Fast Spitzenleistung für ein Drittel des Preises

Moonshot AI hat sein Spitzenmodell zum freien Download freigegeben. Es liefert rund 95 Prozent der Leistung von Claude Fable 5 und kostet knapp ein Drittel davon. Für den Mittelstand ändert das wenig daran, was er selbst betreiben kann. Es ändert, was er für Spitzenleistung zahlen muss.

Das Wichtigste in Kürze

Verwandt:Kimi K3: Wenn KI die eigene Infrastruktur baut  /  Das billige Modell, das die KI-Entwicklung bremst

Freie Gewichte in Rechenzentrumsgröße

Am 27. Juli 2026 um 00:00 UTC legte Moonshot AI die vollständigen Gewichte von Kimi K3 offen, also die trainierten Modelldateien zum Download. Es ist derzeit das größte frei herunterladbare KI-Modell. Auf der offiziellen Modellkarte bei Hugging Face stehen 2.800 Milliarden Parameter insgesamt. Parameter sind die gelernten Zahlenwerte des Modells. Davon sind 104 Milliarden je Token aktiv. Token sind die Texteinheiten für Ein- und Ausgabe. Die oft genannte Zahl von rund 50 Milliarden aktiven Parametern ist falsch. Sie zählt nur geroutete Experten und lässt Attention, geteilte Experten und Einbettungen weg.

Was ist ein Modell mit offenen Gewichten? Offene Gewichte sind die fertig trainierten Zahlenwerte eines KI-Modells, die jeder herunterladen und auf eigener Hardware betreiben darf. Moonshot stellt sie für Kimi K3 vollständig bereit. Das ist nicht dasselbe wie quelloffene Software: Trainingsdaten und Trainingscode bleiben unter Verschluss. Die Lizenz knüpft den Weiterverkauf als Dienst zudem an eine Umsatzschwelle.

Das Kontextfenster fasst 1.048.576 Token. Das Modell ist nativ multimodal und verarbeitet Text und Bild gemeinsam. Video nennt Moonshot in den Merkmalen. In der Modalitäts-Tabelle fehlt der Eintrag. Die Gewichte liegen im MXFP4-Format und belegen 1,4 bis 1,6 Terabyte. Moonshot empfiehlt für den Betrieb mindestens 64 Beschleuniger.

Die Lizenz ist weder MIT noch Apache. Es gilt eine eigene Kimi-K3-Lizenz. Interne Nutzung im Unternehmen ist frei. Wer das Modell als Dienst weiterverkauft und dabei in zwölf Monaten über rund 17,6 Millionen Euro Umsatz kommt, braucht einen eigenen Vertrag mit Moonshot. Für den Mittelstand heißt das: intern einsetzen und evaluieren geht ohne Lizenzdrama. Als Plattformprodukt skaliert es nur mit Zusatzvertrag.

Am 19. Juli hatte Moonshot neue Abos pausiert. Die Nachfrage habe in 48 Stunden die Kapazitätsgrenze der eigenen GPUs erreicht. Bestehende Abos blieben unberührt. Acht Tage später kamen die Gewichte. Selbst der Hersteller stößt an Grenzen und macht das Modell trotzdem frei verfügbar. Das ist die Pointe hinter der technischen Freigabe.

Die Rechnung, die Verträge neu schreibt

Der eigentliche Effekt der Freigabe sitzt im Preis. Kimi K3 kostet bei Moonshot direkt, Together AI, Fireworks, OpenRouter und Nebius einheitlich 2,64 Euro je Million Eingabe-Token und 13,20 Euro je Million Ausgabe-Token. Zwischengespeicherte Eingaben liegen bei 0,26 Euro. Claude Fable 5 verlangt 8,80 Euro Eingang und 44 Euro Ausgang.

Bei einem realistischen Mix aus drei Teilen Eingang und einem Teil Ausgang ergibt das für K3 rund 5,28 Euro und für Fable 5 rund 17,60 Euro je Million Token. Knapp ein Drittel. Gleichzeitig liegt K3 sehr nah an der Spitze, nicht davor. Im Artificial Analysis Intelligence Index steht Kimi K3 bei 57 Punkten. Claude Opus 5 kommt auf 61, Fable 5 auf 60, GPT-5.6 Sol auf 59. K3 ist damit das stärkste frei verfügbare Modell und liegt insgesamt auf Platz drei bis vier. Bei GPQA Diamond, einem harten Wissenstest für Fachfragen, erreicht K3 93,5 Punkte. GPT-5.6 Sol liegt bei 94,1, Fable 5 bei 92,6.

Zwei Größenordnungen für den Alltag: 30 Mitarbeiter mit einem täglichen Assistenten, 15 Anfragen pro Tag, je 2.000 Token Eingang und 800 Token Ausgang, 22 Arbeitstage. Das sind rund 157 Euro im Monat mit K3 und rund 523 Euro mit Fable 5. Oder Dokumentenverarbeitung: 50.000 Dokumente im Monat mit je 4.000 Token Eingang und 500 Token Ausgang. Rund 858 Euro mit K3, rund 2.860 Euro mit Fable 5. Beides sind Größenordnungen unter den genannten Annahmen.

Eine Warnung gehört dazu. Modelle mit ausführlichem Denkprozess erzeugen deutlich mehr Ausgabe-Token als in solchen Rechnungen steht. Die reale Monatsrechnung kann ein Mehrfaches betragen. Wer Budgets plant, sollte Ausgabe-Token getrennt messen und Limits setzen. Trotzdem bleibt der Abstand klar genug für Einkaufsentscheidungen. Geschlossene Anbieter können ihre Preise nicht mehr als Naturgesetz verkaufen. Es gibt einen belegbaren Schattenpreis. Der gilt für API-Nutzung genauso wie für den Vergleich in Ausschreibungen.

Frei verfügbar heißt nicht: auf dem eigenen Server

Offene Gewichte sind kein Angebot zum Selbstbetrieb dieses Modells im Maschinenraum des Mittelstands. Anderthalb Terabyte und mindestens 64 Beschleuniger sind Rechenzentrumssprache. Wer das unterschätzt, kauft Hardware und bekommt Latenz.

Ein klares Einordnungsbeispiel stammt von einem Mac Studio mit 512 GB Speicher. Dort lief Kimi K3 stark verkleinert mit 3,4 Token pro Sekunde. Technisch geht es. Praktisch ist es unbenutzbar. Genau dieser Abstand ist der Punkt, den die Hardware- und Preiskurve gerade schließt – nur eben noch nicht bei 2.800 Milliarden Parametern.

Was heute lokal ordentlich läuft, liegt tiefer. Framework Desktop mit 128 GB vereinheitlichtem Speicher startet ab rund 1.760 Euro. Nvidia DGX Spark mit 128 GB liegt bei rund 4.130 bis 4.800 Euro. Mac Studio beginnt bei rund 2.999 Euro. Die M3-Ultra-Basis mit 96 GB liegt bei rund 4.999 Euro. Eine RTX 5090 mit 32 GB hat einen Listenpreis von rund 2.229 Euro. Auf der Straße liegen 2.000 bis 3.500 Euro näher. Ein Modell mit 70 Milliarden Parametern in Vierbit-Quantisierung, also stark verkleinert gespeichert, schafft darauf rund 35 bis 50 Token pro Sekunde.

Auf dieser Klasse laufen offene Modelle bis etwa 70 Milliarden Parameter in Quantisierung brauchbar. Nicht auf Spitzenniveau. Für interne Assistenten, Dokumentensuche und Codehilfe reicht es oft. Das ist die ehrliche Linie: K3 selbst gehört in Cluster oder in die API. Die Betriebsfähigkeit auf dem Schreibtisch gilt für kleinere, offene Modelle.

Die Kurve, die Einkauf und Betrieb verschiebt

Zwei Bewegungen laufen gleichzeitig. Erstens bricht der Preis für Spitzenleistung ein. Zweitens fällt die Eintrittsschwelle für eigenen Betrieb, wenn auch nicht für K3 selbst. Laut a16z sinkt der Preis je Million Token bei konstantem Fähigkeitsniveau um etwa Faktor zehn pro Jahr. Was im November 2021 rund 53 Euro je Million Token kostete, lag drei Jahre später bei rund fünf Cent. Epoch AI misst im Median rund Faktor 50 pro Jahr über verschiedene Fähigkeitsschwellen, mit einer Bandbreite von 9 bis 900. Bei neueren Daten eher Faktor 200.

Die Modelleffizienz folgt derselben Richtung. a16z weist darauf hin, dass ein Modell mit einer Milliarde Parametern heute die Leistung eines Modells mit 175 Milliarden von vor rund drei Jahren übertrifft. Parallel wächst die Hardware. Eine H100, bis vor kurzem der Standard-Beschleuniger im Rechenzentrum, hat 80 GB Speicher bei 3,35 Terabyte pro Sekunde Bandbreite. Ihre Nachfolgerin B200 kommt auf 192 GB bei rund 8 Terabyte pro Sekunde und etwa 2,3-fache Rechenleistung. Wer sensible Daten hat, für den wird eigener Betrieb auf ordentlichem Niveau von Jahr zu Jahr realistischer. Privatanwender betreiben brauchbare Modelle schon auf Hardware für wenige tausend Euro.

Die Gegenrechnung muss rein, sonst ist das Werbung. Cast AI hat im April 2026 gemessen, dass GPUs in nicht optimierten Umgebungen im Schnitt nur zu rund fünf Prozent ausgelastet sind. Bei Produktions-Inferenz, also dem laufenden Beantworten von Anfragen, nennt Spheron 40 bis 65 Prozent. Eigener Betrieb rechnet sich erst ab dauerhaft 80 bis 85 Prozent Auslastung. Gewerbestrom in Deutschland liegt nach BDEW im April 2026 bei rund 25 bis 27 Cent je Kilowattstunde. Eine RTX 5090 im Dauerbetrieb kostet damit grob 1.000 bis 1.400 Euro Strom im Jahr. Das härteste Gegenargument bleibt: Die Preise beim Anbieter fallen mindestens so schnell wie die eigenen Betriebskosten. Jeder gekaufte Server veraltet wirtschaftlich schnell.

Trotzdem gibt es harte Treiber für lokalen oder regionalen Betrieb. Paragraf 203 StGB trifft Berufsgeheimnisträger: Ärzte, Anwälte, Steuerberater. Rohdaten an eine Schnittstelle außerhalb der EU sind dort faktisch keine Option. Bei Finanzaufsicht unter DORA, im Auslagerungsregister und bei KRITIS gelten hohe Anforderungen an Auslagerung. Der EU AI Act erzwingt keinen eigenen Betrieb. Er verlangt Nachweispflichten. Das ist etwas anderes und darf nicht vermischt werden. Wer Compliance sauber trennt, holt sich also nicht pauschal ein Cluster ins Haus. Er prüft, welche Daten die EU verlassen dürfen und welche nicht. In Europa hostet aktuell nur Nebius Kimi K3 belegbar. IONOS, STACKIT und andere deutsche Anbieter haben kleinere offene Modelle im Programm, nicht K3. Für Spitzenaufgaben mit sensiblen Daten bleibt die Auswahl damit eng. Für den Rest des Workloads wächst die lokale Option von Jahr zu Jahr.

Was der Mittelstand jetzt konkret tun sollte

Erstens die Verhandlungsposition nutzen. Wer heute Claude Fable 5 oder vergleichbare Spitzen-APIs einkauft, sollte K3-Preise und K3-Benchmarks auf den Tisch legen. Der Schattenpreis ist belegbar. Rabatte und Volumenstaffeln lassen sich damit begründen, ohne das Modell zu wechseln.

Zweitens die Auslastung ehrlich prüfen, bevor Geld in eigene Hardware fließt. Fünf Prozent GPU-Nutzung in unsauberen Setups zerstört jede Business-Case-Rechnung. Wer unter 80 Prozent bleibt, bleibt in der API oder beim Managed-Hoster. Wer dauerhaft darüber liegt und sensible Daten hat, plant Cluster oder regionale Hosting-Verträge. Nebius ist derzeit der europäische Anker für K3. Für kleinere offene Modelle bleiben deutsche Anbieter relevant.

Drittens Zwischenstufen bauen. Nicht jedes Team braucht 2.800 Milliarden Parameter. Interne Assistenten, Codehilfe und Dokumentensuche laufen oft auf quantisierten 70-Milliarden-Modellen lokal oder im eigenen Rechenzentrum. Spitzenaufgaben bleiben in der API, idealerweise mit Caching und klaren Token-Budgets. Denkprozess-Modelle mit unkontrollierter Ausgabe sind Budgetfallen.

Ich sehe regelmäßig Teams, die zuerst Hardware bestellen und erst danach ihre Auslastung messen. Die teuerste Rechenstunde ist die ungenutzte. Offene Gewichte sind der Beleg, dass Spitzenleistung kopierbar ist. Die Hardware-Kurve holt auf. K3 selbst ist heute der Schattenpreis und der Kapazitätsbeweis, nicht der Einstiegsserver für den Mittelstand. Wer die Kurve ernst nimmt, verhandelt härter, misst Auslastung und baut schrittweise Datenhoheit auf – dort, wo das Recht und die Daten es verlangen.

Häufige Fragen

Bildquelle: KI-generiert (Juli 2026)