Die Gewichte von Kimi K3 sind endlich öffentlich – und 1,4 Terabyte schwer
Moonshot AI hat die vollständigen Gewichte und den technischen Bericht zu seinem Modell Kimi K3 mit 2,8 Billionen Parametern veröffentlicht, dazu Teile der nötigen Betriebsinfrastruktur. Die entscheidende Behauptung: 2,5-mal mehr Intelligenz je Recheneinheit.
Moonshot AI hat die Mitte Juli angekündigte Veröffentlichung abgeschlossen. Das chinesische Labor stellte am Montag die Gewichte von Kimi K3 auf Hugging Face bereit, zusammen mit einem technischen Bericht auf GitHub und – ungewöhnlicher – mehreren Bausteinen, die für den tatsächlichen Betrieb nötig sind: leistungsfähigen Attention-Kernels, einer Bibliothek für die Kommunikation zwischen den Experten im Modell und Werkzeugen zum Betrieb von KI-Agenten im großen Maßstab. Innerhalb weniger Stunden war die Meldung der meistdiskutierte Beitrag auf Hacker News.
Eine kurze Übersetzung der technischen Daten: Kimi K3 ist ein Mixture-of-Experts-Modell. Es enthält viele spezialisierte Teilnetze und leitet jeden Textabschnitt nur an einige wenige davon weiter. Auf dem Papier besitzt es 2,8 Billionen Parameter, also einstellbare Zahlen, in denen das Gelernte steckt. Pro Token aktiviert es jedoch nur 16 seiner 896 Experten, weshalb der Betrieb deutlich weniger kostet, als die Gesamtzahl vermuten lässt. Das Kontextfenster umfasst eine Million Token – ungefähr ein sehr langes Buch, das das Modell auf einmal im Blick behalten kann. Bilder und Videos verarbeitet es nativ statt über ein nachträglich angesetztes Zusatzmodul. Moonshots zentrale technische Behauptung lautet, dass Kimi Delta Attention und eine neu strukturierte Expertenarchitektur gegenüber der Vorgängergeneration etwa 2,5-mal mehr Intelligenz pro Recheneinheit liefern. Im zusammengesetzten Intelligence Index von Artificial Analysis erreicht das Modell 57 Punkte und liegt damit nahe bei GPT-5.6 Sol; die Rangliste der Frontend Code Arena führt es derzeit an.
Dann kommt der praktische Haken, den viele Berichte ausgelassen haben: Der Download ist rund 1,4 Terabyte groß. Offene Gewichte bedeuten, dass du das Modell rechtlich und technisch selbst betreiben darfst. Freiheit ist aber nicht dasselbe wie Machbarkeit. Für eine brauchbare Geschwindigkeit braucht K3 ein Rack voller Rechenzentrums-GPUs, keinen Laptop. Für die meisten führt der realistische Weg deshalb über einen Hosting-Anbieter. Zu den Einschränkungen gehören auch Lücken bei den Fähigkeiten. Unabhängige Tests des britischen AI Security Institute zeigen, dass K3 bei Aufgaben zu Cyberangriffen deutlich hinter den führenden US-Modellen liegt; auch in anspruchsvoller Mathematik bleibt es zurück. Beide Muster passen zu Destillation, bei der ein kleineres Modell anhand der Ausgaben eines stärkeren trainiert wird. Chinesische Labore werden regelmäßig damit konfrontiert, Moonshot hat den Vorwurf bislang nicht direkt beantwortet.
Was das für dich bedeutet: Wenn du dich erst orientierst, ist die wichtigste Lektion, was „offene Gewichte“ tatsächlich bringen. Sie bedeuten weder kostenlos noch in den meisten Fällen lokal. Sie bedeuten, dass niemand das Modell abschalten, seinen Preis erhöhen oder sein Verhalten unter dir verändern kann. Das ist wichtig, wenn du darauf ein Produkt aufbaust, und weit weniger wichtig, wenn du nur im Browser chattest. Wenn du bereits mit Modellen arbeitest, lohnt sich K3 vor allem für die Frontend-Codegenerierung, wo es derzeit führt. Für Sicherheitsaufgaben und schwere Mathematik solltest du es meiden, bis unabhängige Werte besser ausfallen. Alle anderen können auf den Preiseffekt achten: Jede glaubwürdige offene Veröffentlichung aus China setzt die Preise westlicher Labore unter Druck – und irgendwann erreicht das auch deine Rechnung.
Quellen
Microsofts neues Sicherheitsmodell ist absichtlich klein – genau das macht es interessant
MAI-Cyber-1-Flash übernimmt rund 90 Prozent der Aufgaben bei der Schwachstellensuche und gibt den Rest an GPT-5.4 weiter. Laut Microsoft erreicht die Kombination 96 Prozent bei CyberGym und kostet nur halb so viel wie das vorherige Setup.
