Kimi K3 im Test:
2,8 Billionen Parameter — das größte Open-Source-LLM 2026

Am 16. Juli 2026 schaltete Moonshot AI (月之暗面) Kimi K3 still live — ohne Pressekonferenz, aber mit 2,8 Billionen Parametern, dem bisher größten Open-Source-LLM weltweit. Wer Open-Source-Modelle für Coding-Agenten, lange Repo-Analysen oder multimodale Dokumente evaluiert, steht vor drei Fragen: Reicht die Intelligenz gegen Claude Fable 5 und GPT-5.6 Sol? Was kostet die API? Wann kommen die Gewichte? Dieser datenbasierte Leitfaden liefert Strategie-Hintergrund, KDA/AttnRes/MoE-Architektur, vollständige Benchmark-Matrix, Preisvergleich, 4 Zugangswege, 6-Schritte-Setup, Szenario-Entscheidungsmatrix, Open-Source-Timeline 27. Juli, zitierbare Kennzahlen und FAQ.

SECTION 01 Warum Kimi K3 jetzt relevant ist: Engpässe bei Kontext, Kosten und Open Weights

Kimi K3 adressiert drei typische Schmerzpunkte in produktiven LLM-Stacks:

• Kontext-Decke: Die meisten Flaggschiff-APIs begrenzen sich auf 128K–400K Token — große Codebases erfordern Chunking, State-Verlust und teure Re-Prompts.
• Langhorizont-Coding: Benchmarks wie SWE Marathon messen stundenlange Agent-Arbeit; viele Modelle kollabieren bei anhaltenden Tool-Loops.
• Vendor-Lock-in: Closed-API-Abhängigkeit blockiert Fine-Tuning, On-Premise und auditierbare Pipelines — bis Open Weights verfügbar sind.
• Kostenrealität: Claude Opus 4.8 kostet $5/$25 pro 1M Token; bei hohem Output-Volumen explodieren Agent-Budgets — siehe Grok-4.5-Preisanalyse.

Kernspecs auf einen Blick: MoE mit 896 Experten, 16 aktiv; 1.048.576 Token Kontext; native Vision (Text, Bild, Video); Modell-ID kimi-k3; Reasoning derzeit nur max-Effort; vollständige Gewichte ab 27. Juli 2026 auf Hugging Face.

SECTION 02 Strategischer Hintergrund: WAIC-Timing, ARR und Moonshots Comeback

• Größenrekord: In 9 von 12 Monaten hielt Kimi den Titel „größtes Open-Source-Modell“; K3 übertrifft DeepSeek V4 Pro um ~75 %.
• WAIC 2026: Release am Vorabend der World AI Conference in Shanghai — starkes Signal an den chinesischen und globalen Markt.
• Commercial Traction: ARR >$300M (Juni 2026); 6. Finanzierungsrunde bei $31,5B Pre-Money; API-Anteil >70 % am Umsatz; internationale Paid-User +400 %.
• EU-Hinweis: API-Nutzung aus der EU erfordert Dokumentation von Datenflüssen zu chinesischen Servern — relevant für DSGVO-Compliance in Enterprise-Pipelines.

SECTION 03 Architektur: KDA, AttnRes und Stable LatentMoE im Detail

K3 ist kein reines Scale-Up — drei Engineering-Innovationen adressieren reale Skalierungsprobleme:

Kimi Delta Attention (KDA): Hybrid-Linear-Attention im Verhältnis 3:1 (drei Linear-Layer, ein Full-Attention-Layer). Effekt: KV-Cache bis −75 %, Decoding bei 1M Token bis 6,3× schneller, ohne messbaren Capability-Verlust in Short-/Long-Context und RL.

Attention Residuals (AttnRes): Selektives Retrieval über Tiefe statt gleichmäßiger Residual-Akkumulation — ~25 % höhere Trainingseffizienz bei <2 % Extra-Compute.

Stable LatentMoE: 896 Experten, 16 aktiv (Sparsity 1,8 %). Stabilisatoren:

SECTION 04 Benchmark-Matrix: Coding, Reasoning und Vision

Folgende Werte stammen aus Moonshots Self-Report (16. Juli 2026). Harness unterscheidet sich: K3 via Kimi Code, GPT via Codex, Claude via Claude Code — unabhängige Reproduktionen laufen noch.

SWE Marathon ist der entscheidende Coding-Indikator für Langhorizont-Agenten — K3 führt mit 42,0. Artificial Analysis Intelligence Index v4.1: K3 = 57,1 (Rang 4), Fable 5 = 59,9, GPT-5.6 Sol = 58,9 — Lücke nur 2,8 Punkte.

SECTION 05 API-Preise: $3/$15, Cache-Hit und China-Tarife

K3 matcht Sonnet-Standardpreise, liefert aber 5× Kontext. Moonshot berichtet >90 % Cache-Hit in Kimi-Code-Workflows (Mooncake Split-Inference) — effektiver Input oft ~$0,55/M. China-API: ¥20/¥100 pro M, Cache ¥2/M; Consumer ab ¥199 (bis 11. Aug.).

SECTION 06 6 Schritte: Kimi K3 sofort nutzen (4 Zugangswege)

Vier Zugangswege: (1) kimi.com Web/App — kostenlos mit Google-Login; (2) Moonshot API — OpenAI-kompatibel; (3) OpenRouter — moonshotai/kimi-k3; (4) Self-Host ab 27. Juli — 64+ Beschleuniger nötig.

1. Account anlegen: kimi.com — K3 läuft standardmäßig mit max Reasoning.
2. API-Key holen: Registrierung auf platform.kimi.ai, Billing aktivieren.
3. Client konfigurieren: OpenAI-SDK mit base_url=https://api.moonshot.ai/v1 und Modell kimi-k3.
4. Smoke-Test: Kurzer Coding-Prompt; Latenz und Output-Qualität gegen Claude/GPT baseline messen.
5. OpenRouter-Alternative: Falls vorhandenes Routing — Modell-ID moonshotai/kimi-k3, offizielle Preise ohne Aufschlag.
6. Produktions-Pipeline: Cache-freundliche Prompt-Struktur (wiederkehrende System-Prompts); Agent-Logs für DSGVO-Audit dokumentieren; CI-Runner auf nativem macOS statt VM für lokale Tool-Integration testen.

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 diese Codebase..."}]
)
print(response.choices[0].message.content)

SECTION 07 Szenario-Matrix und Open Weights am 27. Juli 2026

Am 27. Juli 2026 veröffentlicht Moonshot vollständige Gewichte auf Hugging Face — erstes Open-Modell >2T, Training mit MXFP4/MXFP8. Erwartete Day-0-Unterstützung in vLLM, SGLang und transformers. Meilensteine: 17.–20. Juli WAIC → 27. Juli Open Weights.

SECTION 08 Zitierbare Kennzahlen, Quellen und Entwickler-Fazit

• Parameter: 2,8T total; MoE 896/16 aktiv; Kontext 1.048.576 Token.
• Architektur-Effizienz: KDA −75 % KV-Cache, 6,3× Decoding bei 1M; AttnRes +25 % Trainingseffizienz; 2,5× Scaling vs. K2.
• Intelligence Index v4.1: 57,1 (Rang 4 von Frontier-Modellen).
• API: $3/$15 pro M; Cache-Hit $0,30; >90 % Hit-Rate in Coding-Workflows.
• Commercial: ARR >$300M; Valuation $31,5B; Open Weights 27. Juli 2026.

Verifizierbare Quellen — nach Release erneut prüfen:

Moonshot AI: Kimi K3 Official Blog

Kimi API Platform Documentation

Artificial Analysis: Intelligence Index v4.1

OpenRouter: moonshotai/kimi-k3 Pricing

Für Teams, die Kimi K3 in Cursor, Kimi Code oder eigene Agent-Pipelines integrieren, bleiben drei Infrastruktur-Engpässe: ① Self-Host vor 27. Juli unmöglich — API-Abhängigkeit; ② macOS-CI auf VMs mit Metal/Core-ML-Overhead und instabiler Tool-Chain; ③ lokale Macs ohne 7×24-Uptime für Langhorizont-Agenten. Cloud-VMs verschärfen Latenz und Kompatibilität; reine API-Nutzung ohne dedizierte Build-Umgebung erschwert reproduzierbare Agent-Tests. Für null Hypervisor-Overhead, stabile iOS/macOS-CI und AI-Agent-Automatisierung sind MACNOX-Cloud-Physik-Macs meist die bessere Wahl: 100 % Apple-Hardware, voller Root, flexible Tages-/Wochen-/Monatsmiete. Siehe Mac Mini M4 Miete vs. Kauf und AI-Agent-Produktions-Härtung.

SECTION 09 FAQ