Kimi K3 Benchmark-Review: 2,8 Billionen Parameter, neuer Open-Source-Rekord

Kurzdefinition: Kimi K3 ist das derzeit größte Open-Source-Modell nach Parameterzahl — 2,8T. Es übertrifft DeepSeek V4 Pro (1,6T) um ca. 75 %, ist 2,7× größer als Xiaomis Open-Source-Modell (1,02T) und mehr als 7× größer als Alis 397B. Sparse-MoE-Architektur: bei Inferenz werden 16 von 896 Experten aktiviert. 1M-Token-Kontext und native Vision für komplexes Coding, Langdokument-Reasoning und Wissensarbeit. Vollständige Gewichte ab 27. Juli 2026 auf Hugging Face.

Typische Engpässe für Entwickler:

• Kontextlimit: Closed-Source-Flaggschiffe meist 200K–400K Token — Ganz-Repo-Analysen erfordern Trunkierung und Zusammenführung.
• Degradation bei Lang-Code-Tasks: In SWE-Marathon-Szenarien verlieren die meisten Modelle mittelfristig den Kontext.
• Open-Source-Skalengrenze: DeepSeek V4 Pro führte mit 1,6T; Open Weights über 2T fehlten.
• Export und Preisvolatilität: Nach dem globalen Claude-Fable-5-Stop schrumpfen Optionen für leistungsstarke Coding-Agents.

Moonshot AI reagiert nach 18 Monaten DeepSeek-Druck mit K3. Referenzdaten:

• In 9 von 12 Monaten führte die Kimi-Serie die Open-Source-Größenklasse an;
• Release unmittelbar vor der WAIC 2026;
• Stand Juni 2026: ARR über 300 Mio. USD, 6. Finanzierungsrunde, Bewertung 31,5 Mrd. USD (pre-money);
• API-Umsatzanteil über 70 %, internationale zahlende Nutzer +400 %.

Kein reines Parameter-Marketing, sondern technologische Souveränität eines kommerziell skalierenden Anbieters.

Kimi Delta Attention (KDA) — Attention neu designt

Full Attention skaliert KV-Cache-Speicher quadratisch mit Kontextlänge. KDA ist ein hybrides lineares Attention-Verfahren mit 3:1-Wechsel zwischen linearen Schichten und Full-Attention-Schichten. Effekt: KV-Cache bis 75 % kleiner; bei 1M Token bis zu 6,3× schnellere Dekodierung; übertrifft reine Full-Attention-Baselines in kurzen/langen Kontexten und RL-Skalierung.

Attention Residuals (AttnRes) — Informationsverlust in der Tiefe

AttnRes modifiziert Residual-Verbindungen mit selektivem Abruf früherer hochwertiger Repräsentationen. Moonshot meldet ca. 25 % höhere Trainingseffizienz bei unter 2 % Mehraufwand.

Stable LatentMoE — stabiles Training bei extremer Sparsity

K3: 896 Experten, pro Inferenz 16 aktiv (Sparsity 1,8 %). Begleittechnologien:

Gesamt: gegenüber Kimi K2 etwa 2,5× bessere Skalierungseffizienz.

Auswertung:

• SWE Marathon (42,0): Spitze bei langandauernden Code-Tasks;
• Program Bench (77,8): knapp vorne;
• FrontierSWE: Fable 5 führt mit 86,6; K3 (81,2) deutlich vor GPT-5.6 Sol (71,3);
• OmniDocBench (91,1): Dokumentenverständnis führend;
• Artificial Analysis Intelligence Index v4.1: K3 57,1 Punkte, Rang 4 hinter Fable 5 (59,9) und GPT-5.6 Sol (58,9).

Hinweis: Moonshot-eigene Angaben; unterschiedliche Inference-Harnesses (K3: Kimi Code, GPT: Codex, Claude: Claude Code). Unabhängige Reproduktion läuft.

K3 kostet wie Claude Sonnet 5 ($3/$15), bietet aber 5× Kontext. Bei Coding-Szenarien über 90 % Cache-Hit — effektive Input-Kosten sehr niedrig. China-Preise: ¥20/M Input, ¥100/M Output, Cache ¥2/M. Kimi.com Free-Tier; Prepaid ab ¥199 (Aktion bis 11. August).

6 Schritte zur Kimi-K3-Anbindung:

1. Web/App-Test: kimi.com, Google-Login, K3 läuft standardmäßig mit maximaler Reasoning-Stärke.
2. API-Key: Schlüssel auf platform.kimi.ai erstellen und Guthaben laden.
3. OpenAI-kompatibler Client: base_url="https://api.moonshot.ai/v1", Modell-ID kimi-k3.
4. Erster Test-Request: Kurzer Prompt für Latenz und Erreichbarkeit.
5. OpenRouter: Modell moonshotai/kimi-k3 ohne Aufschlag auf Listenpreis.
6. 27. Juli markieren: Vollgewichte auf Hugging Face; lokales Deployment braucht 64+ Beschleunigerkarten.

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Analysiere diesen Code..."}]
)

Zitierbare Hard Facts (Moonshot, 16.07.2026):

• Gesamtparameter: 2,8 Billionen, größtes Open-Source-Modell; +75 % vs. DeepSeek V4 Pro (1,6T)
• MoE-Sparsity: 896 Experten / 16 aktiv = 1,8 % Aktivierungsrate
• KDA-Effizienz: KV-Cache −75 %, Dekodierung bei 1M Token 6,3×
• Skalierung: vs. K2 2,5×; AttnRes Training +25 %
• Commercial: ARR $300M+, Bewertung $31,5B, API-Anteil 70 %+
• Open-Source: 2026-07-27 Hugging Face Vollgewichte; MXFP4/NVFP4 + vLLM/SGLang erwartet

Moonshot bestätigt: 27. Juli 2026 vollständige Modellgewichte. K3 wird dann das größte downloadbare Open-Source-Modell und der erste Open-Weight-Satz über 2 Billionen Parameter.

F: Ist Kimi K3 kostenlos nutzbar?
A: kimi.com Free-Tier ja; API tokenbasiert ($3/$15 pro 1M).

F: Lokales Hosting?
A: Vor dem 27. Juli nein; danach 64+ Beschleunigerkarten — nicht für Consumer-Laptops.

F: K3 vs. DeepSeek V4 Pro?
A: K3 ~2× Parameter, 1M vs. 128K Kontext, Benchmarks stärker; DeepSeek Output $3,48/M günstiger.

F: Ist 1M Kontext praktisch?
A: Ja für Ganz-Repo-Analyse, Rechts-/Forschungsdokumente, Agent-Memory — einheitliche Preise ohne Längenzuschlag.

F: Low/High-Reasoning-Modi?
A: Moonshot kündigt Updates an; aktuell nur max.

Kimi K3 kombiniert echte Engineering-Innovation (KDA, AttnRes, Stable LatentMoE) mit Spitzenwerten in Lang-Code und Dokumentenverständnis — plus vollständiges Open-Source-Versprechen.

Timeline: 17.–20. Juli WAIC → 27. Juli K3 Open Weights.

Reine API-Nutzung ist schnell, birgt aber versteckte Kosten: Langkontext-Agents auf Shared-VPS ohne RAM, fehlende 7×24-Hosting für Coding-Pipelines, keine lokalen Gewichte vor dem 27. Juli. Für dauerhaft laufende Kimi-Code-Agents, Ganz-Repo-Analysen und MCP-Server ist JEXCLOUD Bare-Metal Mac multi-region die stabilere Option: dediziertes Apple-Silicon-Unified-Memory, kein Overselling-Jitter, launchd-persistente Agent-Gateways, 120-Sekunden-Provisioning. Details auf der JEXCLOUD-Preisseite.