Jahre lang lebte die Open-Weight-Community nach einer einfachen Regel: Man konnte Privatsphäre haben oder Frontier-Intelligenz, aber nicht beides gleichzeitig. Die besten Modelle, die man herunterladen und selbst ausführen konnte, waren immer eine sichtbare Stufe hinter den geschlossenen Giganten. Gut genug für viele Aufgaben, aber nicht für die schweren.
Kimi K3 ist das Modell, das diese Regel überholt wirken lässt.
Moonshot AI veröffentlichte die vollständigen Gewichte am 27. Juli 2026, und die Zahlen sind verblüffend. 2,8 Billionen Parameter, organisiert als Mixture-of-Experts-Architektur — 896 Experten, von denen 16 bei jedem Token feuern (104 Milliarden aktiv). Ein eingebauter Vision-Encoder namens MoonViT-V2 ermöglicht es dem Modell, Screenshots, Diagramme, Charts, Dokumente und Videobilder nativ zu lesen. Das Kontextfenster erstreckt sich auf eine Million Token, ungefähr zehn volle Romane. Und das Ganze steht unter einer Modified-MIT-Lizenz, die kommerzielle Nutzung erlaubt.
Unabhängige Evidenz stützt den Fähigkeitsanspruch. Artificial Analysis — die dem AI-Feld am nächsten kommende neutrale Schiedsrichterin — bewertet K3 mit rund 80 von 100 auf dem Intelligence Index und platziert es auf Platz 5 von 215 Modellen weltweit. Das bringt es innerhalb von drei Punkten an Claude Fable 5 heran, ein geschlossenes Modell, das echtes Geld kostet. Kein anderes Open-Weight-Modell hat diese Nachbarschaft erreicht.
Die Architektur-Geschichte
Die rohe Parameterzahl ist die Schlagzeile, aber das darunterliegende Engineering verdient Beachtung. K3 basiert auf zwei Ideen, die Moonshot Kimi Delta Attention (KDA) und Attention Residuals nennt. KDA ist ein effizienter Attention-Mechanismus, der besser skaliert als Standardansätze; Attention Residuals rufen Informationen gezielt über die Tiefe des Modells ab, anstatt sie gleichförmig anzusammeln. Zusammen, so Moonshot, ergeben sich rund 2,5× Verbesserung der Skalierungseffizienz gegenüber K2.
Was das in der Praxis heißt: Das Modell nutzt sein enormes Parameter-Budget intelligenter als ein naiver Hochskalierungsansatz. Es wird außerdem mit nativer MXFP4-Quantisierung ausgeliefert — die Gewichte werden mit 4-Bit-Präzision bei 8-Bit-Aktivierungen gespeichert, und diese Kompression wurde während des Trainings eingebaut statt nachträglich aufgetragen. Deshalb kann das Modell überhaupt auf „nur" acht H100s laufen, statt ein ganzes Rechenzentrum bei voller Präzision zu benötigen.
Warum es nicht Platz 1 in dieser Kategorie ist
Hier ist die ehrliche Spannung. Kimi K3 ist das fähigste Open-Weight-Modell der Welt. Es ist auch das unpraktischste Modell in dieser Kategorie für die meisten Leser.
Die MXFP4-Gewichte umfassen rund 1,4 Terabyte. Die minimale experimentelle Konfiguration, die Moonshot beschreibt, erfordert acht H100-80-GB-GPUs — 640 Gigabyte VRAM, was grob 200.000 Dollar Hardware zu aktuellen Preisen entspricht. Für den produktiven Einsatz werden 64 oder mehr Beschleuniger über mehrere Knoten hinweg empfohlen, verbunden durch Hochbandbreiten-Interconnects. Das ist keine Workstation. Das ist ein kleiner Supercomputer.
Vergleichen Sie das mit GLM-5.2, dem aktuellen Platz 1 in dieser Kategorie. GLM-5.2 ist ein 744-Milliarden-Parameter-Modell (rund 40 Milliarden aktiv), das bei aggressiver 2-Bit-Quantisierung in etwa 241 Gigabyte passt — erreichbar mit einem Mac Studio mit 256 GB Unified Memory oder einer Dual-GPU-Workstation. Es trägt eine saubere MIT-Lizenz. Es hat Monate unabhängiger Community-Validierung hinter sich, einschließlich eines ersten Platzes auf Design Arenas Coding-Leaderboard.
K3 gewinnt bei roher Intelligenz, multimodaler Fähigkeit und schierer Skala. GLM-5.2 gewinnt bei allem, was bestimmt, ob ein normaler Mensch oder ein kleines Team es tatsächlich nutzen kann. Für eine Kategorie namens „Local / Private AI" ist dieser praktische Unterschied entscheidend — deshalb steigt K3 auf Platz 2 ein, nicht auf Platz 1.
Was K3 wirklich gut kann
Setzt man die Hardware-Frage beiseite, ist das Fähigkeitsprofil beeindruckend. Auf Moonshots eigenen Auswertungen erreicht K3 FrontierSWE 81.2 % (echte Software-Engineering-Aufgaben auf großen Repositories), Terminal-Bench 88.3 (Kommandozeilen-Agent-Kompetenz) und GPQA Diamond 93.5 (wissenschaftliches Promotions-Niveau). Bei einer Kernel-Optimierungs-Benchmark berichtet Moonshot, dass K3 GPT-5.6 Sol, GPT-5.5 und Opus 4.8 deutlich übertraf — allerdings sind dies herstellerseitige Zahlen, die noch auf unabhängige Bestätigung warten.
Die native multimodale Fähigkeit ist das Merkmal, das K3 in dieser Kategorie am deutlichsten von GLM-5.2 abhebt. GLM-5.2 ist nur Text und Code. K3 liest Bilder, Screenshots, Charts und Video. Bei selbst gehosteten Workflows mit visuellem Input — Parsen eines PDFs, Debuggen einer Benutzeroberfläche anhand eines Screenshots, Analysieren einer Datenvisualisierung — verarbeitet K3 dies nativ, ohne ein separates Vision-Modell anzubinden. Das ist ein echter architektonischer Vorteil für Teams, die multimodale Pipelines hinter der eigenen Firewall aufbauen.
Die Deployment-Realität
Wenn Ihre Organisation bereits einen GPU-Cluster betreibt — ein Forschungslabor, ein Cloud-Unternehmen, ein Enterprise-AI-Team — ist die Deployment-Geschichte für ein einen Tag altes Release überraschend reif. vLLM hat am 22. Juli eine Vorschau für Produktionsmaßstab veröffentlicht, komplett mit KDA-Prefix-Caching-Optimierungen, die Moonshot an die Open-Source-Community zurückgegeben hat. SGLang, Docker, Together AI und HuggingChat bieten alle sofortige Wege, um das Modell bereitzustellen. Das Werkzeug ist keine Hürde; die Hardware ist es.
Für alle anderen bietet die Moonshot-API dasselbe Modell für 3 Dollar pro Million Input-Token und 15 Dollar pro Million Output-Token (bei zwischengespeichertem Input 0,30 Dollar). Das ist ein fairer Preis für Frontier-Klasse-Arbeit, macht aber den Zweck einer „Lokale-KI"-Rangliste zunichte: Die Daten verlassen Ihre Maschine.
Bekannte raue Kanten
Moonshot ist bewundernswert transparent über K3s Einschränkungen in der eigenen Dokumentation. Das Modell ist empfindlich gegenüber dem Thinking-History-Modus — ein Wechsel der Inference-Umgebung während einer Sitzung kann die Ausgabe destabilisieren, was für Teams wichtig ist, die mehrere Serving-Frameworks betreiben. Es kann außerdem zu proaktiv sein und eigenständige Entscheidungen treffen, die der Nutzer nicht angefordert hat. Moonshot empfiehlt explizite Einschränkungen in System-Prompts oder einer AGENTS.md-Datei, um das Modell auf Kurs zu halten.
Es gibt außerdem eine merkliche Lücke im Nutzererlebnis gegenüber polierten geschlossenen Produkten wie Claude Fable 5 und GPT-5.6 Sol, wie Moonshot selbst einräumt. Die rohe Intelligenz ist vorhanden; die Geschmeidigkeit noch nicht.
Das Fazit
Kimi K3 ist das Modell, das beweist, dass die Open-Weight-Frontier angekommen ist. Ein herunterladbares Gehirn, das mit den besten geschlossenen Modellen konkurriert, Bilder und Video liest und eine kommerzielle Lizenz mitbringt, ist keine Hypothese mehr — es ist eine Datei auf Hugging Face. Die Physik des Betriebs (1,4 Terabyte, acht H100s Minimum) bedeutet, dass die meisten Leser es von Ferne bewundern oder über eine API statt über eigene Server erreichen werden. Aber für die Teams, die die Infrastruktur haben, und für alle, die verfolgen, wohin sich offene KI entwickelt, ist K3 die neue Decke — und die Decke hat sich gerade dramatisch nach oben bewegt.
