist, macht es für reale Workloads interessant.

Betrachten Sie die Eingabepreise noch einmal: 0,30 $ pro Million Tokens bei einem Cache-Hit gegenüber 3,00 $ bei einem Cache-Miss. Das ist ein 10-facher Unterschied. Moonshots Inferenz-Stack, den es Mooncake Disaggregated Inference nennt, liefert Berichten zufolge eine Cache-Hit-Rate von über 90 % bei Codierungs-Workloads. Wenn Ihr Nutzungsmuster einen großen gemeinsamen Kontext, einen langen System-Prompt, einen großen Dateibaum, einen festen Anweisungsblock wiederverwendet, werden die meisten Ihrer Eingabe-Tokens zum günstigen Tarif abgerechnet. Für agentische Codierungszyklen, die bei jedem Schritt denselben Repository-Kontext erneut senden, summiert sich dieser Unterschied schnell. Dies ist der Hebel, der K3 kostengünstig macht, obwohl sein Output-Preis pro Token im normalen Spitzenbereich liegt.

Der Kompromiss zeigt sich in der Geschwindigkeit. Artificial Analysis maß K3 bei etwa 62 Tokens pro Sekunde Ausgabe, unter dem Median von 72,7 für Reasoning-Modelle in seiner Preisklasse. Die Zeit bis zum ersten Token beträgt etwa 1,99 Sekunden, was etwas besser ist als der Klassenmedian. K3 ist also eher ein Modell, das „hart nachdenkt und stetig streamt“, als ein schnelles, und seine Standardeinstellung für das Reasoning tendiert zu maximalem Denkaufwand. Wenn die Latenz für Ihren Anwendungsfall wichtiger ist als die Tiefe, vergleichen Sie es vor einer Verpflichtung mit einer schnelleren Klasse.

Ehrliche Positionierung: Stark, offen, nicht die absolute Spitze

Dies ist der Teil der Geschichte, den zu viele Launch-Berichte überspringen. Moonshot selbst zog die Grenze klar. Der offizielle Kimi K3 Launch-Blog besagt, dass K3, obwohl es „immer noch hinter den leistungsstärksten proprietären Modellen, Claude Fable 5 und GPT 5.6 Sol, zurückliegt“, es „Leistung auf Grenz-Niveau in unserer Evaluierungssuite gezeigt hat“. Lesen Sie das zweimal, denn es ist ein seltenes Stück Aufrichtigkeit von einem Modellanbieter.

Die unabhängigen Zahlen untermauern diese Nuance. Im Artificial Analysis Intelligence Index erzielt K3 57 Punkte und rangiert auf Platz 4 von 189 Modellen. Dieser Index kombiniert neun Bewertungen, die agentische Aufgaben, Codierung, Wissenschaft und Argumentation abdecken, sodass eine Platzierung unter den Top Fünf ein echtes Signal ist, keine Rosinenpickerei. Aber Platz 4 bedeutet auch, dass drei Modelle vor ihm liegen, und Moonshot nennt zwei davon.

Wie sollten Sie K3 also einordnen? Es ist das stärkste Modell mit offenen Gewichten nahe der Spitze und gehört zu den leistungsfähigsten Modellen, die Sie ohne einen proprietären Vertrag ausführen können, sobald die Gewichte verfügbar sind. Es ist nicht das beste Modell der Welt, und Sie sollten es Ihren Stakeholdern nicht so vermarkten. Wenn Sie die absolute Obergrenze bei einer schwierigen Reasoning-Aufgabe benötigen, gewinnt immer noch die geschlossene Spitze. Wenn Sie eine grenznahe Qualität mit einem offenen Weg und einem niedrigen effektiven Preis benötigen, ist K3 ein ernstzunehmender Kandidat. Für einen direkten Vergleich, wo es im Vergleich zu den geschlossenen Spitzenreitern liegt, siehe Kimi K3 vs. Claude Opus 4.8 und Kimi K3 vs. GPT-5.6 Sol.

Wo Sie Kimi K3 heute nutzen können

K3 wurde am ersten Tag auf allen Produktoberflächen von Moonshot eingeführt. Hier ist die Verfügbarkeitsmatrix.

Wenn Sie im Terminal arbeiten, ist Kimi Code der Einstiegspunkt für den Coding-Agenten; unsere Kimi Code CLI-Anleitung deckt das Einrichtungsmuster aus der K2-Ära ab, und der K3-Flow ist ähnlich. Wenn Sie das Codierungsverhalten mit dem früheren Champion dieser Linie vergleichen möchten, ist Kimi K3 vs. Kimi K2.7 Code der direkte Vergleich. Und wenn Sie während der Evaluierung gar nichts bezahlen möchten, zeigt Ihnen wie Sie Kimi K3 kostenlos nutzen können die kostenlosen Wege auf.

Funktionen, die die API bereitstellt

Für Entwickler ist das Modell nur die halbe Miete. Die API-Oberfläche entscheidet, was Sie bauen können. Der Endpunkt von K3 unterstützt die Funktionen, die Sie von einem ernsthaften agentischen Modell erwarten würden:

• Kontext-Caching (der Mechanismus hinter der Cache-Hit-Rate von 0,30 $)
• Tool-Aufrufe und Tool-Auswahlbeschränkungen
• JSON-Modus und strukturierte Ausgabe
• Partieller Modus für kontrollierte Vervollständigungen
• Internetsuche
• Dynamisches Laden von Tools
• Konfigurierbarer Reasoning-Aufwand, einschließlich einer „Max“-Einstellung

Dieser Funktionsumfang bedeutet, dass K3 ohne spezielle Anpassungen in Agenten-Frameworks, Pipelines zur strukturierten Extraktion und Funktionsaufruf-Anwendungen passt. Die Basis-URL folgt dem etablierten Muster von Moonshot, dem OpenAI-kompatiblen Kimi-Endpunkt (bestätigen Sie die genaue Basis-URL auf platform.kimi.ai, bevor Sie sie fest codieren, da die Konsole beim Start auf die neue Domain umgezogen ist). Richten Sie Ihren OpenAI-Client auf diesen Endpunkt, stellen Sie das Modell auf kimi-k3 ein, und Ihr bestehender Tool-Aufruf-Code sollte funktionieren. Die vollständige Anleitung zu Anfrage und Antwort finden Sie im Kimi K3 API-Leitfaden.

Kimi-K3 testen, bevor Sie es veröffentlichen

Hier kommt der Teil, wo eine Modellspezifikation zu einer funktionierenden Integration wird. Bevor Sie kimi-k3 in eine Agenten-Schleife einfügen, möchten Sie genau sehen, was der Endpunkt zurückgibt: wie Tokens gestreamt werden, ob Tool-Aufrufe in der erwarteten Form ausgelöst werden und wie sich das Modell bei maximalem Reasoning-Aufwand verhält. Das ist eine API-Testaufgabe, keine Prompt-Engineering-Aufgabe.

Hier verdient sich Apidog seinen Platz im Workflow. Da K3 das OpenAI-Protokoll spricht, können Sie dessen Chat-Completions-Endpunkt als Anfrage in Apidog hinzufügen, Ihren Schlüssel als Umgebungsvariable speichern, damit er niemals in einer freigegebenen Sammlung landet, und einen Aufruf mit stream: true absetzen. Apidog rendert den Server-Sent-Event-Stream, sodass Sie die Delta-Chunks beim Eintreffen lesen können, was der schnellste Weg ist, um zu bestätigen, dass Ihr Streaming-Parser die Ausgabe von K3 verarbeiten wird. Wenn Sie eine Anfrage mit definierten Tools senden, können Sie die genaue tool_calls-Payload, die das Modell zurückgibt, inspizieren und die Argumente gegen Ihr Schema validieren, bevor eine einzige Zeile Agenten-Code ausgeführt wird.

Häufig gestellte Fragen

Was ist Kimi K3? Kimi K3 ist Moonshot AIs führendes großes Sprachmodell, das am 16. Juli 2026 eingeführt wurde. Es ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern und einem Kontextfenster von 1 Mio. Tokens, das über die API-Modell-ID kimi-k3 sowie über Moonshots Consumer- und Entwicklerprodukte bereitgestellt wird. Moonshot beschreibt es als „das weltweit erste offene Modell der 3T-Klasse“.

Wie viele Parameter hat Kimi K3? K3 verfügt über insgesamt 2,8 Billionen Parameter und verwendet ein Mixture-of-Experts-Routing, das 16 von 896 Experten pro Token aktiviert. Moonshot hat keine genaue Anzahl der aktiven Parameter veröffentlicht, daher sollte man eine spezifische Zahl von aktiven Milliarden nicht als Fakt zitieren. Die genaue Zahl, die sie veröffentlicht haben, ist „16 von 896 Experten“.

Wie viel kostet die Kimi K3 API? Die Preise betragen 0,30 $ pro Million Cache-Hit-Input-Tokens, 3,00 $ pro Million Cache-Miss-Input-Tokens und 15,00 $ pro Million Output-Tokens. Moonshots Mooncake-Inferenz erreicht Berichten zufolge eine Cache-Hit-Rate von über 90 % bei Codierungs-Workloads, sodass die effektiven Input-Kosten bei repetitiven, kontextlastigen Aufgaben niedrig bleiben. Das vollständige Modell ist in der Preisübersicht enthalten.

Ist Kimi K3 Open Source? Nicht am Starttag. Moonshot hat sich verpflichtet, vollständige Modellgewichte bis zum 27. Juli 2026 zu veröffentlichen. Bis dahin greifen Sie auf K3 über die gehosteten Produkte und die kostenpflichtige API zu. Nachdem die Gewichte veröffentlicht wurden, können Sie es selbst hosten, was die Grundlage für die Beschreibung als „offenes Modell der 3T-Klasse“ bildet.

Ist Kimi K3 besser als Claude Fable 5 oder GPT-5.6 Sol? Nein, und Moonshot sagt dies direkt. Der Launch-Post besagt, dass K3 „immer noch hinter den leistungsstärksten proprietären Modellen, Claude Fable 5 und GPT 5.6 Sol, zurückliegt“, während es seine Leistung als „auf Grenz-Niveau“ bezeichnet. Im Artificial Analysis Intelligence Index erreicht es 57 Punkte und rangiert auf Platz 4 von 189, ist also nahe an der Spitze, aber nicht an erster Stelle.

Kann ich Kimi K3 mit dem OpenAI SDK verwenden? Ja. Moonshots API ist OpenAI-SDK-kompatibel. Richten Sie Ihren Client auf den OpenAI-kompatiblen Kimi-Endpunkt (bestätigen Sie die genaue Basis-URL auf platform.kimi.ai), stellen Sie das Modell auf kimi-k3 ein, und Ihr bestehender Code für Chat-Completions und Tool-Aufrufe sollte funktionieren. Sie können die Anfrage- und Antwortstrukturen in Apidog überprüfen, bevor Sie es in Ihre Anwendung integrieren.

Wie schnell ist Kimi K3? Artificial Analysis maß etwa 62 Output-Tokens pro Sekunde, unter dem Median der Preisklasse von 72,7, mit einer Zeit bis zum ersten Token von etwa 1,99 Sekunden. K3 bevorzugt Tiefe gegenüber Geschwindigkeit, und seine Standardeinstellung für das Reasoning verwendet maximalen Denkaufwand. Vergleichen Sie es mit einem schnelleren Modell, wenn Latenz Ihre Einschränkung ist.

Wie vergleicht sich Kimi K3 mit Kimi K2.7 Code? K3 ist das Flaggschiff der nächsten Generation über der K2-Linie, mit einem neu aufgebauten Attention-Stack und laut Moonshot etwa 2,5-mal besserer Skalierungseffizienz als K2. K2.7 Code bleibt eine starke, auf Codierung spezialisierte Option. Der direkte Vergleich findet sich in Kimi K3 vs. Kimi K2.7 Code.