Kimi K3: Ein Blick hinter die Kulissen des offenen Modells von Moonshot AI mit 2,8 Billionen Parametern

Moonshot AI hat fast zwei Jahre damit verbracht, „Open-Weight“ von einer Fußnote zu einer echten Herausforderung für geschlossene Spitzenforschungslabore zu machen. Mit Kimi K3 hat das in Peking ansässige Unternehmen seinen bislang kühnsten Schritt gewagt – ein Modell mit 2,8 Billionen Parametern, das Moonshot als das weltweit erste offene System der 3T-Klasse bezeichnet. Es verfügt über native Multimodalität, ein Kontextfenster von 1 Million Token und Codierungsergebnisse, die weit über synthetische Benchmarks hinausgehen und sich auf echte ingenieurtechnische Arbeit erstrecken: Kernel-Optimierung, Chip-Design und wissenschaftliche Forschungspipelines in vollem Umfang.

Dieser Leitfaden fasst alles zusammen, was es über Kimi K3 zu wissen gilt – was es ist, wie es aufgebaut ist, was es kostet, wie es im Vergleich zu Moonshots eigener Kimi-K2.6- und Kimi-K2.7-Produktreihe abschneidet und wie man es über Kimi Code oder die Kimi-API tatsächlich in Betrieb nimmt.

In diesem Artikel geht es um:

1. Was Kimi K3 ist und warum es wichtig ist

2. Die Architektur von Kimi K3: KDA, AttnRes und Stable LatentMoE erklärt

3. Veröffentlichungsdatum, offene Gewichte und Verfügbarkeit

4. So funktionieren der Denkmodus und der 1-Mio.-Token-Kontext von Kimi K3

5. API-Preise, Benchmarks und praktische Entwicklungsergebnisse

6. Kimi K3 im Vergleich zu Kimi K2.7 Code und Kimi K2.6

7. Programmierung, Forschung und multimodale Anwendungsfälle

8. So nutzen Sie Kimi K3 mit Kimi Code und der Kimi-API

9. Mitgliedschaftspläne, Dokumentation und Selbsthosting

10. Einschränkungen, häufig gestellte Fragen und ob sich der Einsatz von Kimi K3 lohnt

Was ist Kimi K3?

Kimi K3 ist das Flaggschiff unter den großen Sprachmodellen von Moonshot AI und wurde am 16. Juli 2026 als neuestes und leistungsfähigstes Modell der Kimi-Modellfamilie veröffentlicht. Es basiert auf zwei neuen architektonischen Komponenten – Kimi Delta Attention (KDA) und Attention Residuals (AttnRes) – und kombiniert diese mit einem stark ausgedünnten Mixture-of-Experts-Design (MoE), bei dem pro Token nur 16 von 896 Experten aktiviert werden. Das Ergebnis ist ein Modell mit insgesamt 2,8 Billionen Parametern, nativem Bildverständnis und einem Kontextfenster von 1 Million Token, das von Moonshot als offenes Gewichtssystem positioniert wird, das speziell für das Programmieren mit langfristigem Horizont, agentische Wissensarbeit und komplexes Schlussfolgern entwickelt wurde.

Moonshot achtet darauf, die Position von K3 genau zu beschreiben: Das Unternehmen gibt an, dass seine Gesamtleistung zwar immer noch hinter den stärksten proprietären Systemen zurückbleibt – wobei insbesondere Claude Fable 5 und GPT-5.6 Sol genannt werden –, dass K3 jedoch in seiner internen Evaluierungssuite Ergebnisse auf Spitzenniveau erzielt und die anderen offenen und proprietären Modelle, gegen die es getestet wurde, durchweg übertrifft. Kurz gesagt: K3 wird nicht als das weltweit beste Modell vermarktet – es wird als das beste offene Modell an der Leistungsgrenze vermarktet und als eine der kosteneffizientesten Möglichkeiten, eine Leistung nahe der Leistungsgrenze zu erzielen.

Veröffentlichungsdatum von Kimi K3

Kimi K3 wurde am 16. Juli 2026 veröffentlicht und ist ab sofort über Kimi, die Kimi Work-Desktop-App, Kimi Code im Terminal und die Kimi-API nutzbar. Moonshot hat bestätigt, dass die vollständigen Modellgewichte – die es ermöglichen, Kimi K3 unter der Modified MIT-Lizenz des Unternehmens selbst zu hosten, wie bereits bei früheren Kimi K2-Versionen – voraussichtlich bis zum 27. Juli 2026 veröffentlicht werden. Bei der Einführung läuft das Modell standardmäßig mit maximaler Rechenleistung; Modi mit geringerem und höherem Rechenaufwand sind für spätere Updates geplant, und ein vollständiger technischer Bericht mit detaillierten Angaben zur Architektur, zum Trainingsverfahren und zur Bewertungsmethodik wird voraussichtlich zeitgleich mit der Veröffentlichung der Modellgewichte erscheinen.

Kimi K3-Architektur: Was ist eigentlich neu?

Um zu verstehen, warum Kimi K3 so performt, wie es tut, muss man bei der zugrunde liegenden Technik ansetzen, die eine bedeutende Abkehr von der K2-Serie darstellt und nicht nur eine einfache Erhöhung der Parameteranzahl ist.

Kimi Delta Attention (KDA) und Attention Residuals (AttnRes). Diese beiden Komponenten bilden das Rückgrat des Modells. KDA sorgt für eine effizientere Skalierung der Attention über sehr lange Sequenzen hinweg, während AttnRes relevante Repräsentationen selektiv über die gesamte Tiefe des Modells hinweg abruft, anstatt sie einheitlich Schicht für Schicht zu akkumulieren. Zusammen mit einem verfeinerten Trainings- und Datenkonzept sorgen diese Änderungen laut Moonshot für eine etwa 2,5-fache Verbesserung der Gesamtskalierungseffizienz im Vergleich zu Kimi K2 – ein größerer Teil der zusätzlichen Rechenleistung wird in nutzbare Intelligenz umgewandelt, anstatt dass es zu abnehmenden Erträgen kommt.

Stabiles LatentMoE und Experten-Sparsität. Kimi K3 aktiviert pro Token nur 16 seiner 896 Experten – eine Aktivierungsrate von unter 2 %, was zu den sparsesten Designs in dieser Größenordnung zählt. Um das Routing bei dieser Sparsity stabil zu halten, führte Moonshot „Quantile Balancing“ ein, das die Expertenzuweisung direkt aus den Quantilen der Router-Scores ableitet, anstatt einen manuell abgestimmten Hyperparameter zu verwenden. Eine begleitende Technik, „Per-Head Muon“, erweitert den Muon-Optimierer, um Attention-Heads unabhängig voneinander abzustimmen, während „Sigmoid Tanh Unit“ (SiTU) und „Gated MLA“ die Aktivierungssteuerung und die Attention-Selektivität verfeinern.

Quantisierung und Bereitstellung. Kimi K3 wendet bereits ab der Feinabstimmungsphase quantisierungsbewusstes Training an und nutzt dabei MXFP4-Gewichte mit MXFP8-Aktivierungen, um eine breite Hardwarekompatibilität zu gewährleisten. Moonshot entwickelte zudem eine ausgewogene, parallelisierte Trainingsmethode, um zu verhindern, dass Ungleichgewichte bei der Routing-Verteilung den Durchsatz drosseln, und steuerte – insbesondere für Selbstbetreiber – parallel zur Veröffentlichung des Modells eine KDA-kompatible Präfix-Caching-Implementierung zu vLLM bei. Angesichts seiner Größe empfiehlt Moonshot Supernode-Konfigurationen mit 64 oder mehr Beschleunigern, wodurch K3 eindeutig in den Bereich von Rechenzentren fällt.

Kimi K3 Thinking: So funktioniert die Schlussfolgerung

Im Gegensatz zu Modellen, bei denen Nutzer die Schlussfolgerungsfunktion ein- oder ausschalten können, wird Kimi K3 derzeit mit einem einzigen Schlussfolgerungsmodus ausgeliefert, der auf maximalen Denk Aufwand eingestellt ist – zum Start gibt es keinen „Lightweight“-Modus ohne Schlussfolgerung. Jede Antwort enthält vor der endgültigen Antwort einen vollständigen Denkverlauf, was für die Kostenplanung von Bedeutung ist, da dieser Denkinhalt zum gleichen Tarif abgerechnet wird wie die sichtbare Ausgabe. Moonshot hat angekündigt, dass für zukünftige Updates zusätzliche Denkkonfigurationen mit geringem und hohem Aufwand geplant sind, die Entwicklern mehr Kontrolle über den Kompromiss zwischen Latenz und Kosten bei einfacheren Aufgaben geben sollen, die nicht die volle Denktiefe von K3 erfordern.

Kimi K3 API – Preise und Benchmarks

API Pricing

Kimi K3 ist auf der Kimi API Platform unter dem Modellnamen „kimi-k3“ verfügbar. Die von Moonshot offiziell veröffentlichten Preise lauten wie folgt:

Moonshot berichtet, dass seine disaggregierte Inferenzarchitektur „Mooncake“ bei typischen Programmier-Workloads eine Cache-Trefferquote von über 90 % erreicht, was bedeutet, dass der Großteil des realen Eingangsdatenverkehrs eher bei 0,30 US-Dollar als bei dem als Schlagzeile genannten Wert von 3,00 US-Dollar liegt. Dieser Caching-Vorteil ist ein wesentlicher Grund dafür, dass Kimi K3 Kontext und Schlussfolgerungen auf „Frontier“-Niveau zu einem Preis anbieten kann, den mehrere unabhängige Preisvergleichsdienste im Vergleich zu ähnlichen proprietären Modellen als äußerst wettbewerbsfähig bezeichnen. Zum Vergleich: Die eigenen, kleineren, auf Codierung ausgerichteten Versionen von Moonshot – Kimi K2.6 und Kimi K2.7 Code – sind deutlich günstiger, liegen im Allgemeinen im Bereich unter 1 US-Dollar pro Eingabe und bei etwa 2,65 bis 4,00 US-Dollar pro Million Ausgabe-Token, wobei die genauen von Dritten angegebenen Zahlen variieren und vor einer Budgetierung in großem Maßstab auf plateform Kimi AI bestätigt werden sollten.

Benchmarks und Praxistests

Anstatt sich ausschließlich auf statische Ranglistenwerte zu stützen, hat Moonshot Kimi K3 anhand einer breiten Palette von Benchmarks in den Bereichen Programmierung, Agentenverhalten, Produktivität und multimodale Aufgaben bewertet – darunter DeepSWE, Terminal-Bench 2.1, Program Bench, SWE Marathon, FrontierSWE, PostTrain Bench, MLS Bench Lite, KCB 2.0, OfficeQA Pro, SpreadsheetBench 2, MCP Atlas, AutomationBench, BrowseComp, GDPval-AA, AA-Briefcase und APEX-Agents – wobei jeder Test mit einem von drei agentischen Testumgebungen (KimiCode, Claude Code oder Codex) durchgeführt wurde. Speziell bei BrowseComp erreicht K3 eine Punktzahl von 90,4, wenn es mit seinem vollständigen Kontext von 1 Million Token und ohne Kontextkomprimierung ausgeführt wird.

Über die Benchmark-Tabellen hinaus veröffentlichte Moonshot konkrete Fallstudien aus der Praxis, die die tatsächlichen Fähigkeiten veranschaulichen:

• Optimierung von GPU-Kerneln: Bei einer Zeitspanne von 24 Stunden pro Aufgabe für die Profilierung, Neuprogrammierung und Benchmark-Tests von GPU-Kerneln auf einer NVIDIA H200 und einer GPGPU eines anderen Anbieters schnitt K3 im Vergleich zu Claude Fable 5 konkurrenzfähig ab und übertraf Claude Opus 4.8, GPT-5.6 Sol und GPT-5.5 deutlich.

• Entwicklung eines GPU-Compilers von Grund auf: K3 entwickelte MiniTriton, einen kompakten Compiler im Triton-Stil mit eigener IR-Schicht und PTX-Codegenerierung, der bei mehreren Benchmarks mit Triton und torch.compile gleichzog oder diese sogar übertraf.

• Chipdesign: In einem einzigen 48-stündigen autonomen Durchlauf entwarf, optimierte und verifizierte K3 einen Chip auf Basis seiner eigenen Architektur, erreichte eine Taktfrequenz von 100 MHz auf einer Fläche von 4 mm² und erzielte einen simulierten Dekodierungsdurchsatz von über 8.700 Tokens pro Sekunde.

• Automatisierung wissenschaftlicher Forschung: K3 reproduzierte die universellen „I-Love-Q“-Beziehungen in der computergestützten Astrophysik – dabei wurden mehr als 20 Fachartikel gegengeprüft und über 3.000 Zeilen Code generiert – in etwa zwei Stunden; eine Aufgabe, für die ein Forscher laut Moonshot normalerweise ein bis zwei Wochen benötigen würde.

Kimi K3 vs Kimi K2.7 vs Kimi K2.6

Moonshot unterhält mittlerweile drei aktuell relevante Modellgenerationen, die leicht verwechselt werden können. Hier erfahren Sie, worin sich diese tatsächlich unterscheiden.

Kimi K2.6, veröffentlicht im April 2026, ist Moonshots bisheriges Allzweck-Flaggschiff – ein großes MoE-Modell, das Kimi K2.5 bei agentischem Codieren und Workflows mit langem Zeithorizont deutlich übertraf, einschließlich bemerkenswerter Fortschritte bei SWE-Bench Pro, Terminal-Bench 2.0 und BrowseComp. Es bleibt das Standardmodell, das das allgemeine Kimi-Chat-Erlebnis für die meisten Mitgliedschaftsstufen antreibt.

Kimi K2.7 Code, veröffentlicht im Juni 2026, ist eher ein auf das Programmieren spezialisierter Nachfolger von K2.6 als ein Ersatz für das allgemeine Flaggschiff – ein MoE-Modell mit 1 Billion Parametern (etwa 32 Milliarden aktive) und einem Kontextfenster von 256K, das speziell für Softwareentwicklung mit langem Zeithorizont entwickelt wurde. Moonshot meldet auf seinem internen „Kimi Code Bench v2“ eine Verbesserung von rund 21,8 % gegenüber K2.6 sowie einen um etwa 30 % geringeren Verbrauch an Reasoning-Token.

Kimi K3 liegt eine ganze Stufe über beiden: 2,8 Billionen Parameter gegenüber 1,1 Billionen bei K2.7, ein Kontextfenster von 1 Mio. Token gegenüber 256.000 sowie von Grund auf integrierte native multimodale Eingabe. Der Nachteil sind die Kosten – K3 erfordert für den Eigenbetrieb eine Bereitstellung auf Rechenzentrumsniveau, und die Preise für die API-Ausgabe liegen deutlich über denen von K2.6 und K2.7 Code. Für die meisten heutigen Workloads von Programmieragenten bleibt K2.7 Code die kostengünstigere Wahl; K3 ist für Teams gedacht, die Schlussfolgerungen auf Spitzenniveau, extrem lange Kontexte oder multimodales Verständnis benötigen und bereit sind, dafür zu zahlen.

Zusammen mit den älteren Versionen „Kimi K2“ und „Kimi K2 Thinking “ wird diese Produktreihe oft gemeinsam als „Kimi K2 AI“-Familie bezeichnet – der Open-Weight-Zweig, mit dem sich Moonshot einen Ruf als eines der weltweit wettbewerbsfähigsten Open-Source-Labore erarbeitet hat, lange bevor K3 die Messlatte noch höher legte.

Anwendungsbeispiele aus der Praxis: Programmieren, Wissensarbeit und mehr

Image Credit: Kimi K3 Blog

Die Entwicklungsziele von Kimi K3 konzentrieren sich auf langfristig ausgerichtete, minimal überwachte, eigenständige Arbeit und nicht auf kurze Antworten in einzelnen Interaktionsrunden. In der Programmierung zeigt sich dies in der Fähigkeit, mehrstündige Entwicklungssitzungen durchzuhalten, große Repositorys zu durchsuchen und Terminal-Tools mit begrenztem menschlichem Eingriff zu koordinieren – einschließlich Aufgaben, die Softwareentwicklung mit visuellem Denken verbinden, wie beispielsweise die Verwendung von Live-Screenshots zur Verfeinerung von Frontend-Layouts, Assets für die Spieleentwicklung oder CAD-Ergebnissen in einem kontinuierlichen „Vision-in-the-Loop“-Prozess.

Im Bereich der Wissensarbeit ist Kimi K3 (in Kombination mit dem Desktop-Agenten Kimi Work) darauf ausgelegt, interaktive, reichhaltig visualisierte Ergebnisse zu liefern, anstatt statischen Text zu erzeugen. Zu den Fallstudien gehören eine interaktive Forschungswebsite zur ASIC-Branche, die über einen Zeitraum von 42 Jahren durch mehr als 120 Runden rekursiver Selbstverbesserung aufgebaut wurde und auf Tausenden von Websuchen in fast hundert Quelldokumenten basiert, sowie eine Gravitationswellenanalyse, die 391 Ereignisse unter Einsatz von mehr als 20 gleichzeitig arbeitenden Unteragenten umfasst. Kimi Work führt außerdem Widgets und Dashboards ein – interaktive Komponenten, die mit Live-Daten verbunden bleiben, anstatt zu einer statischen Chat-Antwort erstarrt zu sein.

Das native multimodale Design von K3 erstreckt sich auch auf Video- und Motion-Design. In einer Demonstration erstellte es einen animierten Erklärfilm im Stil von 3Blue1Brown über seine eigene Architektur; in einer anderen bearbeitete es ein komplettes Teaser-Video aus 56 Rohclips – einschließlich Clipauswahl, bewegungsangepassten Schnitten und Audiobearbeitung –, wofür laut Schätzungen von Moonshot ein erfahrener Cutter sonst ein bis zwei volle Arbeitstage benötigt hätte.

Kimi Code: Verwendung von Kimi K3 in Ihrem Terminal

Kimi Code ist das spezielle Coding-Agent-Produkt von Moonshot – ein in die Befehlszeile und in die IDE integriertes Tool, das ganz im Sinne anderer terminalbasierter Coding-Agents konzipiert ist. Um Kimi K3 innerhalb von Kimi Code zu nutzen, führen Sie das Tool in Ihrem Terminal aus und wählen Sie das Modell mit dem Befehl /model aus, wobei Sie „kimi-k3“ angeben. Kimi Code wird mit wöchentlich aktualisierten Nutzungskontingenten ausgeliefert, die an Ihre Mitgliedschaftsstufe gebunden sind; höhere Tarife erhalten daher proportional größere Kontingente und höhere Parallelitätsgrenzen.

Für Entwickler, die direkt mit dem Modell arbeiten, ist die Kimi-API-Plattform unter Kimi API Platform der richtige Weg. Erstellen Sie nach der Kontoanlegung im Dashboard einen Kimi-Code-API-Schlüssel und verweisen Sie anschließend auf die Modell-ID „kimi-k3“ unter Verwendung desselben OpenAI-kompatiblen Anfrageformats, das Moonshot bereits seit früheren Kimi-K2-Versionen unterstützt – dies erleichtert die Migration aus bestehenden Integrationen.

Kimi-Tarife und Mitgliedschaftsstufen

Die Kimi-Privatkundenmitgliedschaft umfasst derzeit fünf Stufen, die die Web-App, mobile Apps, Kimi-Code-Guthaben, den Zugriff auf Agent Swarm sowie Kreativ-Tools wie Slides und Websites abdecken – unabhängig von der nutzungsabhängigen API-Abrechnung:

Bei einer jährlichen Abrechnung werden die einzelnen bezahlten Stufen in der Regel zusätzlich rabattiert. Es ist anzumerken, dass Moonshot bevorstehende Änderungen an dieser Struktur angekündigt hat. Demnach sollen die Vorteile der „Kimi“-Mitgliedschaft und des „Kimi Code“ in einem zukünftigen Update in separate Tarife aufgeteilt werden – bestehende Abonnenten dürften von dieser Umstellung nicht betroffen sein, doch wer die Einführung in seinem Team plant, sollte die aktuelle Mitgliederseite überprüfen, bevor er sich für einen Jahresvertrag entscheidet.

Kimi-Dokumentation und Erste Schritte

Die Entwicklerdokumentation von Moonshot, die auf der Kimi API Platform gehostet wird, behandelt Themen wie Authentifizierung, Formatierung von Anfragen, das Verhalten des Kontext-Cachings sowie modellspezifische Parameter für die gesamte Kimi-Produktpalette – von Kimi K2 Thinking über Kimi K2.6 und Kimi K2.7 Code bis hin zu Kimi K3. Da die API einem OpenAI-kompatiblen Schema folgt, lassen sich die meisten bestehenden SDKs und Tools, die für andere Anbieter entwickelt wurden, mit minimalen Änderungen auf den Endpunkt von Moonshot ausrichten – in der Regel reicht es aus, die Basis-URL und den API-Schlüssel auszutauschen. Für das Selbsthosting, sobald Gewichte verfügbar sind, decken die Dokumentation von Moonshot und Beiträge aus der Community die Bereitstellung über vLLM, SGLang und ähnliche Inferenz-Frameworks ab, einschließlich der KDA-kompatiblen Präfix-Caching-Unterstützung, die speziell für Kimi K3 bereitgestellt wurde.

Einschränkungen, die Sie vor der Bereitstellung beachten sollten

Moonshot hat sich ungewöhnlich offen darüber geäußert, wo Kimi K3 noch Defizite aufweist. Das Modell reagiert empfindlich auf den Denkverlauf – es erwartet, dass der vollständige Denkverlauf über mehrere Iterationen hinweg zurückverfolgt wird. Daher kann das Umschalten einer laufenden Sitzung von einem anderen Modell auf K3 oder die Verwendung eines Harnesses, der den Denkverlauf nicht beibehält, zu instabilen Ergebnissen führen; Moonshot empfiehlt einen als kompatibel verifizierten Harness wie beispielsweise Kimi Code. K3 neigt zudem zu übermäßiger Proaktivität: Stößt es bei langen Aufgaben auf geringfügige Unklarheiten, trifft es möglicherweise Entscheidungen im Namen des Nutzers, anstatt anzuhalten und nachzufragen. Anwendungen, die strenge Grenzen erfordern, sollten daher explizite Einschränkungen über die Systemaufforderung oder eine AGENTS.md -Datei hinzufügen. Schließlich räumt Moonshot ein, dass im täglichen Einsatz eine spürbare Lücke in der Benutzererfahrung gegenüber Claude Fable 5 und GPT-5.6 Sol besteht, trotz der starken Benchmark- und Fallstudienergebnisse von K3.

Abschließende Gedanken

Kimi K3 markiert eine bedeutende Weiterentwicklung der Open-Weight-Strategie von Moonshot AI – es handelt sich nicht nur um ein größeres Modell, sondern um ein strukturell anderes, das auf neuen Aufmerksamkeitsmechanismen und einem extrem spärlichen Expertendesign basiert, wodurch Schlussfolgerungen im Billionen-Maßstab über die Kimi-API wirtschaftlich realisierbar werden. Ob es die richtige Wahl für Ihren Workflow ist, hängt davon ab, worauf Sie optimieren: Wenn Sie das Modell mit der absolut höchsten Genauigkeit benötigen, das heute verfügbar ist, haben die führenden proprietären Optionen nach Moonshots eigener Einschätzung immer noch die Nase vorn. Für Teams jedoch, die eine an die „Frontier“-Klasse angrenzende Programmierbarkeit und agentische Leistungsfähigkeit, ein wirklich enormes Kontextfenster sowie einen Lizenzierungsweg hin zum Selbsthosting anstreben – und das alles zu einem Bruchteil der üblichen „Frontier“-Preise –, ist Kimi K3 nun eine der ernstzunehmendsten Optionen auf dem Markt.

FAQs

Was ist Kimi K3?

Kimi K3 ist das Flaggschiff unter den großen Sprachmodellen von Moonshot AI und wurde am 16. Juli 2026 veröffentlicht. Es handelt sich um ein offenes Modell mit 2,8 Billionen Parametern, das auf der neuen Kimi-Delta-Attention- und Attention-Residuals-Architektur basiert, über native Multimodalität und ein Kontextfenster von 1 Million Token verfügt und auf Programmieraufgaben mit langfristigem Horizont, Wissensarbeit und Schlussfolgerungsaufgaben ausgerichtet ist.

Wer steht hinter Kimi?

Kimi wird von Moonshot AI entwickelt, einem in Peking ansässigen Start-up, das im März 2023 von Yang Zhilin, Zhou Xinyu und Wu Yuxin gegründet wurde. CEO Yang Zhilin, promoviert an der Carnegie Mellon University und ehemaliger Forscher bei Google Brain und Meta, war Mitautor einflussreicher Architektur-Publikationen, darunter „Transformer-XL“ und „XLNet“, bevor er nach China zurückkehrte, um das Unternehmen zu gründen, das nach Pink Floyds „The Dark Side of the Moon“ benannt ist.

Kann ich Kimi K3 kostenlos nutzen?

Ja, bis zu einem gewissen Grad. Die kostenlose „Adagio“-Stufe von Kimi bietet Zugriff auf Standard-Chat, das Hochladen von Dokumenten und das Surfen im Internet. Die besonders lange Chat-Kapazität von 1 Million Token sowie die Funktionen für Agenten mit höherem Volumen von Kimi K3 sind jedoch den kostenpflichtigen Mitgliedschaftsstufen vorbehalten, die bei etwa 19 US-Dollar pro Monat beginnen, und der vollständige API-Zugriff wird separat pro Token abgerechnet.

Wie gut ist Kimi K3?

Kimi K3 liefert in den Bewertungssuiten von Moonshot für Codierung, Agentenverhalten und multimodale Aufgaben Ergebnisse auf Spitzenniveau und hat bemerkenswerte praktische Demonstrationen vorzuweisen – vom Bau eines funktionierenden GPU-Compilers bis hin zum autonomen Entwurf eines funktionsfähigen Chips. Moonshot selbst gibt an, dass das Modell in der Gesamtleistung zwar noch hinter den allerbesten proprietären Systemen, Claude Fable 5 und GPT-5.6 Sol, zurückbleibt, aber unter den anderen getesteten Modellen durchweg führend ist.

Ist Kimi besser als ChatGPT?

Das hängt von der jeweiligen Aufgabe und den für Sie wichtigen Kompromissen ab. Kimi K3 bietet ein größeres Kontextfenster, eine Open-Weight-Verfügbarkeit und deutlich niedrigere API-Preise als die meisten vergleichbaren proprietären Modelle, was es für kostensensible, volumenintensive oder selbst gehostete Anwendungsfälle attraktiv macht. Allerdings räumt Moonshot in seinen eigenen veröffentlichten Einschränkungen ein, dass im täglichen Gebrauch eine Lücke in der Benutzererfahrung gegenüber den neuesten GPT-Modellen besteht. Daher könnten Teams, die Wert auf Ausgereiftheit und Konsistenz statt auf reine Kosteneffizienz legen, für bestimmte Arbeitsabläufe weiterhin ChatGPT bevorzugen.