Kimi K3 schlägt GPT-5.6 Sol bei agentischer KI und öffnet am 27. Juli den Code

Das Modell, das gerade OpenAIs Flaggschiff in dem Benchmark übertroffen hat, der für langfristige Programmier- und Wissensarbeit am relevantesten ist, ist heute über die API verfügbar. Es stammt nicht von OpenAI, Google oder Anthropic. Kimi K3 ist die neueste Veröffentlichung von Moonshot AI, einem Startup aus Peking, das vor allem für den Kimi-Chatbot bekannt ist, und es ist das größte je veröffentlichte Open-Weight-Sprachmodell: 2,8 Billionen Gesamtparameter in einer sparsen Architektur, die die Kosten niedrig hält, indem nur ein Bruchteil davon pro Anfrage aktiviert wird.

Im AA-Briefcase – der agentischen Evaluierung von Artificial Analysis, die reale Wissensarbeit statt Lehrbuchaufgaben simuliert – erzielte Kimi K3 1.527 Punkte, landete damit nur hinter Claude Fable 5 Max mit 1.587 und schlug GPT-5.6 Sol Max mit 1.495. Im breiteren GDPval-AA-Benchmark belegt das Modell mit 1.687 den dritten Platz, hinter Fable 5 Max (1.815) und GPT-5.6 Sol Max (1.747,8). Die Leistungslücke zwischen dem ersten und zweiten Platz im agentischen Benchmark ist schmaler als die Lücke zwischen dem zweiten und fünften.

Der Preisunterschied ist schwerer zu ignorieren als die Benchmark-Rankings. Kimi K3 verlangt 3 Dollar pro Million ungecachter Input-Token und 15 Dollar pro Million Output-Token. Claude Opus 4.8 kostet 5 Dollar pro Million Input und 25 Dollar pro Million Output. Für Teams, die agentische Workflows mit hohem Volumen betreiben, gibt Moonshot Cache-Trefferquoten von über 90 % bei Codierungs-Workloads an, was die effektiven Input-Kosten auf 0,30 Dollar pro Million Token senkt – eine Zahl, die die Wirtschaftlichkeit des Einsatzes von KI auf Spitzenniveau im großen Maßstab verändert.

Zwei architektonische Innovationen liegen dem Modell zugrunde. Kimi Delta Attention ist ein hybrid linearer Aufmerksamkeitsmechanismus, der laut Unternehmen eine 6,3-mal schnellere Dekodierung in Million-Token-Kontexten im Vergleich zur Standard-Aufmerksamkeit ermöglicht. Attention Residuals wird als direkter Ersatz für Standard-Residualverbindungen beschrieben, der konsistente Leistungssteigerungen mit zunehmender Modellgröße liefert. Das Kontextfenster von einer Million Token – genug, um etwa zehn vollständige Romane auf einmal aufzunehmen – ist live und funktionsfähig, keine theoretische Spezifikation.

Es gibt einen Unterschied zwischen „heute verfügbar‘ und „Open Source‘, der hier von Bedeutung ist. Kimi K3 ist jetzt über die API und die Kimi-App zugänglich, das heißt, Anfragen werden über die Server von Moonshot geleitet. Die eigentlichen Gewichte des Modells – die trainierten Parameter, die es jedem ermöglichen würden, es auf eigener Infrastruktur einzusetzen – sind noch nicht öffentlich. Moonshot plant, sie am 27. Juli unter einer modifizierten MIT-Lizenz zu veröffentlichen, denselben Bedingungen, die auch für das vorherige K2-Modell galten. Für die meisten Entwickler ist die API das, was sie brauchen; für Organisationen mit Datenhoheit oder Compliance-Anforderungen ist die Veröffentlichung der Gewichte das relevante Datum.

Native multimodale Unterstützung umfasst Text-, Bild- und Videoeingaben innerhalb desselben API-Aufrufs. Die Gesamtparameterzahl des Modells von 2,8 Billionen bezieht sich auf den vollständigen Satz sparser MoE-Parameter; die Anzahl der aktiven Parameter pro Forward-Pass ist erheblich geringer, was Moonshot die Kosten für die Inferenz niedrig hält. Den vollständigen Modell lokal auszuführen, würde Hardware erfordern, die weit über eine Consumer-Workstation hinausgeht. Was die offenen Gewichte ermöglichen werden, ist der Einsatz auf Unternehmensinfrastruktur, ohne Daten über eine chinesisch betriebene API zu leiten.

Die Veröffentlichung der Gewichte am 27. Juli wird zeigen, wie viel vom Benchmark-Vorteil im realen Einsatz erhalten bleibt. Als Moonshot K2 unter vergleichbaren offenen Bedingungen veröffentlichte, erfolgte die Übernahme durch Entwickler schneller als das Unternehmen erwartet hatte – teilweise weil die Kombination aus nahezu Spitzenleistung und MIT-artiger Lizenzierung rechtliche Hürden für Teams beseitigte, die beides benötigten. K3 ist eine größere Wette auf dieselbe Strategie.

Schlagwörter: GPT-5.6, KI-Modelle, Kimi K3, lokale KI, Moonshot AI, Open-Source-KI