Moonshot AI

Kimi

Im Oktober 2023 veröffentlichte Moonshot seinen ersten KI-Chatbot Kimi, dessen Name auf Yangs englischem Spitznamen basiert. Er entwickelte sich zum stärksten Konkurrenten von Baidus Ernie Bot.^[2][17]

Im März 2024 gab Moonshot an, Kimi könne 2 Millionen chinesische Schriftzeichen in einer einzigen Eingabeaufforderung verarbeiten – eine deutliche Verbesserung gegenüber der Vorgängerversion, die nur 200.000 Zeichen verarbeiten konnte. Aufgrund der gestiegenen Nutzerzahlen erlitt Kimi am 21. März einen zweitägigen Ausfall, woraufhin Moonshot sich entschuldigte.^[17][18]

Stand August 2024 belegte Kimi laut aicpb.com den dritten Platz bei den monatlich aktiven Nutzern.^[19]

Am 20. Januar 2025 wurde Kimi K1.5 veröffentlicht. Moonshot behauptete, das Modell erreiche in den Bereichen Mathematik, Programmierung und multimodales Denken die gleiche Leistung wie OpenAI's o1.^[20]

Im Juni 2025 fiel Kimi bei den monatlich aktiven Nutzern auf den siebten Platz zurück.^[19]

Im Juli 2025 veröffentlichte das Unternehmen die Gewichte für Kimi K2, ein großes Sprachmodell mit insgesamt 1 Billion Parametern.^[21] Das Modell verwendet eine Mixture-of-Experts-Architektur (MoE), bei der während der Inferenz 32 Milliarden Parameter aktiv sind. K2 wurde auf 15,5 Billionen Token trainiert und unter einer modifizierten MIT-Lizenz veröffentlicht.^[22][23] Kimi K2 ist ein quelloffenes Sprachmodell, das von Nutzern heruntergeladen und weiterentwickelt werden kann.^[24] Am Tag nach der Veröffentlichung verzeichnete Kimi K2 die meisten Downloads auf der Plattform.^[24] Moonshot gibt an, dass das Modell bei Programmieraufgaben herausragend abschneidet und Tests wie LiveCodeBench bestanden hat.^[24] In bestimmten Bereichen erreichte das Modell eine mit seinen westlichen Konkurrenten vergleichbare oder bessere Leistung.^[24] Auch für seine Schreibfähigkeiten wurde es gelobt.^[24] Am 9. September 2025 veröffentlichte Moonshot AI eine aktualisierte Version von K2 (Kimi-K2-Instruct-0905), die die Leistung bei agentenbasierten Programmieraufgaben weiter verbesserte und das Kontextfenster von 128K Token auf 256K Token verdoppelte.^[25][26]

Die Veröffentlichung von Kimi K2 folgte einem Trend unter chinesischen Unternehmen, ihre KI-Modelle quelloffen zu veröffentlichen – vermutlich als Reaktion auf die Bemühungen der USA, Chinas Technologiewachstum einzuschränken.^[19]

Im November 2025 veröffentlichte Moonshot Kimi K2 Thinking, ein quelloffenes Update von Kimi K2 für fortgeschrittene Schlussfolgerungs- und Agentenaufgaben. Das Modell wurde für rund 4,6 Millionen US-Dollar trainiert, verfügt über eine MoE-Architektur mit 1 Billion Parametern (davon 32 Milliarden aktiv) und unterstützt Kontextlängen von bis zu 256.000 Token. Es kann 200 bis 300 sequentielle Werkzeugaufrufe autonom ausführen und nutzt native INT4-Quantisierung für Effizienz. In Benchmarks übertraf es GPT-5 und Claude Sonnet 4.5 bei Tests wie Humanity's Last Exam (44,9 %), BrowseComp (60,2 %) und SWE-Bench Verified (71,3 %). Es ist unter einer modifizierten MIT-Lizenz veröffentlicht, die eine Namensnennung für Produkte mit mehr als 100 Millionen monatlichen Nutzern oder 20 Millionen US-Dollar monatlichem Umsatz vorschreibt.^[27][28][29]

An der World Artificial Intelligence Conference in Schanghai hat Moonshot das Modell Kimi-K3 am 17. Juli 2026 angekündigt. Laut unabhängigen Prüfinstanzen kann K3 mit den besten verfügbaren US-Modellen mithalten. Dabei wurden die Moonshot-Modelle mit wesentlich geringerem Aufwand entwickelt. Laut US-Experten nutzten die chinesischen Konkurrenten nicht nur unerlaubte Wissensdestillation zur Extraktion von Ergebnissen proprietärer US-Modelle, sondern entwickelten kreative Verbesserungen.^[30] Das Modell K3 ist mit 2,8 Billionen Parametern eines der komplexesten Modelle, geeignet für Programmierung, logische Herleitungen, Wissensabfragen und Bilderzeugung.^[31][32]

Mooncake-Plattform

Mooncake ist die Plattform, die Moonshots Kimi-Chatbot bedient und täglich 100 Milliarden Token verarbeitet.^[33] Moonshot wurde auf der USENIX-FAST-Konferenz für die Arbeit zur Architektur von Mooncake mit dem Erik Riedel Best Paper Award ausgezeichnet.^[33]

Skalierung des Muon-Optimierers

In der gemeinsamen Arbeit von Moonshot und der UCLA „Muon is Scalable for LLM Training“ behaupten die Forscher, den Muon-Optimierer, der bisher für seine starken Ergebnisse beim Training kleiner Sprachmodelle bekannt war, erfolgreich auf das Training eines großen Sprachmodells mit 16 Milliarden Parametern in einer Mixture-of-Experts-Architektur mit 3 Milliarden aktiven Parametern skaliert zu haben.^[34] Die Forscher geben an, dass Muon die Recheneffizienz im Vergleich zum Standardoptimierer AdamW um den Faktor 2 verbessert.^[34] Die Implementierung des Muon-Optimierers sowie die vortrainierten und instruktionsoptimierten Checkpoints wurden als Open Source veröffentlicht.^[4]

Skalierung des Reinforcement Learning mit LLMs

In ihrem technischen Bericht zum Modell Kimi K1.5 beschreiben die Forscher von Moonshot ihre Methoden des bestärkenden Lernens, die dem Modell ihrer Aussage nach Schlussfolgerungsfähigkeiten auf dem Stand der Technik ermöglichten, vergleichbar mit OpenAIs o1-Modell.^[35] Die Forscher heben hervor, dass die Skalierung langer Kontexte und verbesserte Methoden zur Richtlinienoptimierung entscheidend waren, ohne auf komplexe Techniken wie Monte-Carlo-Baumsuche, Wertfunktionen und Prozessbelohnungsmodelle zurückzugreifen.^[35]