Kimi K3 vs. Claude Fable 5: Preise, Geschwindigkeit & Wert (Juli 2026)

Kimi K3 kostet laut Liste $3/M für Input und $15/M für Output. Claude Fable 5 kostet laut Liste $10/M für Input und $50/M für Output. Das ist eine Differenz von 3,3× an beiden Enden des Zählers – und das Erste, was jedem auffällt.

Es ist zugleich die am wenigsten hilfreiche Vergleichsmethode.

Der Preis pro Token sagt nur, was ein Token kostet. Er sagt nicht, wie viele Tokens ein Modell verbraucht, um Ihre Aufgabe abzuschließen, wie viele Wiederholungsversuche es benötigt oder wie lange Sie warten. Diese Zahlen schlagen auf Ihrer Rechnung auf. Dieser Beitrag betrachtet beide Ebenen – Listenpreis und tatsächliche Kosten pro Aufgabe – sowie die Architektur von K3, seine Nachweise jenseits von Benchmark-Tabellen und den regulatorischen sowie finanziellen Kontext, der beide Modelle derzeit prägt.

---

Die Preislücke – und warum sie nicht die ganze Geschichte erzählt

Hier ist das vollständige Bild im direkten Vergleich.

	Kimi K3	Claude Fable 5
Input	$3.00/M (Miss) / $0.30/M (Hit)	$10.00/M / $1.00/M (Cache-Read-Hit)
Output	$15.00/M	$50.00/M
Caching	Automatisch – 90%+ Hit-Rate bei Code	Manuelle Breakpoints – $1/M Read-Hit (Write-Aufschlag: $12.50/MTok für 5 Min., $20/MTok für 1 Std.)
Gesamtparameter	2.8T (MoE, 896 Experten)	Von Anthropic nicht offengelegt
Aktive Parameter / Token	~50B (16 von 896 Experten)	Von Anthropic nicht offengelegt
Kontextfenster	1M Tokens	1M Tokens (max. 128k Output)
Weights	Offen – 27. Juli 2026	Proprietär
Stärkster Bereich	Langfristige Coding-Aufgaben	Frontier-General-Reasoning

K3-Spezifikationen und Preise stammen aus Moonshots technischem Blog. Preise und Caching für Fable 5, einschließlich der Cache-Write-Aufschläge, stammen von OpenRouter und den Prompt-Caching-Dokumenten von Anthropic.

Günstiger pro Token ≠ günstiger pro Aufgabe

Ein Modell, das pro Token nur ein Drittel kostet, aber doppelt so viele Tokens benötigt, um dieselbe Antwort zu erreichen, hat den Großteil seines Vorteils eingebüßt. Moonshot äußert sich hier ungewöhnlich offen zu K3s Tendenzen: Das Unternehmen merkt an, dass K3 standardmäßig mit maximalem Denkaufwand ausgeliefert wird; Modi mit geringerem Aufwand folgen in späteren Updates. Maximaler Aufwand bedeutet mehr Reasoning-Tokens, und Reasoning-Tokens werden als Output abgerechnet – also über die $15/M-Zeile, nicht über die $3/M-Zeile.

Moonshot weist außerdem auf eine Verhaltensweise hin, die das Unternehmen als „übermäßige Proaktivität“ bezeichnet: Da K3 intensiv auf langfristige Aufgaben trainiert wurde, kann es bei Unklarheiten Entscheidungen treffen, die nicht angefordert wurden. Das Unternehmen empfiehlt, dies im System Prompt oder in AGENTS.md ausdrücklich einzuschränken. In der Praxis bedeuten nicht angeforderte Entscheidungen zusätzliche Arbeit – manchmal Arbeit, die Sie anschließend wieder rückgängig machen müssen.

Hinzu kommt die reale Laufzeit. Moonshot empfiehlt für effiziente Inferenz den Einsatz von K3 auf Supernode-Konfigurationen mit 64 oder mehr Beschleunigern. Das sagt etwas über das Serving-Profil eines Modells mit 2,8T Parametern aus, selbst bei sparscher Aktivierung. Wenn eine Aufgabe länger dauert, sind diese Latenzen in interaktiven Entwickler-Workflows reale Kosten, auch wenn sie nie auf der Rechnung erscheinen.

Das Fazit: Testen Sie beide Modelle mit Ihrem Workload und messen Sie Kosten pro abgeschlossener Aufgabe statt Kosten pro Million Tokens. Der Listenpreis ist der Ausgangspunkt dieser Rechnung, nicht ihr Ergebnis.

---

Caching: Automatisch vs. manuell, nicht vorhanden vs. nicht vorhanden

Dies ist der am häufigsten falsch dargestellte Teil des Vergleichs, daher sollten wir präzise sein.

Beide Modelle cachen. Der Unterschied liegt darin, wer die Arbeit übernimmt und welche Einrichtungskosten entstehen.

Kimi K3: automatisch, kein offengelegter Write-Aufschlag

Moonshot stellt K3 über Mooncakes disaggregierte Inferenzarchitektur bereit und meldet eine Cache-Hit-Rate von über 90% bei Coding-Workloads. Gecachter Input sinkt von $3.00/MTok auf $0.30/MTok – ein Rabatt von 90%. Sie müssen nichts konfigurieren. Moonshot merkt außerdem an, dass Kimi Delta Attention neue Herausforderungen für herkömmliches Prefix-Caching geschaffen hat und dass das Unternehmen eine Implementierung für die vLLM-Community beigesteuert hat, die zusammen mit den Weights veröffentlicht wird.

Claude Fable 5: manuelle Breakpoints mit Write-Aufschlag

Anthropics Caching bietet Ihnen denselben Rabattumfang – Cache-Reads bei Fable 5 sinken auf $1/MTok gegenüber einem Basispreis von $10/MTok für Input, ebenfalls 90% weniger. Allerdings zahlen Sie dafür, Inhalte in den Cache zu schreiben:

$12.50/MTok** für 5-Minuten-Cache-Writes, **$20/MTok für 1-Stunden-Cache-Writes bei Claude Fable 5 – Anthropic-Preise für Prompt Caching

Diese Werte folgen einer dokumentierten Multiplikatorstruktur: 5-Minuten-Writes kosten das 1,25-Fache des Basis-Inputs, 1-Stunden-Writes das 2-Fache, und Reads das 0,1-Fache des Basis-Inputs. Die Standard-TTL beträgt fünf Minuten. Wichtig ist: Der Cache wird bei jeder Nutzung ohne zusätzliche Kosten aktualisiert. Anthropic empfiehlt selbst, bei Prompts mit Treffern häufiger als alle fünf Minuten beim 5-Minuten-Cache zu bleiben und die kostenlosen Aktualisierungen wirken zu lassen. Die 1-Stunden-Stufe ist für Abstände von mehr als fünf Minuten und weniger als einer Stunde gedacht.

Anthropic unterstützt inzwischen auch automatisches Caching – ein einzelnes cache_control-Feld auf oberster Ebene setzt den Breakpoint beim letzten cachefähigen Block, ohne Annotation jedes einzelnen Blocks. Es gelten dieselben Preise und Mindestwerte. Für Fable 5 beträgt der minimale cachefähige Prompt 512 Tokens.

Die ehrliche Einordnung

	Einrichtungskosten	Write-Kosten	Read-Kosten	Break-even
Kimi K3	Keine – standardmäßig aktiv	Nicht separat bepreist	$0.30/M	Sofort
Claude Fable 5	Platzierung von Breakpoints (oder Top-Level-Auto-Flag)	$12.50–$20/M	$1.00/M	Nach ausreichender Wiederverwendung zum Ausgleich des Writes

Das Caching von Fable zahlt sich gut aus, wenn ein großer statischer Prefix – System Prompt, Tool-Definitionen, ein Dokumentkorpus – wiederholt intensiv genutzt wird. Bei einmaligen Anfragen, bei denen Sie in den Cache schreiben und nie daraus lesen, zahlt es sich schlecht aus. K3 eliminiert diese Rechnung vollständig, was bereits vor dem Vergleich der Rohwerte ein echter operativer Vorteil ist.

---

Wo jedes Modell tatsächlich gewinnt

Kimi K3: langfristiges Coding und hohe Wertdichte

Moonshot positioniert K3 eindeutig für agentische Softwareentwicklung – für lange Sessions mit minimaler Aufsicht, Navigation in großen Repositories und Orchestrierung von Terminal-Tools. Außerdem betont das Unternehmen Aufgaben, die Softwareentwicklung und visuelles Reasoning verbinden und Screenshots sowie Visuals für Iterationen bei Game Development, Frontend- und CAD-Arbeit nutzen. Moonshot beschreibt dies als „Vision im Kreislauf“: Das Modell schreibt Code, betrachtet das gerenderte Ergebnis und verbessert es weiter.

K3 ist derzeit die stärkste Coding-Option im Hinblick auf das Preis-Leistungs-Verhältnis und belegt Platz 1 in der Frontend Code Arena.

Claude Fable 5: Frontier-General-Reasoning

Die glaubwürdigste Einschätzung der Gesamtfähigkeit von Fable 5 stammt von Moonshot selbst. Im K3-Launch-Beitrag schreibt das Unternehmen, dass K3 zwar in der gesamten Evaluierungssuite Frontier-Niveau erreichte, seine Gesamtleistung aber „weiterhin hinter den leistungsstärksten proprietären Modellen Claude Fable 5 und GPT 5.6 Sol zurückbleibt“.

Moonshot geht in seinem Abschnitt zu Einschränkungen noch weiter und räumt ein, dass „K3 trotz seiner insgesamt hohen Wettbewerbsfähigkeit gegenüber Claude Fable 5 und GPT 5.6 Sol dennoch eine spürbare Lücke bei der User Experience aufweist“. Wenn ein Labor dies freiwillig über den eigenen Flaggschiff-Launch sagt, sollte man es ernst nehmen.

So ist die Aufteilung zu lesen: Wenn Ihr Workload langfristige Codegenerierung und Repository-Arbeit umfasst, ist K3s Verhältnis von Preis zu Fähigkeit schwer zu widerlegen. Wenn es um Frontier-Reasoning geht, bei dem die obersten wenigen Prozentpunkte an Qualität darüber entscheiden, ob der Output nutzbar ist, ist Fable 5 das, wofür Sie zahlen.

---

Unter der Haube: Was Kimi K3 tatsächlich ist

2,8T insgesamt, ~50B aktiv – nennen Sie immer beide Werte

K3 ist ein Modell mit 2,8 Billionen Parametern, das erste offene Modell, das diese Größenordnung erreicht. Es handelt sich jedoch um eine Mixture-of-Experts-Architektur, die pro Token effektiv 16 von 896 Experten aktiviert – ungefähr 50B aktive Parameter. Die 2,8T-Zahl beschreibt die Kapazität; die ~50B-Zahl beschreibt, was bei einem bestimmten Forward Pass aktiv wird. 2,8T ohne diesen Kontext zu nennen, stellt sowohl die Compute-Kosten als auch das Serving-Profil falsch dar.

Moonshot berichtet, dass diese Sparsity-Skalierung in Kombination mit verfeinerten Trainings- und Datenrezepten gegenüber Kimi K2 eine etwa 2,5× höhere Gesamt-Skalierungseffizienz erzielt.

Der Architektur-Stack

Jeder folgende Begriff erscheint in Moonshots Launch-Beitrag:

• Kimi Delta Attention (KDA) – eine hybride Linear-Attention-Grundlage, um Attention effizient über die Sequenzlänge zu skalieren.
• Attention Residuals (AttnRes) – ruft Repräsentationen selektiv über die Modelltiefe hinweg ab, statt sie einheitlich anzuhäufen.
• Stable LatentMoE – das Framework, das die Aktivierung von 16 von 896 Experten bei extremer Sparsity ermöglicht.
• Quantile Balancing – leitet die Expertenzuweisung aus Router-Score-Quantilen ab und eliminiert heuristische Updates sowie einen empfindlichen Balancing-Hyperparameter.
• Per-Head Muon – erweitert den Muon-Optimizer, indem Attention-Heads unabhängig optimiert werden.
• Sigmoid Tanh Unit (SiTU) und Gated MLA – jeweils für Aktivierungskontrolle und Attention-Selektivität.

Moonshot setzt außerdem ab der SFT-Phase quantisierungsbewusstes Training ein und verwendet MXFP4-Weights mit MXFP8-Aktivierungen für eine breite Hardware-Kompatibilität.

Die praktische Spezifikation

• 1M-Token-Kontextfenster, native visuelle Verarbeitung
• Bei Launch maximaler Denkaufwand standardmäßig aktiv; Modi mit niedrigem und hohem Aufwand folgen in späteren Updates
• Jetzt verfügbar auf Kimi.com, Kimi Work, Kimi Code und über die Kimi API (Modell-ID kimi-k3)
• Weights-Veröffentlichung: bis 27. Juli 2026 – vollständige Details zu Architektur, Training und Evaluierungen erscheinen zusammen mit dem technischen K3-Bericht
• Empfohlene Bereitstellung: Supernode-Konfigurationen mit mehr als 64 Beschleunigern

Eine Kompatibilitätswarnung, die Sie zweimal lesen sollten

K3 wurde im Modus mit erhaltener Thinking-Historie trainiert. Moonshot warnt: Wenn Ihr Agent-Framework nicht alle historischen Thinking-Inhalte zurückgibt oder Sie eine laufende Session von einem anderen Modell zu K3 wechseln, kann die Generierungsqualität stark instabil werden. Verwenden Sie ein Framework mit verifizierter Kompatibilität – Kimi Code ist die Referenzimplementierung – und wechseln Sie nicht mitten in einer Session. Das ist die Art Detail, die zu einer rätselhaften Qualitätsregression wird, wenn man sie übersieht.

---

Nachweise, die keine Benchmark-Tabelle sind

Benchmark-Ergebnisse sind umstritten, abhängig vom verwendeten Framework und manipulierbar. Drei Punkte aus dem K3-Launch-Material lassen sich schwerer wegwischen.

🔧 Es entwarf autonom einen Chip. In 48 Stunden.

In einem einzigen autonomen Lauf über 48 Stunden baute, optimierte und verifizierte K3 mit Open-Source-EDA-Tools auf der Nangate-45nm-Bibliothek einen Chip. Das Ergebnis: Innerhalb von 4 mm² erfüllt das Design das Timing bei 100 MHz und erreicht in der Simulation einen Decode-Durchsatz von über 8.700 Tokens/s. Es umfasst 1,46M Standardzellen, 0,277 MB SRAM und ein INT4-MAC-Array mit fusionierter Dequantisierung.

Der Zweck des Chips bestand darin, ein Nano-Modell auf Basis von K3s eigener Architektur bereitzustellen – ein Modell, das Silizium für ein Modell entwirft. Wie auch immer Sie dies als Demo bewerten: Es ist eine langfristige agentische Aufgabe mit einem überprüfbaren Bestanden/Nicht-bestanden-Ergebnis.

🔬 Zwei Stunden statt zwei Wochen

Um die I–Love–Q-Universalrelationen der rechnergestützten Astrophysik zu reproduzieren, sichtete und kreuzvalidierte K3 mehr als 20 Arbeiten, implementierte die vollständige numerische Pipeline, wertete mehr als 300 Zustandsgleichungen aus, identifizierte Inkonsistenzen in veröffentlichten Formeln, generierte mehr als 3.000 Zeilen Python und erstellte ein interaktives HTML-Dashboard zur Untersuchung der Ergebnisse.

Moonshots Einordnung: etwa zwei Stunden für Arbeit, die für einen erfahrenen Forscher typischerweise ein bis zwei Wochen dauert.

💼 Ein führendes westliches Coding-Tool basiert auf einem offenen Kimi-Modell

Dies ist der stärkste Nachweis in dieser Sammlung, und er stammt überhaupt nicht von Moonshot.

Der technische Bericht von Cursor zu Composer 2 besagt, dass das Modell in zwei Phasen trainiert wurde, beginnend mit fortgesetztem Pretraining auf einem offenen Basismodell – Kimi K2.5 – gefolgt von großskaligem Reinforcement Learning in realistischen Cursor-Sessions. Der Bericht würdigt „die Teams hinter Kimi K2.5, Ray, ThunderKittens, PyTorch und der breiteren Open-Source-Community“.

Die Zuordnung kam nach einer öffentlichen Diskussion über die Anerkennung des Basismodells ans Licht, was sie bemerkenswerter statt weniger bemerkenswert macht: Ein führendes westliches AI-Coding-Produkt baute sein agentisches Coding-Modell auf einer offenen Kimi-Grundlage auf. Cursor berichtet für Composer 2 Werte von 61,3 bei CursorBench, 73,7 bei SWE-bench Multilingual und 61,7 bei Terminal-Bench – bei deutlich niedrigeren Inferenzkosten als vergleichbare Modelle.

Keine Zeile in einer Rangliste belegt die Argumente für offene Kimi-Weights so überzeugend wie ein kommerzielles Produkt, das darauf aufbaut.

---

Der Kontext rund um beide Labore

Moonshot: $2B bei einer Bewertung von $20B

Moonshot AI nahm etwa $2 Milliarden bei einer Bewertung von $20 Milliarden auf – in einer Runde unter Führung von Long-Z Investments, dem VC-Arm des Essenslieferdienstes Meituan, wie ein Beitrag der Beratungsfirma Huafeng Capital berichtet. Tsinghua Capital, China Mobile und CPE Yuanfeng beteiligten sich ebenfalls. Zu Moonshots breiterer Investorenliste gehören Alibaba, Tencent, HongShan, ZhenFund, IDG Capital und 5Y Capital.

Zum Verlauf: TechCrunch berichtet, dass Moonshot in den vorangegangenen sechs Monaten $3,9 Milliarden aufgenommen hat und das Unternehmen Berichten zufolge eine noch größere Runde anstrebt. Das Labor wurde 2023 von Yang Zhilin gegründet, der zuvor bei Meta AI und Google Brain tätig war.

Die von TechCrunch benannte Investorenthese sollte klar ausgesprochen werden: Käufer, denen „ein Performance-Abstrich im Austausch für günstige Inferenz“ nichts ausmacht, sind ein großer und wachsender Markt. Genau dieses Segment adressiert K3 – und genau deshalb ist die Frage der Kosten pro Aufgabe oben so wichtig.

Anthropic: die Exportkontroll-Episode im Juni 2026

Am Abend des 12. Juni 2026, drei Tage nach dem Launch, wies das US-Handelsministerium Anthropic an, jeden Zugang zu Claude Fable 5 und Claude Mythos 5 für sämtliche ausländischen Staatsangehörigen überall auf der Welt auszusetzen. Beide Modelle gingen für jeden Kunden weltweit offline. Andere Claude-Modelle – Opus, Sonnet, Haiku – blieben verfügbar. Die Kontrollen wurden am 30. Juni aufgehoben.

Dies war eine Exportkontrollmaßnahme, kein Produktrückruf, und Anthropic bestritt die zugrunde liegende Bewertung direkt. In seiner öffentlichen Stellungnahme erklärte das Unternehmen, es habe den mutmaßlich betreffenden Bericht geprüft und sei zu dem Schluss gekommen, dass „das nachgewiesene Fähigkeitsniveau von anderen öffentlich bereitgestellten Modellen, einschließlich OpenAIs GPT-5.5, verfügbar ist und routinemäßig von Cybersecurity-Verteidigern genutzt wird“.

Anthropic ergänzte: „Wir stimmen nicht zu, dass die Feststellung eines begrenzten potenziellen Jailbreaks Anlass sein sollte, ein kommerzielles Modell zurückzurufen, das für Hunderte Millionen Menschen bereitgestellt wurde. Wenn dieser Standard auf die gesamte Branche angewandt würde, würde er unserer Ansicht nach im Wesentlichen alle neuen Modellbereitstellungen aller Frontier-Modellanbieter zum Stillstand bringen.“ Eine dem Unternehmen nahestehende Quelle behauptete, Anthropic seien nie Details vorgelegt worden und das Unternehmen habe nie abgelehnt, Probleme zu beheben. Forbes weist darauf hin, dass die widersprüchlichen Darstellungen nicht abgeglichen wurden.

Warum dies in einen Kaufratgeber gehört: Es ist ein konkreter Beleg dafür, dass der Zugang zu einem proprietären Frontier-Modell von einer Partei unterbrochen werden kann, die weder Sie noch der Anbieter ist. Das ist eine Variable des Beschaffungsrisikos – unabhängig von jeder Bewertung dazu, wer im Recht war.

Der strategische rote Faden

Zusammengenommen zeigen die beiden Geschichten die Konturen des Jahres 2026: Moonshot wandelt architektonische Effizienz – extreme MoE-Sparsity, hybride Linear Attention, quantisierungsbewusstes Training – unter Beschränkungen beim Chipzugang in Frontier-nahe Fähigkeiten zu einem Bruchteil des Token-Preises um. Anthropic agiert an der Fähigkeitsgrenze in einem regulatorischen Regime, das nun gezeigt hat, dass es den Bereitstellungs-Schalter erreichen kann.

Algorithmische Effizienz gegenüber roher Compute-Leistung ist keine theoretische Debatte mehr. Es sind zwei unterschiedliche Risikoprofile, die Sie auf eine Bestellung setzen können.

---

Kimi K3 selbst betreiben: Was Sie am 27. Juli erwarten können

Die Weights erscheinen bis zum 27. Juli 2026, und Moonshot erklärt, mit Inferenzpartnern und Open-Source-Maintainern an der Abstimmung technischer Details für einen verlässlichen Ökosystem-Rollout zu arbeiten. Einige fundierte Erwartungen:

• Dies ist kein Laptop-Modell. Ein MoE mit 2,8T Parametern und ~50B aktiven Parametern pro Token benötigt für das Routing weiterhin den vollständigen Parametersatz im Speicher. Moonshot selbst empfiehlt für effiziente Inferenz Supernode-Konfigurationen mit mehr als 64 Beschleunigern.
• vLLM-Support wird Upstream beigesteuert. Da KDA herkömmliches Prefix-Caching erschwert, hat Moonshot der vLLM-Community eine Implementierung beigesteuert, die zusammen mit dem Modell erscheint.
• Quantisierung ist integriert. MXFP4-Weights mit MXFP8-Aktivierungen, ab der SFT-Phase eingesetzt und ausdrücklich für breite Hardware-Kompatibilität ausgewählt.
• Ein vollständiger technischer Bericht folgt. Detaillierte Angaben zu Architektur, Training und Evaluierung erscheinen mit dem technischen K3-Bericht.

Für die meisten Teams wird die API zu $3/$15 der praktische Weg sein. Self-Hosting lohnt sich, wenn Datenresidenz, individuelles Fine-Tuning oder Inferenz zu Fixkosten bei hohem Volumen die Infrastrukturbelastung überwiegen.

---

Die eigentliche Antwort: Hören Sie auf, nur eines auszuwählen

Wenn man den Vergleich ehrlich durchgeht, lautet die Schlussfolgerung nicht, dass es einen Gewinner gibt. Es ist ein Routing-Problem.

• Langfristige Repository-Arbeit, Frontend-Iteration, Codegenerierung mit hohem Volumen → K3s Ökonomie ist tatsächlich schwer zu übertreffen, insbesondere wenn automatisches Caching bei Coding-Workloads über 90% Hits erzielt.
• Frontier-Reasoning, risikoreiche Analysen, Aufgaben, bei denen die oberste Stufe der Output-Qualität der ganze Zweck ist → Fable 5, nach Moonshots eigener Einschätzung.
• Alles dazwischen → hängt von der Form Ihrer Prompts, Ihren Wiederverwendungsmustern und Ihrer Latenztoleranz ab.

Teams, die sich auf einen einzelnen Anbieter festlegen, tun am Ende eines von zwei Dingen: Sie zahlen zu viel für Frontier-Reasoning bei Aufgaben, die es nicht benötigten, oder sie geben bei Aufgaben zu wenig aus, bei denen Qualität tatsächlich zählt. Beides ist teuer. Das Zweite ist schlimmer.

Deshalb ist Jenova auf einheitlichen Zugriff auf mehrere Modelle statt auf eine Wette auf ein einzelnes Modell ausgerichtet. Ein Abonnement, Zugriff auf US-Frontier-Modelle und Open-Weight-Modelle sowie intelligentes Routing, das jede Aufgabe an das dafür geeignete Modell sendet. Wenn sich die Preis-Leistungs-Grenze verschiebt – und das hat sie in den vergangenen drei Monaten zweimal getan –, passen Sie das Routing an, statt einen Vertrag neu zu verhandeln oder eine Integration umzuschreiben.

Der obige Vergleich ist das Argument. Modelle sind spezialisiert. Ihr Zugang sollte es nicht sein.

---

FAQ

Wie viel kostet die Kimi K3 API?

Kimi K3 kostet laut Moonshots Launch-Beitrag **$3.00/MTok für Cache-Miss-Input, $0.30/MTok für Cache-Hit-Input und $15.00/MTok für Output**. Die API ist OpenAI SDK-kompatibel – wählen Sie `kimi-k3` auf der Kimi API Platform. Da Caching automatisch erfolgt und Moonshot bei Coding-Workloads eine Hit-Rate von 90%+ meldet, liegen die effektiven Input-Kosten bei wiederholten Code-Sessions oft deutlich unter dem Listenpreis von $3.

Wann erscheinen die offenen Kimi K3 Weights?

Moonshot erklärt, dass die vollständigen Modell-Weights bis zum 27. Juli 2026 veröffentlicht werden. Das Unternehmen stimmt sich vor der Veröffentlichung mit Inferenzpartnern und Open-Source-Maintainern ab und hat eine Prefix-Caching-Implementierung zu vLLM beigesteuert, die zusammen mit dem Modell erscheint. Ein vollständiger technischer Bericht zu Architektur, Training und Evaluierungen soll die Veröffentlichung begleiten.

Ist Kimi K3 besser als Claude Fable 5?

Das hängt von der Aufgabe ab. Moonshots eigener Launch-Beitrag sagt, dass K3s Gesamtleistung „weiterhin hinter den leistungsstärksten proprietären Modellen Claude Fable 5 und GPT 5.6 Sol zurückbleibt“, und räumt separat eine spürbare Lücke bei der User Experience ein. K3s Vorteil ist langfristiges Coding zu etwa einem Drittel des Token-Preises von Fable 5. Fable 5s Vorteil liegt im Frontier-General-Reasoning. Unterschiedliche Aufgaben, unterschiedliche Antworten.

Wie unterscheidet sich Kimi K3 Caching von Claude Fable 5 Caching?

Beide cachen und beide rabattieren Reads um etwa 90%. K3-Caching ist automatisch – $0.30/MTok bei Hits gegenüber $3.00 als Basis, ohne Einrichtung. Fable-5-Reads sinken auf $1/MTok gegenüber $10 als Basis, aber Sie zahlen einen Write-Aufschlag: $12.50/MTok für 5-Minuten-Writes und $20/MTok für 1-Stunden-Writes, laut Anthropics Caching-Dokumentation. Der Fable-Cache wird bei jedem Hit kostenlos aktualisiert, daher hängen die Einsparungen davon ab, ob die Wiederverwendungsfrequenz die Write-Kosten übersteigt.

Kann ich Kimi K3 lokal ausführen?

Nicht auf Consumer-Hardware. K3 aktiviert ~50B Parameter pro Token, doch das vollständige 2,8T-MoE muss für das Routing im Speicher liegen. Moonshot empfiehlt für Inferenz-Effizienz Supernode-Konfigurationen mit 64 oder mehr Beschleunigern. Quantisierungsbewusstes Training mit MXFP4-Weights und MXFP8-Aktivierungen verbessert die Hardware-Kompatibilität, und vLLM-Support wird Upstream beigesteuert – doch es handelt sich um eine Bereitstellung der Rechenzentrumsklasse, nicht um ein Projekt für eine lokale Workstation.

Was geschah mit Claude Fable 5 im Juni 2026?

Am 12. Juni 2026 erließ das US-Handelsministerium eine Exportkontrollrichtlinie, die jeden Zugang zu Fable 5 und Mythos 5 für sämtliche ausländischen Staatsangehörigen weltweit aussetzte und Anthropic dazu zwang, beide Modelle für alle Kunden zu deaktivieren. Anthropic bestritt öffentlich die Schwere der zugrunde liegenden Feststellung und erklärte, vergleichbare Fähigkeiten gebe es in anderen bereitgestellten Modellen. Die Kontrollen wurden am 30. Juni aufgehoben. Andere Claude-Modelle waren währenddessen nicht betroffen.

Entspricht das Kontextfenster von Kimi K3 dem von Claude Fable 5?

Beide bieten Kontextfenster mit 1M Tokens. Fable 5 begrenzt den Output auf 128k Tokens. Der praktische Unterschied betrifft weniger die Fenstergröße als die Kosten für ihre Befüllung: Bei $3/M gegenüber $10/M für Input ist das Laden eines großen Kontexts mit K3 deutlich günstiger – doch Output-intensives Reasoning über diesen Kontext wird mit $15/M gegenüber $50/M berechnet, und dort entscheidet sich die Kostenrechnung pro Aufgabe.

---

Fazit

Der Vergleich Kimi K3 vs. Claude Fable 5 lässt sich auf drei dauerhafte Fakten reduzieren.

Erstens: Die Preisdifferenz ist real – 3,3× bei Input, 3,3× bei Output –, doch sie ist ein Ausgangspunkt für Ihr Kostenmodell, nicht die Antwort. Token-Effizienz, Wiederholungsraten und Latenz in Ihrem konkreten Workload bestimmen die tatsächlichen Ausgaben.

Zweitens: Beim Caching geht es um automatisch versus manuell, nicht um vorhanden versus nicht vorhanden. Beide Modelle rabattieren gecachte Reads um etwa 90%. Fable 5 verlangt $12.50–$20/MTok, um diesen Cache zu schreiben; K3 aktiviert ihn kostenlos und meldet bei Code Hits von über 90%.

Drittens: Jedes Modell besitzt einen anderen Bereich. K3 wurde für langfristiges Coding entwickelt und ist für intensive Nutzung bepreist. Fable 5 befindet sich an der Grenze des General-Reasoning, was Moonshot selbst einräumt.

Das bedeutet: Die operativ richtige Antwort ist Zugang zu beiden Modellen, geroutet nach Aufgabe. Das ist die Position, auf die es sich hinzuarbeiten lohnt – und was Jenova liefern soll: einheitlicher Zugriff auf mehrere Modelle aus US-Frontier- und Open-Weight-Modellen unter einem Abonnement, mit Routing, das sich anpasst, wenn sich die Frontier verschiebt.

Markieren Sie den 27. Juli in Ihrem Kalender. Diese Seite wird aktualisiert, wenn die Weights erscheinen.

---

Für Entwickler: Zugriff auf mehrere Modelle und intelligentes Routing sind programmatisch über die Jenova API verfügbar – entwickeln Sie modellagnostische AI-Funktionen für Ihre Anwendung mit einer einzigen Integration. Vollständige Dokumentation →