Moonshot Kimi

Update 3. September 2026: Wie angekündigt hat Moonshot AI kimi-k2.5 und die moonshot-v1-Serie am 31. August 2026 abgeschaltet; Aufrufe liefern laut Dokumentation den Fehler 404. Wer noch auf diesen IDs unterwegs ist, muss auf kimi-k3, kimi-k2.7-code, kimi-k2.7-code-highspeed oder kimi-k2.6 umstellen – die offenen K2.5-Gewichte bleiben für den Eigenbetrieb verfügbar. Ein neues Modell hat Moonshot seit dem K3-Gewichte-Release nicht veröffentlicht.

Wichtiger Hinweis für Unternehmen: innFactory AI Consulting aus Rosenheim empfiehlt Moonshot Kimi für den DACH-Raum im Self-Hosting oder über einen Inferenzanbieter mit EU-Rechenzentren. Bei Nutzung der Kimi-API von Moonshot werden Daten in China verarbeitet.

Kimi K3: offene Gewichte seit dem 27. Juli 2026

Am 16. Juli 2026 hat Moonshot AI Kimi K3 vorgestellt, am 27. Juli 2026 folgten die vollständigen Gewichte auf Hugging Face (moonshotai/Kimi-K3) – 96 Safetensors-Shards mit rund 1,56 TB. Damit ist K3 eines der größten bislang offen veröffentlichten Modelle.

Architektur und Fähigkeiten (Herstellerangaben):

• 2,8 Billionen Parameter gesamt, 104 Mrd. aktiv pro Token
• 896 Experten, davon 16 pro Token aktiviert, dazu 2 Shared Experts
• 93 Layer (69 KDA + 24 Gated MLA), Vokabular 160.000 Tokens
• Context Window: 1.048.576 Tokens (1 Mio.)
• Nativer Text-, Bild- und Video-Input über den Vision Encoder MoonViT-V2 (401M Parameter)
• Reasoning dauerhaft aktiv: Das Modell liefert reasoning_content zurück, drei Effort-Stufen (low, high, max; Default max). Im Multi-Turn-Betrieb muss die vollständige Assistant-Nachricht inklusive Reasoning zurückgegeben werden (“preserved thinking history”)
• Tool Calling über strukturierte API-Antworten
• Auslieferung in MXFP4-Gewichten mit MXFP8-Aktivierungen, erzeugt durch Quantization-Aware-Training ab der SFT-Stufe – ein nachgelagerter Quantisierungslauf entfällt
• Empfohlene Inferenz-Engines: vLLM, SGLang, TokenSpeed

Lizenz: nicht mehr Modified MIT

K3 steht nicht unter MIT oder Apache 2.0, sondern unter der eigens formulierten Kimi K3 License (auf Hugging Face als license:other gekennzeichnet). Herunterladen, Self-Hosting, Fine-Tuning und Quantisieren sind ausdrücklich erlaubt, kommerzielle Nutzung grundsätzlich ebenfalls. Zwei Schwellen sind zu beachten:

• Wer K3 Dritten als Dienst anbietet und im Konzern über 20 Mio. USD Umsatz in zwölf zusammenhängenden Monaten liegt, benötigt eine separate Vereinbarung mit Moonshot AI.
• Ab 100 Mio. monatlich aktiven Nutzern oder 20 Mio. USD Monatsumsatz verlangt die Lizenz eine sichtbare Nennung von “Kimi K3” in der Oberfläche.

Rein interne Nutzung, die nie gegenüber Dritten exponiert wird, ist von diesen Auflagen ausgenommen. Für den typischen Unternehmenseinsatz im Eigenbetrieb ändert sich damit wenig – wer Kimi K3 aber als Teil eines eigenen SaaS-Produkts weiterreicht, sollte den Lizenztext vor dem Rollout prüfen lassen. Die K2.x-Reihe bleibt unter der Modified MIT License.

Preise der offiziellen API

Der Preis gilt laut Anbieter flach über das gesamte 1-Mio.-Token-Fenster, es gibt keinen Long-Context-Aufschlag. Damit liegt K3 deutlich über den Preisen der K2.x-Reihe. Drittanbieter kalkulieren eigenständig; eine schnellere Variante Kimi K3 Fast wird von einzelnen Gateways mit Aufschlag gegenüber der Standardvariante angeboten.

Benchmarks: Herstellerangaben und unabhängige Messungen

Moonshot nennt für K3 unter anderem GPQA Diamond 93,5, Terminal-Bench 2.1 88,3, BrowseComp 91,2, DeepSWE 67,5, SciCode 58,7, AA-LCR 74,7, DeepSearchQA (F1) 95,0, MMMU-Pro 81,6 und MathVision 94,3.

Unabhängig davon misst Artificial Analysis einen Intelligence Index von 57 und ordnet K3 damit auf Rang 3 ein – hinter Fable 5 und GPT-5.6 Sol, auf vergleichbarem Niveau mit Opus 4.8 und GPT-5.5. Weitere Werte aus dem gleichen Lauf: GDPval-AA v2 Elo 1668, AA-Briefcase Elo 1547, AutomationBench-AA 53 %. Zur Effizienz: 132 Mio. Output-Tokens über die Benchmark-Suite, rund 21 % weniger als K2.6 (166 Mio.), bei etwa 0,94 USD Kosten pro Aufgabe.

Wo die Quellen auseinandergehen: Artificial Analysis führt K3 je nach Auswertungszeitpunkt auf Rang 3 bzw. 4, während Arena.ai das Modell im Coding-Ranking an der Spitze sieht. Deutlicher ist die Lücke bei der Faktentreue: Im AA-Omniscience-Benchmark stieg die Halluzinationsrate von 39 % (K2.6) auf 51 % (K3), bei gleichzeitig gestiegener Trefferquote (33 % auf 46 %). Das Modell antwortet also häufiger richtig, erkennt aber seltener, wann es nichts weiß. Diese Kennzahl taucht in Moonshots eigenen Charts nicht auf. Für wissensintensive Anwendungen ohne Quellenbindung ist das der wichtigste Vorbehalt – wir empfehlen, K3 in solchen Szenarien nur mit Retrieval und Quellenprüfung einzusetzen.

Hardware für den Eigenbetrieb

Die 1,56 TB Gewichte sind die eigentliche Hürde. Unter vLLM werden rund 1,68 TB VRAM benötigt. Realistische Konfigurationen beginnen bei einem Node mit 8x B300 (2.304 GB) oder vier Nodes mit je 8x H100 (2.560 GB). Weil die Gewichte bereits als MXFP4 ausgeliefert werden, lässt sich der übliche Weg “FP16 herunterquantisieren” nicht mehr gehen – der Spielraum ist bereits ausgeschöpft. Ein Betrieb auf Consumer-Hardware, einer einzelnen GPU oder per CPU-Offload ist nicht praktikabel.

Wer Kimi im Eigenbetrieb einsetzen will, ohne einen solchen Cluster vorzuhalten, fährt mit Kimi K2.7 Code (~1T Parameter, 256K Context) deutlich günstiger.

Kimi K2.7 Code (Juni 2026)

Am 12. Juni 2026 hat Moonshot AI Kimi K2.7 Code veröffentlicht – einen coding-fokussierten Nachfolger von Kimi K2.6. Das Modell ist als Open Weights unter der Modified MIT License verfügbar und legt den Schwerpunkt auf Softwareentwicklung und agentische Coding-Pipelines.

• ~1T Parameter MoE-Architektur, ~32B aktiv, 384 Experten (8 aktiv + 1 Shared), 61 Layer, 256K Context
• MoonViT Vision Encoder (400M), forcierter Thinking-Mode, OpenAI-kompatible API
• Laut Moonshot rund 30 % weniger Thinking-Tokens als K2.6
• Auf der Kimi-Plattform zusätzlich als kimi-k2.7-code-highspeed (~180 Token/s)

Hinweis zu den Benchmarks: Die genannten Werte stammen aus Moonshots eigenen Evaluations-Suites. Eine unabhängige Drittverifikation liegt für K2.7 Code nicht in gleichem Umfang vor wie für K3 – die Zahlen sind mit der gebotenen Vorsicht zu interpretieren.

Kimi K2.6 (April 2026)

Am 20. April 2026 hat Moonshot AI Kimi K2.6 allgemein verfügbar gemacht. Die Generation verbesserte gegenüber K2.5 vor allem Agentic Coding und Long-Horizon Workflows (Herstellerangaben):

• SWE-Bench Pro: 58,6 % (K2.5: 50,7 %)
• Terminal-Bench 2.0: 66,7 % (K2.5: 50,8 %)
• BrowseComp (Agent Swarm): 86,3 % (K2.5: 78,4 %)
• Toolathlon: 50,0 % (K2.5: 27,8 %)
• Agent Swarm: bis zu 300 parallele Sub-Agenten und 4.000 koordinierte Schritte
• 1T Parameter MoE, 32B aktiv, 256K Context, native INT4 Quantization
• Offene Gewichte auf Hugging Face (moonshotai/Kimi-K2.6)

K2.6 ist weiterhin nutzbar, wird aber für Coding-Szenarien von K2.7 Code und als Allround-Modell von K3 abgelöst.

Besondere Stärken

Sehr langer Kontext

• Kimi K3: 1.048.576 Tokens – rund 2.500 Textseiten, ohne Preisaufschlag für lange Eingaben
• K2.x-Reihe: 256.000 Tokens – rund 640 Textseiten
• Geeignet für umfangreiche Dokumentenanalyse und mehrstufiges Reasoning über lange Konversationen

Mixture-of-Experts Architektur

• K3: 2,8 Bio. Parameter gesamt, 104 Mrd. aktiv, 896 Experten (16 aktiv + 2 Shared), 93 Layer aus 69 KDA- und 24 Gated-MLA-Blöcken
• K2.x: 1 Bio. Parameter gesamt, 32 Mrd. aktiv, 384 Experten (8 aktiv), Multi-Head Latent Attention
• Stabiles Training über den MuonClip-Optimizer (K2-Reihe)

Native Multimodalität

• K3: Vision Encoder MoonViT-V2 (401M Parameter), Text-, Bild- und Video-Input im selben Modell
• K2.5/K2.6/K2.7 Code: MoonViT (400M Parameter), verarbeitet Bilder, Videos, PDFs und Text nativ
• Herstellerangaben K3: MMMU-Pro 81,6, MathVision 94,3
• Herstellerangaben K2.5: MMMU-Pro 78,5 %, MathVision 84,2 %, OCRBench 92,3 %, OmniDocBench 88,8 %

Coding und agentische Aufgaben

• K3 (Herstellerangaben): Terminal-Bench 2.1 88,3, DeepSWE 67,5, SciCode 58,7, BrowseComp 91,2, DeepSearchQA (F1) 95,0
• K2.6 (Herstellerangaben): SWE-Bench Pro 58,6 %, Terminal-Bench 2.0 66,7 %, Toolathlon 50,0 %
• K2.5 (Herstellerangaben): LiveCodeBench v6 85,0 % pass@1, MMLU-Pro 87,1 %
• Natives Tool Calling, mehrstufige Aufgabenzerlegung (“think → act → re-think”)
• Agent Swarm: bis zu 300 parallele Sub-Agenten (K2.6), bis zu 100 (K2.5)

Wichtige Hinweise

DSGVO-Einordnung

Moonshot AI ist ein Unternehmen mit Sitz in Peking. Wer die offizielle Kimi-API oder kimi.com nutzt, überträgt personenbezogene Daten in die Volksrepublik China. Für China besteht kein Angemessenheitsbeschluss der EU-Kommission. Eine solche Übermittlung ist deshalb nur über die Instrumente der Artikel 44 ff. DSGVO zulässig – in der Praxis üblicherweise Standardvertragsklauseln nach Art. 46 Abs. 2 lit. c DSGVO, ergänzt um ein Transfer Impact Assessment, das die Rechtslage im Empfängerland und den behördlichen Zugriff darauf bewertet. Zusätzlich sind ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, die Prüfung der Unterauftragsverarbeiter, Löschfristen und technische Schutzmaßnahmen erforderlich.

Hinweis: Diese Einordnung ist eine sachliche Zusammenfassung der Rechtslage und ersetzt keine Rechtsberatung. Ob ein konkreter Einsatz zulässig ist, hängt von Rolle, Datenkategorien, Vertragsgestaltung und Schutzmaßnahmen im Einzelfall ab. Für die rechtliche Bewertung arbeiten wir mit spezialisierten Kanzleien zusammen.

Praktisch bedeutet das: Für personenbezogene oder vertrauliche Unternehmensdaten führt der einfachere Weg über die offenen Gewichte – entweder im Eigenbetrieb in der EU oder über einen Inferenzanbieter mit EU-Rechenzentren. Dann verlässt der Prompt den EU-Raum nicht, und die China-Übermittlung stellt sich gar nicht erst.

Wege für den EU-Einsatz

• Self-Hosting: Volle Datenkontrolle, keine Drittlandsübermittlung. Bei K3 sehr hardwareintensiv (siehe oben), bei K2.7 Code deutlich zugänglicher.
• EU-Inferenzanbieter: Nebius Token Factory führt Kimi K3 seit dem Release-Tag und betreibt Rechenzentren in Finnland und Frankreich mit EU-Data-Residency-Option (SOC 2 Type II, ISO 27001). AVV, Unterauftragsverarbeiter und Retention sind im Einzelfall zu prüfen.
• Microsoft Foundry: Kimi K3 ist seit dem 31. Juli 2026 über Foundry buchbar, allerdings von Fireworks AI bereitgestellt und nicht als First-Party-Azure-Endpoint. Der tatsächliche Datenfluss und die Region hängen vom gewählten Deployment ab.
• Kein natives Angebot auf Amazon Bedrock oder Google Vertex AI. AWS dokumentiert stattdessen ein Eigen-Deployment über SageMaker HyperPod bzw. Amazon EKS.
• Einzelne Gateways bieten K3 mit Zero-Data-Retention-Option und Routing auf US-Anbieter an – das löst die China-Frage, nicht aber die Frage der Übermittlung in die USA.

Technische Highlights

Model-Varianten

• Kimi K3: Flaggschiff (Juli 2026), 2,8T Parameter, 1M Context, multimodal, Kimi K3 License
• Kimi K2.7 Code: Coding-Spezialist (Juni 2026), ~1T Parameter, 256K Context, Modified MIT – die realistischere Self-Hosting-Option
• Kimi K2.6: Long-Horizon Coding, Agent Swarm, 256K Context
• Kimi K2.5: Multimodal, 256K Context – API am 31.08.2026 abgeschaltet, Gewichte weiterhin auf Hugging Face
• Kimi-K2-Thinking / -Instruct / -Base: API-Varianten am 25.05.2026 eingestellt, Gewichte weiterhin auf Hugging Face

Lizenzierung

• Kimi K3 License für K3 – offene Gewichte mit umsatzabhängigen Auflagen für Weitergabe als Dienst
• Modified MIT License für die K2.x-Reihe
• Vollständige Gewichte auf Hugging Face, Referenz-Code und Benchmarks auf GitHub (MoonshotAI/Kimi-K3)

Integration mit CompanyGPT

Falls Sie Kimi in Ihrer eigenen Infrastruktur oder bei einem EU-Anbieter betreiben möchten, unterstützen wir Sie bei der Integration in CompanyGPT – unserer DSGVO-konformen Chat-Plattform für Unternehmen. Dort lassen sich offene Modelle wie Kimi neben anderen Anbietern souverän einbinden, ohne Prompts an Drittländer weiterzugeben.

Verfügbarkeit

Offizielle API (Datenverarbeitung in China):

• platform.kimi.ai mit OpenAI-kompatiblem Format
• Aktuelle Modelle: kimi-k3, kimi-k2.7-code, kimi-k2.7-code-highspeed, kimi-k2.6
• Kimi K3: 3,00 USD / 1M Input, 0,30 USD cached Input, 15,00 USD / 1M Output
• Endkundenzugang zusätzlich über kimi.com

Offene Gewichte:

• Hugging Face: moonshotai/Kimi-K3 (~1,56 TB), moonshotai/Kimi-K2.7-Code, moonshotai/Kimi-K2.6, moonshotai/Kimi-K2.5
• GitHub: MoonshotAI/Kimi-K3
• Deployment über vLLM, SGLang und TokenSpeed

Drittanbieter-Inferenz (Auswahl):

• OpenRouter, Fireworks AI (Day 0), Together AI, Baseten, Nebius Token Factory (Day 0), Modal, DigitalOcean, Parasail, Databricks
• Microsoft Foundry seit 31.07.2026 über Fireworks AI
• Preise, Regionen und Retention-Policies unterscheiden sich je Anbieter und sind einzeln zu prüfen

Abgekündigt / eingestellt:

• kimi-k2-Serie: eingestellt am 25.05.2026
• kimi-latest: eingestellt am 28.01.2026
• kimi-thinking-preview: eingestellt am 11.11.2025
• kimi-k2.5 und die moonshot-v1-Serie: am 31.08.2026 abgeschaltet, Aufrufe liefern laut Moonshot-Dokumentation 404

Unsere Empfehlung (Stand 3. September 2026)

Mit der Veröffentlichung der Gewichte am 27. Juli 2026 hat sich die Lage für Kimi K3 grundlegend geändert: Das Modell ist jetzt auch in der EU betreibbar – im eigenen Rechenzentrum oder bei einem EU-Inferenzanbieter. Damit ist der DSGVO-Pfad offen, den es vorher nicht gab.

Für die meisten Unternehmen im DACH-Raum: Kimi K2.7 Code im Self-Hosting. Mit rund 1T Parametern und 256K Context ist es auf üblicher GPU-Server-Hardware betreibbar, steht unter der permissiven Modified MIT License und deckt Coding- und Agent-Workflows sehr gut ab.

Für Allround-Aufgaben mit hohem Anspruch: Kimi K3 – aber realistisch nur über einen EU-Inferenzanbieter, solange kein Cluster mit ~1,7 TB VRAM zur Verfügung steht. Bei wissensintensiven Anwendungen sollte die erhöhte Halluzinationsrate (AA-Omniscience: 51 % gegenüber 39 % bei K2.6) durch Retrieval, Quellenangaben und Prüfschritte abgefedert werden.

Nicht empfohlen für personenbezogene oder vertrauliche Daten: die direkte API über platform.kimi.ai oder kimi.com, weil dort in China verarbeitet wird und die Anforderungen der Art. 44 ff. DSGVO gesondert erfüllt werden müssten.

Alternative: Unternehmen ohne eigene GPU-Infrastruktur und ohne Interesse an offenen Gewichten fahren mit EU-gehosteten Modellen wie Anthropic Claude oder Google Gemini über die jeweiligen EU-Regionen einfacher.