Du sitzt vor einem Berg von Dokumenten, einem Dutzend Tabs und einer leeren Präsentationsfolie, während die Deadline rückt. Du brauchst einen Assistenten, der Zusammenhänge sofort erfasst, aus Hunderten Seiten die relevanten Details extrahiert und daraus eine Geschichte spinnt. Das chinesische Unternehmen Moonshot AI verfolgt diese Vision mit seinem Modell Kimi K3. In einem Thread auf X stellte der Entwickler die technischen Details und Fähigkeiten des Systems vor.
2,8 Billionen Parameter. Die Zahl ist schwer fassbar. Man kann es sich wie eine riesige Bibliothek vorstellen: Jeder Parameter ist ein Buch, das das Modell gelesen hat. Entscheidend ist die Organisation des Wissens. Kimi K3 setzt auf eine Mixture-of-Experts-Architektur mit 896 spezialisierten Experten. Für jede Anfrage werden nur die 16 passendsten Experten aktiviert. Das spart Rechenleistung und steigert die Effizienz, ohne die Qualität zu beeinträchtigen. In der Bibliothek rennen nicht alle Bibliothekare gleichzeitig los, sondern nur die, die das gesuchte Sachgebiet kennen.
Das Kontextfenster umfasst eine Million Token. Ein Token entspricht etwa 0,75 Wörtern. Kimi K3 kann also rund 750.000 Wörter auf einmal berücksichtigen – mehr als die gesamte Bibel. Der Bibliothekar kann sich an jedes Wort erinnern, das du ihm je gesagt hast, während er tausend neue Seiten durchblättert. In der Praxis versteht das Modell komplette Handbücher, Forschungsarbeiten oder Vertragswerke in einem Durchgang und beantwortet Fragen dazu, ohne den Faden zu verlieren.
Zur Verarbeitung dieser Datenmenge in Echtzeit haben die Entwickler die Kimi Delta Attention (KDA) eingeführt. Die klassische Transformer-Architektur wird mit zunehmender Sequenzlänge langsamer, weil jedes neue Wort alle vorherigen Wörter erneut betrachten muss. KDA beschleunigt diesen Prozess um bis zu 6,3-mal, indem es die Aufmerksamkeit auf die relevanten Teile der Vergangenheit lenkt. Der Bibliothekar muss nicht jedes Mal das gesamte Archiv durchwühlen, sondern weiß sofort, in welchem Regal die Antwort liegt.
Eine zweite Neuerung sind die Attention Residuals (AttnRes). Normale neuronale Netze stapeln viele Schichten übereinander. Jede Schicht sieht nur die unmittelbar vorherige. Mit der Tiefe geht oft Information verloren. AttnRes erlaubt jeder Schicht, gezielt auf frühere Schichten zurückzugreifen. Ein Forscher hat nicht nur das letzte Kapitel parat, sondern auch die Notizen von vor zwei Wochen. Laut dem Thread verbessert das die Trainingseffizienz um etwa 25 Prozent, bei Mehrkosten von unter zwei Prozent. Das ist ein klarer Gewinn für die Skalierung des Modells.
Stabilisiert wird die Architektur durch ein Stable LatentMoE-Framework. Es verhindert, dass einzelne Experten überlastet werden oder spezialisierte Pfade entstehen, die das Lernen erschweren. Zusammen mit verbesserten Trainingsrezepten ergibt sich eine etwa 2,5-fache Steigerung der Skalierungseffizienz im Vergleich zum Vorgängermodell Kimi K2. Das Modell wandelt Rechenleistung effektiver in Intelligenz um.
Auf öffentlichen und internen Benchmarks zeigt Kimi K3 Max: Online Experiment Bench 75,5 Punkte, DECK-Bench 73,5, Finance-Bench 62,6. Es übertrifft damit Claude Opus 4.8 und GPT-5.5. Der Entwickler betont, dass diese Tests aus realen Nutzer-Agent-Workflows abgeleitet sind – also genau den Szenarien, in denen KI im Alltag gebraucht wird: Recherche, Finanzanalyse, Planung. Die Ergebnisse deuten darauf hin, dass Kimi K3 auch in der Praxis zuverlässig arbeitet.
Kimi K3 ist nicht das einzige Produkt. Im Thread stellt Moonshot AI mehrere darauf aufbauende Werkzeuge vor. Kimi K2.6, ein leistungsfähiger Agent, kann aus einem einzigen Prompt komplette Webseiten generieren – mit Video-Helden, WebGL-Shader-Animationen, Motion Design und einer funktionierenden Backend-Datenbank. Der Agent spricht GLSL/WGSL für Shader, setzt Three.js für 3D-Szenen ein und nutzt Frameworks wie React 19 oder Tailwind. Er schreibt den gesamten Code und baut die Seite auf. Der Bibliothekar könnte nicht nur Bücher ausleihen, sondern auch das Regal bauen, in dem sie stehen.
Eine Browser-Erweiterung namens Kimi Web Bridge erlaubt dem Agenten, wie ein Mensch mit Websites zu interagieren: scrollen, klicken, tippen, Formulare ausfüllen. Das geht über einfache API-Aufrufe hinaus. Der Agent kann mehrere Plattformen parallel durchsuchen und die Ergebnisse direkt in eine Tabelle einfügen. Er kann eine Webseite öffnen, durchklicken und sie anschließend exakt nachbauen. Das eröffnet neue Möglichkeiten für automatisierte Datenerfassung, Marktanalyse oder Webentwicklung.
Kimi Agentic Slides verwandelt PDFs, Bilder und andere Dateien in professionelle Präsentationen – mit Infografiken, Illustrationen und KI-generierten Animationen. Der Nutzer lädt eine Forschungsarbeit hoch, der Agent erstellt daraus eine Diashow, die sich in PowerPoint exportieren lässt. Die Präsentation ist vollständig editierbar, die Designer-Level-Visuals gehen weit über einfache Folien hinaus.
Der Thread von Moonshot AI zeigt eine KI, die über Chatbots und Textgenerierung hinausgeht. Kimi K3 ist ein Fundament für autonome Agenten, die komplexe, mehrschrittige Aufgaben im Web erledigen. Die Kombination aus riesigem Kontext, multimodalen Fähigkeiten und effizienter Architektur ermöglicht es, ganze Arbeitsabläufe zu automatisieren – von der Recherche bis zur fertigen Webseite oder Präsentation.
Eine Einschränkung: Die offenen Gewichte des Modells werden erst am 27. Juli 2026 veröffentlicht. Bis dahin ist Kimi K3 nur über die Plattform kimi.com, die Work- und Code-Umgebungen sowie die API verfügbar. Aus Entwicklersicht ist das eine lange Wartezeit, aber es unterstreicht die Absicht, die Technologie langfristig zugänglich zu machen. Der zeitliche Abstand zur Offenheit lässt Raum für Diskussionen über Kontrolle, Sicherheit und ethische Richtlinien.
Für den praktischen Nutzer sind Werkzeuge wie Kimi K2.6 Agent oder Kimi Web Bridge heute schon verfügbar. Du kannst sie ausprobieren, eigene Workflows bauen und herausfinden, wo die KI dir hilft – und wo sie an ihre Grenzen stößt. Das ist der ehrlichste Weg, diese neuen Fähigkeiten zu verstehen: nicht als Wunderwerk, sondern als mächtiges Werkzeug, das seine Stärken im richtigen Einsatz entfaltet.
Kimi K3 ist ein bedeutender Fortschritt. Die Architekturinnovationen Delta Attention und Attention Residuals adressieren grundlegende Engpässe moderner KI-Modelle – Skalierbarkeit, Effizienz und Kontextverständnis. Die Benchmarks und die konkreten Anwendungen zeigen, dass Moonshot AI die Technologie auch in die Praxis bringt. Der Weg zu einer universellen KI-Assistentin ist noch weit, aber Kimi K3 legt ein weiteres wichtiges Teilstück.
Quelle: threadreaderapp.com
