Moonshots Kimi K3 stößt mit 2,8 Bio. Parametern als weltweit größtes Open-Weight-Modell ins Frontier-Feld vor

Das Wichtigste in 30 Sekunden

• Moonshot AI launcht Kimi K3. Am Donnerstag veröffentlichte das Pekinger Startup sein 2,8-Bio.-Parameter-MoE — Elo 1547 auf Artificial Analysis Private Eval, damit oberhalb Claude Opus 4.8 Max.
• FLI vergibt kein Frontier-Lab über C+. Der Summer-2026-Safety-Index benotet Anthropic mit C+ als Klassenbestem; xAI, DeepSeek und Mistral fallen mit F durch.
• Hassabis fordert FINRA-Standardgremium für Frontier-AI. DeepMind-CEO veröffentlichte am Dienstag „A Framework for Frontier AI” — US-geführte, industriefinanzierte Standards Body mit 30-Tage-Preflight-Reviews.
• Tom Blomfield wechselt zu Anthropics Compute-Team. Der Monzo-Mitgründer und Y-Combinator-Partner pausiert seine YC-Rolle, um unter Chief-Compute-Officer Tom Brown zu arbeiten.

Kimi K3 — 2,8 Bio. Parameter als weltweit größtes Open-Weight-Modell

Am Donnerstag, dem 16. Juli, veröffentlichte das Pekinger Startup Moonshot AI Kimi K3 — mit 2,8 Bio. Parametern das nach eigener Angabe größte je veröffentlichte Open-Weight-Modell. K3 basiert auf einer Sparse-Mixture-of-Experts-Architektur mit den Moonshot-eigenen Innovationen Kimi Delta Attention (KDA) und Attention Residuals (AttnRes). Der Zugriff läuft ab sofort über die Kimi-App, das Web-Playground und die API in zwei Varianten (K3 Max und K3 Swarm Max); die vollständigen Gewichte sind für den 27. Juli angekündigt.

Der Datenpunkt, der den Launch trägt, kommt nicht aus Moonshots eigener Pressemitteilung, sondern aus Simon Willisons Test-Notiz vom Release-Tag: Auf der Artificial-Analysis-Privat-Evaluation erreicht K3 eine Elo-Wertung von 1547 — oberhalb Claude Opus 4.8 Max und damit erstmals ein Frontend-Coding-Benchmark, in dem ein Open-Weight-Modell die US-Frontier-Spitze überholt. Zusätzlich führt K3 die Arena.ai-Frontend-Code-Rangliste an. Die API-Preise liegen laut VentureBeat bei $3 pro Mio. Input- und $15 pro Mio. Output-Tokens — die dreifache Rate des Vorgängers K2.6, aber rund 60 % unter Claude Opus 4.8.

Strategisch schiebt sich China damit nicht nur bei den Download-Zahlen an die Open-Source-Spitze — 41 % aller neuen Hugging-Face-Downloads gehen laut TechCrunch inzwischen auf chinesische Open-Weight-Modelle zurück —, sondern erstmals auch auf der reinen Größendimension. Kimi K3 überholt DeepSeek V4 (685 Mrd. Parameter) um den Faktor vier und Llama 4 Behemoth (2 Bio.) um den Faktor 1,4. Für Enterprise-Kunden, die aus Compliance-Gründen Weights on-premise benötigen, wird K3 ab dem 27. Juli erstmals ein Modell im 3-Bio.-Bereich lokal ausrollbar.

Die Zweitmeinung ist bei den Benchmarks nüchtern. Willison weist darauf hin, dass Moonshots Selbstberichte K3 mit „mostly beating Claude Opus 4.8 max and GPT-5.5 high” bewerben — die einzigen unabhängigen Datenpunkte sind aber Elo-Wertungen einer geschlossenen Arena. Ein SWE-bench-Verified-Score fehlt zum Launch komplett; im Pelican-Referenztest verbraucht K3 13.241 Reasoning-Tokens für 3.417 Output-Tokens. Und dass Moonshot nur eine einzige Reasoning-Stufe („max”) anbietet, macht das Kostenprofil für agentische Multi-Turn-Workloads schwer kalkulierbar.

Was als Nächstes passiert: Der 27. Juli wird das erste harte Signal setzen — mit dem Public-Release der Gewichte können unabhängige Labs Benchmarks nachfahren und Sicherheits-Bewertungen liefern. Parallel dürfte Anthropic mit dem Auslauf der Sonnet-5-Introductory-Preise Ende August erneut auf Preisdruck reagieren; Grok 4.5 mit $2/$6 setzt die xAI-Position ohnehin schon unter Deckel. Ein Open-Weight-Release im 3-Bio.-Bereich stößt zudem in eine Woche hinein, in der drei parallele Governance-Signale (siehe unten) den Handlungsrahmen für genau diese Klasse verschärfen.

Kurz notiert

FLI-Safety-Index vergibt kein Frontier-Lab über C+. Am Mittwoch veröffentlichte das Future of Life Institute den AI Safety Index Summer 2026 — Anthropic führt mit C+ (Score 2,66), OpenAI (2,28) und Google DeepMind (2,01) landen auf C, Meta auf D+, Z.ai und Alibaba Cloud auf D-, xAI (0,65), DeepSeek (0,47) und Mistral (0,33) fallen mit F durch. Bewertet wurden 37 Indikatoren in sechs Domänen (Risk Assessment, Current Harms, Safety Frameworks, Existential Safety, Governance & Accountability, Information Sharing) durch ein unabhängiges Panel von sieben Experten; Datenstichtag war der 3. Juni. Stuart Russell (UC Berkeley) im Panel-Kommentar: „Capabilities race has become more extreme. Companies backed away from earlier commitments.” Der FLI-Executive-Summary konstatiert: „Even the top-ranked companies’ current safety measures are completely inadequate relative to the pace of AI capability advancement.” Anthropic behält damit die relative Top-Position, verbessert sich aber nicht in absoluten Werten.

Hassabis fordert FINRA-Standard für Frontier-AI. Am Dienstag, dem 14. Juli, veröffentlichte Google-DeepMind-CEO Demis Hassabis auf Substack das Positionspapier „A Framework for Frontier AI and the Dawning of a New Age”. Vorgeschlagen wird eine US-geführte, industriefinanzierte Standards Body nach dem Vorbild der Financial Industry Regulatory Authority — Frontier Labs sollen Modelle bis zu 30 Tage vor Release freiwillig für Preflight-Reviews teilen, geprüft auf Cyber-, Bio- und Deception-Risiken; nach bewährter Praxis würde die Pflicht in verbindliches US-Marktrecht überführt. TechCrunch und CNBC ordnen den Zug als Reaktion auf zwei Signale ein: Die schlechte Google-Bewertung im FLI-Index vom Vortag und die politische Baustelle nach der Illinois-SB-315-Unterschrift (KW 28). Hassabis positioniert das Standards-Body-Modell explizit als Alternative zu bindender Regulierung — die Debatte um die kommende kalifornische SB-53-Nachfolge dürfte davon geprägt werden.

Tom Blomfield wechselt zu Anthropic — Compute wird First-Class-Product-Problem. Am Montag, dem 13. Juli, kündigte Monzo-Mitgründer und Y-Combinator-Group-Partner Tom Blomfield seine Auszeit vom YC-Kernteam an — er wechselt zu Anthropic ins Compute-Team unter Chief-Compute-Officer Tom Brown. Blomfields Statement auf X: „As we enter the early stages of recursive self-improvement, availability of compute becomes one of the most important issues to solve.” Das Signal ist strukturell: Anthropic — im Mai zu $965 Mrd. bewertet — behandelt Compute-Beschaffung inzwischen als Produkt-Disziplin auf Founder-Ebene, nicht mehr als reines Infrastruktur-Thema. Der Hire schließt an die 2026er-Serie mit Andrej Karpathy (Pre-Training, Mai) und John Jumper (Science, Q1) an — Anthropic zieht Founder- und Nobelpreis-Klasse-Talent im Halbjahres-Rhythmus.

Apple Intelligence startet in China mit Alibaba Qwen und Baidu. Am Mittwoch, dem 15. Juli, trug die Cyberspace Administration of China Apple Technology Development (Shanghai) in ihre Zulassungsliste für On-Device-Generative-AI-Dienste ein — die Freigabe, die Apple seit dem ursprünglichen Apple-Intelligence-Launch 2024 blockiert hatte (TechCrunch). Alibaba bestätigte Qwen als primäre Modell-Basis für „text and image understanding and generation”; Baidu läuft parallel als zweiter Partner, DeepSeek und ByteDance sondiert Apple laut Bloomberg für Erweiterungen. Ein Launch-Datum nennt weder Apple noch die CAC. Marktrelevanz: Apple erzielte in Q2 2026 $20,5 Mrd. Greater-China-Umsatz (+28 % YoY) — Apple-Intelligence-Verfügbarkeit war der letzte fehlende Baustein für die kommenden iPhone-18-Modelle; Alibaba-Aktien reagierten mit +6 %.

China setzt Implementation Opinions für AI-Agenten in Kraft — weltweit erste dedizierte Regulation. Ebenfalls am 15. Juli traten die Implementation Opinions on the Standardized Application and Innovative Development of Intelligent Agents in Kraft — gemeinsam erlassen von CAC, NDRC und MIIT im Mai. Der Text definiert AI-Agenten als „intelligent systems capable of autonomous perception, memory, decision-making, interaction, and execution” und etabliert damit erstmals weltweit eine eigene Regulierungskategorie für Agenten jenseits genereller Generative-AI-Aufsicht. Vorgeschrieben ist ein Drei-Stufen-Autorisierungs-Rahmen (Nutzer-Entscheidung / User-Authorisierung / Agent-Autonomie mit finaler Nutzer-Kontrolle), Hochrisiko-Sektoren (Gesundheit, Verkehr, Medien, öffentliche Sicherheit) müssen Filing, Compliance-Testing und Produkt-Rückruf-Klauseln erfüllen. Bird & Bird ordnet den Text als Blaupause ein — die EU-Kommission hat für Q3 einen entsprechenden Delegated Act zur AI-Act-Ergänzung angekündigt.

Zahl der Woche

2,8 Bio. Parameter — die Modellgröße von Kimi K3, die Moonshot AI am 16. Juli als weltweit größtes Open-Weight-Modell veröffentlichte. Zum Vergleich: DeepSeek V4 lag bei 685 Mrd. Total-Parametern, Qwen 4 Max bei rund 720 Mrd., Llama 4 Behemoth bei 2 Bio. — K3 überholt damit alle Open-Weight-Referenzen um Faktor 1,4 bis 4. Der Introductory-Preis von $3/$15 pro Mio. Tokens liegt gleichauf mit Sonnet 5 und rund 60 % unter Opus 4.8. Die entscheidende Einordnung liefert Willisons Test: Elo 1547 auf Artificial-Analysis-Private-Eval — oberhalb Opus 4.8 Max, unterhalb GPT-5.6 Sol Pro. Ab dem 27. Juli sind die vollen Gewichte verfügbar; erst dann wird prüfbar, ob ein Open-Weight-Modell tatsächlich Frontier-Parität erreicht oder ob die Elo-Führung ein Artefakt der geschlossenen Testumgebung ist.

Leseempfehlung

„Kimi K3, and what we can still learn from the pelican benchmark” (Simon Willison, 16. Juli 2026). Die kürzeste und ehrlichste Einordnung des Launch-Tags: Willison zeigt an einem einzigen Test-Prompt — dem legendären „SVG eines Pelikans auf einem Fahrrad” —, warum K3 mit 13.241 Reasoning-Tokens für einen 3.417-Token-Output arbeitet, was das über den „max”-Reasoning-Modus verrät und warum ein 2,8-Bio.-Parameter-Modell trotzdem nicht automatisch ein qualitativ besseres Modell ist. Wer verstehen will, wie viel Signal die aktuellen Benchmark-Zahlen wirklich enthalten und warum der 27. Juli als Weights-Release-Datum wichtiger ist als das Launch-Datum, findet hier die schärfste Analyse. simonwillison.net ↗

Dieses Briefing erscheint jeden Freitag auf agi.jetzt — schau regelmäßig vorbei. Alle Daten live im Dashboard →