Was ist Kimi K3?

Kimi K3 ist das neue Flaggschiff Modell von Moonshot AI, erschienen am 16. Juli 2026. Es ist ein offenes Mixture of Experts Modell mit 2,8 Billionen Parametern und einem Kontextfenster von 1 Million Token. Damit ist es laut Moonshot das größte offene KI Modell der Welt.

K3 versteht Text, Bilder und Video nativ und läuft mit einem dauerhaft aktiven Reasoning Modus, den Moonshot thinking mode nennt. Das Modell zielt auf lange Coding Sessions, Wissensarbeit und agentische Workflows über viele Schritte. Es reiht sich in die wachsende Familie chinesischer Modelle ein, die wir im Vergleich der Vibe Coding Modelle einordnen.

K3 ist der Nachfolger der Kimi K2 Reihe. Wer die Schritte davor sehen will, findet bei uns den Vergleich Kimi K2.6 gegen Qwen3.6 Plus, das Coding Modell Kimi K2.7 Code und den Website Builder Kimi Websites. K3 setzt auf all dem auf und hebt Moonshot in die Liga der Frontier Modelle.

Bei Never Code Alone arbeiten wir täglich mit offenen und lokalen KI Modellen und betreiben einen Stack ganz ohne US Anbieter für die eigene Inferenz. Lokal fährt bei uns Qwen über Ollama, Cloud Modelle wie Kimi K3 ordnen wir editorial ein. Wir kennen die Landschaft von Claude bis Kimi, von GPT bis Qwen, und wissen wo die Stärken und Tücken jedes Modells liegen. In Beratungsprojekten sehen wir regelmäßig, dass die Modellwahl weniger über Benchmarks und mehr über Integration, Datenschutz und Wartbarkeit entschieden wird.

Was wir konkret zu diesem Thema anbieten: Vibe Coding Consulting für die passende Modellauswahl, Best Practices für agentische Workflows, die Integration über Claude Code und OpenCode sowie den Vergleich mit Alternativen wie GLM 5.2, MiniMax M3 und DeepSeek. So findest du heraus, ob sich K3 im Arbeitsalltag wirklich lohnt.

K3 ist ein spärlich besetztes Mixture of Experts Modell. Von insgesamt 896 Experten sind pro Token nur 16 aktiv, gesteuert über Moonshots Stable LatentMoE Ansatz. Die Zahl der aktiven Parameter hat Moonshot nicht veröffentlicht, die Gesamtgröße liegt bei 2,8 Billionen Parametern.

Zwei eigene Bausteine tragen die Architektur. Kimi Delta Attention ist ein hybrider linearer Attention Mechanismus, der laut Moonshot in Kontexten von 1 Million Token deutlich schneller dekodiert. Attention Residuals arbeiten entlang der Modelltiefe und holen Repräsentationen gezielt über die Schichten hinweg, statt sie gleichförmig aufzustapeln. Moonshot nennt dafür eine spürbar höhere Trainingseffizienz bei minimalem Mehraufwand.

Zum Start akzeptiert K3 nur die höchste Reasoning Stufe, weitere Stufen sollen folgen. Der thinking mode ist also immer an. Das ist ein Unterschied zu Modellen mit umschaltbarem Reasoning und beeinflusst sowohl Antwortzeit als auch Kosten, weil jedes Ergebnis über eine ausführliche Gedankenkette läuft.

Moonshot hat K3 zum Start in zwei Ausprägungen ausgeliefert, die auf verschiedene Lasten zielen:

• K3 Max ist die Variante für Chat und agentische Aufgaben. Sie steckt hinter der Kimi App, kimi.com und Kimi Code und ist das, was die meisten Teams zuerst nutzen.
• K3 Swarm Max ist für große parallele Verarbeitung gedacht, also für Szenarien mit vielen gleichzeitigen Agenten und hohem Durchsatz.

Beide laufen zuerst über Kimi Code und die Kimi App, inklusive iOS. Für Multi Agent Workflows ist die Swarm Variante spannend, weil sie den Schwarm Gedanken der K2 Reihe fortführt. Wer solche Setups plant, findet in unserem Überblick zu Modellen für MCP und Tool Handling die Einordnung, worauf es bei Tool Use ankommt.

Die Benchmark Lage ist zweigeteilt und genau das macht K3 interessant. Auf dem Artificial Analysis Intelligence Index erreicht K3 Max einen Wert von rund 57 und landet damit auf Platz vier der getesteten Konfigurationen. In der Gesamtleistung liegt das Modell laut Moonshot selbst noch hinter Anthropics Spitzenmodell Claude Fable 5 und OpenAIs GPT 5.6 Sol.

In einzelnen Arenen dreht sich das Bild. In der Frontend Code Arena und auf der Design Arena rangiert K3 auf Platz eins und schlägt dort auch Fable 5. Beim autonomen Browsen meldet Moonshot einen der stärksten je veröffentlichten Werte. Wie immer gilt: Selbst evaluierte Benchmarks kritisch lesen und den eigenen Use Case testen, statt einer einzelnen Zahl zu vertrauen.

Für die Praxis heißt das: K3 ist besonders stark, wenn es um Frontend Generierung, langes agentisches Arbeiten und Recherche über viele Schritte geht. Bei reinen Wissensfragen und Geschwindigkeit gibt es günstigere Kandidaten. Eine strukturierte Auswahl ohne US Bindung zeigen wir im Guide welches KI Modell du ohne US Anbieter wählst.

K3 bricht mit der bisherigen Regel chinesischer Labore, immer der günstige Herausforderer zu sein. Über die offizielle Moonshot API kostet das Modell 3,00 US Dollar pro Million Input Token, 15,00 US Dollar pro Million Output Token und nur 0,30 US Dollar pro Million Token bei einem Cache Treffer. Die Preise gelten flach über das gesamte Kontextfenster von 1 Million Token, ohne Aufschlag für lange Prompts.

Damit liegt K3 auf dem Preisniveau von Claude Sonnet 5, günstiger als Claude Opus 4.8 oder GPT 5.6, aber rund drei bis fünf Mal teurer als der Vorgänger Kimi K2.6. Im Feld der chinesischen Modelle ist K3 damit die teure Option: DeepSeek und GLM 5.2 sind deutlich billiger. Die aktuellen Zahlen im Überblick zeigt unser Kostenvergleich der KI Anbieter aus China und den USA.

Die API ist mit dem OpenAI SDK kompatibel. Wer schon auf einer OpenAI oder Anthropic Toolchain baut, tauscht nur Endpunkt und Modellnamen aus. Der Modellname lautet kimi-k3:

Moonshot hat die vollen Gewichte für den 27. Juli 2026 angekündigt. Bis dahin ist K3 nur über die API und die Kimi Produkte nutzbar, nicht selbst betreibbar. Open Weight klingt nach lokaler Kontrolle, aber ein Modell mit 2,8 Billionen Parametern läuft nicht auf normaler Hardware. Für die meisten Teams ist Self Hosting von K3 kein realistischer Kostenhebel, sondern höchstens ein Thema für gehostete Inferenz auf Spezialinfrastruktur.

Wer datenschutzkonform lokal arbeiten will, fährt in der Praxis besser mit kleineren offenen Modellen. Unser Stack setzt dafür auf Qwen3 Coder über Ollama. Einen Überblick über gut lokal laufende Modelle geben die Ollama Modelle 2026 und die besten Coder Modelle für lokale Nutzung.

Ein Punkt bleibt bei jedem chinesischen Cloud Modell wichtig: Datenfluss und Governance. K3 ist kein US Anbieter, aber die API läuft über Server in China. Für Teams mit sensiblen Daten heißt das saubere Datentrennung und eine bewusste Entscheidung, welche Aufgaben überhaupt in die Cloud gehen. Wie du chinesische Modelle als Alternative zu Opus und OpenAI einordnest, zeigen wir im Überblick zu chinesischen KI Modellen fürs AI Coding.

In unseren Beratungsprojekten begleiten wir Teams, die zwischen offenen und geschlossenen Modellen schwanken. K3 ist ein gutes Beispiel dafür, warum die Entscheidung selten am Benchmark hängt. Ein Modell auf Sonnet 5 Preisniveau, das lokal nicht läuft und dessen Daten über China fließen, passt in manche Setups und in viele eben nicht. Diese Abwägung nehmen wir gemeinsam mit dem Team vor, statt einer Rangliste hinterherzulaufen.

Praktisch heißt das: Wir verbinden Coding Agents wie Claude Code und OpenCode mit dem passenden Modell, richten lokale Inferenz über Qwen3 Coder ein und etablieren Best Practices für agentische Workflows mit Guardrails. Den Rahmen dafür steckt unser Vibe Coding Consulting ab.

Wer zwischen den chinesischen Kandidaten vergleicht, findet bei uns die Einordnung von Qwen3.6, MiniMax M3 und den Modellen für MCP und Tool Handling. So wird aus dem Hype um K3 eine nüchterne Entscheidung, die zum Team passt.

Die wichtigsten Fragen zu Kimi K3, kompakt beantwortet: von Parametern und Preisen über die Varianten bis zur Frage, wann sich das Modell für dein Team lohnt.