Fireworks passt Kimi K3 an: 40 Prozent weniger Token
Fireworks AI hat Ember-1 vorgestellt, ein Post-Training des offenen Kimi-K3-Modells von Moonshot AI, das bei kaum sinkender Qualität rund 40 Prozent weniger Token erzeugt.
21 geprüfte Beiträge zu Kimi, Produkten und Branchenentwicklungen.
Fireworks AI hat Ember-1 vorgestellt, ein Post-Training des offenen Kimi-K3-Modells von Moonshot AI, das bei kaum sinkender Qualität rund 40 Prozent weniger Token erzeugt.
Das Startup Inferact zeigt: Googles TPU v7 führt das Kimi-K3-Modell dank einer Megakernel-Technik, die 92 Schichten zu einem Programm bündelt, 57 Prozent schneller aus als Nvidias GB200.
Moonshot AI veröffentlicht Kimi Code Desktop für Mac und Windows mit Projektverwaltung, Terminal, Git und Screenshot-Annotation, doch Modell und Preise bleiben unklar.
Moonshot AI hat K2.8 Preview am 11. September für alle Kimi-Code-Nutzer freigeschaltet: Modell-ID bleibt gleich, Denkstufen wie bei K3, 1-Mio-Token-Kontext für alle Tarife – während die Rechtemodi der Kommandozeile binnen zwei Tagen zweimal geändert wurden.
Model choice, Azure hosting and coding-model price pressure.
Moonshot AI hat Kimi K2.7-Code samt HighSpeed-Modus veröffentlicht. Einige eigene Benchmarks sehen gut aus, doch der stärkere Hebel ist der deutlich niedrigere Output-Preis.
Moonshot AI simulierte mit Kimi-Agenten alle 104 Spiele und fand mögliche Wahrscheinlichkeitslücken, darunter eine höhere Chance für Deutschland.
Moonshots offenes MoE-Modell bietet deutlich billigere Tokens und bessere agentische Coding-Benchmarks als K2.6.
Moonshots Desktop-Agent arbeitet mit lokalen Dateien, angemeldeten Browsern und Zeitplänen für Nutzer, die sensible Daten nicht in die Cloud geben können.
Moonshot öffnet Kimi K2.7-Code für KI-Coding.
Der Kimi-Hersteller will Berichten zufolge 2 Milliarden Dollar aufnehmen, nachdem sich der ARR von März auf April verdoppelte und K2 von Chat zu Agenten rückte.
Moonshot AI will mit Kimi eine neue Finanzierungsrunde anstoßen und die Bewertung auf 30 Milliarden Dollar heben, obwohl die vorherige Runde noch nicht vollständig eingezahlt ist.
Nvidia hat das quelloffene Modell Nemotron 3 Ultra mit 550 Milliarden Parametern vorgestellt, das im Artificial-Analysis-Intelligence-Index 48 Punkte erreicht – weniger als Kimi K2.6 aus China mit 54 Punkten.
Der Kimi-Entwickler wird nach einer von Meituan-nahen Investoren angeführten Runde deutlich höher bewertet und setzt Chinas Modellanbieter unter Zugzwang.
Moonshot AI hat 2 Milliarden Dollar eingesammelt und wird nun mit mehr als 20 Milliarden Dollar bewertet. Kimi rückt damit in Chinas Rennen um Open-Source-Großmodelle und einen möglichen Hongkong-Börsengang.
Moonshot AI hat die Vollversion des Kimi K2.6-Modells veröffentlicht, das im HLE-Full-Benchmark 54,0 Punkte erreicht und damit Claude Opus 4.6 sowie GPT-5.4 übertrifft. Das 1-Billion-Parameter-Modell nutzt eine MoE-Architektur, aktiviert pro Inferenz nur 32 Milliarden Parameter und unterstützt bis zu 300 parallele Agenten.
Moonshot AI hat die Vorschauversion von K2.6 Code für alle Kimi Code-Abonnenten veröffentlicht. Sie ist deutlich günstiger als Claude Sonnet und GPT-5.4, bietet tiefere Reasoning-Ketten und echte parallele Ausführung im Agent Swarm.
Cursor veröffentlichte Composer 2, ein neues KI-Coding-Modell, gab aber zunächst nicht preis, dass es auf dem Open-Source-Modell Kimi K2.5 von Moonshot AI, einem chinesischen Unternehmen, basiert – und räumte dies erst auf Nachfrage ein.
Moonshot AI hat Kimi K2 als Open Source veröffentlicht, ein MoE-Modell mit einer Billion Parametern, das nur 32B Parameter pro Token aktiviert und in Programmier-Benchmarks sowie Agentenaufgaben führend ist.
Moonshot AI hat Kimi K2.5 veröffentlicht, das auf K2 native multimodale Fähigkeiten und Agent Swarm ergänzt – eine Funktion, die komplexe Aufgaben in viele Teilaufgaben zerlegt und parallel von unabhängigen Agents bearbeiten lässt.
Moonshot AI veröffentlichte K1.5 vor K2, mit dem Kernfokus auf der Verbesserung der Schlussfolgerungsfähigkeiten durch reines Reinforcement Learning und bestätigt die Machbarkeit dieses Ansatzes bei Modellen mittlerer Größe.