Kimi K3 geht mit 2,8 Billionen Parametern live: Moonshot liefert den größten offenen Frontier-Wettschlag bisher

In einfachen Worten. Moonshot hat Kimi K3 von der Vorschauphase auf Live gebracht, mit einer angekündigten Zahl von 2,8 Billionen Parametern. Auf dem Papier ist es die größte Open-Weight-Architektur bisher. Es bleibt abzuwarten, was dies außerhalb der hausinternen Benchmarks wert ist.

Kontext

Der Thread beginnt Anfang des Monats: Moonshot überflutet Weibo und HN mit Benchmark-Videos noch bevor die Veröffentlichung erfolgt (Thread kimi-k3-launch, Beitrag #1164), und geht dann am 16. Juli 2026 auf kimi.com/en mit Code-Dokumentation live. Techinasia berichtet am 17. Juli die offizielle Zahl: 2,8T Parameter, ohne weitere Angaben zur Aktivierung pro Token oder zum Sparsity-Verhältnis, was die entscheidende Frage für ein MoE dieser Größe ist.

Die Daten

• Angegebene Größe: 2,8 Billionen Parameter (Quelle: Techinasia, 17. Juli 2026). Das sind ~2× GPT-4 laut den allgemein zitierten Leaks und deutlich über den öffentlichen DeepSeek-Varianten (671B für V3).
• Verfügbarkeit: GA über kimi.com/en und dokumentierte API.
• Ökosystem: Koordinierte Ankündigungen auf HN, Weibo, Dev-Kanälen - was die in #1164 beschriebene Strategie "flood then ship" bestätigt.

Analyse

Zwei Dinge sind zu trennen. Die Zahl: 2,8T ist ein Marketing-Signal ebenso wie ein architektonisches. Bei MoE zählt die Anzahl der pro Token aktivierten Parameter, die Experten-Topologie und die effektiven Inferenzkosten. Solange Moonshot diese Metriken nicht veröffentlicht, bleibt "2,8T" eine Werbung. Die Verfügbarkeit: Innerhalb weniger Tage nach der Vorschau auf GA zu gehen, ist ein bewusst aggressives Tempo - es zielt darauf ab, das Aufmerksamkeitfenster zu nutzen, bevor Dritt-Benchmarks (LMArena, SWE-bench, MMLU-Pro) ihr Urteil fällen.

Under the hood

Was in den nächsten Tagen zu beachten ist:

1. Aktive Parameter pro Token - ohne diese Zahl sagt "2,8T insgesamt" nichts über die Inferenzkosten aus.
2. API-Preismodell im Vergleich zu Claude/GPT bei langen Aufgaben (Kontext, Tool-Calling).
3. Reproduzierbarkeit der hausinternen Benchmarks auf SWE-bench Verified und LiveCodeBench.
4. Latenz beim Tool-Use - die Rohgröße bestraft, wenn die Orchestrierung nicht sorgfältig ist.

So what

Wenn die Zahl hält (vernünftige Aktivierung, wettbewerbsfähige Preise, kohärente Dritt-Benchmarks), dann setzt Moonshot den ersten Open-Weight-Modell, der sich direkt mit der GPT-5/Claude 4.7-Generation vergleichen lässt - und das aus China, trotz der Compute-Einschränkungen. Wenn die Zahl nur ein Marketing-Überzug für ein wenig aktiviertes MoE ist, dann gehört K3 zur langen Liste der "größten Modelle der Welt", die in drei Wochen vergessen sind. Wir werden es bis Ende Juli wissen.