Kimi K3, Inkling und das neue Rennen um offene Modelle: Was für ein Unternehmen wirklich zählt

In unserer letzten Übersicht Mitte Juli schrieben wir, dass sich das Podium der Open-Weight-Modelle fast jeden Monat ändert. Das hielt nur wenige Tage: Zwischen dem 15. und 16. Juli 2026 kamen zwei Veröffentlichungen, die das Gleichgewicht erneut verschoben — eine aus China, eine von einem neu gegründeten amerikanischen Labor. Für alle, die eine AI-Architektur im Unternehmen entscheiden, ist nicht die Frage interessant, welches der beiden "das beste" ist, sondern was ihre Lizenzen aussagen und was das praktisch für die Compliance bedeutet.

Kimi K3: das grösste je veröffentlichte offene Modell

Moonshot AI stellte am 16. Juli Kimi K3 vor: ein Mixture-of-Experts-Modell mit rund 2,8 Billionen Gesamtparametern (knapp 900 Experten, von denen nur 16 pro Token aktiv sind), einem Kontextfenster von bis zu 1 Million Token und nativen Bildverarbeitungsfähigkeiten. Laut unabhängigen, von mehreren Medien zitierten Benchmarks liegt es derzeit auf Platz vier unter allen Modellen — geschlossen oder offen — hinter nur den beiden neuesten Spitzenmodellen und vor etablierten geschlossenen Konkurrenten. Die Marktreaktion blieb nicht unbemerkt: Die Aktien grosser Halbleiterhersteller fielen in den folgenden Tagen deutlich, und mehr als ein Beobachter sprach von einem zweiten "DeepSeek-Moment".

Die Lizenz ist jedoch nicht die "saubere" MIT- oder Apache-2.0-Lizenz, die man aufgrund der Schlagzeilen erwarten könnte: Moonshot nutzt seit Langem eine Modified MIT License, die kommerzielle Nutzung, Fine-Tuning und Weiterverbreitung frei erlaubt, aber verlangt, den Modellnamen sichtbar in der Oberfläche anzuzeigen, wenn das kommerzielle Produkt, das es einbettet, 100 Millionen monatlich aktive Nutzer oder 20 Millionen US-Dollar monatlichen Umsatz überschreitet. Für die überwiegende Mehrheit der Unternehmen bleibt diese Schwelle theoretisch, sollte aber trotzdem gelesen werden, bevor man das Modell übernimmt — nicht einfach vorausgesetzt. Die vollständigen Gewichte werden bis zum 27. Juli 2026 erwartet: Zum Zeitpunkt dieses Artikels ist Kimi K3 angekündigt und benchmark-verifiziert, aber noch nicht herunterladbar.

Inkling: das erste offene Modell von Thinking Machines Lab

Einen Tag zuvor, am 15. Juli, veröffentlichte Thinking Machines Lab — das von Mira Murati, der ehemaligen CTO von OpenAI, gegründete Labor — mit Inkling sein erstes öffentliches Modell, und es ist open-weight: rund 975 Milliarden Gesamtparameter in einer MoE-Architektur, mit nur 6 von 256 Experten aktiv pro Token (etwa 41 Milliarden aktive Parameter), nativ multimodal für Text, Bilder und Audio, trainiert mit 45 Billionen Token. Die Lizenz ist Apache 2.0, ohne versteckte Schwellen oder Klauseln: kommerzielle Nutzung, Änderung und Weiterverbreitung sind ab dem ersten Nutzer frei.

Das ist ein Signal, das über die technischen Daten hinaus bemerkenswert ist: Ein namhaftes amerikanisches Labor mit erheblichem Kapital und ohne Notwendigkeit, sofortige Umsätze zu erzielen, hat sich für Offenheit als erstes öffentliches Produkt entschieden statt für ein geschlossenes, nur über API zugängliches Modell — bisher die Norm unter US-Laboren, mit Meta als teilweiser Ausnahme. Zu den erklärten Zielen des Teams gehören niedrigere Inferenzkosten und eine höhere Zensurresistenz des Modells.

Unterdessen steht Alibaba nicht still

In derselben Woche zeigte Alibaba eine Vorschau auf Qwen3.8-Max, ein Modell mit 2,4 Billionen Parametern, und kündigte an, dass auch die Gewichte dieser neuen Generation veröffentlicht werden — in Fortsetzung der bereits bei der 3.6-Serie gesehenen Strategie, wieder unter einer Apache-2.0-Lizenz. Es ist ein weiterer Beleg dafür, dass sich das Tempo der Open-Weight-Veröffentlichungen in dieser Phase in Tagen, nicht in Monaten misst.

Was für ein Unternehmen, das heute entscheidet, wirklich zählt

• Der Ankündigung der Woche hinterherzujagen ist keine Strategie: In diesem Tempo besteht das Risiko, dass jedes Modell, das Sie heute als "das beste" wählen, es in einem Monat nicht mehr ist. Entscheidend ist eine Architektur, die es Ihnen erlaubt, es auszutauschen, ohne alles neu aufzubauen.
• Die Lizenzen unterscheiden sich weiterhin stark, auch wenn sie alle "permissiv" wirken: Die Modified MIT von Kimi K3 hat Attributionsschwellen, die die Apache 2.0 von Inkling und Qwen nicht kennt. Lesen Sie sie einzeln — verlassen Sie sich nicht auf das Etikett.
• Die Marktreaktion auf chinesische Veröffentlichungen ist nicht nur eine finanzielle, sondern eine praktische Erinnerung: Eine Architektur, die modellagnostisch gebaut ist — bei der das Modell austauschbar ist und Ihre Daten unter Ihrer Kontrolle bleiben, auf eigener Infrastruktur oder einer Schweizer souveränen Cloud — schützt Sie vor der Volatilität eines Sektors, der alle paar Wochen den Anführer wechselt.
• Die AI-Act-Fristen warten nicht auf die nächste Veröffentlichung: Sanktionen für General-Purpose-Modelle gelten ab August 2026 — in wenigen Tagen. Die Compliance der eigenen Architektur jetzt zu prüfen, kostet deutlich weniger, als ein Problem später zu entdecken.

Das ist die Arbeit, die wir jede Woche mit unseren Kunden leisten: diese Veröffentlichungen verfolgen, die Lizenzen lesen, bevor sie zum Problem werden, und eine Architektur bauen, in der das richtige Modell dort läuft, wo es laufen muss — mit Ihren Daten, die Ihnen gehören, unabhängig davon, wer in dieser Woche das Podium anführt.