Kimi K3 auf dem Mac: Open Weights sind da – warum lokal trotzdem unpraktisch bleibt

Kimi K3: Moonshot AIs 2,8-Billionen-Parameter-Modell im ausführlichen Überblick

Moonshot AI hat mit Kimi K3 sein bisher größtes KI-Modell vorgestellt. Kimi K3 ist der offizielle Name; „Kimi 3” wird zwar häufig als Kurzform verwendet, ist aber nicht die genaue Modellbezeichnung. K3 kombiniert 2,8 Billionen Parameter, ein Kontextfenster von einer Million Tokens, native Verarbeitung von Bildern und Videos sowie Funktionen für lange Coding-, Recherche- und Agenten-Workflows.

Kimi K3 verwendet eine extrem dünn aktivierte Mixture-of-Experts-Architektur, Kimi Delta Attention, neue Attention Residuals und quantisierungsbewusstes Training. Dadurch soll das Modell seine Rechenleistung effizienter als Kimi K2 in praktische Fähigkeiten umsetzen. Gleichzeitig ist K3 kein Modell, das typische Nutzer einfach auf einem MacBook oder Mac Studio herunterladen und lokal starten können.

Auch beim Begriff „Open Source” ist Präzision nötig: Moonshot bezeichnet K3 als erstes offenes Modell der 3-Billionen-Klasse. Das offizielle Kimi-K3-Repository veröffentlicht inzwischen die vollständigen Gewichte, die Lizenz, eine Modellübersicht und den technischen Bericht. Das ist ein Open-Weight-Release, macht ein 2,8-Billionen-Parameter-Modell aber nicht zu einem praktikablen Download für einen einzelnen Mac.

Kimi K3 ist ein Open-Weight-Modell für lang laufende Coding-Aufgaben, Tool-Nutzung, Recherche und visuelle Arbeitsabläufe. Die offiziellen Benchmark-Ergebnisse müssen wegen unterschiedlicher Testumgebungen und der herstellergeführten Evaluationen vorsichtig interpretiert werden.

Kimi K3 auf einen Blick

Was ist Kimi K3?

Kimi K3 ist Moonshot AIs Modell für anspruchsvolle Aufgaben, bei denen ein System über lange Zeiträume planen, Werkzeuge verwenden, Zwischenergebnisse prüfen und komplexe Projekte abschließen soll. Moonshot positioniert K3 vor allem in drei Bereichen:

1. Long-Horizon Coding: Arbeit an großen Codebasen, Terminal-Nutzung, Debugging, Refactoring und mehrstündige Engineering-Aufgaben.
2. Knowledge Work: Recherche, Dokumentenanalyse, Tabellen, Präsentationen, Berichte und interaktive Visualisierungen.
3. Reasoning und Multimodalität: Logisches Denken mit Text, Bildern, Screenshots, Diagrammen und Videos.

K3 ist für agentische Systeme ausgelegt. Ein klassisches Sprachmodell beantwortet beispielsweise die Frage, wie eine Website aufgebaut werden sollte. Ein agentisches Modell soll dagegen Dateien erstellen, den Code ausführen, Screenshots analysieren, Fehler erkennen, Änderungen vornehmen und den Prozess wiederholen.

Moonshot demonstriert solche Abläufe mit browserbasierten 3D-Spielen, einem selbst entwickelten GPU-Compiler, wissenschaftlichen Reproduktionsprojekten und umfangreichen Branchenanalysen. Diese Beispiele stammen vom Hersteller und sind keine neutralen Produkttests, zeigen aber klar, auf welche Art von Aufgaben K3 optimiert wurde.

Architektur: Warum Kimi K3 trotz 2,8 Billionen Parametern nutzbar sein soll

Sparse Mixture of Experts

Kimi K3 besitzt insgesamt 2,8 Billionen Parameter, aktiviert aber nicht für jedes Token das gesamte Netz. Stattdessen verwendet es eine Mixture-of-Experts-Architektur, kurz MoE. Ein Router wählt jeweils eine kleine Teilmenge spezialisierter Experten aus.

Bei K3 werden laut Moonshot 16 von 896 gerouteten Experten aktiviert. Diese hohe Sparsität reduziert die Rechenarbeit pro Token erheblich. Sie bedeutet allerdings nicht, dass für eine lokale Installation nur die gerade aktiven Experten gespeichert werden müssten. In der Regel muss das komplette Modell über den verteilten Speicher des Inferenzsystems verfügbar sein.

Die offizielle Modellübersicht nennt 104 Milliarden aktivierte Parameter. Der tatsächliche Laufzeitbedarf bleibt deutlich größer, weil das vollständige Expertensystem, gemeinsame Komponenten, Metadaten, Laufzeitpuffer und Cache bei der Inferenz verfügbar sein müssen.

Kimi Delta Attention

Kimi K3 basiert auf Kimi Delta Attention, kurz KDA. Dabei handelt es sich um eine hybride lineare Attention-Architektur. Klassische Transformer-Attention vergleicht Tokens innerhalb eines Kontextes direkt miteinander. Der Aufwand wächst bei langen Sequenzen stark. Lineare Attention komprimiert frühere Informationen stattdessen in einen begrenzten Zustand und kann lange Kontexte dadurch effizienter verarbeiten.

KDA erweitert die DeltaNet-Familie um feinere, kanalabhängige Vergessensmechanismen. Jeder Merkmalskanal kann Informationen mit einer eigenen Rate behalten oder verwerfen. Moonshots frühere Kimi-Linear-Arbeit berichtet, dass diese Architektur in kontrollierten Vergleichen sowohl bei kurzen als auch bei langen Kontexten konkurrenzfähig sein kann.

K3 kombiniert KDA mit klassischer Attention. Lineare Attention ist kein kostenloser Ersatz: Sie spart Rechen- und Speicheraufwand, komprimiert aber Informationen in einen begrenzten Zustand. Hybride Architekturen verbinden diese Effizienz mit präzisem Zugriff auf den Kontext.

Attention Residuals

Ein zweiter zentraler Baustein sind Attention Residuals, kurz AttnRes. In normalen tiefen Netzen werden Repräsentationen über Residualverbindungen schrittweise addiert. AttnRes soll stattdessen selektiv auf Repräsentationen aus verschiedenen Tiefen zugreifen.

Vereinfacht gesagt muss eine spätere Schicht nicht nur mit einer immer weiter aufsummierten Darstellung arbeiten. Sie kann gezielter Informationen aus früheren Verarbeitungsschritten abrufen. Moonshot beschreibt das als Verbesserung des Informationsflusses durch besonders tiefe Modelle.

Stable LatentMoE, Quantile Balancing und Per-Head Muon

Bei 896 Experten wird das Routing selbst zu einem zentralen Optimierungsproblem. Einige Experten könnten überlastet werden, während andere kaum genutzt werden. Moonshot nennt mehrere Gegenmaßnahmen:

• Stable LatentMoE soll das extrem sparse Expertensystem stabilisieren.
• Quantile Balancing leitet die Expertverteilung aus Quantilen der Router-Scores ab, statt empfindliche heuristische Ausgleichsparameter zu verwenden.
• Per-Head Muon optimiert Attention-Heads getrennt und soll dadurch adaptiver als eine gemeinsame Optimierung arbeiten.
• Sigmoid Tanh Unit und Gated MLA sollen Aktivierungen und Attention-Auswahl besser kontrollieren.

Moonshot gibt an, dass Architektur, Trainingsverfahren und Datenrezepte zusammen eine ungefähr 2,5-fach bessere Skalierungseffizienz als Kimi K2 ergeben. Gemeint ist, dass zusätzlicher Trainingsaufwand effizienter in Modellleistung umgesetzt werden soll; die Angabe ist keine 2,5-fache Geschwindigkeitszusage.

Quantisierungsbewusstes Training

K3 wurde laut Moonshot ab der Supervised-Fine-Tuning-Phase quantisierungsbewusst trainiert. Genannt werden MXFP4-Gewichte und MXFP8-Aktivierungen. Dadurch soll das Modell besser auf niedrige Präzision vorbereitet sein und auf unterschiedlichen Beschleunigerplattformen effizienter laufen.

Vier Bit pro Parameter klingen zunächst kompakt. Bei 2,8 Billionen Parametern ergeben allein die Rohgewichte rechnerisch jedoch ungefähr:

• 1,4 Terabyte bei 4 Bit
• 2,8 Terabyte bei 8 Bit
• 5,6 Terabyte bei 16 Bit

Dazu kommen Metadaten, Routing, Puffer, Cache und Laufzeit-Overhead. Deshalb empfiehlt Moonshot für die Bereitstellung Supernode-Konfigurationen mit mindestens 64 Beschleunigern.

Eine Million Tokens Kontext

Kimi K3 unterstützt ein Kontextfenster von 1.048.576 Tokens. Das ist relevant für:

• große Software-Repositories,
• lange Agenten-Sitzungen,
• umfangreiche PDF- und Dokumentensammlungen,
• Forschungsberichte,
• Protokolle und Logs,
• multimodale Projekte mit vielen Bildern oder Videodaten.

Ein großes Kontextfenster garantiert jedoch nicht, dass jedes Detail gleich zuverlässig erinnert oder korrekt gewichtet wird. Die Qualität hängt von Position, Aufgabenstruktur, Prompting, Datenformat und Agenten-Harness ab.

Moonshots API verwendet automatisches Context Caching. Bleibt ein langer Präfix unverändert, kann das System ihn bei späteren Anfragen aus dem Cache übernehmen. Der Nutzer muss keine Cache-ID oder TTL festlegen. Das hilft Coding-Agenten, die wiederholt mit derselben Codebasis arbeiten.

Native Bild- und Videoverarbeitung

K3 ist nativ multimodal. Es verarbeitet Text, Bilder und Videos innerhalb desselben Modells. In der API können Bilder als Base64-Daten oder über Moonshots Datei-IDs übergeben werden. Öffentliche Bild-URLs werden zum Start nicht direkt unterstützt. Videos werden zuerst über die Files API hochgeladen und anschließend mit einer ms://-Referenz angesprochen.

Diese Multimodalität ist für Coding-Agenten wichtiger, als es zunächst klingt. Ein Modell kann beispielsweise:

1. eine Benutzeroberfläche implementieren,
2. die gerenderte Seite als Screenshot ansehen,
3. visuelle Fehler erkennen,
4. CSS und Komponenten verändern,
5. erneut rendern und prüfen.

Moonshot bezeichnet dies als „Vision in the Loop”. Dokumentierte Einsatzfelder sind Frontend-Entwicklung, Spiele, CAD, Diagramme, Präsentationen und Video-Workflows.

Benchmarks: Wie gut ist Kimi K3?

Moonshot veröffentlicht eine umfangreiche Tabelle mit Coding-, Agenten-, Wissens- und Vision-Benchmarks. Alle K3-Werte wurden mit maximalem Reasoning-Aufwand gemessen. Der Hersteller selbst schreibt ausdrücklich, dass K3 in der Gesamtleistung noch hinter Claude Fable 5 und GPT-5.6 Sol liegt. Gleichzeitig erzielt das Modell in einzelnen Tests Spitzenwerte.

Ausgewählte Ergebnisse

Stärken

Lang laufendes Coding: Die Ergebnisse auf SWE Marathon, Program Bench und FrontierSWE beziehen sich auf längere Softwareaufgaben statt nur einzelne Code-Snippets.

Recherche und Browser-Aufgaben: Mit 91,2 Punkten auf BrowseComp und 95,0 F1 auf DeepSearchQA zeigt K3 starke Ergebnisse bei mehrstufiger Informationssuche.

Dokumente und Tabellen: OmniDocBench und SpreadsheetBench 2 passen zur Ausrichtung auf professionelle Wissensarbeit.

Visuelles Reasoning: K3 liegt in mehreren Vision-Tests in der Nähe der stärksten geschlossenen Modelle und erreicht bei OmniDocBench sogar den höchsten Wert der Vergleichstabelle.

Wo K3 zurückliegt

Die Ergebnisse hängen vom Benchmark ab. Auf DeepSWE liegt GPT-5.6 Sol vorne. Claude Fable 5 führt unter anderem bei FrontierSWE, GDPval-AA, HLE und mehreren Python-gestützten Vision-Tests. Auf HLE Full beträgt K3s Wert 43,5 gegenüber 53,3 für Claude Fable 5.

Die Ergebnisse stützen nicht die Behauptung, K3 habe alle US-Modelle geschlagen. Die tatsächlichen Resultate sind gemischt und stark vom Benchmark abhängig.

Warum die Zahlen vorsichtig zu lesen sind

Die Tabelle ist umfangreicher als viele typische Herstellervergleiche, aber nicht vollständig neutral:

• K3 wurde teilweise mit Kimi Code getestet, andere Modelle mit Claude Code, Codex oder Terminus.
• Bei manchen Modellen wird der beste Wert über mehrere Harnesses verwendet.
• Einige Tests sind interne Moonshot-Benchmarks.
• Claude Fable 5 konnte bei bestimmten Aufgaben auf Claude Opus 4.8 zurückfallen.
• Nicht alle Werte wurden vom selben Team, zur selben Zeit und mit identischen Einstellungen erhoben.
• Repository und technischer Bericht sind inzwischen verfügbar; unabhängige Ergebnisse hängen aber weiterhin von Runtime, Quantisierung, Hardware und Test-Harness ab.

Die Benchmarks zeigen deshalb ein starkes Modell, aber keinen endgültigen Beweis für eine universelle Rangfolge.

Frühe unabhängige Messungen

Artificial Analysis führte kurz nach der Veröffentlichung erste unabhängige Tests durch. Kimi K3 erreichte dort einen Intelligence Index von 57, eine gemessene Ausgabegeschwindigkeit von ungefähr 62 Tokens pro Sekunde und eine Time to First Token von rund 1,99 Sekunden beim zunächst verfügbaren offiziellen Anbieter.

Die Messung bleibt vorläufig, weil sie kurz nach der Veröffentlichung mit nur einem Provider stattfand und sich die Serverinfrastruktur ändern kann. Der Test zeigte außerdem einen hohen Tokenverbrauch; das kann zu höheren Kosten und längeren Antworten führen.

Agentisches Coding und reale Projekte

Moonshot stellt mehrere veröffentlichte Fallstudien vor:

• K3 optimierte GPU-Kernel auf verschiedenen Beschleunigern.
• Es entwickelte mit MiniTriton einen kompakten, Triton-ähnlichen GPU-Compiler.
• Es erstellte ein prozedurales 3D-Browserspiel.
• Es entwarf in einem 48-Stunden-Lauf einen kleinen Chip für ein Nano-Modell.
• Es reproduzierte einen komplexen astrophysikalischen Forschungsworkflow mit über 20 Papers, mehr als 300 Zustandsgleichungen und über 3.000 Zeilen Python.
• Es erstellte große Branchenanalysen mit Tausenden Web- und Terminal-Aufrufen.

Die Beispiele garantieren keine Leistung bei jedem Projekt. Sie dokumentieren aber, dass Moonshot K3 auf lange, offene Aufgaben mit vielen Werkzeugaufrufen trainiert hat. Das Modell soll ein Projekt bearbeiten, nicht nur eine einzelne Funktion schreiben.

Kimi K3 API: Preis und Funktionen

Die offizielle API nutzt die Modell-ID kimi-k3 und ist mit dem Chat-Completions-Format des OpenAI SDK kompatibel.

Preise

Es gibt keine Preisstaffel nach Kontextlänge. Ein nicht gecachter Prompt mit 500.000 Input-Tokens und 50.000 Output-Tokens kostet rechnerisch:

• Input: 0,5 × 3,00 US-Dollar = 1,50 US-Dollar
• Output: 0,05 × 15,00 US-Dollar = 0,75 US-Dollar
• Gesamt: 2,25 US-Dollar

Wird derselbe lange Präfix später vollständig aus dem Cache bedient, sinken die Input-Kosten im Beispiel von 1,50 auf 0,15 US-Dollar.

Die Output-Tokens sind der teuerste Teil. Da K3 immer im Denkmodus arbeitet und bei komplexen Aufgaben sehr ausführlich werden kann, sollten Entwickler Tokenbudgets und Kosten überwachen.

Python-Beispiel

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

response = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",
    messages=[
        {
            "role": "user",
            "content": "Analysiere die Architektur dieses Python-Projekts und nenne die drei größten Risiken.",
        }
    ],
)

print(response.choices[0].message.content)

K3 arbeitet immer mit Reasoning; dieser Modus lässt sich nicht vollständig abschalten. Die Dokumentation unterstützt für reasoning_effort die Werte low, high und max, wobei max der Standard ist. Der ältere K2-Parameter thinking soll bei K3 nicht verwendet werden. In mehrstufigen Gesprächen und Tool-Aufrufen muss die vollständige Assistant-Nachricht einschließlich Reasoning-Historie unverändert an die nächste Anfrage zurückgegeben werden. Moonshot warnt, dass die Qualität sonst instabil werden kann.

Weitere API-Funktionen

Kimi K3 unterstützt unter anderem:

• Streaming mit getrennten Deltas für Reasoning und finale Antwort,
• Function Calling und erzwungene Tool-Nutzung,
• dynamisches Nachladen von Werkzeugdefinitionen,
• strukturierte Ausgabe mit strengem JSON Schema,
• Partial Mode zum Fortsetzen eines vorgegebenen Präfixes,
• automatisches Context Caching,
• Bild- und Videoeingaben,
• sehr große Completion-Limits.

Die Dokumentation nennt standardmäßig 131.072 maximale Completion-Tokens und erlaubt einen Wert bis 1.048.576. In realen Anwendungen begrenzen Gesamtkontext, Laufzeit und Kosten die sinnvolle Ausgabe deutlich.

Kimi K3 auf dem Mac

Kimi Work auf Apple Silicon

Moonshot bietet Kimi Work für macOS (Apple silicon) an. Außerdem können Mac-Nutzer Kimi über den Browser oder Kimi Code im Terminal verwenden.

Das bedeutet jedoch nicht, dass das 2,8-Billionen-Parameter-Modell lokal auf dem Mac läuft. Die Desktop-App ist ein Zugang zur Kimi-Plattform. Moonshots eigene Empfehlung von mindestens 64 Beschleunigern für eine K3-Bereitstellung zeigt, dass die vollständige Inferenz auf Rechenzentrumsinfrastruktur ausgelegt ist.

Kann Kimi K3 lokal auf einem Mac laufen?

Für das vollständige Modell lautet die realistische Antwort: nicht auf einem einzelnen normalen Mac.

Selbst eine theoretische 4-Bit-Darstellung benötigt rund 1,4 Terabyte allein für die Gewichte. Apple Silicon bietet zwar hohe Speicherbandbreite und Unified Memory, aber kein typischer Consumer-Mac besitzt annähernd genug Speicher für K3. Auch das Nachladen von Experten von einer SSD wäre für interaktive Nutzung viel zu langsam.

Denkbar sind später:

• stark verkleinerte Distillationen,
• aggressive Quantisierungen,
• Teilmodelle,
• Remote-Inferenz mit lokaler Benutzeroberfläche,
• verteilte Forschungsinstallationen auf mehreren Maschinen.

Das offizielle Release veröffentlicht die vollständigen K3-Gewichte und Deployment-Materialien, aber kein kleines Apple-Silicon-Build. Für Mac-Nutzer bleiben Kimi Work, Kimi Code, Browser oder API die praktischen Wege; lokale Experimente erfordern Rechenzentrums-Hardware statt eines normalen Macs.

Einschränkungen und offene Fragen

Moonshot nennt selbst mehrere Grenzen:

Empfindlichkeit gegenüber der Reasoning-Historie

K3 wurde darauf trainiert, seine vollständige Denk- und Tool-Historie weiterzuführen. Wird nur der sichtbare Antworttext zurückgegeben oder mitten in einer Sitzung von einem anderen Modell auf K3 gewechselt, kann die Qualität stark schwanken.

Übermäßige Proaktivität

Das Modell ist auf lange und schwierige Aufgaben trainiert. Bei kleinen Problemen oder unklaren Anforderungen kann es eigenständig Entscheidungen treffen, die der Nutzer nicht beabsichtigt hat. Entwickler sollten klare Systemregeln, Berechtigungsgrenzen und eine präzise AGENTS.md verwenden.

Open Weights sind verfügbar, lokale Mac-Nutzung bleibt unpraktisch

Das offizielle Repository veröffentlicht inzwischen die vollständigen Gewichte unter der Kimi-K3-Lizenz, eine Modellübersicht und den technischen Bericht. Damit sind mehrere Fragen vom Launch-Tag beantwortet, darunter Lizenz und aktive Parameterzahl. Die praktische Hardware-Hürde für einen normalen Mac bleibt jedoch bestehen:

• Das vollständige Modell besitzt weiterhin 2,8 Billionen Parameter.
• Das veröffentlichte Laufzeitformat zielt auf Beschleuniger-Infrastruktur.
• Hardwareanforderungen hängen von Quantisierung, Serving-Stack und Kontextlänge ab.
• Unabhängige Messungen können sich je nach Runtime und Provider unterscheiden.
• Sicherheit, Datenschutz und Betriebskosten müssen vor einem produktiven Deployment separat geprüft werden.

Websuche noch nicht produktionsreif

Moonshots API-Dokumentation weist darauf hin, dass das offizielle Websuchwerkzeug überarbeitet wird und kurzfristig nicht für produktive Workflows empfohlen wird.

Datenschutz und Cloud-Abhängigkeit

Wer K3 über die offizielle API oder Apps nutzt, verarbeitet Daten über Moonshots Infrastruktur. Für vertraulichen Quellcode, personenbezogene Daten oder Unternehmensdokumente müssen Datenschutzbestimmungen, Auftragsverarbeitung, Speicherorte und interne Compliance-Anforderungen geprüft werden.

Kimi K3 im Vergleich zu Kimi K2.7 Code und K2.6

K3 ersetzt nicht automatisch jedes ältere Kimi-Modell. Für alltägliche Coding-Aufgaben kann K2.7 Code wirtschaftlicher sein. K3 passt besser, wenn eine Aufgabe besonders lang, multimodal, komplex oder fehlerkritisch ist und die höhere Ausgabegebühr gerechtfertigt werden kann.

Für wen eignet sich Kimi K3?

K3 passt zu:

• Entwickler großer Coding-Agenten,
• Teams mit umfangreichen Repositories,
• Forschungs- und Beratungsworkflows,
• Dokumenten-, Tabellen- und Präsentationsagenten,
• multimodale Frontend- und Design-Automatisierung,
• lange Tool-Calling-Ketten,
• Unternehmen, die ein leistungsfähiges offenes Modell evaluieren möchten.

Weniger geeignet ist K3 für:

• einfache Chat- oder Klassifikationsaufgaben,
• extrem kostensensitive Massennutzung,
• vollständig lokale Nutzung auf einem einzelnen Mac,
• Anwendungen, in denen ein Agent keinerlei eigenständige Entscheidungen treffen darf,
• Produktionssysteme, die bereits am ersten Tag vollständig reproduzierbare Open-Weight-Inferenz benötigen.

Bewertung

Faktische und technische Einordnung

Kimi K3 erzielt in mehreren gemeldeten Benchmarks Werte nahe an den stärksten geschlossenen Modellen. Für die praktische Nutzung zählen vor allem der lange Kontext, native Vision, Tool-Nutzung und die Coding-Leistung.

Die größte praktische Einschränkung für Mac-Nutzer ist die Hardwareanforderung. K3 ist inzwischen ein überprüfbares Open-Weight-Release; die vollständige Inferenz bleibt jedoch ein Rechenzentrumsproblem. Auf einem normalen Mac sind Apps, Kimi Code oder API die realistischen Zugangswege.

Fazit: Sparsame Architektur, aber keine kleine Datei

Kimi K3 kombiniert Kimi Delta Attention, Attention Residuals, extrem sparse Expertenauswahl und quantisierungsbewusstes Training.

Die offiziellen Ergebnisse fallen je nach Benchmark unterschiedlich aus. K3 führt bei einigen Coding-, Recherche-, Automatisierungs- und Dokumentenbenchmarks, liegt in anderen Tests aber hinter Claude Fable 5 oder GPT-5.6 Sol. Moonshot selbst bestätigt diese gemischte Gesamtbewertung.

Für Mac-Nutzer ist K3 vor allem als Cloud-Modell interessant. Kimi Work, Browser, Kimi Code und die OpenAI-kompatible API machen den Zugang einfach. Eine vollständige lokale Ausführung auf einem einzelnen Apple-Silicon-Mac ist wegen der Modellgröße dagegen unrealistisch.

Gewichte, Lizenz und technischer Bericht sind veröffentlicht. Ob der Betrieb außerhalb von Moonshots Infrastruktur zuverlässig funktioniert, hängt jetzt vom gewählten Serving-Stack und vom verfügbaren Hardwarebudget ab.

Quellen

• Kimi API Platform: Kimi K3 Quickstart, abgerufen am 15. August 2026.
• Kimi Work, abgerufen am 15. August 2026.
• Moonshot AI: Kimi K3 – Open Frontier Intelligence, veröffentlicht am 16. Juli 2026.
• Kimi Linear: An Expressive, Efficient Attention Architecture.
• Kimi API Platform: Model List und K3 API-Hinweise.
• Artificial Analysis: Kimi K3 – Intelligence, Performance & Price Analysis, früher unabhängiger Teststand vom 17. Juli 2026.