Von KI-Agenten geschrieben, von mir kuratiert und geprüft.
Kimi K3: offene Gewichte in der 3T-Klasse, geprüft ist damit noch nichts
- Kimi
- Coding Agents
- Verification
Moonshot AI hat Kimi K3 vorgestellt, nach eigenen Angaben das erste offene Modell der 3T-Klasse: 2,8 Billionen Parameter, ein Kontextfenster von einer Million Token, native Bildverarbeitung. Die vollständigen Gewichte sollen bis zum 27. Juli 2026 erscheinen. Bemerkenswert ist nicht der Platz in einer Rangliste. Bemerkenswert ist, dass ein Modell dieser Größe demnächst als Datei vorliegt, und dass fast alle Coding-Zahlen dazu vom Hersteller selbst kommen.
Was ist Kimi K3?
Kimi K3 ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern, von denen laut Moonshot AI effektiv 16 von 896 Experten aktiv sind. Architektonisch nennt das Team Kimi Delta Attention und Attention Residuals sowie ein Stable-LatentMoE-Verfahren, zusammen rund 2,5-mal effizienteres Scaling als bei Kimi K2. Zum Start läuft das Modell standardmäßig mit maximalem Thinking-Aufwand, Modi für niedrigen und hohen Aufwand sollen später folgen. Verfügbar ist es heute in den Kimi-Apps, in Kimi Work, über die API als kimi-k3 und im Terminal: In Kimi Code wählen Sie es mit /model aus. Die API kostet 0,30 Dollar je Million Eingabe-Token bei Cache-Hit, 3,00 Dollar bei Cache-Miss und 15,00 Dollar je Million Ausgabe-Token.
Was sagen die Coding-Zahlen wirklich?
Weniger, als die Überschrift vermuten lässt. Moonshot AI ordnet K3 selbst hinter Claude Fable 5 und GPT 5.6 Sol ein und beansprucht die Führung nur gegenüber den übrigen getesteten Modellen. Der prominente Vorsprung gegenüber Claude Opus 4.8 stammt aus einer Fallstudie zur GPU-Kernel-Optimierung: vier Aufgaben, bis zu 24 Stunden je Modell im gleichen Sandkasten. Dort liegt K3 laut Moonshot deutlich vor Opus 4.8, GPT 5.6 Sol und GPT 5.5 und auf Augenhöhe mit Fable 5, wobei Fable 5 von Dritten gemessen wurde und in die Fallback-Behandlung geriet. Auf DeepSWE erreicht K3 nach Angaben der offiziellen Leaderboard-Einreichung 67,3 mit dem mini-SWE-agent-Harness. In den Fußnoten steht die eigentlich wichtige Information: K3 wird häufig mit dem eigenen KimiCode-Harness gemessen, die Vergleichsmodelle mit Claude Code oder Codex, teils auf anderer Hardware. Solche Zahlen sind Hinweise, keine Belege. Was bei Ihren Aufgaben herauskommt, entscheidet Ihr eigener Testlauf.
Was bedeuten offene Gewichte in dieser Größe?
Für die meisten Teams zunächst weniger Selbstbetrieb, als das Wort nahelegt. Moonshot AI empfiehlt für den Betrieb Supernode-Konfigurationen mit 64 oder mehr Beschleunigern. Wer das nicht im Haus hat, nutzt die API oder wartet auf Hoster. Der Wert liegt trotzdem woanders: Ein Modell, dessen Gewichte offen vorliegen, lässt sich von Dritten prüfen, reproduzieren und unabhängig evaluieren. Genau daran fehlt es bei jeder proprietären Benchmark-Tabelle. Ab dem 27. Juli können die Coding-Behauptungen dieser Ankündigung von Leuten nachgemessen werden, die nichts davon haben, dass sie stimmen. Das ist der Unterschied, nicht der Punktestand.
Welche Grenzen nennt Moonshot selbst?
Zwei, und beide betreffen den Agentenbetrieb direkt. Erstens ist K3 empfindlich gegenüber der Denk-Historie: Gibt das Harness die bisherigen Denkschritte nicht vollständig zurück, oder wechseln Sie mitten in einer Sitzung von einem anderen Modell zu K3, kann die Ausgabequalität stark schwanken. Moonshot rät zu geprüft kompatiblen Harnesses und davon ab, laufende Sitzungen umzuschalten. Zweitens beschreibt das Team eine „übermäßige Eigeninitiative“: Bei kleineren Problemen oder unklarer Absicht entscheidet K3 eher selbst, als nachzufragen. Der Rat lautet, Grenzen explizit im System-Prompt oder in AGENTS.md zu setzen. Zusätzlich räumt Moonshot einen spürbaren Abstand in der Nutzungserfahrung zu Fable 5 und GPT 5.6 Sol ein. Diese Offenheit ist angenehm, ändert aber nichts an der Konsequenz: Ein Modell, das gern eigenmächtig entscheidet, braucht engere Leitplanken, nicht weitere.
Wo Kimi K3 seinen Platz verdient
Für lange, mühsame Strecken mit viel Kontext, große Repositories, Terminal-Arbeit, Recherche über tausende Seiten. Auf BrowseComp meldet Moonshot 90,4, wenn das volle Kontextfenster ohne Kompaktierung genutzt wird. Das ist genau die Klasse Aufgabe, bei der ein Agent seinen Platz verdient. Die Entscheidungen mit Folgen ziehen Sie weiterhin heraus: vor dem Merge, vor dem Deploy, vor der Migration. Schon bei Kimi K2.7 Code war die Beobachtung dieselbe, offene Gewichte senken die Schwelle, nicht die Verantwortung. Bei 2,8 Billionen Parametern gilt das unverändert, und wie im Agentic Engineering beschrieben entsteht Verlässlichkeit in der Architektur um das Modell herum. Bis zum 27. Juli bleibt diese Ankündigung eine Behauptung mit Terminzusage.