Kimi K3 rückt an Fable 5 und GPT-5.6 Sol heran, doch die Zeit der Billig-KI aus China ist vorbei

Kimi stellt mit K3 ein multimodales Modell mit 2,8 Billionen Parametern und einer Million Token Kontext vor. In internen Tests nähert es sich führenden geschlossenen Modellen.

Laut Kimi hat das neue Spitzenmodell K3 insgesamt 2,8 Billionen Parameter, verarbeitet Bilder und Videos nativ und bietet ein Kontextfenster von einer Million Token. Kimi bezeichnet K3 als erstes offenes Modell in der Größenordnung von rund 3 Billionen Parametern. Die vollständigen Gewichte sollen bis zum 27. Juli erscheinen. Ausgelegt ist das Modell für lang laufende Programmieraufgaben, Wissensarbeit und komplexe Schlussfolgerungen.

In Kimis eigenen Benchmarks liegt K3 noch hinter den geschlossenen Spitzenmodellen Claude Fable 5 und GPT 5.6 Sol, übertrifft aber alle übrigen verglichenen Systeme, etwa die Claude-Opus-Modelle und den China-Konkurrenten GLM-5.2. Alle Resultate wurden laut Kimi mit maximaler oder hoher Denkintensität erzielt.

Über alle 35 Prüfungen hinweg erreicht K3 rund sieben erste Plätze und liegt in der Mehrheit der Tests auf den Plätzen zwei oder drei. Fable 5 gewinnt die meisten Einzelprüfungen. Je nach Benchmark wurde eines von drei Agentensystemen eingesetzt: KimiCode, Claude Code oder Codex. Die Ergebnisse entstanden also nicht durchgehend unter identischen Rahmenbedingungen.

Unabhängiger Test bestätigt Frontier-Niveau, zeigt aber höhere Halluzinationsrate

Das unabhängige Testlabor Artificial Analysis hat eine erste Evaluation von Kimi K3 veröffentlicht. Das Modell erreicht 57 Punkte auf dem Intelligence Index und liegt damit auf dem Niveau von Opus 4.8 und GPT 5.5, aber weiterhin hinter Fable 5 (60) und GPT 5.6 Sol (59). Das deckt sich weitgehend mit Kimis eigenen Angaben.

Bei Agentenaufgaben erreicht K3 ein Elo-Rating von 1.668 auf GDPval v2, ein deutlicher Sprung gegenüber K2.6 mit 1.190. Es übertrifft GLM 5.2 (1.514), GPT 5.5 (1.494) und Opus 4.8 (1.600), liegt aber weiterhin hinter Fable 5 (1.760). Auf AutomationBench-AA, der Artificial-Analysis-Variante von Zapiers agentenbasierter SaaS-Evaluation, belegt K3 mit 53 Prozent den ersten Platz.

Auf AA-Briefcase, einer nicht öffentlichen Evaluation für lang laufende Wissensarbeit, erreicht K3 ein Gesamt-Elo von 1.547, ein Anstieg um 732 Punkte gegenüber K2.6. Nur Fable 5 schneidet besser ab. Artificial Analysis bezeichnet K3 als vielseitig, mit analytischer Tiefe nahe am Niveau von Fable 5. Bei der Präsentationsqualität führe allerdings weiterhin GPT 5.6 Sol.

Die Trefferquote von K3 stieg laut Artificial Analysis von 33 auf 46 Prozent auf dem AA-Omniscience-Index, was den Gesamtwert von +6 auf +18 hob. Gleichzeitig kletterte die Halluzinationsrate jedoch von 39 auf 51 Prozent. K3 beantwortet also mehr Fragen korrekt, erfindet aber auch häufiger Antworten.

K3 soll ganze Entwicklungsprojekte statt einzelner Codefragmente bearbeiten

Der wichtigste Anwendungsbereich ist laut Kimi lang laufende Softwareentwicklung mit geringer menschlicher Aufsicht. K3 soll große Codebestände analysieren, Terminalwerkzeuge koordinieren und über viele Arbeitsschritte hinweg an einer Aufgabe bleiben können.

Das Modell verbindet dabei Programmierung mit visueller Rückmeldung: Es betrachtet Bildschirmaufnahmen, verändert den Code und prüft anschließend die sichtbare Ausgabe. Kimi bezeichnet diesen geschlossenen Regelkreis als "Vision in the Loop" und sieht ihn als Grundlage für Spieleentwicklung, Oberflächengestaltung und CAD.

Als Beispiele zeigt Kimi unter anderem ein prozedural erzeugtes dreidimensionales Open-World-Spiel, das K3 mit Three.js WebGPU und GPU-Compute vollständig im Browser erstellt haben soll, sowie eine interaktive Schwarze-Loch-Visualisierung. Bei der Open-World-Demo generierte K3 die Umgebung prozedural und nutzte ein externes Werkzeug zur Erzeugung der dreidimensionalen Reiter- und Pferdemodelle. Weitere Demonstrationen umfassen eine Simulation von Start und Rückkehr der Rakete "Langer Marsch 10" und einen Emulator für den Game Boy Advance.

K3 basiert auf einer Mixture-of-Experts-Architektur, die von 896 Experten jeweils nur 16 aktiviert, kombiniert mit einer neuen Aufmerksamkeitsarchitektur namens Kimi Delta Attention, die laut Kimi bei Kontexten mit einer Million Token eine bis zu 6,3-fach schnellere Dekodierung ermöglicht. Sogenannte Attention Residuals sollen die Trainingseffizienz um rund 25 Prozent steigern, bei weniger als zwei Prozent zusätzlichem Rechenaufwand.

Auch chinesische Anbieter ziehen die Preise für Frontier-Modelle an

Laut der Kimi API Dokumentation kostet eine Million Eingabetoken bei einem Cachetreffer 0,30 US-Dollar, ohne Treffer 3,00 US-Dollar. Eine Million Ausgabetoken einschließlich Reasoning schlägt mit 15,00 US-Dollar zu Buche. Die Preise gelten unabhängig von der genutzten Kontextlänge. Das Caching erfolgt automatisch, weshalb unveränderte lange Präfixe bei Agenten und großen Codebeständen besonders relevant werden.

Damit liegt K3 deutlich über dem Preisniveau seines Vorgängers K2.6, der offiziell 0,16 US-Dollar pro Million Token bei Cachetreffer, 0,95 US-Dollar ohne Treffer und 4,00 US-Dollar für die Ausgabe kostet. Auch chinesische Anbieter bieten ihre Frontier-Modelle damit nicht mehr zum Dumpingpreis an.

K3 liegt damit deutlich über dem Preisniveau seines Vorgängers K2.6. Dennoch ist K3 erheblich günstiger als die westlichen Frontier-Modelle: GPT 5.6 Sol kostet doppelt so viel pro Ausgabetoken, Fable 5 mehr als dreimal so viel. Preislich liegt K3 exakt auf dem Niveau von Anthropics neuem Sonnet 5, das aber wohl weniger Leistung bietet.

Laut Artificial Analysis kostet K3 im Durchschnitt 0,94 US-Dollar pro Aufgabe auf dem Intelligence Index und liegt damit nahe an GPT 5.6 Sol mit 1,04 US-Dollar, aber bei etwa der Hälfte von Opus 4.8 mit 1,80 US-Dollar. Open-Weight-Konkurrenten wie GLM 5.2 (0,32 $) und DeepSeek V4 Pro (0,04 $) bleiben allerdings weit günstiger.

K3 verbraucht dabei auch weniger Token als sein Vorgänger: Für alle neun Evaluationen benötigte es rund 132 Millionen Ausgabetoken, 21 Prozent weniger als K2.6 mit etwa 166 Millionen, bei 13 Punkten mehr Leistung. Durch die deutlich gestiegenen Tokenpreise dürfte K3 für gewöhnlich pro Aufgabe dennoch teurer ausfallen als K2.6.

Verfügbarkeit

K3 ist bereits über Kimi.com, die mobile App für iOS, Android und HarmonyOS, den Desktopclient Kimi Work ab Version 3.1.0 sowie Kimi Code verfügbar. Auf OpenRouter ist das Modell unter der Kennung "moonshotai/kimi-k3" gelistet, wird dort allerdings bislang ausschließlich über Moonshot selbst bereitgestellt. Die offenen Modellgewichte sollen bis Ende Juli folgen.

Für Unternehmen bietet Kimi eine gesonderte Version mit Mitgliederverwaltung und Trennung privater und geschäftlicher Konten. Eine geplante Plattform namens Kimi Hosted Agent soll isolierte Umgebungen und Laufzeiten für lange Aufgaben bereitstellen. Interessenten können sich zunächst auf eine Warteliste setzen.