Databricks bringt Kimi K3 auf die Plattform: Offenes Schwergewicht zum halben Preis

Modellspezifikationen

Kimi K3 ist ein spärliches Mixture-of-Experts-Modell (MoE) mit den folgenden bestätigten Spezifikationen :

• Gesamtparameter: 2,8 Billionen
• Aktive Parameter: 104 Milliarden, aktiviert pro Token
• Architektur: Sparse MoE mit 896 Experten, 16 aktive pro Token, plus 2 gemeinsame Experten
• Kontextfenster: 1.048.576 Token (1 Million)
• Modalitäten: Text und native Vision (Bilder und Videos)
• Architektur-Innovationen: Kimi Delta Attention (KDA), Attention Residuals (AttnRes) und Stable LatentMoE-Framework

Moonshot bezeichnet K3 als „das weltweit erste offene 3T-Klassen-Modell" . Die offenen Gewichte wurden am 27. Juli 2026 unter einer modifizierten MIT-Lizenz veröffentlicht .

Platzierung im Artificial Analysis Intelligence Index

Im unabhängigen Artificial Analysis Intelligence Index (v4.1) erreicht Kimi K3 57 Punkte in der Standardkonfiguration und 60 Punkte in der „Max"-Konfiguration . Die Platzierung ist :

• Insgesamt Platz 3 oder 4 unter allen getesteten Modellen, je nach Konfiguration
• Erster Platz unter den Open-Weight-Modellen (nächstes Open-Weight-Modell: GLM-5.2 mit 51)
• Hinter: Claude Fable 5 (~60) und GPT-5.6 Sol (~59)
• Vor: Claude Opus 4.8 (~56), GPT-5.5, DeepSeek V4 Pro (44) und GLM-5.2 (51)

Der Index kombiniert neun Bewertungen, darunter GDPval-AA v2, Terminal-Bench 2.1, SciCode, Humanity's Last Exam, GPQA Diamond und Reasoning mit langem Kontext . In spezifischen Benchmarks erreichte Kimi K3 den 1. Platz auf dem Frontend Code Arena Leaderboard und den 2. Platz bei AA-Briefcase (agentisches Wissensmanagement), nur hinter Fable 5 .

Kostenvergleich mit proprietären Modellen

Kimi K3 bietet einen deutlichen Kostenvorteil gegenüber proprietären Konkurrenten :

• Kosten pro Intelligence-Index-Aufgabe: ca. 0,94 US-Dollar
• Etwa die Hälfte der Kosten von Claude Opus 4.8 (max Reasoning, 1,80 US-Dollar)
• Ähnliche Kosten wie GPT-5.6 Sol (max, 1,04 US-Dollar)
• Databricks berichtet von 50–72 % geringeren Kosten pro Aufgabe im Vergleich zu proprietären Spitzenmodellen
• API-Preise: ~3,00 US-Dollar pro Million Input-Token und ~15,00 US-Dollar pro Million Output-Token

Wie Databricks-CEO Ali Ghodsi gegenüber CNBC betonte, machen die Benchmark-Leistung und Kosteneffizienz von K3 bisher kostenintensive agentische Arbeitslasten – wie kontinuierliche Codierungsagenten oder die Verarbeitung großer Dokumentenmengen – für Unternehmen wirtschaftlich tragfähig .

Unity AI Gateway: Unternehmens-Governance und Kostenkontrolle

Unity AI Gateway bietet eine einheitliche Steuerungsebene für Plattform-Teams, die KI im gesamten Unternehmen verwalten. Die wichtigsten Funktionen für Kimi K3 umfassen :

• Fein granulare Zugriffsberechtigungen und Sicherheitsvorkehrungen, die auf Modelleingaben und -ausgaben angewendet werden
• Vollständige Prüfpfade und Laufzeit-Überwachung aller Modellaufrufe
• KI-Ausgabenkontrollen – proaktive Budgetwarnungen für Benutzer, Arbeitsbereiche, Anwendungsfälle und gesamte Konten, kombiniert mit Unity Catalog Systemtabellen und Databricks-Budgets
• Ratenbegrenzung und Verkehrslenkung über Modelle, Agenten und MCP-Server hinweg
• Harte Ausgabenobergrenzen, die Anfragen stoppen, sobald ein Budget erreicht ist
• Zero Data Retention (ZDR) für Kimi K3 auf Databricks
• Einheitliche Governance für Open-Weight- und proprietäre Modelle durch dasselbe Richtlinien-Framework

In derselben Woche erreichte Unity AI Gateway die allgemeine Verfügbarkeit und vereinheitlichte die Ausgabenverwaltung, Ratenbegrenzung und Zugriffskontrolle für Enterprise-LLMs, MCP-Server und Codierungsagenten .

Breiterer Trend: Die Lücke der Open-Weight-Modelle schließt sich rasant

Databricks sieht in der Kimi K3-Integration den Beleg, dass sich die Leistungsschere zwischen Open-Weight- und proprietären KI-Modellen rapide schließt . Das Unternehmen stellt fest, dass die besten Open-Weight-Modelle vor einem Jahr ihren proprietären Pendants noch deutlich hinterherhinkten – heute aber Modelle wie Kimi K3 mit den proprietären Spitzenreitern bei der Benchmark-Leistung konkurrieren und dabei deutlich geringere Kosten und größere Flexibilität bieten .

Laut Databricks ermöglicht dieser Wandel Unternehmen die Einführung hybrider KI-Strategien, bei denen Open-Weight- und proprietäre Modelle auf einer einzigen, kontrollierten Plattform gemischt werden. Das Unternehmen betont, dass Unternehmen jetzt echte Wahlfreiheit haben – mit der Möglichkeit, Arbeitslasten an das jeweils kosteneffizienteste Modell zu lenken, ohne Einbußen bei Leistung oder Governance in Kauf nehmen zu müssen .