Somaia argumentiert, der gesamte westliche Konsens, von den Exportkontrollen über das 650-Milliarden-Dollar-Investitionsrennen der Hyperscaler bis zur "Compute Moat"-Investitionsthese, basiere auf einer einzigen Annahme: dass Rechenleistung die Fähigkeit bestimmt.
Doch Knappheit habe Innovation erzwungen: Moonshots hauseigener Mooncake-Stack fürs KI-Training sei gerade deshalb entstanden, weil das Startup nicht über genügend GPUs verfüge. "Ein kleines Labor mit Geschmack kann die nötige Rechenleistung für ein Frontier-Modell komprimieren, selbst wenn es sich dessen Betrieb nicht leisten kann", so Somaia.
Dylan Patel, Gründer von SemiAnalysis, bestätigt: Was Moonshot AI mit einem extrem talentierten kleinen Team, starker Forschung in Reinforcement Learning, Architektur und Datenkuration erreicht habe, kompensiere einen großen Teil des Compute-Defizits. Hinzu käme ein praktisches Problem der Exportkontrollen: Chinesische Unternehmen könnten GPUs problemlos außerhalb Chinas mieten, was einen großen Teil der Beschränkungen wirkungslos mache.
Google-Deepmind-Forscher ist begeistert von Kimi
Westliche KI-Labore werfen chinesischen Unternehmen häufig vor, durch Destillation eine Art Datendiebstahl zu betreiben. Bei dem Verfahren lernt ein kleineres KI-Modell aus dem Output eines größeren und kann so als Trittbrettfahrer westliche Geschäftsmodelle bedrohen. Bisher galt Destillation als gängige Erklärung dafür, wie chinesische Labore trotz weniger Rechenleistung nahe an der Frontier bleiben.
Für Kimi K3 reicht diese Erklärung offenbar nicht mehr. "Diese Ergebnisse lassen sich durch Destillation allein unmöglich erklären", schreibt Michiel Bakker, KI-Forscher am MIT und bei Google DeepMind. Das Modell sei "unglaublich gut". Googles eigenes Spitzenmodell Gemini 3.5 Pro ist laut Bloomberg hingegen seit Monaten verzögert, weil es beim Coding nicht die erhoffte Leistung erzielt. Die KI-Strategie des Konzerns steht daher erneut in der Kritik, auch bei der KI-Suche gibt es speziell aus Deutschland Gegenwind.
Dean W. Ball, Head of Strategic Futures bei OpenAI und früherer Regierungsberater, nennt Kimi ein "sehr gutes Modell". In agentischen Coding-Sessions liege es auf Augenhöhe mit den besten öffentlichen Modellen des ersten Quartals 2026. Allerdings verbrauche es sehr viele Tokens, günstig im Betrieb sei es keineswegs.
Laut Artificial Analysis kostet Kimi K3 durchschnittlich 0,94 US-Dollar pro Aufgabe und liegt damit nahe an GPT 5.6 Sol mit 1,04 US-Dollar, aber bei etwa der Hälfte von Opus 4.8 mit 1,80 US-Dollar. Deutlich günstiger als die westliche Spitze, aber auch deutlich teurer als bisherige offene chinesische Modelle.
OpenAI-Stratege warnt vor "KI-Kommunismus"
Ball zeigt sich überrascht, dass der chinesische Staat die Veröffentlichung derart leistungsfähiger Modelle als Open Weight zulässt. Zu 75 Prozent erkläre sich das durch strategische Blindheit: Die KPCh sei in ihrer Einschätzung von KI-Risiken "sehr Yann-LeCun-artig", sehe also keine existenziellen Gefahren. Der Rest entfalle auf fehlende Rechenkapazität für Kundeninferenz, was die Open-Weight-Strategie zu einem unbeabsichtigten Nebenprodukt der US-Exportkontrollen mache. Die Unternehmen selbst wüssten zudem, dass kaum jemand für chinesische Modelle unterhalb der Frontier zahlen würde.
Open-Weight-Modelle seien "von Natur aus dezelerationistisch", so Ball, da sie weitere KI-Investitionen bremsten. Ein mögliches Ergebnis einer von ihnen dominierten Welt sei "vollständiger KI-Kommunismus": KI als öffentliches Gut, vom Staat als digitale Infrastruktur bereitgestellt. Genau das schlage China vor. Ball bezeichnet dieses Szenario als "dystopische Horrorvision".
Dass ausgerechnet ein OpenAI-Stratege Open-Weight-Modelle derart scharf kritisiert, ist nicht ohne Eigeninteresse: Sein Unternehmen setzt auf ein geschlossenes Geschäftsmodell und gerät durch Anbieter wie Moonshot AI oder DeepSeek zunehmend unter Preisdruck.
Regulatorische Unsicherheit statt Verbote
Ball prognostiziert, dass die Trump-Administration regulatorisches Risiko um die Nutzung chinesischer Open-Weight-Modelle schaffen werde. Man müsse Open Source nicht verbieten, eines der "dümmeren Leitmotive der KI-Politikdebatte". Es reiche, wenn Behörden über Soft Law genügend Unsicherheit erzeugten, etwa durch Warnungen der Federal Reserve vor möglichen Hintertüren in chinesischen KI-Modellen. Die Begründung müsse nicht einmal besonders fundiert sein.
Das Ziel sei ein Mittelweg: genügend Risiko, damit regulierte Unternehmen von chinesischen Modellen Abstand nehmen, ohne die Hyperscaler so stark zu verschrecken, dass Startups zu unseriöseren Anbietern abwandern. Ball geht davon aus, dass die Regierung eine Version dieser Strategie umsetzen werde.
Mehr KI erfordert mehr Compute
Kimis Durchbruch bedeutet allerdings nicht, dass weniger Rechenleistung benötigt wird und damit die Infrastrukturausbauten der US-Tech-Konzerne überflüssig macht, was wohl einen Börsen-Crash zur Folge hätte. Im Gegenteil: Nach dem Jevons-Paradoxon könnte das Modell sogar mehr Nachfrage nach Compute erzeugen.
Laut SemiAnalysis ist Kimi K3 mit seinen 2,8 Billionen Parametern so groß, dass es nicht einmal auf ein einzelnes Nvidia DGX B200 passt, selbst bei FP4-Quantisierung nicht. Erforderlich seien leistungsfähigere Systeme wie das GB300 NVL72 oder B300 mit jeweils 288 GB Speicher pro GPU. Bedeutet: Die KI-Infrastruktur muss weiterwachsen.
Die Parallelen zu Deepseek drängen sich auch hier auf: Schon damals hatten Skeptiker einen bevorstehenden Compute-Überschuss vorhergesagt und die Märkte kurzzeitig verunsichert. Stattdessen stieg die Nachfrage nach Rechenleistung durch die zunehmende Nutzung von Reasoning-Modellen, ironischerweise auch durch Deepseek selbst.
