2,8 Billionen Parameter werden einfach so kostenlos zur Verfügung gestellt – wie rechnet Moonshot AI diese Rechnung eigentlich aus?

Am Abend des 27. Juli hat Moonshot AI die vollständigen Modellgewichte von Kimi K3 wie vereinbart auf Hugging Face, GitHub und ModelScope hochgeladen. Mit 2,8 Billionen Parametern ist es das weltweit erste Open-Weight-Modell, das die Schwelle von 3 Billionen fast erreicht. Jeder kann es kostenlos herunterladen, lokal bereitstellen und weiterentwickeln.

Vor zehn Tagen hat Elon Musk gerade unter dem Bewertungsbericht von K3 den Kommentar „Beeindruckend“ hinterlassen, und kurz darauf auf sozialen Plattformen angekündigt: Das neue Modell von xAI mit 2 Billionen Parametern wird die erste Trainingsphase nächste Woche abschließen und „möglicherweise Kimi übertreffen“. Die offizielle Seite von Kimi antwortete nur: „Herzlich willkommen bei Elon Musk im 2-Billionen-Club.“

Dann hat es die Tür des Clubs direkt abgerissen: Ihr vergleicht noch immer, wer mehr Parameter hat? Tut mir leid, das größte Modell gebe ich kostenlos weg.

Das ist offensichtlich keine reine Gefühlsentscheidung. Schaut man sich die Entwicklungen von Moonshot AI im letzten Monat an: Mitte Juni überschritt der ARR (jährlicher wiederkehrender Umsatz) 300 Millionen US-Dollar, wobei der Anteil der API-Einnahmen über 70 % lag. Am 19. Juli wurde das Abonnement neuer Nutzer im C-End-Bereich ausgesetzt. Die letzte Finanzierungsrunde mit einer Bewertung von 20 Milliarden US-Dollar wurde gerade abgeschlossen, und die Vorfinanzierungsbewertung der neuen Runde wird bereits auf 31,5 Milliarden US-Dollar angegeben.

Aufmerksame Entwickler haben gesehen, dass neben der etwa 1,56 TB großen Modelldatei auf Hugging Face eine nur 3,07 KB große Lizenz weitere kommerzielle Informationen preisgibt.

Gemäß der Kimi K3-Lizenz muss ein Unternehmen, das das Geschäft „Modell als Dienstleistung“ betreibt und dessen Gesamtumsatz zusammen mit verbundenen Parteien in einem beliebigen Zeitraum von 12 aufeinanderfolgenden Monaten 20 Millionen US-Dollar übersteigt, vor der kommerziellen Nutzung von K3 und seinen abgeleiteten Modellen eine separate Vereinbarung mit Moonshot AI abschließen.

Diese Lizenz zieht das Thema von K3 von der Technik zurück zum Geschäft.

01 Moonshot AI will nicht kostenlos für Cloud-Anbieter arbeiten

Bei offenen Modellen gab es schon immer ein peinliches Problem: Die Modellunternehmen tragen die Trainingskosten, während die Cloud-Anbieter die nachfolgenden Einnahmen erzielen können. Das ist auch der grundlegende Grund, warum Robin Li von Baidu früher erwähnt hat, dass Open-Source-Modelle keine Zukunft haben.

Gemäß der MIT-Lizenz können Cloud-Anbieter das Modell herunterladen, die Inferenz optimieren, es als API verpacken und dann mit ihren vorhandenen Kunden, Rechenressourcen und Vertriebskanälen Gebühren erheben. Die Modellunternehmen erhalten Downloadzahlen und Branchenbekanntheit, aber die Kundenbeziehungen, Aufrufdaten und Rechnungen verbleiben auf der Cloud-Plattform. Je schneller das Modell iteriert, desto leichter verwandeln sich die Labore in vorgelagerte Forschungs- und Entwicklungsabteilungen der Cloud-Anbieter.

In der Lizenz von K3 bezieht sich „Modell als Dienstleistung“ auf die Situation, dass Dritte die Eingaben, Parameter oder Trainingsdaten wesentlich kontrollieren. Die Einbettung der Fähigkeiten von K3 in eine bestimmte Funktion des eigenen Produkts oder die einfache Weiterleitung von Anfragen an andere Plattformen zählen nicht dazu.

Mit anderen Worten: Moonshot AI hat nicht vor, Entwickler und die meisten Unternehmenskunden zu behindern. Es blockiert die Cloud-Anbieter und Inferenzplattformen, die die Gewichte herunterladen, sie als API verpacken und dann mit ihrer eigenen Marke und Preisgestaltung Inferenzdienste an Dritte verkaufen.

Im Ausland haben sich bereits Analysten, die sich auf die Open-Source-Infrastruktur spezialisieren, diese Schwelle mit Ereignissen vor zehn Jahren verglichen.

MongoDB und Confluent haben damals auch zuerst mit großzügigen Lizenzen die Akzeptanz in großem Umfang ausgebaut. Als Cloud-Anbieter wie Amazon ihre Open-Source-Datenbanken direkt zu kostenpflichtigen Cloud-Diensten verpackten, erhielten die ursprünglichen Entwickler keine Anteile. Sie waren gezwungen, zu SSPL- und BSL-Lizenzen zu wechseln, die den Weiterverkauf beschränken.

Zuerst tauscht man Offenheit gegen Größe aus, dann holt man sich mit Regeln die Verhandlungsmacht zurück. Theoretisch fallen sowohl die überdimensionierten Cloud-Anbieter als auch Inferenzplattformen wie Fireworks und Together, die sich auf die Modellhosting spezialisieren, unter die Schwelle von 20 Millionen US-Dollar. K3 steht vor ähnlichen geschäftlichen Herausforderungen wie MongoDB und Confluent, wählt aber einen milderen Rechtsweg: Es verbietet den Weiterverkauf von MaaS nicht direkt, sondern verlangt von Betreibern, die die Umsatzschwelle erreichen, eine separate Vereinbarung zu schließen.

Die Branche der offenen Modelle ist von der Phase „Wer zuerst Open Source macht“ und „Wer am vollständigsten Open Source macht“ zu der Phase übergegangen, in der es darum geht, wer die Preisgestaltungsmacht aus dem offenen Ökosystem zurückgewinnen kann.

Ebenso wie K3 im Juli die Gewichte veröffentlicht hat, verwenden Zhipu GLM-5.2 und DeepSeek V4 Pro noch immer die saubere MIT-Vereinbarung ohne jegliche Weiterverkaufsschwelle. Natürlich liegt das nicht unbedingt daran, dass sie großzügiger sind.

Was die „zertifizierten Inferenzpartner“ betrifft, die laut Moonshot AI von dieser Schwelle befreit werden können, sind die Standards und die Liste derzeit für niemanden klar, und der Originaltext der Lizenz gibt auch keine Definition dafür.

02 Von „Wettbewerb um Parameter“ zu „Wettbewerb um Anwendungsszenarien“

Die Lizenz ist nur eine kommerzielle Entscheidung von K3. Zurück zum Modell selbst: K3, DeepSeek, GLM und Qwen von Alibaba sind bereits vier verschiedene Wege gegangen.

K3 verfolgt den Ansatz „groß und umfassend“. Es verfügt über insgesamt 2,8 Billionen Parameter, einen Kontext von 1 Million Token und native visuelle Verständnisfähigkeiten. In der offiziellen Demonstration hat K3 von Grund auf einen GPU-Compiler geschrieben, sich auch an dem Chip-Design beteiligt und ein 3D-Open-World-Spiel erstellt. Aber der Preis beträgt 3 US-Dollar pro Million Token für die Eingabe und 15 US-Dollar für die Ausgabe, die durchschnittlichen Kosten pro Aufgabe liegen bei etwa 0,94 US-Dollar, was der teuerste der vier Modelle ist.

DeepSeek V4 Pro geht den umgekehrten Weg. Seine Gesamtparameter erreichen 1,6 Billionen, aber die aktivierten Parameter werden auf etwa 49 Milliarden gedrückt. Die Preise für Eingabe und Ausgabe betragen 0,435 US-Dollar bzw. 0,87 US-Dollar, die Kosten pro Aufgabe liegen bei etwa 0,04 US-Dollar.

DeepSeek hat auch eine Spitzen-Tal-Preisgestaltung eingeführt: Von 9 bis 12 Uhr und von 14 bis 18 Uhr wird der Preis verdoppelt, und die Nutzung außerhalb der Spitzenzeiten kann die Hälfte der Kosten einsparen. Das stimmt mit seiner konsistenten Strategie überein: Die Parameter können groß sein, aber der Aktivierungsumfang und die Nutzungskosten müssen so gering wie möglich gehalten werden.

Zhipu GLM-5.2 hat den dritten Weg gewählt. Es verwendet das verbesserte DeepSeek Sparse Attention, um die Inferenzkosten für den Kontext von einer Million Token auf ein Niveau zu senken, das von allgemeiner Hardware getragen werden kann. Zusammen mit den aktivierten Parametern von etwa 40 Milliarden pro Token erreicht es die kürzeste Latenzzeit für das erste Wort unter den drei Modellen.

Die Preise für Eingabe und Ausgabe von GLM-5.2 betragen 1,4 US-Dollar bzw. 4,4 US-Dollar, liegen also zwischen K3 und DeepSeek, und es konzentriert sich darauf, die Reaktionsgeschwindigkeit in den Szenarien der Codierung und Agent zu gewinnen.

Alibaba Qwen verfolgt keine Spitzenleistung an einzelnen Punkten, sondern eine breite Abdeckung. Mit Hunderten von Sprachen und vollständigeren multimodalen Fähigkeiten ist es eher eine allgemeine Basistechnologie für Unternehmenskunden als ein Flaggschiffprodukt, das speziell für Benchmarks entwickelt wurde.

Aber Kimi hat Alibaba auch nicht mehr ruhen lassen. Drei Tage nach der Veröffentlichung von K3 kündigte Alibaba Qwen3.8-Max mit 2,4 Billionen Parametern an und erklärte ausdrücklich, dass es auch die Gewichte offenlegen wird. Im letzten Jahr hat Kimi die Obergrenze für die Größe von Open-Source-Modellen in 9 Monaten nach oben geschoben. Jetzt werden Flaggschiff-Open-Weight-Modelle zu einer Standardaktion chinesischer Anbieter von großen Modellen.

Die vier Wege lassen sich nicht mehr in einer einzigen Dimension einordnen. Der „Wettbewerb um Parameter“ beginnt sich zum „Wettbewerb um Anwendungsszenarien“ zu wandeln: Für lange Texte ist K3 die erste Wahl, für Kosteneffizienz DeepSeek, für Reaktionsgeschwindigkeit GLM und für breite Abdeckung Qwen.

Differenzierung bedeutet nicht, dass jemand sorgenfrei sein kann. DeepSeek, GLM und Qwen können jederzeit ihre jeweiligen Stärken weiter ausbauen, und der Preisnachteil von K3 wird nicht automatisch verschwinden.

03 Die Prämie von Closed-Source-Modellen wird gedrückt

Was diese Runde offener Modelle wirklich auffällig macht, ist der umfassende Vergleich von Benchmarks und Preisen.

Auf der Liste des Intelligenzindex des unabhängigen Bewertungsinstituts Artificial Analysis hat K3 etwa 57 Punkte erzielt. Vor ihm liegen Claude Fable 5 und GPT-5.6 Sol mit etwa 60 bzw. 59 Punkten; Claude Opus 4.8 folgt dicht dahinter mit etwa 56 Punkten.

Das ist das erste Mal, dass ein Open-Weight-Modell Ergebnisse erzielt, die nur um zwei bis drei Punkte von den besten Closed-Source-Modellen abweichen. Auf der Liste der Front-End-Codes von Arena ist K3 innerhalb von 24 Stunden nach der Veröffentlichung auf den ersten Platz gestiegen, hat Claude Fable 5 übertroffen und sich im Vergleich zur vorherigen Generation um 17 Plätze verbessert.

Noch wichtiger ist, dass die Preise für diese nahezu weltspitzen Ergebnisse deutlich niedriger sind als die der meisten Closed-Source-Flaggschiffe.

Die durchschnittlichen Kosten pro Aufgabe von K3 liegen bei etwa 0,94 US-Dollar, was etwa der Hälfte von Claude Opus 4.8 entspricht. Wenn die Prämie von Closed-Source-Modellen darauf beruht, dass „nur wir dieses Niveau erreichen können“, dann schrumpft der Erklärungsraum dieser Prämienlogik schnell, wenn ein Open-Weight-Modell den Abstand auf zwei bis drei Punkte verringert und der Preis nur etwa halb so hoch ist.

Satya Nadella, CEO von Microsoft, nennt das das „umgekehrte Informationsparadoxon“: Beim Kauf von Closed-Source-Modellen zahlt man eigentlich zweimal: Einmal zahlt man die Rechnung, und ein anderes Mal gibt man das geschäftliche Know-how, das man dem Modell zuführt, kostenlos weiter.

Dieses Jahr im Januar hat ein Gericht in New York OpenAI angewiesen, 20 Millionen anonymisierte Nutzerdialoge herauszugeben. Das erinnert alle Unternehmen daran: Wenn die Daten auf fremden Servern liegen, hat man keine Kontrolle mehr darüber. Was K3 bietet, ist genau die Option, dass die Daten nicht aus der eigenen Umgebung herausgelangen.

04 Die Gewichte sind nur der Vorspeise, das eigentliche Schlachtfeld liegt auf der Inferenzschicht

Die Offenlegung von Gewichten ist in diesem Bereich keine Neuigkeit mehr. Die Flaggschiff-Modelle von DeepSeek, GLM und Qwen wurden bereits auf Hugging Face hochgeladen, und das Herunterladen, die kommerzielle Nutzung und die Feinabstimmung sind kein Problem.

Was K3 dieses Mal wirklich neu macht, ist der Teil außerhalb der Gewichte.

Da KDA den herkömmlichen Präfix-Caching-Mechanismus verändert hat, hat Moonshot AI seine eigene Cache-Implementierung direkt zum vLLM-Projekt beigetragen. Am Tag der Veröffentlichung der Gewichte boten die beiden gängigen Inferenz-Engines vLLM und SGLang gleichzeitig Bereitstellungslösungen an. Das AMD-Team hat die Anpassung für den Chip MI355X am ersten Tag abgeschlossen, die Cloud-Plattform Modal hat den Hosting-Dienst für K3 gestartet, und Inferact hat den DSpark-Spekulativedecoder trainiert und Open Source gemacht, der an K3 angepasst ist.

Die einfachste Bereitstellungskonfiguration, die vLLM anbietet, besteht aus 8 NVIDIA B300 oder 8 AMD MI355X. Beide sind Top-Rechenzentrumschips, die noch nicht in großem Umfang auf dem Markt erhältlich sind, und die erforderliche Rechenleistung ist für einzelne Entwickler nicht erreichbar.

Das bedeutet, dass Moonshot AI nicht nur die Schlagzeile „Das Modell ist größer“ anstrebt. Es will auch einen Platz im Inferenz-Framework und der Toolchain für die Bereitstellung einnehmen.

Jeder kann die Gewichte offenlegen. Aber wenn die von Entwicklern verwendeten Dienstlösungen, Cache-Implementierungen und Spekulativdecoder alle um Ihre Architektur herum entwickelt werden, sind die Kosten für den Wechsel des Modells nicht mehr so einfach wie „nur eine Datei austauschen“.

Das Design der Lizenz, dass die Nutzung über zertifizierte Inferenzpartner von der Weiterverkaufsklausel befreit werden kann, gibt Moonshot AI einen weiteren Schalter: Es kann auswählen, wer in dieses Ökosystem aufgenommen werden kann und wer zuerst verhandeln muss.

Die Veröffentlichung der Gewichte ist eine einmalige Aktion, aber