Elons Musks Konflikt mit Kimi zeigt: Große Sprachmodelle haben keine Festung, aber die Unternehmen, die sie entwickeln, schon

Zukünftig wird der Wettbewerb nicht mehr zwischen einzelnen Modellen entschieden, sondern zwischen kompletten Modell-Ökosystemen. 

Was den Wettbewerbsgeist von Elon Musk entfachte, war nicht Liang Wenfeng von DeepSeek, sondern Yang Zhilin von Kimi – ein 34-jähriger Mann aus Shantou in der chinesischen Provinz Guangdong, der an der Tsinghua-Universität und der Carnegie Mellon University seinen Abschluss machte.

Vor Kurzem stellte Kimi während der Welt-KI-Konferenz 2026 seine „Modell-Nuklearwaffe“ vor – Kimi K3 mit einer Parameterzahl von bis zu 2,8 Billionen. Nachdem Musk das Modell als „beeindruckend“ bewertet hatte, kündigte er an, dass das neue 2-Billionen-Parameter-Modell seines Unternehmens die erste Trainingsphase nächste Woche abschließen werde und Kimi „übertreffen könnte“. Kimi antwortete darauf: Willkommen im 2-Billionen-Club.

In den vergangenen zwei Jahren erlebte China den „Krieg der hundert Modelle“, heute findet ein Spitzenwettbewerb zwischen beiden Seiten des Ozeans statt. Die ultraschnelle Iterationsgeschwindigkeit großer Modelle gibt Beobachtern der KI-Branche neue Erkenntnisse: Große Modelle selbst werden in einem noch nie dagewesenen Tempo zu Handelsware, aber die Wettbewerbsbarrieren von Unternehmen für große Modelle verlagern sich von der Modellebene in Dimensionen, die schwerer zu kopieren sind.

Die „Festungsmauern“ auf der Modellebene brechen wöchentlich zusammen

Die Parameterzahl von Open-Source-Modellen stieg innerhalb von nur zwei Wochen von 1 Billion auf 2,8 Billionen. Als ChatGPT-2 im Jahr 2019 auf den Markt kam, betrug seine Parameterzahl lediglich 1,61 Milliarden.

Aus der folgenden Tabelle geht hervor, dass die Parameter-Expansion von Open-Source-Modellen immer schneller voranschreitet.

Diese Geschwindigkeit zeigt: In der KI-Branche schrumpfen die „Festungsmauern“, die durch die Größe der Parameterzahl aufgebaut werden, wöchentlich. 

Dahinter steht die dringende Notwendigkeit des harten Wettbewerbs um große Modelle. Alle Beteiligten sind sich bewusst: Das Zeitfenster für die Positionierung großer Modelle ist extrem kurz.

Bereits 2025 veröffentlichte das Beratungsunternehmen Gartner die „Kurve der Reife von KI-Technologien 2025“ und stellte eine harte Prognose auf: Der Markt tritt in eine Phase der Schrumpfung ein und bildet eine „Kern-Satelliten“-Struktur, in der nur 20 % der Modellanbieter nach 2026 überleben werden. 

Die Basismodelle am unteren Ende der Pyramide werden zu Handelsware (Commoditized, also wie Strom und Wasser), und der Wettbewerbsschwerpunkt verlagert sich auf die „Agentenfähigkeiten“ (Agentic AI) an der Spitze der Pyramide. 

Li Kaifu, Gründer von 01.AI, wies im März 2025 darauf hin, dass es weltweit nur 5-6 echte Basismodelle geben werde (wie GPT, Claude, Gemini sowie 1-2 chinesische Modelle), und auf dem chinesischen Markt letztendlich nur drei KI-Modellunternehmen übrig bleiben könnten: Alibaba, ByteDance und DeepSeek.

Heute sieht man, dass diese Prognosen im Großen und Ganzen mit der Entwicklungsrichtung der Branche übereinstimmen.

Anfang 2025 lagen die Spitzenmodelle von OpenAI und Anthropic noch deutlich vor allen selbst bereitstellbaren Modellen. Bis Mitte 2026 hat sich dieser Abstand jedoch auf wenige Prozentsätze bei den meisten Benchmark-Tests verringert.

Vor diesem makroökonomischen Hintergrund zeigt die Veröffentlichung von Kimi K3, dass das Modell versucht, zur absoluten Spitze aufzusteigen und eine dominante Position einzunehmen. Durch den Open-Source-Ansatz kann jeder das Modell herunterladen, bereitstellen und feinabstimmen. Mit seiner riesigen Parameterzahl will es zu einer Top-Infrastruktur wie Strom werden.

Sein strategisches Ziel ist es, die Marktspitze zu erobern, sodass alle zukünftigen Gewinne im gesamten Ökosystem auf dieser Infrastruktur entstehen.

Denn als „Parasiten“ auf dem Modell fragen die Akteure normalerweise nicht: „Welcher Stromlieferant hat den besseren Strom?“ Stattdessen fragen sie: „Welches Stromnetz ist stabiler, günstiger und deckt ein größeres Gebiet ab?“

Wo sind die echten Wettbewerbsbarrieren?

Wenn das Modell selbst keine Festungsmauer ist – wo liegen dann die echten Barrieren?

Immer mehr Branchenkenner sind der Meinung, dass man den Erfolg nicht nur am Modell messen sollte. Die wahren Barrieren liegen in drei Dimensionen, die schwerer zu kopieren und kurzfristig kaum zu überwinden sind: Rechenleistung und Kostenstruktur (grundlegende Barriere), Vertriebskanäle und Ökosystembindung (mittlere Barriere) sowie Vertrauen, Compliance und Szenarienbindung (Barriere auf Anwendungsebene).

Erste Ebene: Rechenleistung und Kostenstruktur (grundlegende Barriere) – wer mit weniger Mitteln intelligenter werden kann.

Gabe Goodhart, Chefarchitekt für offene KI-Innovationen bei IBM, äußerte sich Anfang dieses Jahres in einem Interview sehr direkt: „Das Modell selbst wird nicht der wichtigste Unterscheidungsfaktor sein.“

Er geht davon aus, dass 2026 die Phase der Homogenisierung von KI-Produkten beginnt. Die „Orchestrierungsfähigkeit“ – also die Fähigkeit, Modelle, Tools und Arbeitsabläufe zu integrieren – wird zum Schlüssel für den Wettbewerb.

Diese Einschätzung beruht auf seiner Überzeugung, dass Rechenressourcen von einer „Option“ zu einer „Überlebensfrage“ werden. Seit diesem Jahr genießen Unternehmen, die Land, Strom, Rechenzentren und die Lieferkette für fortschrittliche Chips kontrollieren, hohe Beliebtheit auf dem Kapitalmarkt. Unter diesen harten Rahmenbedingungen hat derjenige die Oberhand, der Rechenleistung, Kostenstruktur und die erzielten Arbeitsergebnisse optimal aufeinander abstimmen kann.

In diesem makroökonomischen Umfeld ist das Architekturdesign von K3 auf „chinesische Kosteneffizienz“ ausgerichtet.

Es verwendet den Kimi Delta Attention (KDA)-Algorithmus und einen Attention-Residual-Mechanismus. Bei der Verarbeitung jedes Tokens werden nur 16 von 896 Expertenmodulen aktiviert, sodass lediglich 1,8 % der Experten an der eigentlichen Berechnung beteiligt sind.

Laut Kimi steigert diese Architektur die Gesamteffizienz bei der Skalierung um etwa das 2,5-fache im Vergleich zum Vorgängermodell Kimi K2.

Die technische Entwicklung zielt nicht darauf ab, „immer größere Parameter zu stapeln“, sondern darauf, „bessere Ergebnisse zu geringeren Kosten“ zu erzielen – also Kosten und Leistung gleichzeitig zu optimieren.

Zweite Ebene: Vertriebskanäle und Ökosystembindung (mittlere Barriere) – im Kern geht es darum, mehr Entwickler zu gewinnen und einen natürlichen Mechanismus für die Nutzergewinnung zu schaffen.

OpenAI baut seine Vertriebsbarrieren auf dem Microsoft-Ökosystem auf. Die GPT-Modellreihe ist tief in Microsoft 365 Copilot und anderen Produkten eingebettet – eine Art „parasitärer Vertrieb“, der über etablierte Giganten hunderte Millionen Unternehmensnutzer weltweit erreicht.

Anthropic hingegen erobert den Markt über den Unternehmenssektor und konzentriert sich stark auf Programmierfähigkeiten. Laut Daten des Ramp AI Index vom April 2026 erreichte Anthropic einen Anteil von 34,4 % an den KI-Ausgaben US-Unternehmen und übertraf damit erstmals OpenAI mit 32,3 %.

Im Vergleich dazu nutzt Kimi Open Source als Werkzeug zur Nutzergewinnung und baut sein eigenes Ökosystem mit Hilfe von Entwicklern auf.

Im Februar 2026 kündigte das Programmierwerkzeug OpenClaw an, Kimi K2.5 als offizielles Hauptmodell zu verwenden – ein entscheidender Wendepunkt für Kimi, um sich durchzusetzen.

Statt viel Geld für die Nutzergewinnung auszugeben, nutzt Kimi das „eingebaute Traffic-Potenzial“ des Entwickler-Ökosystems – eine andere Form des parasitären Modells. Damit will Kimi die Kosten für den Aufbau des Ökosystems auf ein Minimum senken.

Alle drei Wege führen zum gleichen Ziel: Wenn das Modell selbst keine Barrieren bilden kann, ist es wichtiger, „verwendet zu werden“, als „perfekt zu sein“.

Dritte Ebene: Vertrauen, Compliance und Szenarienbindung (Barriere auf Anwendungsebene) – Aufbau der weichen Stärken des Modells.

Vor dem Hintergrund der weltweit zunehmenden Regulierung von KI gewinnt diese Ebene schnell an Bedeutung. Viele Unternehmen haben die Compliance-Kosten möglicherweise unterschätzt – in Wirklichkeit handelt es sich um Fixkosten, bei denen große Unternehmen eindeutig im Vorteil sind, während kleine Unternehmen sie kaum verteilen können.

Ein Blick auf Anthropic zeigt: Ausgehend von einer sicheren Haltung zur KI verwandelt das Unternehmen diesen potenziellen geschäftlichen Nachteil in einen Wettbewerbsvorteil. Es erobert neue Märkte in Bereichen wie Gesundheitswesen, Recht, Finanzen und Behörden.

Im Silicon Valley wird dies als „moralischer Aufschlag“ bezeichnet, in Washington als „Auditierbarkeit“. Egal wie man es nennt – es führt zu echten Verträgen und Einnahmen.

Kimis Strategie: Alles auf einmal erreichen

Mit der Veröffentlichung von K3 reißt Kimi gewissermaßen den Schleier von der Branche – Modelle haben kaum echte Festungsmauern. Gleichzeitig ist Kimi aber auch ein Pionier der Idee, dass Modellunternehmen sehr wohl Wettbewerbsbarrieren aufbauen können – nämlich durch Kanäle und Geschwindigkeit überleben.

Heute ist die Open-Source-Strategie von Kimi eine Geschäftsstrategie zum Aufbau von Barrieren, keine technische Idealismus.

Kimi ist auf allen gängigen Cloud-Plattformen vertreten und in die Entwickler-Toolchain integriert. Mit dem „parasitären“ statt „selbst aufgebauten“ Ansatz erreicht es die globale Verbreitung. Während andere noch darüber streiten, ob Open Source die Wettbewerbsfähigkeit schwächt, hat Kimi Open Source bereits für kostenlose Werbung durch Entwickler weltweit genutzt.

Mit einer breiten Entwicklerbasis geht Kimi bei der Kommerzialisierung keine Kompromisse ein.

Die API-Preise von K3 betragen 3 US-Dollar pro Million Token für die Eingabe und 15 US-Dollar pro Million Token für die Ausgabe. Beobachter halten dies für eine sehr starke Preisgestaltung. Die Doppelstrategie aus offenen Gewichtungen und kommerziellen APIs lässt Kimi sowohl Aufmerksamkeit erregen als auch profitabel arbeiten.

Tatsächlich handelt Kimi nie unvorbereitet. Die Machbarkeit dieser Doppelstrategie hat es längst getestet: Nach der Veröffentlichung von Kimi K2.5 und dem Durchbruch von Kimi Claw überstieg der Gesamtumsatz von Moonshot AI in 20 Tagen den gesamten Jahresumsatz von 2025.

Laut Stripe-Daten stieg die Zahl der Abonnementzahlungen für Kimi-Privatkunden im Januar 2026 im Monatsvergleich um 8280 %, im Februar um weitere 123,8 %. Kimi rückte in der globalen Rangliste von Stripe aus den Hundertschaften in die Top 10 vor und wurde damit das erste chinesische AGI-Produkt, das es in die Top 10 dieser Liste schaffte.

Der jährliche wiederkehrende Umsatz (ARR) überschritt im März 100 Millionen US-Dollar, verdoppelte sich im April auf über 200 Millionen und erreichte Mitte Juni über 300 Millionen US-Dollar – eine Wachstumsgeschwindigkeit, die selbst eine Barriere darstellt.

Wenn der Kapitalmarkt das Unternehmen kontinuierlich finanziert, kann es ständig Rechenleistung kaufen, Mitarbeiter einstellen und Kanäle aufbauen – ein positiver Kreislauf entsteht.

Mit dem rasanten Fortschritt der Kommerzialisierung wird die Kapitalbarriere von Kimi immer größer. Seine Bewertung stieg innerhalb von sechs Monaten von 4,3 Milliarden auf 31,5 Milliarden US-Dollar – ein Anstieg von über 700 %. Das stellt alle Konkurrenten vor eine enorme Hürde.

Aber Kimi ist nicht völlig risikofrei.

Am 19. Juli veröffentlichte Moonshot AI eine Mitteilung: 48 Stunden nach der Veröffentlichung von K3 überstieg die Zahl der Nutzeranfragen die Prognose bei weitem und näherte sich der Kapazitätsgrenze des vorhandenen Clusters. Ab sofort werden keine neuen Abonnements für Endnutzer mehr akzeptiert – eine „glückliche Schwierigkeit“.

Zusätzlich verschärft sich der Wettbewerb durch Homogenisierung. Bei langen Kontexten gehört Kimi zusammen mit DeepSeek zur ersten Riege chinesischer Modelle und hat keine exklusive Vorrangstellung – das zeigt, dass die Barrieren zwischen den heimischen Akteuren ebenfalls sehr gering sind.

Auf internationaler Ebene erwägen die USA, ihre Unternehmen daran zu hindern, chinesische KI-Modelle zu nutzen. Sollte diese Regelung umgesetzt werden, würde sie die neu aufgebauten internationalen Vertriebskanäle von Kimi direkt treffen.

Offene Frage ohne endgültige Antwort

Die K3-Strategie von Kimi mag stark erscheinen, aber sie ist nicht der einzige Weg, um für chinesische große Modelle Wettbewerbsbarrieren aufzubauen.

Zhipu AI, das mit Kimi im Wettbewerb steht, hat nicht den Weg der Kostensenkung und Kosteneffizienz gewählt, sondern den der Preiserhöhung. Seit dem ersten Quartal dieses Jahres sind die Preise der Zhipu-API im Monatsvergleich um 83 % gestiegen – trotzdem ist die Anzahl der Aufrufe nicht gesunken, sondern um 400 % gewachsen.

Das zeigt: Sobald Kunden von einem Arbeitsablauf abhängig geworden sind – durch Prompt-Gewohnheiten, interne Toolchains und Feinabstimmungsdaten – ist die Preiselasticität sehr gering. Im Kern handelt es sich hierbei um eine weiche Barriere, die durch Wechselkosten entsteht, nicht durch technische Überlegenheit.