Kimi K3 in der Praxis: praktische Erfahrung und ein Vergleich mit Claude Code

Wie das Experiment des Autors ausging#

Kimi K3 wurde am 16. Juli 2026 veröffentlicht. Es hat 2,8 Billionen Parameter, ein Kontextfenster von einer Million Tokens, offene Gewichte und belegt in einem blinden Frontend-Vergleich den ersten Platz. Alle Details zu Architektur, Benchmarks und Preisen habe ich in der vollständigen Rezension zu Kimi K3 im Vergleich zu Claude Code zusammengestellt; ich werde sie hier nicht wiederholen.

Am Ende jener Rezension schrieb ich: Das Risiko besteht darin, einen Tag mit der Einrichtung zu verlieren; der Gewinn ist eine Rechnung, die ab der zweiten Woche sinkt. Ich habe das Experiment mit meinen eigenen Aufgaben durchgeführt.

Die ersten Stunden sind tatsächlich aufregend. Das Modell nimmt Aufgaben eifrig an, erstellt zusammenhängende Frontend-Arbeiten und zögert nicht bei großen Dateien. Deshalb schrieb ich im Kanal, dass ich angenehm überrascht war. Die Probleme zeigten sich in langen Sitzungen, mit mehreren Agenten, nach wiederholten Überarbeitungsrunden und abends am Terminal.

Letztendlich machte ich die Änderung rückgängig. Hier ist, was zu dieser Entscheidung führte, mit Zahlen und Links zu Primärquellen, damit Sie alles selbst überprüfen können.

Warum zeigen Benchmarks, dass Kimi K3 Claude schlägt?#

Hier sind die Benchmarks, in denen Kimi K3 Claude Fable 5 schlägt:

llm-stats hat die Benchmarks zusammengestellt; jede Zeile vergleicht das Modell mit Claude Fable 5.

Die Zahlen sind real. Über alle 35 Benchmarks derselben Zusammenstellung hinweg gewinnt Claude Fable 5 22, Kimi K3 gewinnt zwölf, und einmal gibt es Gleichstand.

Interessanter ist, woran Kimi K3 scheitert. Sein Rückstand bei Coding-Benchmarks ist mit 4–5 Punkten moderat. Bei Wissen und Schlussfolgerungsvermögen fällt es zurück: Bei HLE liegt Claude um fast 10 Punkte vorn. Genau dort stößt eine lange Aufgabe an ihre Grenzen: Zuerst muss man verstehen, erst dann kann man schreiben.

Moonshot formuliert es im Hauptteil seines Veröffentlichungsbeitrags so:

Warum fühlt sich Kimi K3 in der Praxis doppelt so langsam an?#

Der Vergleich verwendet Claude Opus 4.8, die Claude-Version mit einem vollständigen Geschwindigkeitstest.

Kimi K3 antwortet früher und wirkt daher in einem kurzen Chat subjektiv schneller. Bei der Arbeit zählt etwas anderes: wie langsam die vollständige Antwort eintrifft. Hier ist es fast halb so schnell, und bei einer langen Antwort summiert sich der Abstand auf mehrere Minuten.

Kimi Code wirbt mit 180–260 Tokens pro Sekunde, und neben meinen 34,7 wirkt diese Zahl überzeugend. Sie bezieht sich auf die Geschwindigkeitsvariante der vorherigen Generation, K2.7 Code HighSpeed. Eine solche Variante gibt es für Kimi K3 gar nicht, und der unabhängige Benchmark misst Kimi K3 selbst.

Wohin verschwinden die Tokens, wenn sich das Reasoning nicht abschalten lässt?#

Man kann die Aufwandsstufe senken; die Dokumentation nennt drei Stufen: niedrig, hoch und maximal. Das Reasoning lässt sich jedoch nicht vollständig abschalten: Dort steht ausdrücklich, dass Reasoning und Speicherung seines Verlaufs für Kimi K3 immer aktiviert sind. Bei direkten API-Aufrufen ist standardmäßig die maximale Stufe eingestellt, und die meisten Wrapper-Programme ändern das nicht.

Jeder Durchgang fügt Tausende Ausgabetokens zu je $15 pro Million hinzu. Außerdem verlangt Moonshot, dass die gesamte Nachricht des Assistenten einschließlich seines Reasoning-Verlaufs zurückgesendet wird; diese Ausgabetokens werden beim nächsten Durchgang erneut zu Eingabetokens.

Man zahlt also zweimal für dasselbe Reasoning: zuerst, wenn das Modell es schreibt, und dann, wenn man es an das Modell zurücksendet.

Im Gesamtindex verwendet Kimi K3 21% weniger Ausgabetokens als sein Vorgänger K2.6. Im Vergleich zu seiner eigenen Vorgängerversion ist das Modell sparsamer geworden. Claude verbraucht bei denselben Aufgaben weiterhin weniger.

Der Prompt „hi“ wird mit 86 Tokens abgerechnet. Im Hintergrund ist ein versteckter System-Prompt von etwa 85 Tokens vorhanden, für den man bei jeder Anfrage bezahlt.

Eine separate Rezension dazu, wie man den Verbrauch berechnet und den verbleibenden Saldo prüft, finden Sie hier: wie viele Tokens Claude Pro und Max bieten. Die Berechnungslogik ist dort gleich; nur die Preise ändern sich.

Was passiert, wenn das Modell beim Reasoning feststeckt?#

Es sieht so aus: Das Modell beginnt nachzudenken, doch statt den Gedanken weiterzuentwickeln, verfällt der Text in Wiederholungen: dasselbe Wort, dann Silbenfragmente, endlos. Die Aufgabe stockt, während der Tokenzähler weiterläuft.

Ein Bericht vom 28. Juli in Moonshots Liste bekannter Probleme beschreibt, wie Kimi K3 sechsmal hintereinander versucht, dieselbe Datei zu lesen, siebenmal die Ablehnung „no-op call, file hasn’t changed since the previous read“ erhält und den Durchgang dann beendet, als sei nichts geschehen. Im Kimi-CLI-Issue-Tracker listet der Autor vier Varianten derselben Art von Hänger auf – Lesen, Ersetzen, Testen und Analysieren – und fasst es in einem Satz zusammen:

Moonshot nennt die Ursache direkt. Das Modell wurde in einem Modus trainiert, der den Reasoning-Verlauf bewahrt, und muss sein bisheriges Reasoning vollständig zurückerhalten. Trifft der Verlauf unvollständig ein, versucht das Modell, die Antwort zu rekonstruieren, erzeugt denselben Tool-Aufruf und beginnt eine weitere Schleife.

Der Autor einer Analyse in einem Drittanbieter-Request-Router kommt zur gleichen Diagnose: Kimi ist streng genug, Anfragen mit unvollständigem Reasoning-Verlauf abzulehnen. Ein externer Wrapper kennt diese Strenge nicht und kürzt den Verlauf.

Warum scheitert ein Multi-Agenten-Setup mit Kimi K3?#

Die offizielle Dokumentation von Moonshot sagt es klar: Ihre API unterstützt WebFetch noch nicht. Anders gesagt: Claude Code, das normalerweise online eine Seite abruft, kann das mit Kimi K3 nicht tun. Als Umgehung kann man den Inhalt manuell einfügen oder ein Drittanbieter-Tool verbinden.

Claude Code kann Tools bei Bedarf laden und fügt dem Verlauf einen Service-Block vom Typ tool_reference hinzu. Kimi akzeptiert diesen Typ nicht und gibt einen 400-Fehler zurück. Das geschieht stillschweigend, ohne das Feld oder den Grund zu nennen:

{"error":{"type":"invalid_request_error","message":"Invalid request Error"},"type":"error"}

Zum Vergleich: So sieht derselbe Fehler bei Anthropics nativer API aus, bei der der Server zumindest das Feld benennt und die akzeptierten Typen auflistet:

messages.166.content.0.tool_result.content.0: Input tag 'tool_reference' found
using 'type' does not match any of the expected tags: 'document', 'image',
'search_result', 'text'

Der Unterschied ist wichtig. Die erste Meldung lässt sich nicht diagnostizieren: Weder der Client noch die Person dahinter kann erkennen, welcher Block abgelehnt wurde. Genau das bemängeln die Autoren der Berichte. Entwickler von Provider-Switchern schlagen bereits vor, das verzögerte Laden von Tools für Kimi standardmäßig abzuschalten oder die Moonshot-API als nicht kompatibel mit diesen Blöcken zu kennzeichnen.

Die Folge wird in einem separaten Bericht beschrieben, der am 17. Juli eröffnet wurde und weiterhin unbeantwortet ist. Der Autor stieß in einer Sitzung siebenmal auf diesen Fehler. Die Sitzung überstand die ersten sechs; der siebte beendete sie endgültig: Danach ließ sie sich selbst durch die Eingabe des Klartexts „continue“ zum Absturz bringen. Der Autor merkt außerdem an, dass das Kontextlimit bei Weitem nicht erreicht war, die Erklärung „der Verlauf war zu lang“ also nicht zutrifft.

Hier eine Zusammenfassung der Blocktypen, die die Moonshot-API akzeptiert und ablehnt:

Das Wort „kompatibel“ beschreibt hier nur das Anfrageformat. Alles andere unterscheidet sich: welche Blocktypen akzeptiert werden, was der Verlauf enthalten muss und welche Tools überhaupt verfügbar sind.

Was lässt sich mit Kimi K3 nicht übertragen?#

Im Abschnitt zu Einschränkungen des Veröffentlichungsbeitrags steht wörtlich:

Der Entwickler des Modells sagt also: Verwenden Sie unseren Client; für das Verhalten anderer Clients übernehmen wir keine Garantie.

Der zweite Punkt desselben Abschnitts erklärt noch etwas, das ich zuvor der Sturheit des Modells zugeschrieben hatte:

Meine CLAUDE.md wurde für das entgegengesetzte Verhalten geschrieben: nachfragen, einen Plan zeigen und auf Bestätigung warten. Die Anweisungen sind noch da, werden jetzt aber von einem Modell mit einem anderen Temperament gelesen.

Wenn Sie eine Regeldatei für mehrere Agenten beibehalten möchten, habe ich dieses Setup separat behandelt: eine Anweisungsdatei für Claude Code, Codex und Cursor.

Was hat Kimi K3 tatsächlich gekostet?#

Zunächst die Preise, die für Kimi K3 sprechen:

Die Kimi-Preise stammen aus der Dokumentation zum Context-Caching; die rechte Spalte zeigt die Preise für Claude Opus 5 vom 30. Juli 2026.

Kimis Cache ist automatisch, kann nicht deaktiviert werden und wird anhand des Hashes am Anfang der Anfrage identifiziert. Jede Änderung am System-Prompt oder an der Tool-Liste löscht den Nachrichten-Cache vollständig.

Folgendes macht Claude Code während eines gewöhnlichen Arbeitstags:

1. Verbindet externe Tools und trennt sie wieder, während die Aufgabe fortschreitet.
2. Lädt Tools bei Bedarf.
3. Startet Subagenten mit einer anderen Tool-Auswahl.
4. Fügt die Anweisungsdatei dem System-Prompt hinzu.
5. Baut beim Komprimieren des Kontexts den Verlauf neu auf.

Jeder Punkt dieser Liste setzt den Anfang der Anfrage zurück und damit auch den Cache. Eingabetokens kosten erneut $3 pro Million statt 30 Cent – also zehnmal mehr. Hinzu kommt ständiges Reasoning zu $15 pro Million Ausgabetokens; dieselben Tokens kommen beim nächsten Durchgang als Eingabe zurück. So kann ein Modell mit niedrigem Listenpreis eine unerwartete Rechnung verursachen.

Laut den aggregierten Daten von OpenCode kostet eine durchschnittliche Sitzung mit Kimi K3 bei fast 280.000 aktiven Sitzungen $1.86 und umfasst durchschnittlich 3,1 Millionen Tokens. Diese Zahl setzt voraus, dass 93% der Eingabetokens den Cache treffen. Ändert sich der Anfang der Anfrage, gilt sie für Sie nicht mehr.

Die Kimi-Tarife kosten $19, $39, $99 und $199. Das Kontingent stammt aus einem gemeinsamen Pool für die gesamte Mitgliedschaft, wird wöchentlich ohne Übertrag ungenutzter Mengen zurückgesetzt und verwendet ein rollierendes Fünf-Stunden-Fenster. Die Tarifrezension formuliert es so: Vier Terminals, auf denen das unablässig nachdenkende Kimi K3 läuft, verbrauchen ein Fünf-Stunden-Fenster schnell.

Das Coding-Kontingent des $99-Tarifs ist mit dem $200-Tarif von Anthropic vergleichbar, was meiner eigenen Position widerspricht. Kimi ist pro Token günstiger, aber abends sieht man davon auf der Rechnung nichts mehr.

Worin ist Kimi K3 objektiv gut?#

1. Frontend. Erster Platz in einem blinden Vergleich durch Entwickler, die aktiv programmieren. Es erstellt saubere Layouts mit gutem Geschmack.
2. Umfang. Ein Kontextfenster mit einer Million Tokens, und lange Dateien bringen es nicht aus der Ruhe. Ein großes Repository zu analysieren und zu kartieren ist genau seine Art Aufgabe.
3. Erste Antwort. Die Zeit bis zum ersten Token beträgt die Hälfte der Zeit bei Claude. In einem kurzen Gespräch ist das spürbar und angenehm.
4. Preis pro Token. Etwa 60% des Preises von Claude Opus 5. Wenn sich der Anfang der Anfrage nicht ändert, bringt das bei großen, wiederholungsreichen Arbeitslasten echte Einsparungen.
5. Offene Gewichte. Das Modell ist nicht an einen einzigen Anbieter gebunden.

Der letzte Punkt hat einen Vorbehalt. Ein solches Modell zu Hause zu betreiben, ist unrealistisch: Selbst in komprimierter Form messen seine Gewichte mehrere Terabyte. Offenheit bedeutet hier Unabhängigkeit von einem einzelnen Anbieter.

Wie Sie all das an einem Abend selbst testen#

1. Richten Sie den Zugang anhand der Anweisungen ein. Die drei Umgebungsvariablen und Modellzuordnungen nach Tarifstufe habe ich in der Rezension zu Kimi K3 im Vergleich zu Claude Code beschrieben. Prüfen Sie die Einrichtung mit dem Befehl /status: Kimi erscheint nicht im Menü zur Modellauswahl, weil es eine integrierte Alias-Liste hat; Sie müssen sie nicht anpassen.
2. Entfernen Sie den alten Schlüssel. Falls zuvor ANTHROPIC_API_KEY gesetzt war, entfernen Sie ihn. Zusammen mit ANTHROPIC_AUTH_TOKEN verursacht er einen Konflikt, und Sie erhalten ohne guten Grund einen Autorisierungsfehler.
3. Schalten Sie das verzögerte Laden von Tools sofort aus. Tun Sie das vor dem ersten Lauf, nicht nachdem die erste Sitzung abgestürzt ist.
4. Wechseln Sie mitten in einer Aufgabe nicht das Modell. Wenn Sie mit Kimi K3 angefangen haben, beenden Sie die Aufgabe mit Kimi K3. Umgekehrt gilt dasselbe. Das ist eine direkte Vorgabe von Moonshot; ich habe sie oben zitiert.
5. Verwenden Sie eine echte eigene Aufgabe. Eine, an der Sie gestern gearbeitet haben, mit all ihrem Durcheinander und den offenen Fäden. Ein Snake-Spiel zeigt den Unterschied nicht: Er wird erst über längere Zeit sichtbar.
6. Notieren Sie zwei Zahlen. Wie viele Minuten es gedauert hat und wie viel Geld Sie an dem Abend ausgegeben haben. Vergleichen Sie das mit einem üblichen Abend mit Claude.
7. Erfassen Sie Leerlaufzeit separat. Wenn der Agent hängt, dieselbe Datei in einer Schleife liest oder mit einem Fehler antwortet, gehört auch das zu den Kosten.

Wenn die Rechnung für den Abend höher ausfällt als erwartet, liegt es fast immer am Cache: Zählen Sie, wie oft der Anfang der Anfrage an diesem Abend zurückgesetzt wurde. Der Preis pro Token spielt dabei kaum eine Rolle.

Was ich schließlich beibehalten habe#

Leser des Kanals, die das Modell mit mir getestet haben, kamen unabhängig voneinander zum selben Setup: Sie lassen Kimi K3 das Repository untersuchen und eine zweite Meinung abgeben, während die Hauptarbeit ihrem vertrauten Agenten überlassen bleibt. Dieses Setup funktioniert, weil es weder einen Wechsel des Wrappers noch eine Störung des bereits Funktionierenden erfordert.

Man kann es so ausdrücken: Eine vollständige Aufgabe geht an Kimi K3; eine lange Kette mit Tools und Subagenten geht an Claude Code. Je mehr Wechsel zwischen Tools eine Aufgabe erfordert, desto teurer wird sie mit Kimi K3 und desto größer ist das Risiko einer unterbrochenen Sitzung.

Eine separate Rezension dazu, wie man zwei Agenten Rollen zuweist, ohne sie zu verwechseln, finden Sie hier: drei Arten, mit zwei Agenten zu arbeiten.

Benchmarks beantworten die Frage „Wer ist unter Laborbedingungen stärker?“ Die Rechnung für Ihren Abend und Ihre Liste erledigter Arbeit beantworten die Frage „Wer ist für Sie stärker?“ Wenn die beiden Antworten voneinander abweichen, vertrauen Sie der zweiten: Sie haben selbst nachgerechnet, nicht die Marketingabteilung.

Nach all dem habe ich für mich entschieden: Was auch immer über neue Modelle gesagt wird, ein Spitzenreiter bleibt ein Spitzenreiter. Claude Code bleibt meine Haupt-Engine.