Was ist Kimi K3? Moonshots 2.8T Offenes Flaggschiff

Moonshot AI veröffentlichte Kimi K3 am 16. Juli 2026 und bezeichnete es als „das weltweit erste offene Modell der 3T-Klasse“. Hinter dieser Aussage steckt ein Mixture-of-Experts-Modell (MoE) mit 2,8 Billionen Gesamtparametern, einem Kontextfenster von 1 Million Tokens, einem neuen Attention-Stack und einer API-Preisstruktur für Coding-Teams. K3 ist auf Kimi.com, Kimi Work, Kimi Code und über die Kimi API verfügbar. Vollständige Modellgewichte wurden laut Moonshot für den 27. Juli 2026 angekündigt. Dieser Beitrag zeigt, wie Sie K3 technisch einordnen, testen und für Ihren Stack bewerten.

Apidog noch heute testen

TL;DR: Was ist Kimi K3?

Kimi K3 ist Moonshot AIs Flaggschiff-LLM. Die wichtigsten Daten:

• Architektur: Mixture of Experts
• Gesamtparameter: 2,8 Billionen
• Aktivierung: 16 von 896 Experten pro Token
• Kontextfenster: 1.048.576 Tokens
• API-Modell-ID: kimi-k3
• API-Kompatibilität: OpenAI SDK
• Input, Cache-Hit: 0,30 $ pro 1 Mio. Tokens
• Input, Cache-Miss: 3,00 $ pro 1 Mio. Tokens
• Output: 15,00 $ pro 1 Mio. Tokens
• Artificial Analysis Intelligence Index: 57 Punkte, Platz 4 von 189 Modellen

Moonshot ordnet K3 selbst unter Claude Fable 5 und GPT-5.6 Sol ein. K3 ist daher nicht als absolutes Spitzenmodell zu verstehen, sondern als leistungsstarkes Modell nahe der Spitze – mit angekündigtem offenem Gewichts-Release.

Warum Kimi K3 für Entwickler relevant ist

Die zentrale technische Frage lautet: Lässt sich ein bestehender OpenAI-kompatibler Client auf kimi-k3 umstellen, ohne den gesamten Stack umzubauen?

Für die API lautet die Antwort: ja. Moonshot bietet eine OpenAI-SDK-kompatible Schnittstelle. Das ist besonders relevant für Teams, die bereits mit Chat Completions, Streaming, Tool Calls oder strukturierter Ausgabe arbeiten.

Sie können K3 beispielsweise zuerst isoliert testen:

1. OpenAI-kompatiblen Kimi-Endpunkt in Ihrem Client konfigurieren.
2. Modell auf kimi-k3 setzen.
3. Streaming mit stream: true prüfen.
4. Tool-Calls gegen Ihr JSON-Schema validieren.
5. Erst danach den Agenten- oder Produktionscode umstellen.

Mit Apidog können Sie OpenAI-kompatible Endpunkte direkt testen, Streaming-Antworten inspizieren und Tool-Call-Payloads prüfen, bevor Sie die Integration in Ihren Code übernehmen.

Weiterführende Details finden Sie im Kimi K3 API-Leitfaden, in der Kimi K3 Preisübersicht und in der Kimi K3 Benchmarks-Analyse.

Die Einordnung: Moonshots leistungsfähigstes Modell

K3 ist die nächste Generation nach Kimi K2. Wenn Sie bereits mit Kimi K2 oder dem Coding-Modell Kimi K2.7 Code gearbeitet haben, sollten Sie K3 als neu aufgebautes Flaggschiff betrachten – insbesondere auf Attention-Ebene.

Zwei Begriffe aus Moonshots Positionierung verdienen eine genaue Einordnung:

„Offen“

Zum Launch ist K3 über gehostete Produkte und die kostenpflichtige API nutzbar. Vollständige Modellgewichte wurden für den 27. Juli 2026 angekündigt.

Für eine lokale oder selbst gehostete Bereitstellung bedeutet das:

• Planen Sie den Gewichts-Release als zukünftiges Ereignis ein.
• Rechnen Sie am Starttag nicht mit sofortigem Download und Self-Hosting.
• Bewerten Sie zunächst API-Qualität, Kosten und Tool-Call-Verhalten.

„3T-Klasse“

Die Bezeichnung bezieht sich auf die Gesamtzahl von 2,8 Billionen Parametern. Da K3 ein MoE-Modell ist, aktiviert es nicht alle Parameter bei jedem Token. Stattdessen werden 16 von 896 Experten aktiviert.

Diese Sparse-Activation-Strategie ist entscheidend:

• Das Modell kann Wissen über sehr viele Parameter verteilen.
• Die Inferenzkosten bleiben niedriger als bei einem gleich großen Dense-Modell.
• Die Preisstruktur mit günstigem Cache-Hit-Input wird für wiederkehrende Kontexte besonders relevant.

Architektur: Was unter der Haube neu ist

K3 ist nicht nur ein skaliertes K2-Modell. Moonshot nennt mehrere neue Architekturkomponenten.

Kimi Delta Attention (KDA)

KDA ist ein hybrider linearer Attention-Mechanismus. Lineare Attention soll Speicher- und Rechenaufwand bei großen Kontexten kontrollierbar halten.

Praktische Konsequenz: Ein Kontextfenster von 1 Million Tokens wird eher für reale Workloads nutzbar, etwa für große Repositories, umfangreiche Dokumentensammlungen oder lange Transkripte.

Attention Residuals (AttnRes)

AttnRes ersetzt laut Moonshot klassische Residual-Verbindungen. Ziel ist, Informationen aus früheren Schichten selektiv abrufbar zu halten.

Vereinfacht gesagt: Relevante Informationen sollen beim Durchlaufen vieler Modellschichten weniger stark verloren gehen.

Stable LatentMoE

Stable LatentMoE ist die Routing-Schicht für die Expertenauswahl. K3 verfügt über:

• 896 Experten insgesamt
• 16 aktive Experten pro Token
• Quantile Balancing zur Stabilisierung des Routings während des Trainings

Moonshot nennt außerdem Per-Head Muon, Sigmoid Tanh Unit (SiTU), Gated MLA sowie MXFP4-Gewichte und MXFP8-Aktivierungen für Quantisierung.

Kimi K3: Spezifikationen auf einen Blick

Spezifikation	Kimi K3
Entwickler	Moonshot AI
Veröffentlichungsdatum	16. Juli 2026
Gesamtparameter	2,8 Billionen, Mixture of Experts
Aktive Experten	16 von 896 pro Token
Kontextfenster	1.048.576 Tokens
API-Modell-ID	kimi-k3
OpenRouter-Slug	moonshotai/kimi-k3
API-Kompatibilität	OpenAI SDK kompatibel
Cache-Hit-Eingabe	0,30 $ / 1 Mio. Tokens
Cache-Miss-Eingabe	3,00 $ / 1 Mio. Tokens
Ausgabe	15,00 $ / 1 Mio. Tokens
Ausgabegeschwindigkeit	ca. 62 Tokens/Sekunde
Zeit bis zum ersten Token	ca. 1,99 Sekunden
Intelligence Index	57, Platz 4 von 189
Offene Gewichte	Erwartet um den 27. Juli 2026

Wenn Sie die Kosten gegen Ihr eigenes Token-Volumen rechnen möchten, verwenden Sie den Kimi K3 Preisleitfaden.

Das 1M-Kontextfenster: Warum Cache-Hits wichtiger sind als die Maximalgröße

Ein Kontextfenster von 1.048.576 Tokens kann beispielsweise eine komplette Codebasis, ein großes Forschungsarchiv oder lange Gesprächsverläufe aufnehmen.

Für die Praxis ist aber die Cache-Preisgestaltung besonders wichtig:

Token-Typ	Preis pro 1 Mio. Tokens
Cache-Hit-Input	0,30 $
Cache-Miss-Input	3,00 $
Output	15,00 $

Ein Cache-Hit ist damit zehnmal günstiger als ein Cache-Miss.

Das ist relevant, wenn Ihre Anwendung wiederkehrenden Kontext sendet, etwa:

• denselben System-Prompt,
• denselben Repository-Dateibaum,
• feste Richtlinien,
• wiederverwendete Tool-Definitionen,
• einen gemeinsamen Dokumentenkorpus.

Bei agentischen Coding-Workflows wird häufig derselbe Repository-Kontext über mehrere Schritte erneut übertragen. Wenn der Kontext gecacht wird, fallen die meisten Eingabe-Tokens potenziell in die deutlich günstigere Kategorie.

Moonshot berichtet für Coding-Workloads von Cache-Hit-Raten über 90 %. Das ist ein wichtiger Hebel für die effektiven Input-Kosten, aber keine Garantie für jede Anwendung. Messen Sie daher Cache-Verhalten und reale Kosten mit Ihren eigenen Prompts.

Latenz und Durchsatz bewerten

Artificial Analysis maß ungefähr:

• 62 Output-Tokens pro Sekunde
• 1,99 Sekunden bis zum ersten Token

Die Ausgabegeschwindigkeit liegt unter dem Median von 72,7 Tokens pro Sekunde für Reasoning-Modelle in dieser Preisklasse.

Für die technische Auswahl bedeutet das:

• K3 eignet sich eher für tiefe, kontextreiche und agentische Aufgaben.
• Bei interaktiven Anwendungen mit harter Latenzanforderung sollten Sie K3 gegen schnellere Modelle testen.
• Prüfen Sie Streaming separat: Eine gute Zeit bis zum ersten Token hilft, aber der weitere Token-Durchsatz bestimmt die gefühlte Antwortdauer.

Ehrliche Positionierung: Stark, offen, aber nicht die absolute Spitze

Moonshot formuliert die Grenze selbst. Im offiziellen Kimi-K3-Launch-Blog steht, dass K3 weiterhin hinter den leistungsstärksten proprietären Modellen Claude Fable 5 und GPT-5.6 Sol liegt.

Der Artificial Analysis Intelligence Index bewertet K3 mit 57 Punkten auf Platz 4 von 189 Modellen. Der Index kombiniert neun Evaluierungen aus Bereichen wie agentischen Aufgaben, Coding, Wissenschaft und Reasoning.

Die praktikable Einordnung:

• Brauchen Sie absolute Spitzenleistung bei schwierigen Reasoning-Aufgaben? Vergleichen Sie K3 mit den führenden proprietären Modellen.
• Brauchen Sie hohe Qualität, einen Open-Weights-Pfad und günstige wiederkehrende Kontexte? K3 ist ein ernstzunehmender Kandidat.
• Planen Sie Self-Hosting? Warten Sie auf die angekündigten vollständigen Gewichte und bewerten Sie anschließend Infrastrukturbedarf und Inferenzkosten.

Für direkte Modellvergleiche siehe Kimi K3 vs. Claude Opus 4.8 und Kimi K3 vs. GPT-5.6 Sol.

Wo Sie Kimi K3 nutzen können

Oberfläche	Zugriff
Kimi.com	Web-Chat, K3 als Standardmodell
Kimi Work	Team-Workspace
Kimi Code	Terminalbasierter Coding-Agent
Kimi API	Programmatischer Zugriff mit kimi-k3
Mobile Apps	iOS, Android und HarmonyOS
Desktop	Kimi Work App ab Version 3.1.0
OpenRouter	Zugriff über moonshotai/kimi-k3

Für Terminal-Workflows ist Kimi Code der relevante Einstiegspunkt. Die Kimi Code CLI-Anleitung beschreibt das Einrichtungsmuster aus der K2-Ära.

Zum Vergleich mit dem vorherigen Coding-Modell lesen Sie Kimi K3 vs. Kimi K2.7 Code. Für kostenlose Evaluierungswege siehe Kimi K3 kostenlos nutzen.

API-Funktionen für agentische Workflows

K3 unterstützt Funktionen, die für Produktionsintegrationen mit Agenten und strukturierten Pipelines relevant sind:

• Kontext-Caching
• Tool Calls
• Einschränkungen bei Tool-Auswahl
• JSON-Modus und strukturierte Ausgabe
• Partieller Modus für kontrollierte Vervollständigungen
• Internetsuche
• Dynamisches Laden von Tools
• Konfigurierbarer Reasoning-Aufwand, einschließlich einer Max-Einstellung

Damit passt K3 grundsätzlich in typische Anwendungsfälle wie:

• Coding-Agenten,
• Dokumentenextraktion,
• strukturierte Datenverarbeitung,
• Funktionsaufruf-Workflows,
• Repository-Analyse,
• mehrstufige Tool-Pipelines.

Die genaue Basis-URL sollten Sie vor dem Hardcoding in der Kimi-Plattform prüfen, da die Konsole zum Launch auf eine neue Domain umgezogen ist.

Kimi K3 vor der Produktion testen

Behandeln Sie die Modellintegration als API-Testaufgabe, nicht als reine Prompt-Engineering-Aufgabe.

Prüfen Sie vor dem Rollout mindestens diese Punkte:

1. Streaming: Kommen Delta-Chunks wie erwartet an?
2. Tool Calls: Entsprechen tool_calls und Argumente Ihrem Schema?
3. JSON-Ausgabe: Bleibt die Antwort bei aktivierter strukturierter Ausgabe valide?
4. Reasoning-Aufwand: Welche Latenz und Qualität liefert die gewünschte Einstellung?
5. Cache-Verhalten: Wie hoch ist die tatsächliche Cache-Hit-Rate für Ihre Prompts?
6. Fehlerfälle: Wie reagiert Ihr Client auf Timeouts, unvollständige Streams und Tool-Fehler?

Ein minimaler Request-Body für einen Streaming-Test kann so aussehen:

{
  "model": "kimi-k3",
  "stream": true,
  "messages": [
    {
      "role": "user",
      "content": "Erkläre kurz, wie Context Caching die API-Kosten beeinflusst."
    }
  ]
}

Mit Apidog können Sie den Server-Sent-Event-Stream sichtbar prüfen, API-Schlüssel als Umgebungsvariable speichern und Tool-Call-Antworten validieren. Das reduziert das Risiko, dass Unterschiede im Streaming- oder Tool-Call-Format erst in Ihrer Agenten-Schleife auffallen.

Häufig gestellte Fragen

Was ist Kimi K3?

Kimi K3 ist Moonshot AIs führendes Sprachmodell, veröffentlicht am 16. Juli 2026. Es ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Gesamtparametern, einem Kontextfenster von 1 Million Tokens und der API-Modell-ID kimi-k3.

Wie viele Parameter hat Kimi K3?

K3 hat insgesamt 2,8 Billionen Parameter. Pro Token werden 16 von 896 Experten aktiviert. Moonshot hat keine konkrete Zahl für aktive Parameter veröffentlicht; zitieren Sie daher nicht ohne Quelle eine spezifische Anzahl aktiver Milliardenparameter.

Was kostet die Kimi-K3-API?

Die Preise betragen:

• 0,30 $ pro 1 Mio. Cache-Hit-Input-Tokens
• 3,00 $ pro 1 Mio. Cache-Miss-Input-Tokens
• 15,00 $ pro 1 Mio. Output-Tokens

Eine detailliertere Berechnung finden Sie in der Preisübersicht.

Ist Kimi K3 Open Source?

Nicht am Starttag. Moonshot hat vollständige Modellgewichte bis zum 27. Juli 2026 angekündigt. Bis dahin ist K3 über gehostete Produkte und die kostenpflichtige API nutzbar.

Ist Kimi K3 besser als Claude Fable 5 oder GPT-5.6 Sol?

Nein. Moonshot sagt ausdrücklich, dass K3 hinter diesen leistungsstärksten proprietären Modellen liegt. K3 erreicht jedoch laut Artificial Analysis mit 57 Punkten Platz 4 von 189 Modellen.

Kann ich Kimi K3 mit dem OpenAI SDK verwenden?

Ja. Moonshots API ist OpenAI-SDK-kompatibel. Konfigurieren Sie den OpenAI-kompatiblen Kimi-Endpunkt, setzen Sie das Modell auf kimi-k3 und testen Sie Chat Completions sowie Tool Calls zuerst isoliert. Die Basis-URL sollten Sie auf platform.kimi.ai bestätigen.

Wie schnell ist Kimi K3?

Artificial Analysis maß ungefähr 62 Output-Tokens pro Sekunde und etwa 1,99 Sekunden bis zum ersten Token. Wenn Latenz Ihre wichtigste Anforderung ist, sollten Sie K3 mit schnelleren Modellen vergleichen.

Wie unterscheidet sich Kimi K3 von Kimi K2.7 Code?

K3 ist das Flaggschiff der nächsten Generation über der K2-Linie und verwendet einen neu aufgebauten Attention-Stack. Kimi K2.7 Code bleibt eine spezialisierte Coding-Option. Der direkte Vergleich steht in Kimi K3 vs. Kimi K2.7 Code.