Kimi K3: 2,8 Billionen Parameter und ein neuer Blick auf den ‚Pelican‘-Benchmark

Das chinesische Labor Moonshot AI hat das Modell Kimi K3 angekündigt, das es als das derzeit leistungsstärkste bezeichnet – mit 2,8 Billionen Parametern. Das Unternehmen positioniert es als erstes „offenes 3-T-Billionen-Klasse“-Modell (durch Aufrunden von 2,8 auf 3 Billionen) und übertrifft damit DeepSeek mit seinem 1,6-T-Billionen v4 Pro. In eigenen Benchmarks übertrifft K3 meist Claude Opus 4.8 max und GPT-5.5 high, liegt aber hinter Claude Fable 5 und GPT-5.6 Sol zurück. Laut einem Bericht von Artificial Analysis erreichte K3 in deren privater Bewertung „langfristiges Wissen“ einen Elo-Wert von 1547, was 732 Punkte über Kimi K2.6 liegt und nur von Claude Fable 5 übertroffen wird. Die Kosten pro Aufgabe (0,94 US-Dollar) ähneln denen von GPT-5.6 Sol (1,04 US-Dollar), sind etwa halb so teuer wie Opus 4.8 (1,80 US-Dollar), aber höher als bei offenen Alternativen. Die Nutzung von K3-Tokens ist im Vergleich zu K2.6 um 21 Prozent gesunken. Das Modell führt auch in der Frontend Code-Arena von Arena.ai, selbst vor Claude Fable 5. Die API-Preise liegen bei 3 US-Dollar pro Million Eingabe- und 15 US-Dollar pro Million Ausgabe-Tokens – auf dem Niveau der Claude-Sonnet-Serie von Anthropic, was K3 zum teuersten Modell unter den chinesischen KI-Laboren macht. Dies ist ein deutlicher Anstieg gegenüber Kimi K2.6 (0,95/4 US-Dollar). Die Parameterzahl von 2,8 Billionen ist mehr als doppelt so hoch wie beim vorherigen 1-T-Billionen-Modell. Der Autor testete K3 über OpenRouter und generierte ein SVG eines Pelikans auf einem Fahrrad. Die Anfrage benötigte 95 Eingabe-Tokens und 16.658 Ausgabe-Tokens (davon 13.241 Reasoning-Tokens) und kostete 25 Cent. Bei der erneuten Verarbeitung des generierten SVGs beschrieb das Modell das Bild korrekt (für 0,6 Cent). Der Autor stellt fest, dass der „Pelikan“-Test nach 21 Monaten die Korrelation mit der allgemeinen Modellqualität verloren hat – derzeit erzielt GLM-5.2 die besten Ergebnisse, obwohl es nicht an die Fable-Klasse heranreicht. Dennoch bleibt der Test als „Hello World“ nützlich: Er zwingt dazu, das Modell auszuprobieren, gibt eine grobe Schätzung von Kosten und Reasoning-Zeit, prüft das grundlegende Geometrieverständnis und die Fähigkeit, korrektes SVG zu generieren. Für K3 zeigte der Test, dass das Modell derzeit nur eine Stufe der Reasoning-Bemühungen („max“) verwendet, viele Reasoning-Tokens verbraucht und auf einen möglicherweise versteckten System-Prompt hinweist (85 Tokens). Die visuelle Beschreibung des Modells ist recht hochwertig.