Kimi „Circuit Breaker“, Yang Zhilin strebt ebenfalls nach neuen Höhen.

K3 erlangt enorme Popularität, doch Kimi muss vorübergehend den Betrieb anhalten.

In der späten Nacht des 19. Juli veröffentlichte das Kimi-Team von Moonshot AI eine Mitteilung: Da die Anzahl der Nutzeranfragen innerhalb von 48 Stunden nach der Veröffentlichung von Kimi K3 die Prognose weit überstieg, wird die Abonnierung neuer Nutzer für Kimi aufgrund der angespannten Rechenkapazitäten vorübergehend ausgesetzt, um die begrenzten Rechenressourcen vorrangig den bestehenden Abonnenten zur Verfügung zu stellen.

Das Mitgliedschaftssystem wurde anschließend in die Hauptrechte von Kimi und die Code-Rechte aufgeteilt, um Ressourcen präzise zu verteilen. Aus der späteren offiziellen Antwort geht hervor, dass Kimi keine Anpassungen am Mitgliedschaftssystem vorgenommen hat, sondern lediglich eine Neuausrichtung des Nutzererlebnisses unter den Bedingungen begrenzter Rechenkapazitäten durchführt.

Das heißt, K3 ist so populär, dass es den „Circuit Breaker“ der Rechenkapazität auslöst, sodass neue Nutzer höflich abgewiesen werden und das Team sich auf die Bedienung bestehender Nutzer konzentriert.

Kimis „Tao-Gesetz“

Gegenwärtig bemühen sich alle großen Modellanbieter darum, die Nutzerzahl massiv zu vergrößern und neue Nutzer durch kostengünstige Maßnahmen wie kostenlose Angebote und Preissenkungen zu gewinnen. Im Vergleich dazu wirkt Kimis umgekehrte Vorgehensweise ein wenig „überheblich“.

Je leistungsfähiger das Modell, je länger der Kontext und je häufiger die Nutzer es aufrufen, desto höher ist der Verbrauch an Inferenzrechenkapazität. Unter der Bedingung, dass „die Anzahl der K3-Anfragen die Belastungsgrenze des vorhandenen Rechenclusters erreicht“, stößt Kimi auch auf das gleiche Problem wie Doubao: Je mehr C-End-Nutzer es gibt, desto geringer ist der Beitrag zum Umsatz, aber die GPUs können die Last nicht mehr tragen.

Als erstes MoE-Modell mit 3 Billionen Parametern von Moonshot AI erreicht die Gesamtparametergröße von K3 2,8 Billionen. Nach üblichen Vorstellungen verbraucht ein Modell dieser Größe bei jeder Ausgabe exponentiell viel Rechenkapazität. Aber unter der Unterstützung seiner einzigartigen Kernarchitektur erreicht es den Effekt des „Tao-Gesetzes“, das Huawei im Chip-Bereich vorgeschlagen hat.

Diese Architektur wird auch als ein Super-Triebwerk angesehen , das drei Schlüsseltechnologien implementiert: KDA (Kimi Delta Attention) gemischte lineare Aufmerksamkeit, Attention Residuals und MoE mit hoher Sparsität, womit die Effizienz der Umwandlung jeder Einheit von Rechenkapazität in Modelleffekt auf das Maximum gesteigert wird.

Seit langem hängt die Chip-Branche vom Mooreschen Gesetz ab, das die Leistung durch die Verkleinerung von Transistorgrößen verbessert. Aber wenn die fortschrittlichen Fertigungsverfahren die physikalische Grenze erreichen und die Kosten explodieren, stößt das Wachstumsmodell, das ausschließlich auf das Stapeln von Hardware setzt, an seine Grenzen.

Das „Tao-Gesetz“, das Huawei in diesem Jahr vorgeschlagen hat, bricht mit der traditionellen Idee der „räumlichen Miniaturisierung“ und wendet sich der „zeitlichen Miniaturisierung“ zu: Durch logische Faltung, dreidimensionales Stapeln und Optimierung der gesamten Kette der Architektur wird die Signalübertragungsverzögerung reduziert und der redundante Datentransport verringert, sodass auf reifen Fertigungsverfahren ein Effizienzsprung bei der Energieeffizienz erreicht wird, der mit fortschrittlichen Fertigungsverfahren mithalten kann.

Seine Kernmethodik lautet: Unter den Einschränkungen von Hardware oder Kosten wird ein Leistungssprung durch systemweite Architekturinnovationen realisiert.

Meiner Meinung nach ist der KDA-gemischte lineare Aufmerksamkeitsmechanismus, den K3 verwendet, genau die Praxis des „Tao-Gesetzes“ im KI-Bereich.

Man muss wissen, dass die Transformer-Architektur bei dem Aufmerksamkeitsmechanismus am meisten Rechenkapazität verbraucht. Die Standardaufmerksamkeit wächst quadratisch mit der Sequenzlänge, und bei Aufgaben mit einem Kontext von einer Million Wörtern wird der größte Teil der Rechenkapazität für die Aufrechterhaltung der Aufmerksamkeitsmatrix der langen Sequenz verbraucht. Der KDA-Mechanismus senkt die Komplexität der Berechnung der meisten Aufmerksamkeitsschichten von der quadratischen auf die lineare Ebene.

Laut dem technischen Bericht, den Moonshot AI zuvor veröffentlicht hat, wird durch das Anwenden des Mischverhältnisses von KDA und MLA auf dem Versuchsmodell der KV-Cache-Belegung um bis zu 75 % reduziert, und die Decodierungsdurchsatzrate bei einer Kontextlänge von 1 Million wird auf das 6-fache des ursprünglichen Werts erhöht. In Kombination mit den Technologien für Attention Residuals und hochspärsches MoE wird die Trainingseffizienz um etwa 25 % verbessert, wobei die zusätzlichen Kosten weniger als 2 % betragen.

Dies ist eine Neugestaltung der „Modellproduktionseffizienz“. Wenn die Mainstream-Transformer-Lösung im Silicon Valley als „Verbrennungsmotor“ gilt, der durch massive Ressourcenzuweisung Wunder erzielt, ähnelt KDA eher einem Hybridantrieb, der nach maximaler thermischer Effizienz strebt.

Der Bericht von SemiAnalysis weist darauf hin, dass KDA die Inferenzgeschwindigkeit um 300 % verbessert und gleichzeitig eine Leistung beibehält, die der von Transformer bei der Verarbeitung langer Kontexte nahe kommt. Das bedeutet, dass K3 bei gleichem Einsatz von Rechenkapazität mehr nutzbare Intelligenz erzeugen kann.

Aus den praktischen Testrückmeldungen der Entwicklergemeinschaft geht hervor, dass K3 bei langwierigen Agentenaufgaben und der Codegenerierung hervorragende Leistungen erbringt und über die Fähigkeit verfügt, mit den weltweit führenden Modellen zu konkurrieren.

Grundsätzlich folgt K3 immer noch dem Scaling Law, aber es zielt auf die verschwenderische Verwendung von Algorithmen ab. Während die KI-Unternehmen im Silicon Valley ständig GPUs aufkaufen und Rechenkapazität stapeln, erreicht Kimi durch die Neugestaltung der Algorithmenkette und die Verringerung redundanter Berechnungen unter den Bedingungen begrenzter Rechenkapazitäten ein Gleichgewicht zwischen Leistung und Effizienz und beschreitet einen Weg, der das Verhältnis der intelligenten Leistung pro Watt maximiert.

Das überrascht die Beobachter und Investoren an der Wall Street. Genau wie sie über DeepSeek erstaunt waren, zweifeln sie erneut daran, ob die Tausenden von Milliarden Dollar, die das Silicon Valley in die KI investiert hat, eine entsprechende Rendite erzielen werden und ob der US-amerikanische Führungsvorteil im KI-Bereich geschwächt wurde.

Gleichzeitig beginnen Unternehmenskunden und Entwickler auch, die Nutzungskosten von KI zu beachten. Ein Teil der Entwickler nutzt bereits „Model Routing“-Dienste, die je nach Aufgabe automatisch das KI-Modell mit den niedrigsten Kosten und der höchsten Effizienz auswählen, zu dem natürlich auch chinesische Modelle wie Kimi gehören.

Yang Zhelins Streben nach Höchstleistung

Rückblickend ist der Ausfall der Rechenkapazität von Kimi ein Nebeneffekt des technischen Erfolgs: Die Verbesserung der Modelleffizienz senkt die Kosten für die einzelne Nutzung, was wiederum die Gesamtnachfrage explodieren lässt.

Erwähnenswert ist, dass Tang Jie, Gründer von Zhipu AI, am 11. Juli den „Touch High Plan“ angekündigt hat, der klar besagt, dass „ein Scheitern unvermeidlich ist, wenn man nicht die Spitze erreicht“, und er hat ausdrücklich erklärt, dass man in den nächsten zwei Jahren keine kurzfristigen Einnahmen aus Anwendungen anstrebt, sondern Ressourcen auf die vier Kernrichtungen der AGI-Forschung konzentriert und plant, Kapital zu beschaffen und Ressourcen in Höhe von mehreren zehn Milliarden Yuan einzusetzen, um die mechanistische Interpretierbarkeitstechnologie zu durchbrechen.

Wenn das „Streben nach Höchstleistung“ von Zhipu AI als ein Kampf ums Überleben nach dem Börsengang gilt, hofft es, durch das Erreichen der technischen Obergrenze die Geschichte des „weltweit ersten börsennotierten Unternehmens für große Modelle“ zu festigen und seine echten Sorgen zu lindern.

In Yang Zhelins Entscheidungen sehe ich ebenfalls das „Streben nach Höchstleistung“ von Kimi in drei Dimensionen:

Erstens das Streben nach Höchstleistung bei der Rechenkapazität: Der Wechsel vom Denken über den Nutzerfluss zum Denken über den Wert. Aus öffentlichen Informationen geht hervor, dass der Anteil des API-Geschäfts von Kimi bereits 70 % überschritten hat, was sich stark von dem früheren Modell unterscheidet, das hauptsächlich auf Abonnements von C-End-Nutzern setzte. Die Priorisierung bestehender Nutzer und die Ablehnung neuer Nutzer bedeutet im Grunde, die begrenzten Rechenressourcen auf hochwertige Szenarien zu lenken und zu vermeiden, dass der allgemeine C-End-Nutzerfluss die Kontingente des B-End-Geschäfts verdrängt, das bereits die Säule des Umsatzes ist.

Die Nachteile sind offensichtlich. Zum Beispiel ist der Ausführungsstandard für die „vorrangige Sicherstellung bestehender Nutzer“ nicht transparent: Welche Anfragen vorrangig beantwortet und welche heruntergestuft werden, kann bei falscher Handhabung das Vertrauen der Nutzer schwächen.

Auf lange Sicht muss Kimi, um den Wandel von einem Technikstar zu einem reifen führenden KI-Unternehmen zu vollziehen, die Infrastruktur wie elastische Rechenpools, Mechanismen für abgestufte Antworten und dynamische Planungsfähigkeiten festigen.

Zweitens das Streben nach Höchstleistung bei der Preisgestaltung: Kimi führt einen Stresstest durch, um von dem billigen All-you-can-eat-Modell zu einer wertbasierten Preisstaffelung überzugehen. Die in der Mitteilung erwähnte „Aufteilung der Hauptrechte von Kimi und der Code-Rechte“ ist nicht nur eine kurzfristige Anpassung zur Bewältigung des Mangels an Rechenkapazität, sondern könnte auch den Anfang der Neugestaltung seines Preissystems ankündigen.

In der Vergangenheit zahlten die Nutzer für das Schreiben von Code, das Nachschlagen von Informationen oder das Plaudern die gleichen Gebühren und verbrauchten die gleiche Menge an Rechenkapazität. Wenn der Anteil von Code-Nutzern, die viel Rechenkapazität verbrauchen, steigt, führt dieses Modell unweigerlich zu strukturellen Fehlanpassungen.

Kimi nutzt diese Gelegenheit, um die Mitgliedschaftsrechte aufzuteilen und die Preise je nach Nutzungsszenario neu zu gestalten: Leichte Nutzer erhalten grundlegende Dienste, während intensive Nutzer einen Aufschlag für hochwertige Funktionen zahlen.

Durch die Staffelung der wertvollen Nutzer versucht Kimi, die Preisgestaltungsgewalt für Modellprodukte zu erlangen. Derzeit beträgt der Preis von K3 bereits 2,3 US-Dollar pro Million Token, was zwar niedriger ist als bei den weltweit führenden Modellen, aber einen neuen Höchstwert für in China entwickelte Modelle darstellt.

Möglicherweise möchte Kimi auch das billige Modell verlassen und der Öffentlichkeit eine Botschaft vermitteln: Hochleistungsfähige Modelle verfügen über Preisgestaltungsgewalt. In der nächsten Phase wird der Wettbewerb um große Modelle von dem „Wettbewerb um die Anzahl der Parameter“ zu dem „Wettbewerb um die Infrastruktur“ und dem „Wettbewerb um die kostenbasierte Preisgestaltung“ übergehen.

Dieser Schritt ist schwieriger als das Erreichen der Spitze der Rangliste und kommt dem Wesen des Geschäfts näher.

Drittens das Streben nach Höchstleistung bei der Position: Kimis Identitätswandel von einem geographischen Faktor zu einem Preispunkt.

Nach seiner Veröffentlichung erregte K3 schnell weltweite Aufmerksamkeit. Im neuesten „Intelligence Index“, der von der unabhängigen KI-Modellbewertungsstelle Artificial Analysis veröffentlicht wurde, erreichte es eine Gesamtpunktzahl von 57 und belegte den dritten Platz weltweit, nur hinter Claude Fable 5 (60 Punkte) und GPT-5.6 Sol (59 Punkte), und lag vor Claude Opus 4.8 (56 Punkte).

Dieses Ergebnis bricht auch die branchenübliche Meinung, dass „Open-Source-Modelle halb so gut sind wie Closed-Source-Modelle“.

Gleichzeitig hat der Einfluss von K3 den Technikbereich überschritten. US-amerikanische Technologieinvestitionsinstitute betrachten es als einen „Wendepunkt“ der KI-Entwicklung und sind der Meinung, dass qualitativ hochwertige Open-Source-Modelle die Ausbreitung von Fähigkeiten beschleunigen werden. Ein Informatikprojekt der University of California, Berkeley, behauptet, dass K3 die Kluft zwischen chinesischen Open-Source-Modellen und führenden US-Modellen auf 2 bis 3 Monate verringert hat.

Die Reaktion des Kapitalmarkts ist ebenfalls heftig: Am ersten Handelstag nach der Veröffentlichung von K3 schmolz der Marktwert von Nvidia an einem einzigen Tag um etwa 111 Milliarden US-Dollar. Strategisten von JPMorgan nannten es in ihrem Bericht direkt „DeepSeek 2.0“.

Diese Beschleunigung ist das, was die Preislogik verändert.

Darüber hinaus hat der jährliche Umsatz (ARR) von Moonshot AI bis Juni fast 300 Millionen US-Dollar erreicht, mit einem Auslands-Wachstum von 400 %. Nach einer Preiserhöhung von 60 % ist der Umsatz sogar gestiegen. Diese drei Daten zusammen zeigen, dass das „Open-Source + Effizienz“-Modell von Kimi in großem Maßstab Einnahmen generieren kann.

Zusätzlich gibt es Nachrichten, dass Moonshot AI plant, spätestens in sechs Monaten an der Hongkonger Börse notiert zu werden. Seine Bewertung ist innerhalb von einem halben Jahr von 4,3 Milliarden US-Dollar auf 31,5 Milliarden US-Dollar gestiegen, was einem Anstieg von mehr als dem 7-fachen entspricht.

Dies alles ist eine Bestätigung des Kapitalmarkts für einen nicht zum Mainstream im Silicon Valley gehörenden Weg. Wenn sie auf ein SOTA-Modell setzen, das ein nachhaltiges Wirtschaftsmodell pro Einheit erreichen kann, zeigt dies auch, dass Kimi über eine unabhängige Bewertungslogik verfügt und nicht mehr auf OpenAI oder Anthropic verweisen muss, um seinen Wert zu beweisen.

Moonshot AI Quelle: Online-Materialien

Aber K3 hat noch einen langen Weg vor sich, um die AGI zu erreichen. Zum Beispiel gibt es bei den Benchmarks zwar nur einen Unterschied von 3 Punkten zwischen K3 und Fable 5, aber dahinter verbirgt sich noch eine erhebliche Lücke.

Darüber hinaus hat Kimi in seinem technischen Bericht zwei Mängel auf der Bereitstellungsebene zugegeben: Erstens behält K3 während des Trainings den vollständigen Denkverlauf (thinking history) bei. Wenn die aufrufende Seite den vorherigen Denkprozess nicht korrekt zurücksendet oder während einer Sitzung von einem anderen Modell zu Kimi wechselt, sinkt die Ausgabequalität deutlich.

Zweitens ist K3 bei unklaren Aufgaben „übermäßig initiativ“ und neigt dazu, Entscheidungen für den Nutzer zu