Kimi K3 und Claude Code: Vergleich, Kosten und Einrichtung

Praktische Informationen zur Arbeit mit Ailoot finden Sie in der Dokumentation.

Was ist Kimi K3, und warum hat es den Markt aufgeschreckt?#

Vor einem Jahr kannte man Moonshot wegen eines einzigen Modells — Kimi K2, einer Open-Release-Version aus dem Sommer 2025. Im April folgte K2.6, im Juni 2026 dann K2.7 Code. K3 ist der nächste Schritt und etwa 2,8-mal so groß wie K2.6.

Die Zahl von 2,8 Billionen klingt einschüchternd, aber dahinter steckt eine für 2026 übliche Ingenieurslösung. K3 basiert auf einer Mixture-of-Experts-Architektur (Stable LatentMoE): Es enthält 896 separate Experten, von denen das Modell für jedes Token nur 16 aktiviert. Damit sind deutlich weniger Parameter aktiv, als die Gesamtzahl vermuten lässt — sonst könnte niemand ein so großes Modell zu einem vernünftigen Preis bereitstellen. Außerdem nutzt es zwei eigene Verfahren von Moonshot: Kimi Delta Attention (beschleunigt die Generierung um bis zu 6-mal) und Attention Residuals (machen das Training günstiger). Für Vibe-Coder ist das technische Infrastruktur, erklärt aber, warum ein derart riesiges Modell am Ende weniger kostet als Claude, obwohl seine Größe einen erschreckend hohen Preis vermuten ließe.

Was in der Praxis zählt:

• Ein Kontextfenster von einer Million Token. Genau so groß wie Claudes vollständiges Kontextfenster. Sie können ein großes Projekt auf einmal in das Modell laden.
• Bildverarbeitung. Sie können einen Screenshot eines Fehlers oder eines Mock-ups senden — das Modell kann das Bild sehen. Früheren chinesischen Modellen wie DeepSeek fehlte diese Fähigkeit.
• Ständig aktiver Reasoning-Modus (Thinking-Modus). Das Modell denkt immer zuerst nach und antwortet dann. Das verbessert die Qualität und erhöht den Preis; darauf komme ich weiter unten zurück.

Die Reaktion des Markts war heftig. Am Tag nach der Veröffentlichung von Kimi K3 schrieben Medien von einem „neuen Schock für die westliche KI“. Ein offenes chinesisches Modell hatte die geschlossenen Spitzenmodelle von Anthropic und OpenAI erreicht, und Moonshot versprach, die Gewichte kostenlos bereitzustellen. Ich schaue mir an, wo diese „Gleichwertigkeit“ tatsächlich besteht und wo sie nur eine geschliffene Präsentation ist.

Wo Kimi K3 Claude wirklich schlägt und wo es zurückfällt#

Ich beginne mit dem Benchmark, der für Vibe-Coder am wichtigsten ist: einer Bewertung von Frontend-Code. Die Modelle generieren Benutzeroberflächen, und Menschen entscheiden blind, welche besser ist. Das kommt dem nahe, was Sie tun, wenn Sie eine KI bitten, eine Website zu erstellen.

Kimi K3 liegt auf Platz eins und belegt in sechs von sieben Bereichen den ersten Platz. Wer Websites und Benutzeroberflächen im Gespräch mit einer KI erstellt, bekommt damit das klarste Signal: Das Modell ist stark bei Layout- und Frontend-Arbeit.

Für allgemeine Intelligenz lassen sich ungefähr 57 Kimi-Punkte und 44 für „Kimi K3 (max)“ ohne einheitliche Indexversion, direkt verlinktes Primärergebnis und vergleichbare Testkonfiguration nicht zu einer konsistenten Rangliste verbinden. Keiner der beiden Werte belegt mit den hier verlinkten Informationen einen aktuellen Rang.

Vergleichen Sie nur dieselbe benannte Indexversion und dasselbe Datum. Erfassen Sie genaues Modell und Reasoning-Stufe einschließlich „max“ und prüfen Sie Harness und Bewertungsskala am veröffentlichten Ergebnis. Bis dahin bleibt Kimis allgemeiner Intelligenzrang ungeklärt. Frontend-Präferenzen und Coding-Benchmarks messen andere Eigenschaften und schließen diese Lücke nicht.

Einen separaten Vergleich offener Modelle bietet „GLM-5.2 hat zu Claude Opus 4.8 aufgeschlossen“; er klärt die fehlende Zuordnung der Kimi-Indexwerte nicht.

Klassische Coding-Benchmarks:

• SWE-bench Verified — 76,8 %. Misst die Fähigkeit, echte Fehler in GitHub-Projekten zu beheben. Ein solides Ergebnis, auch wenn die besten Claude-Modelle höher liegen.
• LiveCodeBench — 85 %. Algorithmische Aufgaben im Format „Eingabe — erwartete Ausgabe“. K3 ist hier stark.
• Terminal-Bench 2.1 — 88,3. Agentische Arbeit im Terminal, laut Moonshot selbst.

Und hier ist der Vorbehalt, den ich erwähnen muss, damit dieser Leitfaden ehrlich bleibt und keine Werbung wird. Moonshot stellte seine Coding-Tabelle mit unterschiedlichen Harnesses zusammen: Einige Messungen liefen mit dem eigenen KimiCode, einige mit Claude Code und andere mit Codex. Unterschiedliche Harnesses können dasselbe Ergebnis um 10–26 Punkte verschieben.

Ich behaupte nicht, dass chinesische Modelle „besser als Claude“ sind. Nach meiner Erfahrung mit Claude Code als Hauptwerkzeug fallen sie bei komplexem Code weiterhin zurück — das sehe ich jedes Mal, wenn ich sie vergleiche. Aber K3 zeigt derzeit das beste Live-Ergebnis bei Frontend-Aufgaben und kostet nur einen Bruchteil. Das zu ignorieren wäre ebenso töricht, wie Claude für tot zu erklären.

Möchten Sie mehr tun, als nur ein Modell auszuwählen — nämlich einen Aufbau schaffen, der KI-Halluzinationen verringert und den Kontext länger hält? Die Wahl des Modells ist ein Stellrad. Kontext-Engineering ist ein wirkungsvolleres: Was Sie vor dem Prompt in den Kontext eines Modells geben, beeinflusst das Ergebnis stärker als der Name des Modells in einem Benchmark. Für systematische Arbeit eignet sich dieser Aufbau: Kontext-Engineering arbeitet mit einem Second Brain (der Struktur business/) und einem KI-Klon (Ihrem ai-clone/). Das sind die drei Säulen, die jedes Modell — Kimi oder Claude — braucht, um in einer langen Sitzung nicht auseinanderzufallen.

Was kostet Kimi K3, und warum bedeutet „offen“ nicht „kostenlos“?#

Die offiziellen API-Preise von Kimi K3 (am 2. Oktober 2026 anhand der offiziellen Preise von Anthropic überprüft):

Zum Listenpreis sind Kimi-Eingaben ein Viertel günstiger als bei Opus 5.5 (3 $ gegenüber 4 $), und Ausgaben ebenfalls ein Viertel günstiger (15 $ gegenüber 20 $). Der Abstand ist kleiner als bei der vorherigen Opus-Generation, aber die Richtung bleibt gleich. Die wirkliche Ersparnis kommt vom Caching, wenn Sie wiederholt mit demselben Kontext arbeiten. Bei der Arbeit an einem Projekt wiederholt sich der Anfang jeder Anfrage: dieselben Dateien, dieselben Regeln, derselbe System-Prompt. Kimi bietet auf den vollständigen Eingabepreis einen Rabatt von 90 %. Beim Coding wird der Cache in mindestens 90 % der Fälle getroffen, sodass die effektiven Kosten für Eingabe-Token näher bei 30 Cent liegen. Das Caching bei jedem Modell optimal zu nutzen, ist eine eigene Disziplin; ausführlich habe ich es anhand von DeepSeek erklärt.

Im Reasoning-Modus verbirgt sich eine Kostenfalle. Kimi K3 denkt immer nach, bevor es antwortet, und dieses Reasoning wird als Ausgabe-Token mit 15 $ pro 1 Mio. abgerechnet. Bei einer einfachen Frage ist der Unterschied vernachlässigbar, bei einer komplexen Aufgabe kann das Modell jedoch Tausende Token „durchdenken“ und damit einen Teil des Preisvorteils aufzehren. Sie müssen die Schlussrechnung für einen Arbeitstag prüfen. Der Listenpreis ist hier irreführend.

Nun zum Wort „offen“. Moonshot versprach, die Gewichte von Kimi K3 bis zum 27. Juli 2026 freizugeben, und hielt das Versprechen — der HuggingFace-Commit ist auf den 27. Juli 2026 datiert (HuggingFace, Kimi-K3, überprüft am 2. Oktober 2026). „Offene Gewichte“ klingt nach: „Ich lade sie herunter und führe sie kostenlos auf meinem eigenen Rechner aus.“ In Wirklichkeit funktioniert das nicht. Selbst auf 4 Bit komprimiert benötigen 2,8 Billionen Parameter Hunderte Gigabyte Speicher, mehrere leistungsstarke GPUs, schnelle Verbindungen zwischen ihnen und jemanden, der alles einrichtet und wartet.

Die Offenheit von Kimi K3 ist für große Cloud-Anbieter und Unternehmen mit eigener Infrastruktur nützlich. Für Sie bedeutet sie etwas anderes: Wettbewerb, der die Preise senkt, und eine Ausweichmöglichkeit, falls Claudes Limits oder Preise irgendwann steigen. 2,8 Billionen Parameter werden Sie nicht auf Ihrem Laptop ausführen. Eine separate Analyse dazu, wie „kostenloses“ Vibe-Coding still und leise zur Rechnung wird, finden Sie hier: „Die versteckten Kosten des Vibe-Codings“.

So verbinden Sie Kimi K3 mit Claude Code über 3 Variablen#

Claude Code kann sich mit jedem Endpunkt verbinden, der das Anthropic-Protokoll unterstützt. Moonshot hat einen solchen für Kimi K3 eingerichtet, sodass Sie keinen separaten Build und kein Plugin benötigen. Die Mindesteinrichtung umfasst drei Variablen:

export ANTHROPIC_BASE_URL=https://api.moonshot.ai/anthropic
export ANTHROPIC_AUTH_TOKEN=sk-your-moonshot-key
export ANTHROPIC_MODEL=kimi-k3

Danach starten Sie claude wie gewohnt. Claude Code glaubt, es kommuniziere mit Anthropic, sendet seine Anfragen aber tatsächlich an Kimi K3. Alle Skills, Hooks und der Plan-Modus funktionieren weiter, und die Abrechnung erfolgt zu Moonshots Preisen.

Hier gibt es eine wichtige Falle, über die fast alle stolpern. Moonshot hat zwei verschiedene kompatible Endpunkte — einen unter api.moonshot.ai, den anderen auf der Plattform platform.kimi.ai. Sie verwenden unterschiedliche Namen für die Schlüsselvariable und das Modell, und ein Schlüssel vom einen Endpunkt verursacht am anderen einen 401-Fehler (Kimi-Dokumentation für Claude Code). Wenn Sie einen 401 erhalten, liegt es fast immer an einer Unstimmigkeit zwischen Schlüssel und Endpunkt. Der Schlüssel selbst funktioniert normalerweise. Beziehen Sie Schlüssel und Endpunkt von derselben Plattform.

Am einfachsten prüfen Sie die Funktion, indem Sie eine kleine Aufgabe stellen: Bitten Sie Claude Code, den Inhalt einer Datei anzuzeigen, und prüfen Sie dann, ob die Antwort ankommt und der Zähler im Moonshot-Dashboard gestiegen ist. Um zu regulärem Claude zurückzukehren, entfernen Sie die drei Variablen (unset ANTHROPIC_BASE_URL ANTHROPIC_AUTH_TOKEN ANTHROPIC_MODEL) und starten Claude Code neu. Wenn Sie häufig wechseln, können Sie zwei Shell-Profile einrichten oder die Variablen in eine .envrc-Datei mit direnv aufnehmen, damit sie nur in einem bestimmten Verzeichnis aktiv sind.

Das ist eine praktische Möglichkeit, wenn Sie bereits Skills und Hooks für Claude Code eingerichtet haben und kein anderes Tool lernen möchten. Moonshot hat auch einen eigenen Terminal-Agenten, Kimi Code. Wer jedoch bereits in Claude Code arbeitet, kann mit drei Variablen den Unterbau wechseln — mit minimalem Aufwand.

Kaufen Sie auf keinen Fall „fertige Konten mit Guthaben“ bei Telegram-Bots. Sie sind eine häufige Ursache für verlorenes Geld und Konten, die nach ein paar Tagen gesperrt werden. Auch Daten sind ein echtes Thema: Moonshots Server stehen in China, und bei Arbeitsprojekten mit sensiblen Daten ist das eine gesonderte Frage. Die Risiken, einem Modell Zugriff auf Ihre Daten zu geben, habe ich im Leitfaden „Ist es sicher, Claude Code Zugriff auf Ihre Daten zu geben?“ besprochen.

Welche Aufgaben sollten Sie Kimi K3 geben, und welche Claude überlassen?#

Hier verläuft die Grenze in der Praxis. Über meine Arbeitswoche mit Kimi K3 und den Grund, warum ich zu Claude Code zurückgekehrt bin, habe ich separat in „Kimi K3 bei der Arbeit: Ein Erfahrungsbericht und warum ich zu Claude Code zurückgekehrt bin“ geschrieben — dort geht es nicht um Benchmarks, sondern um echte Aufgaben.

Wo Kimi K3 am meisten leistet:

• Frontend und Layout. Das Spitzenergebnis in der Bewertung von Frontend-Code. Erstellen Sie eine Benutzeroberfläche, Seite oder Komponente — Kimi ist stark und kostet deutlich weniger.
• Routinemäßiges Refactoring. Benennen Sie etwas um, teilen Sie eine Funktion auf oder ergänzen Sie Typen. Dafür ist ein Spitzenmodell überdimensioniert.
• Tests für bestehenden Code generieren. Beide Modelle schneiden ungefähr gleich ab; Kimi ist günstiger.
• Stapelweise Textverarbeitung. Beschreibungen, Übersetzungen, Kennzeichnungen — bei großen Mengen zählt der niedrige Preis.
• Lange Sitzungen in einem Projekt. Je länger Sie in einem Kontext arbeiten, desto häufiger greift der Cache, und jeder nächste Schritt wird günstiger.

Wofür Sie Claude behalten sollten:

• Architektur eines neuen Toolsets. Optionen vergleichen, Fallstricke erkennen, eine Struktur wählen — das Spitzenmodell von Claude ist weiterhin konsistenter.
• Debuggen komplexer mehrstufiger Fehler. Claude ist bei langen Schlussfolgerungsketten zuverlässiger.
• Lange autonome Agentenschleifen. Claude verliert über Dutzende aufeinanderfolgende Schritte ohne menschliche Beteiligung seltener den Faden.
• Produktionskritische Builds. Wenn Stabilität wichtiger ist als der Preis.
• Sensible Daten. Moonshots Server stehen in China — persönliche Kundendaten erfordern eine gesonderte Rücksprache mit einem Anwalt.

Kurz gesagt: Geben Sie wiederholende, umfangreiche und visuelle Arbeit an Kimi K3 und überlassen Sie Entscheidungen, bei denen Fehler teuer sind, Claude. Viele machen es genau so — sie behalten beide Schlüssel und wechseln je nach Aufgabe den Unterbau. Dafür sind die drei Umgebungsvariablen im vorherigen Abschnitt gedacht.

Was Kimi K3 noch fehlt und was Benchmarks auslassen#

Diese Punkte sollten Sie im Hinterkopf behalten.

Die Benchmarks verwenden unterschiedliche Harnesses. Wie bereits erwähnt, führte Moonshot einige Messungen mit KimiCode, andere mit Claude Code und wieder andere mit Codex durch, wodurch sich die Ergebnisse um 10–26 Punkte verschoben. Der erste Platz in der Frontend Arena ist unabhängig; dort beurteilen echte Menschen die Ergebnisse. Moonshots Coding-Tabelle sollte jedoch mit Vorsicht gelesen werden.

Der unabhängige Intelligenzindex-Vergleich bleibt ungeklärt. Ein Wert für „Kimi K3 (max)“ lässt sich ohne genau zugeordneten Herausgeberdatensatz, datiertes Ergebnis, Modelleinstellung, Harness und Indexversion nicht mit einem Wert für eine unbestimmte Modelleinstellung vergleichen. Ein direkter Primärlink für diese Angaben fehlt hier. Daher belegen die verfügbaren Informationen weder einen aktuellen Rang noch einen Vergleich der Aufgabenpreise oder Geschwindigkeit. Unterstellen Sie für „max“ und einen nicht genauer beschriebenen Standardlauf weder denselben Wert noch dieselbe Skala.

Der Reasoning-Modus erhöht die Rechnung. Ständig aktives Reasoning ist gut für die Qualität, aber schlecht für die Kosten komplexer Aufgaben, bei denen Tausende mit 15 $ pro 1 Mio. abgerechnete Token zusammenkommen können. Kimi ist bei einfachen und mittelschweren Aufgaben tatsächlich günstig; bei anspruchsvollen Aufgaben sollten Sie die Rechnung prüfen.

Daten und Rechtsraum. Server in China werfen eine praktische Frage auf: Bei einem Projekt, das personenbezogene Daten verarbeitet, sollten Sie dies mit einem Anwalt besprechen. Der Benchmark hat damit nichts zu tun.

Nichts davon macht Kimi K3 zu einem schlechten Modell. Es ist stark und günstig, und das kann man mit Recht sagen. Aber „stark und günstig“ und „in allem besser als Claude“ sind unterschiedliche Aussagen; die zweite folgt nicht aus der Präsentation.

Wo Sie diese Woche anfangen können#

Ein konkreter Plan ohne zusätzliche Schritte:

1. Stellen Sie Claude Code mit Kimi um, indem Sie die drei Variablen aus dem vorherigen Abschnitt verwenden. Arbeiten Sie einen normalen Tag lang damit. Geben Sie ihm Aufgaben, bei denen es besonders stark sein soll — etwa eine Seite, Komponente oder Benutzeroberfläche zu erstellen.
2. Vergleichen Sie. Sehen Sie sich nach einem Tag zwei Dinge an: die Qualität bei Ihren echten Aufgaben und die Rechnung. Achten Sie darauf, wo Kimi genauso gut antwortet wie Claude und wo es zurückfällt.
3. Entscheiden Sie. Behalten Sie beide Schlüssel und wechseln Sie je nach Aufgabe den Unterbau (Frontend und Routinearbeit — Kimi; kritische Arbeit — Claude), oder kehren Sie mit einem einzigen unset-Befehl zu Claude allein zurück.

Bei diesem Experiment besteht das Risiko darin, einen Tag für die Abstimmung zu verlieren. Der Vorteil: In der zweiten Woche sinkt die Rechnung für umfangreiche und visuelle Arbeit üblicherweise um ein Mehrfaches. Der Versuch ist günstig, und Sie können ihn mit einem einzigen Befehl beenden.

Für systematische Arbeit eignet sich ein Aufbau aus KI-Klon + Second Brain + Kontext-Engineering. Diese Grundlagen helfen dabei, den Kontext bei der Arbeit mit verschiedenen Modellen zu verwalten — Kimi, Claude und anderen.

Ailoot öffnen.