Kimi crasht Aktienkurse und mischt die Charts auf
Die KI-Branche hat sich angewöhnt, Qualität mit Benchmark-Position gleichzusetzen. Das ist bequem und ungenau. Die relevantere Frage lautet: Qualität wofür, zu welchem Preis, unter wessen Kontrolle?
Das chinesische Modell Kimi K3 sorgt für Aufsehen und abstürzende Aktienkurse: Zeit, die wichtigsten KI-Modelle zu vergleichen.
Grafik Nano Banana 2, Prompt Der Promptologe
Am 16. Juli 2026 veröffentlicht Moonshot AI aus Peking ein Sprachmodell namens Kimi K3. Zwei Stunden nach der Ankündigung beginnen Chip-Aktien zu fallen. Der Philadelphia Semiconductor Index verliert innerhalb weniger Tage einen zweistelligen Prozentsatz seiner Jahresgewinne. Nvidia gibt am Ankündigungstag knapp zwei Prozent ab. Innerhalb weniger Stunden reduziert sich die Bewertung von OpenAI und Anthropic um 392 Milliarden Dollar.
Schlagzeilen titeln: „DeepSeek-Moment Nummer zwei.”
The english version:
Das Muster ist vertraut: Ein chinesisches Modell erscheint, Benchmark-Tabellen kursieren, die Märkte reagieren, westliche Kommentatoren streiten über den Stand des Wettrüstens. Die Antwort hängt dann davon ab, welche Tabelle man aufschlägt.
Das CAISI-Institut, eine Einrichtung des US-amerikanischen Normungsamts NIST, hat im April 2026 eine eigene Messung veröffentlicht: Demnach liegen führende chinesische Modelle acht Monate hinter dem US-Frontier. Der Stanford AI Index, erschienen einen Monat früher, kommt zu einem anderen Ergebnis: Das führende US-Modell liegt 2,7 Prozent vor dem chinesischen. Acht Monate Rückstand auf der einen Seite, 2,7 Prozent auf der anderen — dieselbe Frage, zwei entgegengesetzte Nachrichten.
Nicht zwei Meinungen. Zwei verschiedene Benchmark-Sets.
Wer versteht, warum das so ist, versteht auch, warum der übliche Vergleich — Benchmark-Tabelle links, chinesisches Modell rechts — das Falsche misst. Und warum die interessanteren Fragen woanders liegen: beim Preis, beim Besitz, beim Recht, ein Modell abzuschalten.
Was Benchmarks messen — und was nicht
Kimi K3 ist derzeit je nach Quelle entweder das beste Coding-Modell der Welt oder rund sechs Monate hinter dem US-Frontier. Beides stimmt — weil beides verschiedene Dinge misst.
Die Einordnungen seriöser Testanbieter zeigen eine breitere Spanne, als die Schlagzeilen vermuten lassen. Vals AI sieht Kimi K3 zwischen Claude Fable 5 und GPT-5.6 Sol; Artificial Analysis bescheinigt dem Modell bei komplexen Aufgaben Vergleichbarkeit mit westlichen Spitzenmodellen; die Arena-Wertung setzt es im Bereich Webprogrammierung auf Rang eins. Gleichzeitig platziert der Epoch Capabilities Index Kimi K3 exakt auf der chinesischen Trendlinie — kein Ausreißer, sondern erwartbare Fortsetzung einer Entwicklung, die seit zwei Jahren konsistent verläuft. Ryan Greenblatt, ein KI-Sicherheitsforscher, schätzt den Vortraining-Abstand zum aktuellen US-Frontier auf acht Monate.
Kimi K3 entspricht ungefähr dem Leistungsniveau amerikanischer Closed-Modelle von Ende 2025. Das ist beeindruckend. Moonshot AI räumt das selbst ein: „While its overall performance still trails the most powerful proprietary models, Claude Fable 5 and GPT-5.6 Sol.”
Das Maximum-Effort-Problem
Benchmark-Tabellen sind keine neutralen Messungen. Sie sind Marketingmaterial, das wie Wissenschaft aussieht — wenn man nicht genau hinschaut.
Moonshot AI hat Kimi K3 auf allen gängigen Tests mit maximaler Denkanstrengung bewertet. Das heißt: mehr Rechenzeit pro Aufgabe, mehr generierte Zwischen-Token, als andere Labore typischerweise verwenden. Ergebnis: Zahlen, die in sich konsistent sind, aber den Vergleich mit Konkurrenten verzerren, die mit Standardeinstellungen gemessen haben. Der KI-Forscher Gavin Leech schätzt, dass rund 25 Prozent der Benchmark-Gewinne von Kimi K3 auf gezieltes „Benchmaxxing” zurückgehen — die systematische Optimierung eines Modells auf die spezifischen Aufgaben der Testreihen, anstatt auf allgemeine Leistungsfähigkeit.
Weitere rund 15 Prozent der Verbesserungen ordnet Leech einem anderen Phänomen zu: der Destillation aus Claudes Trainings- oder Ausgabedaten. In Tests antwortet Kimi K3 in etwa zehn Prozent der Fälle auf die Frage „Wer hat dich entwickelt?” mit: „Ich bin Claude.” Formatierungsmuster, Argumentationsstil, Satzstruktur — in Stichproben ähneln sie dem Muster von Anthropic-Modellen stark. Das ist rechtlich zulässig. Für Benchmark-Vergleiche ist es dennoch ein Problem: Kimi K3 übernimmt Claudes Stärken — und eine spezifische Schwäche. Claude verweigert aus Sicherheitsgründen bestimmte Antworten im Cyber-Bereich. Destillierte Modelle erben diese Zurückhaltung, ohne die ethische Abwägung dahinter — und landen deshalb in Sicherheitstests schlechter als erwartet.
Das dritte strukturelle Problem nennt Ethan Mollick (Wharton School, University of Pennsylvania) „saturated benchmarks”: Die gängigen Tests — HLE, GPQA Diamond, SWE-bench — sind inzwischen so bekannt und so oft in Trainingsdaten enthalten, dass Spitzenmodelle reihenweise 90 Prozent und mehr erreichen. Unterschiede von einem Prozent entscheiden dann über Rang eins oder Rang fünf, obwohl sie in der Praxis kaum messbar wären. „Public benchmarks are decreasingly useful”, konstatiert OpenAI-Forscher Dean Ball.
Was bleibt, wenn man das einrechnet: Kimi K3 ist ein sehr gutes Open-Weight-Modell — stark in Coding, Webprogrammierung und agentic Tasks, schwächer bei komplexen mehrstufigen Aufgaben ohne technischen Bezug. Für eine vollständige Einordnung fehlen noch unabhängige Langzeittests.
Was ist Ihnen bei einem KI-Modell am wichtigsten? Mit den Reglern gewichten Sie Leistungsfähigkeit, Preis, Offenheit, Antwortgeschwindigkeit und Deutschkompetenz nach eigenen Prioritäten — die Rangliste ändert sich in Echtzeit
Programmierung Claude / Prompt Der Promtoploge
Die andere Rangliste
Die Benchmark-Tabelle ist nicht falsch. Sie misst nur nicht das, was für die meisten Entscheidungen relevant ist.
Wer ein Sprachmodell nicht zum Testen, sondern zum Arbeiten einsetzt — für Zusammenfassungen von Dokumenten, Code-Generierung, Übersetzungen, Kundenservice-Automatisierung — zahlt pro verarbeitetem Token. Und hier sieht die Rangliste fundamental anders aus.
Claude Fable 5, das aktuelle Flaggschiff von Anthropic, kostet 50 Dollar pro Million Output-Token. Während Kimi K3 benchmarkseitig derzeit die Spitze der chinesischen Modelle bildet, verfolgt DeepSeek V4 Pro eine andere Strategie: nahezu vergleichbare Leistungsfähigkeit zu einem Bruchteil der Kosten: 0,87 Dollar. Der Unterschied: Faktor 57.
Das ist keine Ausnahme. Es ist Programm.
GPT-5.6 Sol von OpenAI kostet 30 Dollar pro Million Output-Token, Gemini 3.1 Pro 12 Dollar. Auf chinesischer Seite verfolgt nicht jedes Modell dieselbe Strategie:
Kimi K3 positioniert sich als leistungsstärkstes Modell und kostet 15 Dollar pro Million Output-Token.
DeepSeek setzt dagegen konsequent auf den Preis – V4 Pro liegt bei 0,87 Dollar,
GLM 5.2 bei 4 Dollar.
Das günstigste Modell der Frontier-Klasse im Vergleich ist DeepSeek V4 Flash mit nur 0,28 Dollar pro Million Output-Token – ein Faktor 179 gegenüber Claude Fable 5.
Was dieser Preisunterschied in der Praxis bedeutet, lässt sich an konkreten Fällen ablesen. Coinbase, die US-amerikanische Kryptobörse, hat ihre KI-Ausgaben halbiert und betreibt inzwischen rund 1.200 automatisierte Agenten auf chinesischen Modellen — auf GLM und Kimi. Shopify soll seine automatisierte Produktkatalog-Verarbeitung auf Qwen umgestellt und dabei eine 75-fache Kostenreduktion pro verarbeitetem Element erreicht haben. Airbnb-Chef Brian Chesky bezeichnete Qwen öffentlich als „very good… fast and cheap.” Auf der Plattform OpenRouter, die als neutraler Marktplatz für Modellzugriffe gilt, ist DeepSeek inzwischen mit 17,6 Prozent aller verarbeiteten Token der größte Einzelanbieter — vor Alibabas Qwen mit 13,9 Prozent und Anthropics Claude mit 13,3 Prozent.
Die Trendumkehr
Die Preisgeschichte von Sprachmodellen ist keine einfache Abwärtskurve. Von 2023 bis 2024 fielen die Kosten für US-Flaggschiffe dramatisch. GPT-4 kostete bei seinem Launch im März 2023 noch 60 Dollar pro Million Output-Token. Mit GPT-4o — erschienen im Mai 2024 — fiel dieser Preis auf 10 Dollar: ein Rückgang von 83 Prozent in 14 Monaten.
Dann begann eine Trendumkehr, die in den Daten klar erkennbar ist, in der öffentlichen Wahrnehmung aber kaum Beachtung findet. Claude Fable 5 kostet heute 50 Dollar — fünfmal so viel wie GPT-4o damals. GPT-5.6 Sol liegt bei 30 Dollar. Das ist kein Irrtum. Es ist das Ergebnis einer strukturellen Verschiebung.
US-Anbieter haben sich in einem Infrastrukturrennen verstrickt, das ihren freien Cashflow übersteigt. Microsoft, Google und Amazon investieren dreistellige Milliardensummen in Rechenzentren und Chip-Kapazitäten. Diese Ausgaben müssen sich amortisieren — über die Preise, die Unternehmenskunden zahlen. Gleichzeitig subventionieren chinesische Anbieter ihre Inference-Kosten strategisch. Dass DeepSeek mit einem Output-Preis von 0,87 Dollar pro Million Token kostendeckend arbeitet, gilt unter Marktbeobachtern als unwahrscheinlich. Die Preise dienen dem Marktanteil, nicht der Marge.
Das Ergebnis ist ein Markt, der sich in zwei Segmente teilt: US-Modelle optimieren für Leistung und Profitabilität. Chinesische Modelle optimieren für Durchdringung.
Was kostet Ihr Anwendungsfall konkret? Wählen Sie ein Szenario und eine monatliche Dokumentenmenge — der Rechner zeigt, was Sie mit jedem der sechs Modelle tatsächlich zahlen würden.
Programmierung Claude / Prompt Der Promtoploge
Open Weights: die Eigentumsfrage
Kimi K3 ist kein Open-Source-Modell. Es ist als Open-Weight-Modell positioniert — eine Unterscheidung, die häufig verwechselt wird und für praktische Entscheidungen erheblich ist.
Open Weight bedeutet: Die trainierten Parameter des Modells werden öffentlich zugänglich gemacht. Kimi hat sie wie angekündigt am 27. Juli freigeben. Wer will, kann sie herunterladen, lokal betreiben, anpassen, in eigene Systeme integrieren. Was nicht öffentlich ist: der Quellcode des Trainingsframeworks, die vollständigen Trainingsdaten, die genauen Verfahren zur Nachbearbeitung. Im Fall von Kimi K3 lautet die Lizenz „Modified MIT” — eine freizügige Lizenz mit Einschränkungen, die Moonshot im Detail noch nicht vollständig veröffentlicht hat. DeepSeek V4 Pro und GLM 5.2 sind bereits als Open-Weight-Modelle verfügbar.
Für Unternehmen und öffentliche Einrichtungen eröffnet Open Weight eine Option, die bei Closed-Modellen grundsätzlich nicht existiert: Selbst-Hosting. Wer ein Modell auf eigener Infrastruktur betreibt, hat keine Abhängigkeit von amerikanischen Cloud-Providern. Keine API, die abgeschaltet werden kann. Keine Nutzungsbedingungen, die sich einseitig ändern lassen.
Das ist keine abstrakte Überlegung. Im Juli 2026 haben Teile der Trump-Administration erwogen, Moonshot AI auf die Entity List zu setzen — eine Maßnahme, die US-Unternehmen effektiv verbieten würde, mit dem chinesischen Anbieter Geschäfte zu machen. Ein weiterer Präzedenzfall: Die Trump-Administration hat Anthropic zeitweise gezwungen, ein Modell zurückzuziehen. Für Unternehmen, die KI als strategische Infrastruktur behandeln, ist die Frage, wer das Modell im Zweifelsfall abschalten kann, keine technische — sie ist eine politische.
Für europäische Unternehmen kommt eine dritte Dimension hinzu. Wer personenbezogene Daten in ein Closed-Modell schickt, dessen Betreiber in den USA sitzt, steht vor Compliance-Fragen, die Open-Weight-Modelle auf eigener europäischer Infrastruktur grundsätzlich nicht aufwerfen. Die DSGVO-Konformität von US-Cloud-Diensten ist seit dem Schrems-II-Urteil und seinen Nachfolgern ein dauerhafter Unsicherheitsfaktor. Self-hosted Open-Weight-Modelle lösen das nicht vollständig — aber sie verlagern den Kontrollpunkt dorthin, wo europäisches Recht greift.
Wie haben sich die Kosten pro Million Token seit 2023 entwickelt? Die logarithmische Zeitachse zeigt den dramatischen Preisverfall bis 2024 — und die aktuelle Trendumkehr bei US-Flaggschiffen
Programmierung Claude / Prompt Der Promtoploge
Sechs Modelle im Profil
Drei US-Anbieter, drei chinesische. Alle aktuell verfügbar, alle per API abrufbar, alle mit eigener Charakteristik. Was sie können, was sie kosten — und für wen sie sich in welchen Situationen eignen.
Claude Fable 5 — Anthropic, USA — Closed-Source
10 Dollar Input / 50 Dollar Output pro Million Token
Anthropics aktuelles Spitzenmodell positioniert sich über Qualität, nicht über Preis. Stärken: tiefe Analyse, Nuancierung mehrdeutiger Sachverhalte, langer Kontext bis eine Million Token, Coding, Sicherheit. Moonshot AI selbst benennt Fable 5 als das Modell, das Kimi K3 noch übertrifft. Empfehlung: für hochwertige Einzelaufgaben, bei denen Antwortqualität direkt zählt und das Volumen überschaubar ist. Beim Preis klar teuerster Anbieter im Vergleich — nicht geeignet, wenn Millionen von Dokumenten monatlich verarbeitet werden müssen.
GPT-5.6 Sol — OpenAI, USA — Closed-Source
5 Dollar Input / 30 Dollar Output pro Million Token
OpenAIs derzeitiges Standardmodell balanciert Preis und Leistung im US-Segment vergleichsweise gut aus. Breites Entwickler-Ökosystem, zahlreiche Drittanbieter-Integrationen. Long-Context-Staffel ab 272.000 Token (10 Dollar Input / 45 Dollar Output). Für Teams mit bestehender OpenAI-Infrastruktur die naheliegendste Wahl. Preiskritisch wird es, wenn hohes Volumen geplant ist — dann empfiehlt sich ein Rechner-Vergleich gegen die chinesischen Alternativen.
Gemini 3.1 Pro — Google, USA — Closed-Source
2 Dollar Input / 12 Dollar Output pro Million Token
Günstigste US-Frontier-Option in diesem Vergleich. Besonderheit: nahtlose Integration mit Google Workspace, Google Cloud und dem gesamten Google-Ökosystem. Long-Context-Staffel ab 200.000 Token (4 Dollar / 18 Dollar). Wer schon in der Google-Infrastruktur arbeitet, zahlt gegenüber DeepSeek immer noch einen erheblichen Aufpreis — bekommt dafür aber direkte Integration in bestehende Produktivitätstools ohne zusätzliche Middleware.
Kimi K3 — Moonshot AI, China — Open Weight
(angekündigt ab 27. Juli 2026)
3 Dollar Input / 15 Dollar Output pro Million Token
Im selben Preissegment wie GPT-5.6 Sol, aber als Open-Weight-Modell mit der Option, es auf eigener Infrastruktur zu betreiben. Besondere Stärken: Frontend-Entwicklung, 3D-Rendering, agentic Coding, parallele Aufgabenverarbeitung (Variante K3 Swarm Max). Schwäche: komplexe mehrstufige Nicht-Coding-Aufgaben, noch keine ausreichende unabhängige Testbasis für Langzeitbeurteilung. Das Maximum-Effort-Problem bei den Benchmark-Zahlen ist zu berücksichtigen.
DeepSeek V4 Pro — DeepSeek, China — Open Weight
0,44 Dollar Input / 0,87 Dollar Output pro Million Token
Der Preisführer im Hochleistungs-Segment. Faktor 57 günstiger als Fable 5 im Output, der größte Einzelanbieter auf OpenRouter nach Token-Volumen. Geeignet für Hochvolumen-Anwendungen: Dokumentenverarbeitung, automatisierte Zusammenfassungen, Batch-Übersetzungen, Kundenservice-Agenten. Open Weight, selbst-hostbar. Zu bedenken: DeepSeek ist ein chinesisches Unternehmen, die regulatorische Lage in der EU und in den USA ist in Bewegung.
GLM 5.2 — Zhipu AI, China — Open Weight
1 Dollar Input / 4 Dollar Output pro Million Token
Der Mittelweg zwischen Preis und Qualität auf chinesischer Seite. Coinbase betreibt einen Teil seiner 1.200 Agenten auf GLM. Benchmarks platzieren es unterhalb von Kimi K3 und DeepSeek V4 Pro, aber deutlich über dem Budget-Segment. Besondere Eignung: als Basis für eigenes Fine-Tuning, wo die günstigen Lizenzkonditionen direkt zur Wirkung kommen. Kontext: 205.000 Token — kleinstes Kontextfenster im Vergleich, für die meisten Anwendungen aber ausreichend.
Wann kamen die wichtigsten Modelle — und wie groß war der Abstand zwischen dem stärksten US- und dem stärksten China-Modell? Die Zeitleiste zeigt, wie dieser Abstand sich entwickelt hat.
Programmierung Claude / Prompt Der Promtoploge
Was bleibt
Benchmark-Tabellen sind nicht wertlos. Mit Vorsicht gelesen, sind sie ein nützlicher Ausgangspunkt. Was sie nicht leisten: Antworten auf die Fragen, die in der Praxis entscheiden.
Wer 50 Millionen Dokumente im Monat verarbeiten will, fragt nicht nach dem GPQA-Diamond-Score. Wer wissen will, ob er ein Modell abschalten kann, wenn die politische Lage sich ändert, fragt nicht nach dem SWE-bench-Rang. Wer prüft, ob eine Lösung DSGVO-konform gebaut werden kann, fragt nicht nach dem Arena-Leaderboard.
Die KI-Branche hat sich angewöhnt, Qualität mit Benchmark-Position gleichzusetzen. Das ist bequem und ungenau. Die relevantere Frage lautet: Qualität wofür, zu welchem Preis, unter wessen Kontrolle?
Der Kimi-K3-Moment war kein Schock. Er war eine weitere Bestätigung einer Entwicklung, die sich seit anderthalb Jahren in den Daten abzeichnet: Leistungsfähige chinesische Modelle kommen schneller als erwartet, kosten deutlich weniger als US-Alternativen, und ein wachsender Teil davon steht als Open Weight zur freien Nutzung bereit. Gleichzeitig drehen die US-Anbieter unter Capex-Druck die Preise nach oben.
Das ist keine Katastrophe und keine Kapitulation. Es ist ein Markt, der sich strukturell verändert — und in dem die alten Vergleichsmaßstäbe nicht mehr genug erklären.
Alle Rechner in der Übersicht:
Zu Beachten:
Preisangaben und alle anderen Daten in diesem Artikel: Stand Juli 2026.
API-Preise chinesischer Anbieter schwanken monatlich. US-Anbieter ändern seltener, aber Staffelpreise und Caching-Konditionen ändern sich ohne Ankündigung: Vor Nutzungsentscheidungen direkt auf den Preisseiten der Anbieter prüfen!
Angaben zu Shopify (75×-Kostenreduktion) nur indirekte Quellen, keine offizielle Bestätigung.
Rechnerprogrammierung Claude, Prompt Der Promptologe
Der Promptologe 26.07.2026
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)
