Kimi steigt auf einen Wert von 330 Milliarden, die Geheimnisse hinter Yang Zhilin und seinem Billionen-Modell werden aufgedeckt

Um 21 Uhr am 16. Juli, weniger als 24 Stunden vor der Eröffnung der WAIC (Welt-KI-Konferenz), hat Moonshot AI (Kimi) plötzlich Kimi K3 veröffentlicht und die größte Aufmerksamkeit auf sich gezogen.

Das revolutionärste Merkmal von Kimi K3 ist sein Parameterumfang von 2,8 Billionen. Als weltweit erstes Open-Source-Großmodell im Billionen-Bereich unterstützt K3 ein Kontextfenster von 1 Million Token und übertrifft in vielen gängigen Bewertungen die Ergebnisse von GPT-5.6 und Fable 5. Viele KI-Praktiker an der Front kommentieren: In den Bereichen multimodal, langer Kontext und komplexen Aufgabenszenarien liegt Kimi K3 in China uneinholbar an der Spitze.

Die dazugehörige Preisstrategie hat ebenfalls große Aufmerksamkeit erregt. Für Kimi K3 beträgt der Preis 20 Yuan pro Million Token für nicht zwischengespeicherte Eingaben und 100 Yuan pro Million Token für Ausgaben. Es gehört zur teuersten Kategorie chinesischer Modelle – es ist 20 Mal teurer als DeepSeek V4 Pro, 30 % des Preises des ausländischen Modells Fable 5 und 60 % des Preises von GPT-5.6 Sol.

Goldman Sachs hat in seinem Forschungsbericht die folgende Bewertung abgegeben: „Dies markiert einen neuen Meilenstein, an dem chinesische Modelle die Preisgestaltungshoheit erlangen.“

„Impressive.“ Elon Musk hat K3 auf X geliked. Später rief er bei der Vorstellung von Grok 4.5 auf: „Es wird voraussichtlich Kimi übertreffen.“ Dazu antwortete Huang Zhenxin, Leiter des Unternehmensgeschäfts von Moonshot AI, am 21. Juli offen gegenüber Medien wie *China Entrepreneur*: „Wir warten ab und hoffen, dass sie sich mit uns messen.“

Die Auswirkungen von K3 haben den Kapitalmarkt stark aufgewühlt. Am 17. Juli sind die Aktienkurse der vier Technologiegiganten NVIDIA, Google, Meta und Intel gesunken. US-Medien berichten, dass dies nicht auf einen einzigen Faktor zurückzuführen ist, aber K3 ist zweifellos ein entscheidender Katalysator.

An der Hongkonger Börse fiel Zhipu am nächsten Tag nach der Veröffentlichung von K3 um 28,49 % und MiniMax um 15,62 %; der Forschungsbericht von Huachuang Securities weist darauf hin, dass der Index der Hongkonger Börse an diesem Tag schwach war, aber die Veröffentlichung von K3 dennoch ein wichtiger Grund für die Kurskorrekturen von Zhipu und MiniMax war.

Die durch K3 im Ausland ausgelöste Erschütterung hat Yang Zhilin ebenfalls in den Mittelpunkt der Öffentlichkeit gerückt. Sein Verteidigungsvideo für das Sonderstipendium an der Tsinghua-Universität und seine wissenschaftlichen Arbeiten während seiner Promotionszeit an der Carnegie Mellon University (CMU) wurden nacheinander viral. Ein Partner einer Silicon-Valley-Venture-Capital-Firma stellte auf X eine Frage, die Millionen von Aufrufen erhielt: Warum ist ein solches Talent nach seinem Abschluss nicht in den USA geblieben? Dies führte dazu, dass Russ Salakhutdinov, Yang Zhilins Doktorvater an der CMU und erster KI-Direktor von Apple, seinen Schüler öffentlich verteidigte.

Kürzlich hat *China Entrepreneur* exklusiv Kontakt zu Professor Russ aufgenommen. Er erklärte: Yang Zhilin hat hervorragende Leistungen erbracht und seinen Doktortitel in weniger als 4 Jahren abgeschlossen, was an der CMU äußerst selten ist. „Zhilin ist einer der besten Studenten der CMU. Er kann nicht nur Forschungsprobleme denken, sondern verfügt auch über starke technische Fähigkeiten und kann auf unterster Ebene programmieren – normalerweise sind diese Fähigkeiten getrennt, und es gibt nur sehr wenige Studenten, die all diese Fähigkeiten vereinen.“

Russ erklärte, dass Yang Zhilins Forschungsarbeiten während seiner Promotionszeit außergewöhnlich waren. Er hat eine Menge grundlegender Arbeiten im Bereich des maschinellen Lernens geleistet, und seine Arbeiten zu XLNet (einem verallgemeinerten autoregressiven Vortrainingsmodell) und Transformer-XL (einem Sprachmodell mit extrem langem Kontext) sind zu einer der theoretischen Grundlagen von KI-Modellen geworden.

Als Yang Zhilin seinen Abschluss machte, boten ihm viele Unternehmen Stellen an. Russ erinnerte sich, dass er problemlos in den USA bleiben und an der MIT oder Princeton unterrichten konnte, aber er bestand sofort darauf, nach China zurückzukehren, um ein Unternehmen zu gründen. „Für jemanden von Zhilins Niveau ist der typische Weg eine akademische Laufbahn, und Unternehmertum ist ein hochriskantes Unterfangen, aber er ist sowohl in geschäftlichen als auch in forschungsbezogenen Fähigkeiten außerordentlich begabt.“

Obwohl die Stärke von Kimi K3 von der Branche anerkannt wird, hat der hohe Aufrufpreis auch erhebliche Kontroversen ausgelöst.

„Der Grund für den hohen Preis liegt im hohen Token-Verbrauch und den strukturellen Kosten für lange Agent-Aufgaben“, sagt Li Jialong, ein Entwicklungsingenieur für KI-Systeme. Jia Zijian, Gründer des KI-Englisch-Lernproduktunternehmens TalkMe, gab gegenüber *China Entrepreneur* ein Beispiel: „Grob geschätzt erfordert die Bereitstellung von DeepSeek V4 Pro etwa 8 Grafikkarten des Typs H100 oder A100. Um K3 mit derselben Logik auszuführen, werden 20 H100-Grafikkarten benötigt.“

Dazu antwortete Huang Zhenxin: „Open-Source-Modelle und chinesische Großmodelle sollten nicht mit dem Etikett ‚niedriger Preis‘ versehen werden. Wir haben ein Modell auf SOTA-Niveau entwickelt, das auch einer angemessenen kommerziellen Preisgestaltung entsprechen sollte.“

Der riesige Parameterumfang verlangsamt auch die Ausführungs- und Bereitstellungsgeschwindigkeit von K3. Li Jialong erklärte: Wenn K3 komplexe Aufgaben verarbeitet, kann eine vollständige Programmieraufgabe mehr als 30 Minuten dauern. Jia Zijian hat ähnliche Erfahrungen gemacht: „Als Endverbraucherprodukt können Nutzer nicht so lange warten. Wir müssen sowohl Fähigkeit als auch Geschwindigkeit berücksichtigen.“

Aufgrund des Drucks auf die Rechenkapazität musste K3 die Nachfrage drosseln. Weniger als 48 Stunden nach der Veröffentlichung kündigte Kimi an, dass das K3-Abonnement „vorübergehend für neue Nutzer geschlossen“ ist. Aber Russ zufolge ist dies nur eine kurze Übergangsphase. Er ist überzeugt, dass Yang Zhilin in Zukunft bessere Architekturen und Rechentechniken finden wird, um dieses Problem zu lösen.

Er erklärte, dass Yang Zhilin einmal erwähnt habe, Modelle mit „unendlichem Kontext“ erforschen zu wollen. „Derzeit beträgt die Kontextlänge von Kimi etwa 1 Million. Vielleicht wird er dem Modell in Zukunft einen echten unendlich langen Kontext verleihen.“

Die Veröffentlichung von Kimi K3 hat auch den Marktwert von Moonshot AI direkt gesteigert. Am 22. Juli berichteten Medien: Moonshot AI plant, im August die letzte Finanzierungsrunde vor dem Börsengang zu starten, mit einer Ziel-Vorbewertung von 50 Milliarden US-Dollar (ca. 338 Milliarden Yuan) und dem schnellstmöglichen Börsengang an der Hongkonger Börse innerhalb von 6 Monaten.

Entwickelt für langfristige komplexe Aufgaben

Welche Fähigkeiten hat K3 nach der Veröffentlichung hauptsächlich verbessert? Peng Mingliang, ein Entwicklungsingenieur für Großmodellanwendungen, fasst es so zusammen: Das größte Erlebnis besteht darin, konversationsgesteuerte KI weiter zu projektgesteuerter KI zu entwickeln. Russ lobte es ebenfalls: Es befindet sich im Grunde auf demselben Niveau wie die Modelle von Anthropic und OpenAI. Insbesondere die Open-Source-Veröffentlichung des Modells wird die gesamte KI-Landschaft tiefgreifend verändern. „Das macht K3 sehr einzigartig und sehr wertvoll.“

Der Ingenieur Li Jialong hat durch Tests festgestellt, dass die Frontend-Leistung von K3 10 % bis 15 % höher ist als die von GPT-5.6 Sol, „mit niedrigerer Nachbearbeitungsrate und höherem ästhetischen Standard“. In tatsächlichen Web-Entwicklungsszenarien liegt die einmalige Bestehensrate des von Kimi K3 generierten Codes über der des entsprechenden Modells von OpenAI, was bedeutet, dass die Codierungsfähigkeit von Kimi K3 erheblich verbessert wurde. „Der Weg von K3, die Anzahl der Parameter zu erhöhen, hat tatsächlich funktioniert.“

Im multimodalen Bereich hat Kimi K3 enorme Fortschritte gemacht. Es hat im Benchmark-Test BrowseComp mit 91,2 % die SOTA-Leistung erreicht. Es kann nicht nur komplexe anweisungen über verschiedene Modalitäten hinweg verstehen, sondern auch Text, Bilder und Code zu einem lieferbaren Frontend-Produkt integrieren. Jia Zijian beschreibt es so: „Kimi K3 hat die Frontend-Fähigkeit chinesischer Großmodelle auf ein sehr hohes Niveau gehoben. Die generierten Webseiten können fast direkt online gestellt werden, und die visuelle Vollständigkeit übertrifft die anderer Modelle bei weitem.“

In der Nutzungserfahrung fasst Peng Mingliang drei spezifische verbesserte Fähigkeiten von K3 zusammen: Stärkere Aufgabekontinuität – das Kontextfenster von 1 Million Token reicht aus, um die gesamte Codebibliothek aufzunehmen, sodass das Modell in einer einzigen Sitzung ingenieurmäßige Änderungen über mehrere Dateien hinweg abschließen kann; hervorragende Frontend- und visuelle Lieferfähigkeit; stark verbesserte Fähigkeit zur parallelen Ausführung von Agent-Unterclustern.

Diese drei Dimensionen entsprechen auch den drei Schwerpunkten von Kimi, die Yang Zhilin öffentlich erwähnt hat: Token-Effizienz, langer Kontext und Agent-Cluster.

Auf technischer Ebene stammen die beiden Kernunterstützungen von K3 diesmal aus der selbst entwickelten KDA-Mischlinearen Aufmerksamkeitsmechanik (Kimi Delta Attention) und der Aufmerksamkeitsresidualarchitektur (Attention Residuals). Einfach ausgedrückt kann Kimi an wichtigen Knotenpunkten der Aufgabe die vollständige Aufmerksamkeitsberechnung durchführen, um die Genauigkeit zu gewährleisten, und auf nicht kritischen Pfaden zur linearen Aufmerksamkeit wechseln, um die Inferenzkosten zu senken. Offizielle Daten von Kimi zeigen, dass die Dekodierung des millionenfachen Kontexts um bis zu 6,3-fache beschleunigt wurde, die Trainingseffizienz um ca. 25 % gestiegen ist und die zusätzlichen Kosten weniger als 2 % betragen.

Auf dieser Grundlage dient K3 im Wesentlichen drei Arten von Szenarien – langfristige Programmierung, End-to-End-Wissensarbeit und tiefgreifendes Schlussfolgern.

Von der Veröffentlichung von K2 im Juli 2025 bis zur Einführung von K3 ein Jahr später hat Kimi 6 Iterationen durchgeführt. Bei 4 wichtigen technischen Iterationen löste K2 das Problem der „Größe“, K2.5 das Problem der „Multimodalität“, K2.6 und K2.7 Code das Problem der „Programmier-Spezialisierung“ – K3 integriert all diese Fähigkeiten in ein Kontinuum ausreichend langer und komplexer Aufgaben.

Bei jeder Versionsaktualisierung beantwortet Kimi immer eine Frage: Kann das Modell seine stabile Schlussfolgerungsfähigkeit in längeren Aufgabenketten aufrechterhalten?

Huang Zhenxin hat die technische Route von K3 klar definiert: „Der Leistungssprung von K3 stammt aus innovativen, grundlegend neuartigen Architekturen und nicht aus destillierten kleinen Modellen.“ Gleichzeitig betonte er, dass der von Kimi verfolgte Open-Source-Kurs nicht geändert wird: „Die Kern-Basistechnologien und wissenschaftlichen Arbeiten werden der Öffentlichkeit zugänglich gemacht.“

Nach der Veröffentlichung von Kimi K3 äußerte sich Dean Bowman, zukünftiger Strategieleiter von OpenAI, auf X, dass Open-Source „Verlangsamungismus“ sei, der die Kapitalrendite kommerzieller KI-Unternehmen schwächen und damit „die für die gesamte Branche erforderlichen riesigen Kapitalinvestitionen behindern“ würde. Russ hingegen unterstützt die Open-Source-Strategie seines „Schülers“ und hält die Open-Source-Veröffentlichung von Kimi für bemerkenswert und entscheidend.

„Offene Gewichtungen und Open Source sind immer der schwierigere Weg – weil Ihre Konkurrenten das Modell übernehmen, es erforschen, analysieren, damit Daten generieren und dann ihre eigenen Modelle trainieren können. Das bedeutet, Vorteile an die Konkurrenten abzugeben“, sagte Russ gegenüber *China Entrepreneur*.

Aber Open Source öffnet die Tür für mehr Nutzer. „Derzeit sind die Modelle teuer, hauptsächlich weil sie groß sind. Aber da K3 Open Source ist, werden viele Menschen es destillieren und optimieren. Wenn das Modell Open Source ist und die Nutzerdaten allmählich gefüllt werden, werden viele es zu kleineren Modellen destillieren“, sagte Russ.

Er erklärte: Derzeit trainieren viele Labore zuerst ein großes Modell und trainieren dann basierend auf der Ausgabe des großen Modells ein kleines Modell – sodass das kleine Modell so nah wie möglich an das große Modell herankommt und gleichzeitig effizienter wird. Auf dieser Grundlage ist er der Ansicht, dass der Token-Verbrauch von K3 in Zukunft ebenfalls erheblich sinken wird.

„Genie“ Yang Zhilin: Doppelte Grundzüge aus Technik und Geschäft

Der Erfolg von Kimi K3 macht die Öffentlichkeit auch neugieriger auf die Wurzeln von Yang Zhilins Talent und seinen Entwicklungsweg.

„Brilliant, hardworking, humble.“ Bei dem Interview mit Russ für *China Entrepreneur* dachte er lange nach, um Yang Zhilin mit drei Wörtern zu beschreiben, und sagte, es sei schwierig, ihn mit wenigen Worten zusammenzufassen. Schließlich gab er die oben genannte Beschreibung an – außerordentlich begabt, äußerst fleißig und bescheiden.

Yang Zhilin hat seinen Bachelor- und Masterabschluss an der Tsinghua-Universität erworben und anschließend am LTI (Institut für Sprachtechnologie) der Informatikfakultät der CMU promoviert. Als erfahrener Professor am Fachbereich für maschinelles Lernen der Carnegie Mellon University hat Russ Dutzende von Doktoranden betreut, darunter viele, die später zentrale Rollen bei Google Brain, OpenAI und DeepMind übernommen haben. Aber der Eindruck, den Yang Zhilin bei ihm hinterlassen hat, ist nach wie vor außergewöhnlich.

„Er verfolgt die Technik sehr engagiert, hat eigene Ideen und ist äußerst selbstständig und umsetzungsstark. Zhilins Forschung basiert im Wesentlichen auf Ideen, die er selbst vorgeschlagen hat, und die er nach der Diskussion mit mir schnell umsetzt und vorantreibt.“ Russ erwähnte, dass Yang Zhilin während seiner Promotionszeit stets eine große Leidenschaft für die Verarbeitung natürlicher Sprache (NLP) hatte und sich dafür begeisterte, Systeme und Modelle zu entwickeln, die über Generalisierungsfähigkeiten verfügen und gut darin sind, Sprache zu verstehen und zu generieren.

„Er hat große Ambitionen und nimmt sich immer die schwierigsten Dinge vor.“

Russ enthüllte, dass Yang Zhilin während seiner Promotionszeit bei Google Brain ein Praktikum absolviert hat. „Die Arbeit, die er geleistet hat, bestand im Wesentlichen aus der Optimierung von TPUs – spezialisierten KI-Chips, die Google für maschinelles Lernen angepasst hat“, eine Arbeit auf unterster Systemebene, an der nur sehr wenige Doktoranden teilnehmen können.

Nicht nur eine Person hat eine ähnliche Bewertung abgegeben. Tang Jie, Gründer von Zhipu, war Yang Zhilins Lehrer während seines Bachelorstudiums an der Tsinghua-Universität. Sie sind nicht nur Lehrer und Schüler, sondern heute auch Konkurrenten im Geschäftsleben.

„Zweifellos ist Yang Zhilin