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

Kimi K3 ist das bislang größte Open-Source-LLM der Welt: 2,8 Billionen (2,8T) Parameter in einer sparsen MoE-Architektur — rund 75 % mehr als DeepSeek V4 Pro (1,6T), 2,7× größer als Xiaomis Open-Modell (1,02T) und mehr als das Siebenfache von Alis 397B-Modell. Pro Forward Pass werden 16 von 896 Experten aktiviert (Sparsity 1,8 %).

K3 ist bereits auf kimi.com, der Kimi-App, Kimi Code und der Moonshot-API verfügbar. Es richtet sich auf komplexe Programmieraufgaben, Langdokument-Reasoning und Wissensarbeit mit nativer Bild- und Videoerfassung.

Moonshot AI verlor in 18 Monaten nach DeepSeeks Aufstieg Marktanteile. Kimi K3 ist die Gegenoffensive — nicht als Marketing-Gigantismus, sondern als kommerziell fundierte Technologieaussage:

• 9 von 12 Monaten hielt Kimi den Rekord als größtes Open-Source-Modell nach Parameterzahl
• ARR über 300 Mio. USD (Stand Juni 2026); API-Umsatz macht über 70 % aus; ausländische zahlende Nutzer +400 %
• 6. Finanzierungsrunde 2026 bei 31,5 Mrd. USD Pre-Money-Bewertung
• Release am Vorabend der WAIC 2026 (17.–20. Juli, Shanghai) — starkes Signal an die globale Open-Source-Community

Typische Fehlentscheidungen bei Modellwechseln 2026:

• Nur Listenpreis vergleichen: K3 kostet $15/M Output — teurer als DeepSeek — aber 1M Kontext und 90 %+ Cache-Hit in Coding-Workflows senken effektive Input-Kosten auf ~$0,55/M
• Benchmarks ohne Harness-Kontext: Moonshot nutzt Kimi Code, OpenAI Codex, Anthropic Claude Code — unabhängige Reproduktionen laufen noch
• Open Weights vor dem 27. Juli erwarten: Lokales Deployment braucht 64+ Beschleuniger — kein Laptop-LLM
• Kontextfenster ignorieren: 200K bei Claude vs. 1M bei K3 bedeutet bei Repo-weiten Agenten oft mittendrin Context-Loss

Kimi Delta Attention (KDA)

Full Attention skaliert quadratisch mit der Kontextlänge — bei 1M Tokens wird der KV-Cache speicherintensiv. KDA ist ein hybrides lineares Attention-Design mit 3:1-Verhältnis (drei lineare Schichten, eine Full-Attention-Schicht):

• KV-Cache-Speicher bis zu 75 % reduziert
• Decoding bei 1M Kontext bis zu 6,3× schneller
• Übertrifft Full-Attention-Baselines bei kurzem Kontext, langem Kontext und RL-Skalierung

Attention Residuals (AttnRes)

Standard-Residualverbindungen verdünnen frühe Repräsentationen in der Tiefe. AttnRes ermöglicht selektives Retrieval über Tiefe — das Modell holt hochwertige frühe Layer-Signale gezielt zurück. Ergebnis: ca. 25 % höhere Trainingseffizienz bei unter 2 % Mehrcompute.

Stable LatentMoE

896 Experten, 16 aktiv — extreme Sparsity erfordert stabiles Routing. Moonshots Begleittechniken:

Gesamt: gegenüber Kimi K2 etwa 2,5× bessere Skalierungseffizienz — gleiche Compute, stärkere Intelligenz.

Moonshots Selbstberichte (Stand 16. Juli 2026). Verschiedene Harnesses pro Anbieter — Richtungswerte, keine endgültigen Rankings.

Lesart: SWE Marathon (langfristiges Coding) führt K3 mit 42,0 — +7 Punkte gegenüber Fable 5. OmniDocBench (Dokumentenverständnis mit Tabellen, Charts, Bildern) ebenfalls Spitze. FrontierSWE und DeepSWE bleiben bei Fable 5 bzw. GPT-5.6 Sol vorn.

Artificial Analysis Intelligence Index v4.1: Kimi K3 57,1 (Platz 4) — hinter Fable 5 (59,9) und GPT-5.6 Sol (58,9); Lücke nur 2,8 Punkte zum Spitzenreiter.

K3 matcht Sonnet-5-Standardpreise, liefert aber 5× Kontext. Cache-Hit bei Coding über 90 % — effektiver Input oft ~$0,55/M (OpenRouter-7-Tage-Durchschnitt bestätigt das). Gegen Opus 4.8: 60 % Input-, 40 % Output-Kosten bei vergleichbaren oder besseren Scores auf mehreren Tests. China-API: ¥20/M Input, ¥100/M Output, Cache ¥2/M.

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 auf Performance-Engpässe..."}
    ]
)
print(response.choices[0].message.content)

API-Key unter platform.kimi.ai. OpenRouter: Modell-ID moonshotai/kimi-k3 — offizielle $3/$15-Preise, kein Aufschlag, voller 1M-Kontext. Siehe auch unseren OpenRouter-Trends-Leitfaden für Routing-Strategien.

1. 01
   Konto anlegen: kimi.com (Google-Login) für Soforttest oder platform.kimi.ai für API-Key — K3 läuft standardmäßig mit max reasoning effort.
2. 02
   Zugangsweg wählen: Web/App, direkte Moonshot-API oder OpenRouter — je nach bestehender Billing-Infrastruktur und Compliance.
3. 03
   Cache-Strategie planen: Mooncake-Split-Inference nutzt hohe Cache-Hit-Raten — Prompt-Templates stabil halten, System-Prompts versionieren.
4. 04
   1M-Kontext sinnvoll einsetzen: ganze Repos, lange Specs oder Legal-Docs in einem Call — Flat Pricing ohne Längenzuschlag ausnutzen.
5. 05
   Mixed Routing definieren: K3 für Lang-Coding und Dokumentenanalyse; Fable 5 für FrontierSWE-Repo-Fixes; GPT-5.6 Sol für Terminal-heavy Agents.
6. 06
   27. Juli im Kalender: vollständige Gewichte auf Hugging Face — MXFP4/NVFP4-Quantisierung und Day-0-Support in vLLM/SGLang/transformers erwarten.

Kimi K3 ist kein reines Parameter-Monument. KDA, AttnRes und Stable LatentMoE adressieren echte Skalierungsprobleme; bei Lang-Coding, BrowseComp und Dokumentenverständnis liegt K3 vor oder neben Closed-Source-Flaggschiffen. Mit $3/$15, 1M Kontext und Open Weights am 27. Juli 2026 setzt Moonshot ein Signal: chinesische Open-Source-Ökosysteme konkurrieren an der Intelligenzgrenze — nicht nur über Preis.

Termine: 17.–20. Juli WAIC Shanghai (weitere Ankündigungen erwartet) → 27. Juli vollständige Gewichte auf Hugging Face.

Teams, die Kimi K3 in Agent-Pipelines einbinden, brauchen oft stabile Build-Hosts neben API-Routing. Geteilte Minuten-Pools und Heim-Macs liefern Bandbreiten-Jitter, Nachbar-Konkurrenz und abgebrochene Langzeit-SSH — das frisst Modell-Einsparungen auf. Für auditierbare 24/7-Agent-Umgebungen bieten NUKCLOUD multiregionale Bare-Metal-Mac- / Cloud-Mac-Knoten dedizierte Compute-Kapazität und klare Mandantengrenzen. Specs auf der Preisseite vergleichen, Testknoten über Bestellung bereitstellen.

• Ist Kimi K3 kostenlos nutzbar?
  Ja auf kimi.com mit Gratis-Konto. API erfordert Pay-per-Token ($3/$15 pro Million Tokens).
• Kann man Kimi K3 lokal ausführen?
  Erst ab 27. Juli 2026 mit vollständigen Gewichten. Produktion braucht 64+ Beschleuniger (z. B. H100) — kein Consumer-Deployment.
• Wie schneidet K3 gegen DeepSeek V4 Pro ab?
  Fast doppelte Parameter, 1M vs. 128K Kontext, stärkere Coding-Benchmarks — DeepSeek bleibt deutlich günstiger ($3,48/M Output).
• Ist das 1M-Token-Fenster praktisch?
  Ja für ganze Codebases, Forschungspapiere und Langzeit-Agenten. Flat Pricing macht vollen Kontext wirtschaftlich.
• Geht Kimi K3 über OpenRouter?
  Ja — moonshotai/kimi-k3, offizielle Preise ohne Aufschlag, voller 1M-Kontext.
• Wann kommen low/high Reasoning-Modi?
  Moonshot kündigt low und high in Folge-Updates an. Zum Launch nur max verfügbar.

Datenstand: 2026-07-17. Quellen: Moonshot AI Blog, Kimi API Platform, Artificial Analysis, OpenRouter Pricing.