Kimi K3 liefert offene Gewichte und wählt ein Browser-Spiel als Beweis
Moonshot AI hat Kimi K3 am 16. Juli vorgestellt und die Gewichte elf Tage später veröffentlicht, am 27. Juli. Der Download besteht aus 96 Shards und rund 1,56 TB auf Hugging Face. Nathan Lambert nannte es "eindeutig das stärkste offene Modell, das je veröffentlicht wurde", und die Ranglisten stützen ihn: Platz eins in der Frontend Code Arena, Platz zwei im Vals AI Index, Platz drei im Artificial Analysis Intelligence Index hinter nur Claude Fable 5 und GPT-5.6 Sol Max. Unter den Modellen mit offenen Gewichten ist es kein knappes Rennen.
Das ist die Geschichte, die alle geschrieben haben. Aufgefallen ist uns, womit Moonshot es vorgeführt hat.
Die Demo ist ein Three.js-Spiel
Zum Start hat K3 ein prozedurales 3D-Erkundungsspiel erzeugt, das in einem Browser-Tab läuft: eine offene Welt mit Wasser, Bäumen, Hütten, verschneiten Bergen und Reitern zu Pferd, gebaut in Three.js auf dem WebGPU-Renderer mit GPU-Compute. Kein Forschungsclip, kein Video von einem Spiel. Eine Seite, die du lädst.
Die Methode zählt mehr als die Szene. Laut dem Bericht der WebGPU-Community arbeitete das Modell mit Bildwahrnehmung in der Schleife und wechselte zwischen dem erzeugten Code und Live-Screenshots des laufenden Ergebnisses, um zu sehen, was es gebaut hatte, und es zu reparieren. Das ist dieselbe Schleife, die wir in Cinevvas Game Creator fahren, und sie trennt ein Modell, das plausibles Three.js schreibt, von einem Modell, das ein Spiel liefert, das tatsächlich rendert. Einen Szenengraphen erzeugen kann jeder. Zu bemerken, dass die Kamera im Gelände steckt, ist der schwere Teil.
Die Lage in dieser Woche ist also: Ein führendes Labor greift beim Start seines leistungsfähigsten Modells zu browserbasierter 3D-Spieleerstellung als der Vorführung, die sitzt. Vor zwei Jahren war die Vorzeigedemo ein Chatbot, der ein Rätsel löst. Die Latte liegt jetzt bei etwas, in dem man herumlaufen kann.
Was tatsächlich im Modell steckt
K3 ist ein Mixture-of-Experts mit 2,8 Billionen Parametern insgesamt und 104 Milliarden aktiven pro Token, einem Kontextfenster von 1.048.576 Token sowie Text-, Bild- und Videoeingabe. Moonshot hat zwei Architekturänderungen eingeführt, Kimi Delta Attention und Attention Residuals, und meldet eine rund 2,5-fach bessere Skalierungseffizienz gegenüber Kimi K2. Es denkt immer mit, und wo der Juli-Start nur eine Stufe "max" bot, legt die offene Veröffentlichung low, high und max frei.
Nach Moonshots eigenen Zahlen schlägt es Claude Opus 4.8 bei max und GPT-5.5 bei high über den größten Teil der Suite und verliert gegen Fable 5 und GPT-5.6 Sol. Behandle selbst gemeldete Benchmarks als Behauptung statt als Urteil, aber zwei Ergebnisse hielten unabhängigen Tests stand, und beide sind für Softwareentwicklung relevant: BrowseComp mit 91,2 für agentisches Browsen und SWE Marathon mit 42,0 für langlaufendes Coden, was es bei Arbeit, die Stunden statt Sekunden dauert, über Fable 5 und Sol stellt.
Die API kostet 3,00 USD pro Million Eingabe-Token und 15,00 USD für die Ausgabe, mit 0,30 USD bei gecachter Eingabe, derselbe Listenpreis wie Claude Sonnet 5. OpenRouter listet es etwas günstiger. Ein Vorbehalt gehört gelesen, bevor du darauf baust: Anders als Tencents Hunyuan Hy3, das unter Apache 2.0 ohne Einschränkungen erschien, kommt K3 unter einer eigenen Kimi-K3-Lizenz. Offene Gewichte und Open Source sind nicht dasselbe Dokument, und wer das in ein kommerzielles Produkt stecken will, sollte die Bedingungen lesen statt etwas anzunehmen.
Der Abstand schließt sich schneller, als der Veröffentlichungstakt vermuten lässt
Lamberts Lesart des Trends ist, dass der Abstand zwischen den besten geschlossenen und den besten offenen Modellen von sechs bis neun Monaten auf eher drei bis fünf geschrumpft ist. Alibaba hat Qwen 3.8 mit 2,4 Billionen Parametern und nachfolgenden offenen Gewichten bereits angekündigt, die Eskalation verlangsamt sich also nicht. Wir schrieben im Januar 2025, dass DeepSeek R1 den Preis für Intelligenz zurückgesetzt hat. Achtzehn Monate später ist das Muster, dass jeder Reset aufgesogen und dann schneller wiederholt wird.
Für alle, die Spiele machen, heißt das praktisch: Die Intelligenzschicht wird immer günstiger und portabler, während die Asset-Schicht das schon hinter sich hat. Ein Studio, das ein auf die eigene Codebasis feinjustiertes Modell wollte, musste früher zwischen einer API-Abhängigkeit ohne eigene Kontrolle und einem schwächeren lokalen Modell wählen. Dieser Kompromiss wird jedes Quartal dünner.
Was wir damit machen
Wir betreiben ein Gateway über mehrere Anbieter, das ist also eine konkrete Entscheidung und keine abstrakte. K3s Stärken liegen genau dort, wo unsere Arbeitslast liegt: langlaufendes agentisches Coden, Werkzeugnutzung und Iterieren gegen Screenshots und Konsolenausgaben eines laufenden Spiels. Wir vergleichen es mit unserer aktuellen Modellauswahl anhand echter Game-Creator-Sitzungen statt anhand veröffentlichter Tabellen, denn die Kennzahl, die uns interessiert, ist kein Elo-Wert. Es ist, wie oft eine Runde mit einem Spiel endet, das die Person tatsächlich spielen kann, und wie oft das Modell den eigenen Fehler bemerkt, bevor der Nutzer es muss.
Wir veröffentlichen, was wir herausfinden, auch wenn die Antwort lautet, dass es das nicht schlägt, was wir schon einsetzen. Das Interessante an dieser Veröffentlichung ist nicht, dass ein chinesisches Labor ein sehr gutes offenes Modell geliefert hat, das überrascht längst niemanden mehr. Es ist, dass die Demo, mit der sie es beweisen wollten, ein Spiel im Browser-Tab war, und genau darauf bauen wir hin.