Kimi K3 Release: Specs, Preise, API und Wann umsteigen

Gestern hast du noch Teaser und Gerüchte-Tabellen mit „2,5T / 1M“ gelesen. Heute steckt im Modell-Picker ein echter Button: Kimi K3 liegt auf der Kimi API Platform.

Und wenn du auf den Button starrst und denkst kippe ich vor dem Mittag alles auf K3? — kurze Antwort: nein. Nimm K3, wenn der Job hart und lang ist. Bleib bei K2.7 Code für den Alltag im IDE-Loop und bei K2.6, wenn du einen günstigeren, erprobten Long-Agent willst.

Die Release-Day-Wahl in einem Atemzug:

• Harte Multi-Domain-Arbeit + du knallst ständig gegen 256K → kimi-k3 ausprobieren
• Software schreiben/fixen in Kimi Code, Claude Code, Cline, RooCode → erstmal kimi-k2.7-code
• Lange autonome Jobs, die auf K2.6 schon laufen → nicht nur wegen des Logos „upgraden“

Diese Seite ist unabhängig von Moonshot. Specs und Preise unten folgen der offiziellen Doku; die Einschätzungen (wer umsteigen sollte, wie die Rechnung tickt, was der Pre-Launch-Lärm falsch hatte) sind unsere. Vor echtem Geld nochmal platform.kimi.ai checken.

Was wirklich rausgekommen ist (ohne Marketing-Nebel)

Auf Moonshots öffentlicher Card ist K3 das bisher fähigste Flaggschiff: rund 2,8 Billionen Parameter, 1M-Token-Kontext (wie viel Text/Code in einem Durchgang sitzt — denk an Multi-Package-Repos und dicke Research-Packs, nicht an eine Chat-Bubble), native Vision (Bilder und Video in der API) und Thinking, das an bleibt.

Die API-ID, die du verdrahtest: kimi-k3. Docs hängen es an den üblichen OpenAI-kompatiblen Pfad (https://api.moonshot.ai/v1) mit MOONSHOT_API_KEY.

Zwei Architektur-Namen tauchen auf: Kimi Delta Attention und Attention Residuals. Du musst keines von beiden implementieren. Lies sie als Produkt-Signal: Moonshot verkauft einen Generationssprung für lange Sessions — nicht „K2.x plus drei Benchmark-Punkte“. Frühere Research (Kimi Linear / KDA) ging um effizienteres Long-Context-Serving; am Release-Tag lautet das Nutzerversprechen schlicht 1M, das brauchbar sein soll, plus Reasoning, das immer läuft.

Quick Facts (später scannen)

Noch dünn auf der öffentlichen Card: aktive (geroutete) Parameter pro Token, eine volle Open-Weight-Lizenzgeschichte und ein unabhängiges Leaderboard auf derselben Seite. Die Zahlen nicht erfinden; warte auf den Technical Report, wenn du Serving-Mathe brauchst.

Was sich an der Story von letzter Woche ändert

Hast du unseren Vorabend-Brief oder den Modell-Chooser gelesen, brauchen ein paar Zeilen einen mentalen Patch:

Der Trailer ist also ein Ticket geworden. Er ist nicht automatisch der einzige Film, den du schauen solltest.

Warum K3 nicht heißt „K2.7 Code löschen“

Moonshot liefert ein Portfolio — keine Leiter, auf der die neueste SKU jeden Klick gewinnt.

• K2.7 Code bleibt der Coding-Spezialist — instruction-schwere IDE/CLI-Loops, Kimi Code, Coding-Agents, Highspeed-Variante wenn Latenz zählt. Kontext bleibt in der 256K-Klasse. Thinking bleibt an, aber die Produktstory heißt „bring den PR fertig“.
• K2.6 bleibt der allgemeine Long-Agent, der monatelang in Production-Narrativen steckt: Multi-Step-Tools, breite Chores, multimodale Alltagsarbeit zu einem günstigeren Listenpreis als K3.
• K3 ist die Flagship-General-Intelligence-Stufe: mehr Speicher, vorerst immer-max Reasoning, Premium-Preis, gedacht für frontier-nahe Mischungen aus Engineering + Knowledge Work + tiefem Reasoning.

Unsere Einschätzung: K3 ist Supervisor / Hard-Problem-Modell, kein Gratis-Upgrade für Autocomplete. Wenn dein Schmerz ist „das Modell verliert nach 200k Token Logs das Repo“, ist K3 der spannende Button. Wenn dein Schmerz ist „lass diesen TypeScript-Kram in Claude Code kompilieren“, ist K2.7 Code weiterhin die langweilige richtige Antwort.

Was der Preis wirklich sagt

Offizielle USD-Liste (pro 1M Tokens):

Drei Einschätzungen, die uns mehr interessieren als die Tabelle selbst:

1. Output ist 5× Cache-Miss-Input. Always-on Thinking heißt: du zahlst fürs „laut nachdenken“ genauso wie für die finale Antwort. Behandle K3 wie ein Projektbudget, nicht wie einen Tab für Smalltalk.
2. Cache-Hits sind 10× günstiger als Misses auf dem Input. Denselben System-Prompt / Repo-Digest wiederzuverwenden ist kein Nice-to-have — es ist der Unterschied zwischen „Flaggschiff, das wir uns leisten“ und „warum brennt die Rechnung“.
3. Keine Length-Tiers, Tokens skalieren trotzdem. 50K- und 500K-Prompts teilen dieselben Einheitspreise; das 1M-Fenster heißt nicht „1M ist gratis“.

Grober Portfolio-Sanity-Check (Listenpreise bewegen sich; Orientierung, kein Vertrag): K2.6 / K2.7 Code lagen auf derselben Plattform deutlich tiefer (Größenordnung ~$1 Input / ~$4 Output). K3s $3 / $15 ist bewusst Premium. Du solltest einen Capability- oder Kontext-Grund spüren, bevor du es zum Default machst.

Capabilities, die deinen Workflow ändern (nicht die Doku-Rezitation)

1M Speicher für echte Sessions. Nützlich, wenn ein Thread einen Monorepo-Slice, Policy-Pack oder mehrstündigen Agent-State halten muss. Die meisten Chat-User füllen nie eine Million Tokens — und das ist okay. Das Feature ist für Leute, die schon an 256K gescheitert sind.

Always-on Thinking. Schick nicht das alte K2.x-thinking-Objekt. Nutze top-level reasoning_effort: "max" (heute das einzige Level). In Multi-Turn- und Tool-Loops den vollen Assistant-Message zurückschicken, inklusive Reasoning und Tool-Calls — nur auf content zu strippen rächt sich.

Vision im selben Loop wie Code. Screenshots, UI-Recordings, Diagramme — dieselbe Session wie Tools und langer Kontext. Öffentliche Bild-URLs sind nicht der dokumentierte Weg; plane base64 oder hochgeladene ms://-Files ein.

Agent-Oberfläche. Tools, tool_choice, dynamisches Tool-Loading, strukturiertes JSON Schema, Partial Continuations, Formula Official Tools. Die Plattform warnt aktuell: Web Search wird aktualisiert — diese Woche keinen Production-Workflow darauf wetten.

Minimaler Call:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",
    messages=[{"role": "user", "content": "Summarize the risk of migrating our default model to K3."}],
)
print(completion.choices[0].message.content)

Sampling-Knobs wie temperature / top_p sind dokumentiert als fixed — weglassen statt mit der API zu kämpfen.

Was solltest du diese Woche tun?

Typische Fehler

• „Neuestes Flaggschiff = überall am besten.“ Falsches SKU-Denken. Flagship-Tiefe ≠ beste Latenz oder beste Coding-Agent-UX.
• „1M heißt, ich paste die ganze Firma rein.“ Du zahlst dafür; starte mit dem kleinsten Kontext, der noch funktioniert, dann wachsen.
• „Thinking aus für billige Entwürfe.“ Bei K3 gerade nicht — nur "max".
• „Morgen K2.7 Code in Kimi Code ersetzen.“ Produktlinien laufen weiter auseinander; offizielle Kimi-Code-Defaults beobachten, bevor du die ID forciert.
• Cache ignorieren. Jede Runde dasselbe Repo-Prefix ohne stabile Prefixes ist die teure Art, ein Flaggschiff zu fahren.

FAQ (kurz)

Ist es offiziell draußen? Ja — gelistet, dokumentiert, bepreist, als kimi-k3 aufrufbar.

Open Weights? Drittanbieter-Blurbs behandeln wir nicht als Moonshot-Versprechen. Moonshots eigene Research-/HF-Kanäle checken, bevor du Self-Host planst.

Ersetzt es K2.7 Code? Nein. Portfolio: General-Flagship vs. Coding-Spezialist.

Fazit

K3 knackt die Latte, die wir am Vorabend gesetzt haben: echte API-ID, echtes 1M-Fenster, echter Preis. Der smarte Move heißt nicht „alle auf K3“, sondern K3 auf die Jobs, die Premium-Reasoning und riesigen Speicher rechtfertigen, K2.7 Code fürs PR-Shipping behalten und K2.6 dort lassen, wo ein günstigerer Long-Agent schon liefert.

Weiterlesen: K3-Status · was wir vor GA dachten · Modell-Chooser (mental für GA patchen) · K2.7 Code · K2.6.