Kimi K3: 2,8 Billionen Parameter für lange Agenten-Aufgaben

Moonshot AI nennt für das am 16. Juli 2026 vorgestellte Kimi K3 drei Eckdaten: 2,8 Billionen Parameter, native Bildverarbeitung und ein Kontextfenster von einer Million Token. Das sind Herstellerangaben, keine unabhängige Leistungsprüfung. Auch die vollständigen Gewichte und der technische Bericht fehlen noch; Moonshot kündigt sie für den 27. Juli an.

Damit liegt der konkrete Prüfpunkt schon vor jedem Benchmarkvergleich: Erst die angekündigten Dateien werden zeigen, welche Architektur tatsächlich veröffentlicht wird, welche Hardware sie verlangt und ob eigener Betrieb realistisch ist. Bis dahin lässt sich K3 als API-Modell testen, aber noch nicht als offener Baustein für ein selbst betriebenes Agenten-Setup bewerten.

Viel Kontext, aber noch keine Langstrecken-Garantie

Moonshot beschreibt Kimi K3 als Modell für lange Coding-Aufgaben, Wissensarbeit und Schlussfolgerungen. Der Hersteller nennt dafür Kimi Delta Attention und Attention Residuals als technische Bausteine; außerdem startet K3 zunächst mit der höchsten “Thinking”-Stufe. Ob diese Architekturangaben den technischen Bericht vollständig abbilden, lässt sich vor dessen Freigabe nicht kontrollieren.

Das klingt für Agenten erst einmal passend. Ein Fenster von einer Million Token kann große Repositories, längere Recherchen und viele Tool-Ausgaben in einer Sitzung halten. In der Praxis entscheidet aber etwas anderes: ob das Modell über viele Schritte hinweg noch sauber plant, frühere Constraints wiederfindet und Werkzeuge stabil aufruft. Viel Kontext ist dafür eine Voraussetzung, aber noch kein Beleg.

Auch die Zahl von 2,8 Billionen Parametern sollte man nicht isoliert lesen. Simon Willison weist darauf hin, dass Moonshot damit seine “3T-Klasse” begründet und die Zahl entsprechend aufrundet. Auf dem Papier ist K3 damit ein außergewöhnlich großer offener Modellkandidat. Es sagt aber noch nichts Verlässliches über Tempo, Speicherbedarf oder den Aufwand für eigenen Betrieb aus.

Messwerte klingen gut, bleiben aber Hersteller-nah

Moonshot selbst positioniert K3 unterhalb der stärksten proprietären Modelle, meldet in den eigenen Vergleichen aber mehrere gute Ergebnisse. Solche Benchmarks liefern eine vorläufige Einordnung. Datenauswahl, Tooling und Rechenbudget können das Bild stark verschieben.

Simon Willison verweist zusätzlich auf frühe Werte von Artificial Analysis. In der von ihm zusammengefassten Auswertung liegt K3 bei lang laufender Wissensarbeit vor Kimi K2.6 und benötigt dabei weniger Ausgabe-Token. Das ist ein konkretes frühes Signal, aber noch kein allgemeiner Effizienznachweis: Erst wiederholte Läufe mit denselben Aufgaben zeigen, ob geringerer Tokenverbrauch auch zuverlässig weniger Kosten und Eingriffe bedeutet.

Ein weiteres Signal kommt laut Willison aus der Frontend Code Arena von Arena.ai, wo K3 zum Zeitpunkt seines Beitrags vorne lag. Das passt zum Profil eines Agentenmodells, weil Frontend-Arbeit Planung, Code und visuelle Kontrolle zusammenzieht. Trotzdem bleibt offen, ob dieselbe Stärke auch in echten Mehrstunden-Jobs hält, wenn ein Agent Dateien anfasst, Tests neu startet und nach Fehlern umplanen muss. Ein belastbarer Vergleich sollte dieselbe Aufgabe mehrfach ausführen und die Streuung erfassen, statt einen gelungenen Lauf zum Maßstab zu erklären.

Der Preis macht die Rechnung nicht einfacher

Nach Willisons Zusammenfassung verlangt Moonshot über die API 3 US-Dollar pro Million Eingabe-Token und 15 US-Dollar pro Million Ausgabe-Token. Dazu kommen frühe Kostenschätzungen von Artificial Analysis pro erledigter Aufgabe. Der Listenpreis allein reicht Plattformteams deshalb nicht als Entscheidungskriterium.

Die Gesamtrechnung entsteht erst im tatsächlichen Ablauf. Ein teureres Modell kann wirtschaftlich sein, wenn es Aufgaben in einem Durchlauf sauber abschließt, weniger Korrekturschleifen braucht und Tool-Fehler seltener eskalieren. Umgekehrt wird ein großes Kontextfenster schnell teuer, wenn ein Agent blind jeden Zwischenschritt mitschleppt. Verdichtung, selektives Nachladen und klare Abbruchregeln bleiben also Pflicht.

Die angekündigte Gewichtsfreigabe könnte diese Rechnung später verändern. Eigener oder gemieteter Betrieb schafft mehr Kontrolle über Daten, Latenz und Anpassungen, setzt bei dieser Größenordnung aber ernsthafte Infrastruktur voraus. Moonshot spricht selbst von Arbeit mit Inferenzpartnern und Open-Source-Maintainern. Solange die technischen Details fehlen, bleibt die Einstiegshürde offen.

Was jetzt wirklich zählt

Wenn du Kimi K3 bewerten willst, teste nicht mit drei hübschen Prompts. Nimm eine Aufgabe, die für Agenten wirklich weh tut: ein größeres Repo, mehrere Tool-Aufrufe, einen absichtlichen Fehler in der Mitte und ein klares Ziel am Ende. Erfasse Trefferquote, Laufzeit, Zahl der Eingriffe und Kosten pro abgeschlossenem Job gemeinsam.

Darum ist der 27. Juli wichtiger als der Launch-Tag. Mit Gewichten und technischem Bericht lässt sich prüfen, ob Kimi K3 mehr ist als ein auffällig großes API-Modell mit guten frühen Signalen. Wenn Moonshot liefert, wird das für offene Agenten-Stacks relevant. Wenn nicht, bleibt vor allem eine starke Ankündigung.