Kimi K3Moonshot AIKimi K3 ist das Flaggschiff-Modell von Moonshot AI und der Nachfolger der K2-Reihe (K2.6/K2.7). Mit rund 2,8 Billionen Parametern in einer Mixture-of-Experts-Architektur (MoE) ist es laut Anbieter das bislang größte Open Weights Model und zielt auf Long-Horizon-Coding, Knowledge-Work und den Einsatz als KI-Agent ab. Das Kontextfenster wächst gegenüber den K2-Modellen auf 1 Mio. Token, getragen von der Kimi-Linear-Attention, die den KV-Cache-Bedarf reduziert. Moonshot verortet die Output-Qualität in eigenen Tests ehrlich hinter Claude Fable 5 und GPT-5.6 Sol ein, aber zumindest auf dem Level der Vorgänger Opus 4.8 und GPT-5.5. Nach Launch führte Kimi-K3 allerdings einzelne User-Benchmarks, wie z.B. das Web-Dev Leaderboard für Frontend-Aufgaben an, was das Potenzial für das Vibe Coding zeigt. Preislich beendet Kimi-K3 den "Trend günstiger Open Weights Modelle". Mit $3 / $15 pro 1 Mio. Input-/Output-Token ist K3 spürbar teurer als K2.6 ($0,95 / $4,00).Parameter2.800 Mrd.VeröffentlichungJuli 2026TrainingUnbekanntLizenzUnbekanntMultimodalWeb Search
InklingThinking Machines LabInkling ist das erste vollständig trainierte Foundation-Model von Thinking Machines Lab und wurde am 15. Juli 2026 unter Apache 2.0 als Open-Weights-Modell veröffentlicht. Inkling ist ein nativ multimodales Mixture-of-Experts-Modell mit 975 Mrd. Gesamt- und 41 Mrd. aktiven Parametern, das Text, Bilder und Audio als Eingabe verarbeitet und Text ausgibt. Mit bis zu 1 Mio. Token Kontextfenster und Benchmark Scores, die viele andere Open Weights Modelle übertreffen, etabliert sich Inkling als US-Alternative zum chinesischen GLM-5.2.Parameter975 Mrd.VeröffentlichungJuli 2026Training45.000 Mrd.LizenzApache 2.0MultimodalWeb SearchFinetuning
Muse Spark 1.1Meta AIMuse Spark 1.1 ist das zweite Modell aus Metas Superintelligence Labs und der Nachfolger von Muse Spark 1.0, das Meta AI antreibt. Erstmals bietet Meta das Modell auch über die neue Meta Model API an. Der Fokus liegt klar auf dem Einsatz als KI-Agent: Tool- und Function-Calling, Computer-Use auf Desktop, Mobile und im Browser sowie Multi-Agent-Orchestrierung über ein Kontextfenster von 1 Mio. Token. Mit $1,25 / $4,25 pro 1 Mio. Input-/Output-Token positioniert Meta das LLM als günstigere Alternative zu GPT-5.5 und Claude Opus 4.8. Bei der Tool-Nutzung liegt es laut dem Evaluationsreport von Meta vorne (88,1 % auf MCP Atlas), bei agentischen Coding-Aufgaben über längere Zeiträume (z. B. DeepSWE, Terminal-Bench) bleibt es dagegen hinter Opus 4.8 und GPT-5.5 zurück.ParameterUnbekanntVeröffentlichungJuli 2026TrainingUnbekanntLizenzProprietärMultimodalWeb Search
