Chinesische KI-Offensive: Lässt sich Fortschritt nicht verbieten?

Die Preisgestaltung liegt bei 0,435 $ pro Million Eingabe-Token und 0,87 $ pro Million Ausgabe-Token zu Standardkonditionen, mit Cache-Rabatten von bis zu 97 % . Im Max-Effort-Reasoning-Modus liegen die Preise bei 1,32 $/3,96 $ pro Million Token .

Moonshot Kimi K3 (16./27. Juli 2026)

Moonshot AI hat das „weltweit erste offene Modell der 3-Billionen-Parameter-Klasse“ vorgestellt – ein 2,8 Billionen Parameter starkes Mixture-of-Experts-Modell, das 16 von 896 Experten pro Token aktiviert. Es verfügt über ein Kontextfenster von 1 Million Token und native multimodale Fähigkeiten (Bild + Text) . Die vollständigen Gewichte wurden am 27. Juli unter einer modifizierten MIT-Lizenz auf Hugging Face veröffentlicht . Das Modell ist auf Kimi.com, Kimi Work, Kimi Code und der Kimi API live .

Zhipu AI GLM-5.2 (13./16. Juni 2026)

Das Modell, das die Welle auslöste. GLM-5.2 ist ein 744-Milliarden-Parameter-MoE mit etwa 40 Milliarden aktiven Parametern pro Token, einem Kontextfenster von 1 Million Token und einer MIT-Lizenz . Die CAISI-Bewertung des NIST stuft seine Gesamtfähigkeiten als ähnlich zu GPT-5.2 (Dezember 2025) und seine Cyber-Fähigkeiten als ähnlich zu Claude Opus ein . Es erreicht 81,0 Punkte auf Terminal-Bench 2.1 und 62,1 auf SWE-bench Pro – die beste Open-Weight-Punktzahl im Artificial Analysis Intelligence Index . Die API-Preise liegen etwa 10x unter denen von Claude oder GPT-5 .

Meituan LongCat-2.0 (30. Juni 2026)

Ein 1,6 Billionen Parameter schweres MoE-Modell (48 Milliarden aktiv pro Token) mit einem Kontextfenster von 1 Million Token, veröffentlicht unter einer MIT-Lizenz . Seine entscheidende Besonderheit: Es ist das erste Billionen-Parameter-Modell, das vollständig auf heimischen chinesischen Chips trainiert und betrieben wird – einem Cluster aus 50.000 Huawei Ascend 910B/C-Chips . Nach Meituans eigenen Tests übertrifft es GPT-5.5 bei Softwareentwicklungs-Benchmarks . Vor der offiziellen Ankündigung führte es still und leise die OpenLLM-Rangliste als „Owl Alpha“ an . Die API-Preise liegen bei 0,75 $/2,95 $ pro Million Eingabe-/Ausgabe-Token, mit einem Einführungsangebot von 0,30 $/1,20 $ .

Vergleich mit US-Spitzenmodellen

Weitreichendere Auswirkungen

Globale Unternehmensadoption

Unternehmen außerhalb Chinas haben nun eine glaubwürdige, kostengünstige Open-Weight-Alternative zu US-API-Modellen. GLM-5.2s MIT-Lizenz ohne regionale Beschränkungen bedeutet, dass jedes Unternehmen es kommerziell selbst hosten kann . Dies verändert die Beschaffungsentscheidungen in Südostasien, dem Nahen Osten, Afrika und Teilen Europas.

Das Paradoxon der Exportkontrollen

Die Beweislage stützt die These, dass die US-Chip-Exportkontrollen in mindestens zweierlei Hinsicht nach hinten losgegangen sind:

• Beschleunigte Beherrschung heimischer Chips: LongCat-2.0 wurde auf einem Cluster von 50.000 in China hergestellten Huawei Ascend-Prozessoren trainiert. Dies beweist, dass ein Training auf Frontier-Niveau ohne US-Hardware möglich ist . Dies hat das heimische KI-Chip-Ökosystem Chinas schneller vorangetrieben, als es Marktkräfte allein getan hätten.
• Erzwungene algorithmische Effizienz: Abgeschnitten von reichlich hochwertigen GPUs, optimierten chinesische Labore ihre Architekturen für MoE-Sparsity, sparse Attention und aktive Parametereffizienz aggressiver als US-Labore. Das Ergebnis sind Modelle, die eine vergleichbare Leistung zu einem Bruchteil des Rechenbudgets erreichen – ein Kosten- und Effizienzvorteil von 10x–57x .

Was noch unbestätigt ist

Es wurden keine bestätigenden Quellen für die spezifischen Preise von 0,06 $ pro Aufgabe für DeepSeek V4 Pro oder 2,34 $ für Claude Opus 5 gefunden. Auch für die Modelle Tencent Hy3 und Alibaba Qwen3.8-Max liegen keine verifizierten Spezifikationen oder Veröffentlichungstermine vor. Behauptungen über Mark Zuckerbergs aktuelles Open-Source-Manifest konnten nicht bestätigt werden.

Ein Hinweis zu Behauptungen und Quellen

Dieser Artikel basiert auf der verfügbaren Evidenzlage Mitte August 2026. Alle Aussagen über Modellfähigkeiten stützen sich auf von Entwicklern gemeldete Benchmarks und Bewertungen Dritter (einschließlich der CAISI des NIST). Eine unabhängige Überprüfung aller Benchmark-Ergebnisse wird branchenweit durchgeführt. Kostenvergleiche basieren auf veröffentlichten API-Token-Preisen; die tatsächlichen Kosten pro Aufgabe variieren erheblich je nach Aufgabenkomplexität, Kontextlänge und Cache-Trefferquote.