Kimi K3: 2,8 Billionen Parameter – China schlägt den Westen
Stell dir vor, du öffnest morgens dein Laptop, liest kurz die Nachrichten – und plötzlich existiert das größte Open-Source-KI-Modell aller Zeiten. Das ist exakt das, was am 16. Juli 2026 passiert ist. Moonshot AI aus Peking hat Kimi K3 veröffentlicht: 2,8 Billionen Parameter, natives Vision-Verständnis, 1 Million Token Kontext, und ein Chip-Design, das das Modell in 48 Stunden autonom erstellt hat. Nicht als Demo. Als echtes Ergebnis. Die USA schaut zu. Und Europa sollte es auch.
Ein Pekinger Startup, das zweimal fast verschwunden ist – und jetzt das größte KI-Modell der Welt baut
Es gibt Unternehmen, die man kennt, weil sie laut sind. Und es gibt Unternehmen, die man plötzlich kennt, weil sie etwas getan haben, das niemand für möglich hielt. Moonshot AI gehört zur zweiten Kategorie.
Moonshot AI wurde 2023 in Peking gegründet und hat seitdem rund zwei Milliarden Dollar an Kapital eingesammelt – mit Beteiligung von Alibaba und Tencent, den zwei mächtigsten Tech-Konzernen Chinas. Was weniger bekannt ist: In den 18 Monaten vor Kimi K3 verlor das Unternehmen erheblich an Boden. DeepSeeks meteorischer Aufstieg hatte Moonshots Marktposition geschwächt, und viele Tech-Analysten schrieben das Unternehmen gedanklich ab.
Kimi K3 erschien exakt eine Woche vor der World Artificial Intelligence Conference (WAIC) in Shanghai – Chinas wichtigstem KI-Gipfel des Jahres. Das Modell war nicht nur eine technische Ankündigung. Es war eine politische Aussage: China ist nicht hinter den USA. Und in der Open-Source-KI-Welt liegt China gerade vorn.
Was dann passierte, überraschte selbst Experten: Am 20. Juli, vier Tage nach dem Launch, pausierte Moonshot neue Subscriptions, weil die Nachfrage die Kapazitätsgrenzen erreicht hatte. Für ein Modell, das von einem „geschwächten“ Unternehmen stammt, ein bemerkenswertes Problem zu haben.
2,8 Billionen Parameter klingt abstrakt. Lass uns das konkret machen
Eine Billion ist eine Million Millionen. 2,8 Billionen Parameter bedeutet: Das Modell hat fast dreimal so viele neuronale Verbindungen wie sein Vorgänger K2.6 – und ist damit das größte Open-Weight-Modell, das je veröffentlicht wurde. Zum Vergleich: Kimi K3 ist rund 75 Prozent größer als DeepSeek V4 Pro, das mit etwa 1,6 Billionen Parametern das zweitgrößte war.
Aber Größe allein ist kein Argument. Was zählt, ist das Verhältnis zwischen Größe, Effizienz und Qualität – und genau hier wird Kimi K3 interessant.
Warum Kimi K3 nicht einfach „größer“ ist – sondern anders aufgebaut
Die meisten Modell-Updates sind im Kern dasselbe Rezept mit mehr Zutaten. Kimi K3 ist das nicht. Das Modell führt zwei neue Architektur-Innovationen ein, die bisher in keinem anderen Modell existieren: Kimi Delta Attention (KDA) und Attention Residuals (AttnRes). Beide wurden entwickelt, um ein spezifisches Problem zu lösen: Informationen fließen in tiefen Modellen mit langem Kontext schlecht. K3 löst das strukturell.
Ein hybrides lineares Attention-Mechanismus. Statt klassischer Quadratic Attention – die bei 1 Million Tokens sehr teuer wird – kombiniert KDA lokale und globale Aufmerksamkeit auf eine Weise, die 6,3-fach schnelleres Decoding bei 1M Kontext ermöglicht. Konkret: Du bekommst das gleiche lange Gedächtnis, aber der Prozessor muss sich nicht für jedes neue Token jeden vorherigen Token neu anschauen.
Residual-Verbindungen direkt in den Attention-Layern – kein Extra-Rechenaufwand, aber 25 Prozent mehr Trainingseffizienz bei nur 2 Prozent zusätzlichen Compute-Kosten. Was das in der Praxis bedeutet: Moonshot konnte ein viel besseres Modell trainieren, ohne proportional mehr GPU-Zeit zu verbrauchen. Das ist kein kleiner Vorteil.
Kimi K3 hat 896 Experten und aktiviert nur 16 davon pro Token – ein Verhältnis von unter 2 Prozent. Das macht das Modell trotz seiner gigantischen Größe wirtschaftlich servier- und trainierbar. Neu ist das „Stable“-Framework: Quantile-basiertes Routing, das die fragilen Hyperparameter eliminiert, die andere MoE-Modelle bei dieser Skala instabil machen.
Das Modell hat sich seinen eigenen Chip entworfen
In einer Fallstudie verbrachte Kimi K3 48 autonome Stunden damit, einen simulierten Inference-Chip für ein Nano-Modell zu entwerfen – basierend auf seiner eigenen Architektur, unter Verwendung von Open-Source-EDA-Tools und der Nangate-45nm-Bibliothek. Das Design schloss das Timing bei 100 MHz innerhalb von 4 mm² ab, enthielt 1,46 Millionen Standard-Zellen und ein INT4 MAC-Array – und erreichte dabei mehr als 8.700 simulierte Tokens pro Sekunde beim Decoding.
Das ist kein akademisches Experiment. Das ist das Modell, das einen Chip designt, mit dem es selbst effizienter laufen könnte. Kein Mensch hat in diesem 48-stündigen Prozess eingegriffen. Die Werkzeuge waren Open Source. Das Ergebnis war ein funktionierendes Design.
„Parameter sind wie neuronale Verbindungen im menschlichen Gehirn – und fast 3 Billionen davon bedeutet, das Modell kann mehr Wissen speichern, tiefer denken und präziser antworten.“
— Moonshot AI Executive, zitiert von Xinhua, 17. Juli 2026Platz 3 weltweit – aber mit einem wichtigen Caveat
Kimi K3 liefert starke Zahlen. Aber bevor wir tief einsteigen: Zum Zeitpunkt der ersten Tests waren alle veröffentlichten K3-Zahlen entweder von Moonshot selbst gemeldet oder durch direkten API-Zugang erhoben – nicht durch unabhängige Verifikation mit den Modellgewichten. Die vollständigen Gewichte erscheinen am 27. Juli. Erst dann beginnt die echte wissenschaftliche Überprüfung. Mit diesem Vorbehalt sind die Zahlen trotzdem eindrucksvoll.
Ob Managed IT, Cloud-Migration, KI-Infrastruktur oder IT-Sicherheit – wir finden die richtige Lösung für Ihr Unternehmen. Sprechen Sie uns einfach an.
$15 pro Million Output-Tokens – das ist Claude-Sonnet-5-Niveau, nicht Claude-Opus-Niveau
Kimi K3 kostet offiziell $3 pro Million Cache-Miss Input-Tokens, $0,30 pro Million Cache-Hit Input-Tokens und $15 pro Million Output-Tokens. Das macht es günstiger als Claude Opus 4.8 ($25 Output) und GPT-5.5 ($30 Output) – aber deutlich teurer als sein direkter Vorgänger: Kimi K2.6 startete bei $0,60 pro Million Input-Tokens – uncached K3 Input kostet damit fünfmal so viel.
Der Cache-Hit-Preis ist der eigentliche Killer-Feature für Entwickler mit wiederkehrenden Kontexten: $0,30 statt $3,00 pro Million Input-Tokens – das ist 90 Prozent günstiger. Für RAG-Systeme, die denselben System-Prompt immer wieder senden, kann das die tatsächlichen Kosten massiv senken.
Anthropic beschuldigte Moonshot im Februar 2026, 3,4 Millionen Claude-Gespräche für das Training seiner Modelle durch Destillation genutzt zu haben. Kimi K3 benchmarkt jetzt innerhalb weniger Punkte von den Modellen, die in dieser Klage genannt werden.
Moonshot AI hat die Vorwürfe zurückgewiesen. Eine rechtliche Entscheidung steht noch aus. Was das für Nutzer bedeutet: Wenn du Kimi K3 verwendest, nutzt du möglicherweise ein Modell, das teilweise auf Basis von Claude-Antworten trainiert wurde – oder auch nicht. Die Sache ist ungeklärt.
Kimi K3 ist nicht „das beste Modell für alles“ – aber für bestimmte Anwendungsfälle ist es unschlagbar
„Open Source“ ist nicht dasselbe wie „Open Weights“ – und warum das für dich wichtig ist
Wenn Moonshot am 27. Juli die Gewichte von Kimi K3 veröffentlicht, ist das ein Meilenstein – aber er braucht ein paar Erklärungen.
„Trotz anhaltender Hardware- und Compute-Beschränkungen in China zeigt K3, dass Pre-Training-Skalierung gepaart mit architektonischer Innovation noch immer schrittweise Leistungsgewinne für chinesische Flaggschiff-Modelle liefern kann.“
— Bank of America Analysten, Alex Liu et al., Juli 2026Der KI-Wettbewerb hat gerade eine neue Phase betreten – und es ist komplizierter als „China vs. USA“
Kimi K3 ist mehr als ein neues Modell. Es ist ein Datenpunkt in einem größeren Bild, das sich in Echtzeit zusammensetzt. Hier sind die drei Dinge, die wirklich wichtig sind:
Als GPT-3 erschien, waren Open-Source-Modelle Jahre hinter dem Stand der Technik. Heute liegt Kimi K3 auf Platz 3 weltweit – hinter Fable 5 und GPT-5.6 Sol, aber vor allem anderen. Der wichtigste Trend bis Ende Juli ist die Open-Weight-Offensive: K3 und DeepSeek V4-Gewichte landen innerhalb von zehn Tagen. Wenn kostenlose Modelle weiterhin die Leaderboards anführen, steht das gesamte Geschäftsmodell der Frontier-KI in Frage.
Moonshot gab an, für K3 export-zertifizierte NVIDIA-Hardware und einen nicht genannten alternativen GPU-Anbieter zu verwenden. Das ist bemerkenswert: Die USA haben versucht, Chinas KI-Entwicklung durch Chip-Embargos zu bremsen. Kimi K3 ist der Beweis, dass das nur eingeschränkt funktioniert. China baut Workarounds – und veröffentlicht sie offen.
Kimi K3 bietet Entwicklern state-of-the-art KI-Fähigkeiten zu wettbewerbsfähigen Preisen. Die API ist OpenAI-kompatibel, die Qualität für Frontend-Code ist sogar besser als Claude Fable 5. Aber: Die API läuft über Moonshot-Server in China. Für DSGVO-konforme Deployments mit sensiblen Daten ist das ein echtes Problem. Self-Hosting ab dem 27. Juli könnte das lösen – wenn die Lizenz es erlaubt und die Hardware-Anforderungen erfüllbar sind.
Kimi K3 ist keine Übertreibung. Es ist das größte Open-Weight-Modell der Geschichte, rangiert auf Platz 3 weltweit, schlägt Claude Opus 4.8 und GPT-5.5 auf mehreren Benchmarks – und kostet deutlich weniger als die westlichen Closed-Source-Flaggschiffe. Für Frontend-Entwickler, Agentic-Workflows und große Kontextfenster ist es heute schon erste Wahl. Der Chip-Design-Case zeigt, was Long-Horizon Autonomy wirklich bedeutet. Was es noch nicht ist: perfekt verifikabel (Gewichte kommen am 27. Juli), datenschutzkonform für regulierte Branchen, und bezüglich der Lizenz noch offen. Wenn du KI-Workflows baust und Kimi K3 noch nicht auf deiner Liste hast: Add it. Jetzt.
IT REX Solutions ist an fünf Standorten für Sie da – vor Ort, persönlich, ohne lange Wartezeiten.
061318944180
