Das chinesische Labor Moonshot AI hat gestern Kimi K3 angekündigt — nach eigener Aussage ihr bisher fähigstes Modell, mit 2,8 Billionen Parametern. Verfügbar ist es aktuell über die Website und die API, die offenen Gewichte sollen “bis zum 27. Juli 2026” folgen.
Moonshot nennt K3 das erste offene Modell der 3-Billionen-Klasse (bei 2,8 Billionen wird großzügig aufgerundet) und nimmt damit DeepSeek v4 Pro mit seinen 1,6 Billionen die Krone ab.
Die Zahlen
Die selbst berichteten Benchmarks sehen K3 überwiegend vor Claude Opus 4.8 max und GPT-5.5 high — aber hinter Claude Fable 5 und GPT-5.6 Sol. Aus dem Report von Artificial Analysis stechen drei Punkte heraus:
- Auf der privaten Long-Horizon-Knowledge-Work-Bewertung erreicht K3 ein Elo von 1547 — plus 732 Punkte gegenüber Kimi K2.6, und damit nur noch hinter Claude Fable 5.
- Kosten pro Aufgabe: 0,94 Dollar. Das liegt bei GPT-5.6 Sol (1,04 Dollar) und ist etwa die Hälfte von Opus 4.8 (1,80 Dollar) — aber teurer als die anderen Modelle mit offenen Gewichten.
- Der Token-Verbrauch ist deutlich gesunken: 21 Prozent weniger Output-Tokens als K2.6.
Dazu kommt: K3 führt inzwischen die Frontend-Code-Arena von Arena.ai an — vor Claude Fable 5.
Der eigentliche Aufreger ist der Preis
3 Dollar pro Million Input-Tokens, 15 Dollar pro Million Output-Tokens. Das ist exakt das Niveau der Claude-Sonnet-Reihe — und macht K3 zum teuersten Modell, das je aus einem chinesischen KI-Labor kam.
Zum Vergleich: Kimi K2.6 lag bei 0,95 / 4 Dollar. Das ist mehr als eine Verdreifachung beim Input und fast eine Vervierfachung beim Output. Das Modell ist allerdings auch mehr als doppelt so groß wie das 1-Billion-Vorgängermodell.
Die Erzählung “chinesische Modelle sind die billige Alternative” ist damit für die Spitze erstmal vorbei. Wer 2,8 Billionen Parameter bewegen muss, kann sie nicht verschenken.
Der Pelikan-Test
Simon Willison hat K3 durch seinen inzwischen 21 Monate alten Benchmark geschickt: “Generate an SVG of a pelican riding a bicycle”. Das Ergebnis kostete 25 Cent — bei 95 Input-Tokens und 16.658 Output-Tokens, davon 13.241 reine Reasoning-Tokens.
K3 hat aktuell nur eine einzige Reasoning-Stufe: max. Und das merkt man. 13.241 Denk-Tokens für 3.417 Tokens Antwort.
Willison ist bei der Gelegenheit ehrlich zu seinem eigenen Benchmark: Die Korrelation zwischen Pelikan-Qualität und Modellqualität sei “größtenteils gekappt”. GLM-5.2 male bessere Pelikane als GPT-5.6 und Claude Fable 5 — und GLM sei nun mal kein Fable-Klasse-Modell. Die größte Schwäche: Der Test sagt nichts über agentisches Tool-Calling aus. Also das, worauf es bei heutigen Modellen am meisten ankommt.
Nebenbei ein hübsches Detail: Der Prompt zählt bei K3 95 Input-Tokens, während OpenAI 10 und Anthropic 25 bis 30 zählt. Ein “hi” kommt auf 86 Tokens. Willison vermutet einen versteckten System-Prompt von rund 85 Tokens. K3 wollte ihn nicht verraten.
Meine Einordnung
Zwei Dinge nehme ich mit. Erstens: Der Abstand nach oben schrumpft weiter, aber Fable 5 steht bei der langfristigen Wissensarbeit noch vorne — und genau das ist die Disziplin, die für echte Arbeit zählt. Zweitens, und das finde ich interessanter: Der Preis. Wenn ein offenes Modell aus China Sonnet-Preise aufruft, dann nicht aus Übermut, sondern weil die Rechnung es hergibt. Der Wettbewerb verschiebt sich weg vom Preis — hin zu der Frage, was das Ding am Ende wirklich erledigt.
Die offenen Gewichte am 27. Juli werden spannend. Nur wird sie kaum jemand zu Hause laufen lassen.
Quellen: