Kimi K3 vs. GPT-5.6 Sol: Benchmarks, Preise, Programmierung und Modellwahl

Kimi K3 und GPT-5.6 Sol stehen für zwei unterschiedliche Entwicklungsrichtungen bei den fortschrittlichsten KI-Modellen.

OpenAI bietet ein geschlossenes, umfangreiches Ökosystem mit weitreichender Kontrolle über das Reasoning, integrierten Werkzeugen und ausgereiften Mechanismen für Unternehmen. Moonshot AI antwortet mit einem Modell mit 2,8 Billionen Parametern, niedrigeren API-Preisen, nativem Verständnis von Bildern und Videos sowie der Ankündigung, die vollständigen Gewichte zu veröffentlichen.

In veröffentlichten Benchmarks kann Kimi K3 GPT-5.6 Sol bei einigen Programmier-, Agenten- und Dokumentanalyseaufgaben übertreffen. Sol führt jedoch weiterhin im allgemeinen Intelligenzindex, bei ausgewählten Reasoning-Aufgaben und in einem Teil der Tests zur professionellen Wissensarbeit.

Die wichtigste Schlussfolgerung ist eindeutig: Kimi K3 hat GPT-5.6 Sol nicht in jedem Anwendungsfall geschlagen, ist aber das erste Modell von Moonshot AI, das zu einer echten Produktionsalternative geworden ist, insbesondere wenn Preis, lang laufende Aufgaben und Flexibilität der Infrastruktur entscheidend sind.

Schneller Vergleich

Die Spezifikation von Kimi K3 stammt aus der Dokumentation von Moonshot AI. Das Modell verfügt über eine Million Kontexttoken, Bild- und Videoverständnis, automatisches Caching und ein mit der OpenAI API kompatibles Format. Die Dokumentation von GPT-5.6 Sol nennt ein Fenster von 1,05 Millionen Token, maximal 128.000 Ausgabetoken und einen Wissensstand bis zum 16. Februar 2026.

Was ist Kimi K3?

Kimi K3 ist das neueste Flaggschiffmodell von Moonshot AI. Es besitzt 2,8 Billionen Parameter und nutzt eine Mixture-of-Experts-Architektur. Bei einem einzelnen Durchlauf aktiviert das Modell 16 der 896 verfügbaren Experten, sodass es nicht für jedes erzeugte Token alle Parameter verwenden muss.

Das Modell nutzt zwei wichtige von Moonshot AI entwickelte Technologien:

Kimi Delta Attention, einen hybriden Aufmerksamkeitsmechanismus für lange Sequenzen, und Attention Residuals, durch die Repräsentationen aus früheren Schichten selektiv abgerufen werden können, anstatt sie lediglich zu addieren.

Moonshot gibt gegenüber Kimi K2 eine etwa 2,5-fache Verbesserung der Skalierungseffizienz an. Dabei handelt es sich jedoch um eine Herstellerangabe, und ein vollständiger technischer Bericht zu Training und Architektur von K3 wurde noch nicht veröffentlicht.

K3 wurde vor allem für folgende Aufgaben entwickelt:

• lang laufende agentische Programmierung,
• Arbeit mit großen Repositorys,
• Analyse von Dokumenten und Daten,
• Forschung mit Werkzeugunterstützung,
• Erstellung von Benutzeroberflächen, Präsentationen und Visualisierungen,
• Verständnis von Bildern und Videomaterial.

Das Modell ist bereits in der Kimi-App, in Kimi Work, Kimi Code und über die offizielle API verfügbar.

Ist Kimi K3 wirklich Open Source?

Moonshot AI bezeichnet Kimi K3 als erstes offenes Modell in der Größenklasse von ungefähr drei Billionen Parametern. Die Ankündigung der Offenheit muss jedoch vom aktuellen Vertriebsstatus getrennt betrachtet werden.

Laut Moonshot AI sollen die vollständigen Gewichte bis zum 27. Juli 2026 veröffentlicht werden. Bei der letzten Überprüfung am 17. Juli konnten sie noch nicht heruntergeladen oder selbstständig ausgeführt werden. Aus diesem Grund stufte Artificial Analysis Kimi K3 als proprietäres Modell ein, da keine öffentlichen Gewichte verfügbar waren.

Eine endgültige Bewertung der Offenheit sollte daher warten auf:

• die Veröffentlichung der Modelldateien,
• die Bekanntgabe der vollständigen Lizenz,
• die Freigabe des Inferenzcodes,
• eine Beschreibung der Hardwareanforderungen,
• einen technischen Bericht über Training und Evaluation.

Selbst nach Veröffentlichung der Gewichte wird das Self-Hosting von K3 nicht einfach sein. Moonshot empfiehlt Supernode-Konfigurationen mit mindestens 64 Beschleunigern. Das Modell kann technisch offen sein, doch für die meisten Unternehmen wird die API wirtschaftlicher bleiben als der Betrieb im eigenen Rechenzentrum.

Was ist GPT-5.6 Sol?

GPT-5.6 Sol ist das Flaggschiffmodell der GPT-5.6-Familie und das Standardziel des Alias gpt-5.6. OpenAI positioniert es als Modell für komplexe professionelle Arbeit, Programmierung, Forschung, Cybersicherheit und agentische Workflows.

Das Modell unterstützt:

• Text und Bilder als Eingabe,
• 1,05 Millionen Kontexttoken,
• bis zu 128.000 Ausgabetoken,
• Function Calling,
• Internetsuche,
• Dateisuche,
• Computer Use,
• programmatische Werkzeugaufrufe,
• das Beibehalten des Reasoning-Kontexts zwischen Anfragen,
• Multi-Agenten-Ausführung von Aufgaben in der Betaversion.

OpenAI veröffentlicht weder die Architektur noch die Parameterzahl von Sol. Das Modell kann nicht lokal ausgeführt werden und ist ausschließlich über Produkte und Infrastruktur von OpenAI verfügbar.

Was sagen unabhängige Benchmarks?

Von Herstellern veröffentlichte Benchmarks sind hilfreich, sollten aber nicht die einzige Vergleichsgrundlage sein. Ein Anbieter kann Einstellungen, Agenten-Framework, Zeitlimit und Bewertungsverfahren so auswählen, dass das eigene Modell begünstigt wird.

Daher ist der Artificial Analysis Intelligence Index besonders relevant. Er kombiniert neun Evaluationen, die unter anderem Terminalprogrammierung, Wissenschaft, Reasoning, Wissen und professionelle Arbeit abdecken.

In dieser Evaluation:

Sol führt im Gesamtindex mit zwei Punkten, doch Kimi erzeugt nach Beginn des Streamings schneller Ausgaben. Gleichzeitig verwendete K3 im gesamten Test fast doppelt so viele Ausgabetoken.

Das ist eine wichtige wirtschaftliche Information. Obwohl ein Ausgabetoken bei Kimi nur halb so viel kostet wie bei Sol, kostete die vollständige Durchführung des Intelligence Index:

• 2.690,80 USD für Kimi K3,
• 2.824,18 USD für GPT-5.6 Sol.

Die tatsächliche Differenz betrug somit nur etwa 4,7 %, da Kimi deutlich ausführlicher war. Der Preis pro Million Token reicht daher nicht aus, um die Kosten einer Aufgabe zu schätzen. Zusätzlich muss gemessen werden, wie viele Token ein Modell benötigt, um ein korrektes Ergebnis zu erzielen.

Vals Index

Im Vals Index, der auf nicht öffentlichen Aufgaben aus Finanzen und Programmierung basiert, erzielte Kimi K3 74,7 %, GPT-5.6 Sol 73,1 %. Der Unterschied ist gering, doch in diesem konkreten Testsatz lag Kimi vor dem Modell von OpenAI.

Das beweist nicht, dass Kimi allgemein besser ist. Es zeigt jedoch, dass seine Position unter den Spitzenmodellen nicht ausschließlich auf Benchmarks von Moonshot AI beruht.

Programmierung: Welches Modell ist besser?

Es gibt keinen einzelnen Programmierbenchmark, der alle Fragen beantwortet. Das Beheben eines Fehlers in einem Repository, der Aufbau einer Anwendung von Grund auf, die Optimierung eines GPU-Kernels und die Bedienung eines Terminals verlangen unterschiedliche Fähigkeiten.

In der von Moonshot AI veröffentlichten Tabelle waren die Ergebnisse von Kimi K3 und Sol geteilt:

Kimi führte deutlich in FrontierSWE und erzielte bei mehreren lang laufenden Aufgaben bessere Ergebnisse. Sol schnitt in DeepSWE besser ab und gewann Terminal-Bench knapp.

Dennoch ist Vorsicht geboten. Moonshot verwendete unterschiedliche Agenten-Frameworks: Kimi Code, Claude Code und Codex. Unterschiede bei Werkzeugen, Kontextverwaltung und Befehlsausführung können das Endergebnis erheblich beeinflussen. Das Unternehmen selbst beschreibt diese Unterschiede ausführlich in den Fußnoten der Tabelle.

Kimi K3 ist eine gute Wahl, wenn:

• ein Agent viele Stunden arbeiten soll,
• die Aufgabe ein großes Repository umfasst,
• das Modell anhand von Screenshots iterieren muss,
• Sie ein Frontend, ein Spiel, eine CAD-Anwendung oder eine Anwendung mit visuellen Elementen entwickeln,
• die Kosten mehrerer Versuche wichtig sind,
• Sie Kimi über OpenAI-kompatible Werkzeuge verwenden möchten.

GPT-5.6 Sol ist die sicherere Wahl, wenn:

• Sie eine besser vorhersehbare Gesamtqualität benötigen,
• der Workflow Codex verwendet,
• das Modell Programmierung mit Suche, Dateien und Computer Use verbinden soll,
• Sie den Reasoning-Aufwand präzise steuern möchten,
• Sie ausgereifte Mechanismen zur Verwaltung von Agenten und Daten benötigen.

Reasoning und Wissensarbeit

In den von Moonshot AI veröffentlichten Tests führte GPT-5.6 Sol bei mehreren klassischen Reasoning-Aufgaben:

Kimi führte dagegen unter anderem bei BrowseComp, AutomationBench, Job Bench, AA-Briefcase und einigen Büroaufgaben. Die Ergebnisse deuten darauf hin, dass K3 sehr stark bei der Ausführung komplexer Workflows ist, während Sol bei einem Teil der Reasoning-Tests und der professionellen Ergebnisbewertung einen kleinen Vorsprung behält.

Die Unterschiede sind so gering, dass in der Produktion die Art der Fehler wichtiger sein kann als der Durchschnittswert. Ein Modell, das in einem Benchmark einen Punkt mehr erzielt, kann in einem konkreten Unternehmensprozess schlechter sein, wenn es häufiger Formate verletzt, Einschränkungen ignoriert oder nicht autorisierte Aktionen ausführt.

Bilder, Dokumente und Video

Beide Modelle analysieren Text und Bilder, aber Kimi K3 unterstützt in seiner Standard-API ein breiteres Spektrum an Eingaben. Die Dokumentation von Moonshot zeigt Unterstützung für Bilder und auf die Plattform hochgeladene Videodateien.

GPT-5.6 Sol akzeptiert Text und Bilder, doch die Modellkarte nennt keine direkte Video- oder Audioeingabe. Videomaterial muss zunächst verarbeitet werden, beispielsweise zu Einzelbildern, einem Transkript oder einer Beschreibung.

Bei visuellen Benchmarks ist das Bild gemischt:

• Sol führt bei MMMU-Pro, MathVision, BabyVision und PerceptionBench.
• Kimi führt bei OmniDocBench, WorldVQA, ZeroBench sowie einigen Tests zur Interpretation von Diagrammen und Dokumenten.
• Ergebnisse mit Python behalten nicht immer dieselbe Rangfolge wie Ergebnisse ohne Werkzeuge.

Kimi kann besonders für Dokumente, Benutzeroberflächen, Videomaterial und iteratives Design interessant sein. Sol bleibt das stärkere und gleichmäßigere Modell für allgemeines visuelles Reasoning.

Kontextfenster und Antwortlänge

GPT-5.6 Sol unterstützt 1.050.000 Kontexttoken und maximal 128.000 Ausgabetoken.

Kimi K3 besitzt ein Kontextfenster von etwa einer Million Token. Der Standardwert von max_completion_tokens beträgt 131.072, die Dokumentation erlaubt jedoch eine Einstellung bis 1.048.576. Das bedeutet nicht, dass das Modell immer eine Antwort mit einer Million Token erzeugen kann: Eingabe, Verlauf und Ausgabe müssen gemeinsam in das gesamte Kontextlimit passen.

In der Praxis garantiert ein höheres Limit keine bessere Arbeit mit langen Inhalten. Es lohnt sich, Folgendes zu testen:

• das Auffinden von Informationen in verschiedenen Bereichen des Prompts,
• die Einhaltung von Einschränkungen nach Hunderttausenden Token,
• das Behalten früherer Werkzeugergebnisse,
• die Widerstandsfähigkeit gegenüber widersprüchlichen Anweisungen,
• die Qualität nach automatischer Kontextkomprimierung.

Steuerung des Reasonings

Dies ist einer der größten Unterschiede zwischen den Modellen.

GPT-5.6 Sol erlaubt folgende Einstellungen:

none
low
medium
high
xhigh
max

OpenAI bietet zusätzlich einen pro-Modus, der die vom Modell bei schwierigen Aufgaben geleistete Arbeit erhöht. Dadurch kann dieselbe Integration schnelle Antworten ohne Reasoning, eine mittlere Stufe für den Alltag sowie max oder pro für qualitätskritische Probleme verwenden.

Bei Kimi K3 ist Reasoning dauerhaft aktiviert. Zum Zeitpunkt der Veröffentlichung unterstützte die API nur:

reasoning_effort="max"

Moonshot kündigte niedrigere Stufen für spätere Aktualisierungen an, doch am Tag der Überprüfung waren sie noch nicht verfügbar.

Für komplexe Agenten ist das akzeptabel. Bei einfachen Klassifizierungen, kurzen Chats oder massenhafter Datenverarbeitung bedeutet es jedoch, dass Reasoning-Zeit und Tokenzahl nicht begrenzt werden können. Bei solchen Aufgaben könnten GPT-5.6 Terra oder Luna statt Sol die passenderen preislichen Konkurrenten für Kimi sein.

Werkzeuge und API-Integration

Die Kimi API ist mit dem OpenAI-Format kompatibel. In vielen Anwendungen kann die Migration darauf beschränkt sein, Schlüssel, Basis-URL und Modellkennung zu ändern:

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "user", "content": "Analysiere dieses Repository."}
    ],
)

Kimi unterstützt Function Calling, tool_choice, JSON Schema, Streaming, dynamisches Laden von Werkzeugen und automatisches Caching langer Präfixe. Moonshot warnt jedoch, dass das offizielle Suchwerkzeug derzeit aktualisiert wird und nicht für den Produktionseinsatz empfohlen wird.

GPT-5.6 Sol besitzt einen umfangreicheren Satz an Plattformwerkzeugen, darunter Websuche, Dateisuche, Computer Use und programmatische Werkzeugaufrufe. Außerdem bietet es einen experimentellen Multi-Agenten-Modus in der Responses API.

Kimi lässt sich einfach an eine bestehende Anwendung anbinden. Sol stellt dagegen eine vollständigere Schicht für den Aufbau einer ganzen Agentenplattform bereit.

Vergleich der API-Preise

Standardtarife

Die Eingabe ist bei Kimi 40 % günstiger, das Lesen aus dem Cache 40 % günstiger und die Ausgabe 50 % günstiger.

Langer Kontext

Kimi verwendet im gesamten Fenster von einer Million Token einheitliche Tarife.

Bei GPT-5.6 Sol werden Anfragen mit mehr als 272.000 Eingabetoken für die gesamte Anfrage zu höheren Tarifen abgerechnet:

Bei großen Repositorys, vielen Dokumenten oder einem langen Agentenverlauf kann der Preisvorteil von Kimi daher deutlich zunehmen.

Beispielkosten

Die folgenden Berechnungen berücksichtigen keine separat kostenpflichtigen Werkzeuge oder sonstigen Infrastrukturkosten.

Beispiel 1: typische Agentenaufgabe

Annahmen:

• 100.000 Eingabetoken,
• 10.000 Ausgabetoken,
• kein Cache.

Kimi ist in diesem Beispiel etwa 43,8 % günstiger.

Beispiel 2: derselbe Prompt mit Cache

Kimi ist etwa 48,6 % günstiger.

Beispiel 3: großer Kontext

Annahmen:

• 500.000 Eingabetoken,
• 20.000 Ausgabetoken,
• kein Cache.

Nach Überschreiten des Schwellenwerts für langen Kontext ist Kimi in diesem Beispiel etwa 69,5 % günstiger.

Das tatsächliche Ergebnis kann weniger günstig ausfallen, wenn Kimi mehr Reasoning- und Antworttoken erzeugt. Die unabhängige Evaluation von Artificial Analysis zeigte, dass K3 bei einem ähnlichen Aufgabensatz fast doppelt so ausführlich sein kann wie Sol.

Datenschutz und Datenaufbewahrung

OpenAI dokumentiert store=false, verschlüsselte Reasoning-Elemente und Zero Data Retention für zugelassene Organisationen ausführlich. Die Responses API kann den Anwendungszustand standardmäßig 30 Tage speichern, bei Organisationen mit ZDR wird der Parameter store jedoch auf false erzwungen.

Die Datenschutzrichtlinie von Kimi OpenPlatform gibt an, dass Kontoinformationen, Eingaben und Zahlungsinformationen während der Aktivität des Kontos gespeichert werden können und die Daten auf gesicherten Servern in Singapur liegen. Die Aufbewahrungsdauer hängt von Art der Informationen, Einstellungen und gesetzlichen Anforderungen ab.

Auf Grundlage der öffentlichen Dokumentation bietet OpenAI derzeit ausführlicher beschriebene Mechanismen für Bereitstellungen, die ZDR, Aufbewahrungskontrolle und organisatorische Compliance benötigen.

Das bedeutet nicht automatisch, dass Kimi ungeeignet für Unternehmen ist. Es bedeutet lediglich, dass vor dem Versand vertraulicher Daten konkrete Bedingungen von Moonshot AI eingeholt werden sollten zu:

• der Verwendung von Daten für das Training,
• der Aufbewahrungsdauer,
• dem Ort der Verarbeitung,
• der Datenlöschung,
• dem Umgang mit Vorfällen,
• Unterauftragsverarbeitern,
• einer DPA.

Einschränkungen von Kimi K3

Moonshot AI nennt offen drei wichtige Einschränkungen des Modells.

Erstens reagiert K3 empfindlich auf den Reasoning-Verlauf. Wenn ein Framework nicht die vollständige vorherige Assistentennachricht übermittelt oder das Modell mitten in einer Sitzung gewechselt wird, kann die Qualität instabil werden.

Zweitens kann das Modell zu proaktiv sein. Bei einer unklaren Anweisung kann es selbstständig eine Entscheidung treffen, die der Benutzer nicht genehmigt hat. Bei Agenten mit Zugriff auf Dateisystem, Terminal oder Infrastruktur erfordert dies klare Grenzen und Freigabestufen.

Drittens räumt der Hersteller selbst ein, dass die Benutzererfahrung noch hinter GPT-5.6 Sol und Claude Fable 5 zurückliegt.

Ein weiteres Problem ist die sehr junge Veröffentlichung. Ein vollständiger technischer Bericht, die vollständigen Gewichte und langfristige Analysen der Produktionsstabilität wurden noch nicht veröffentlicht.

Einschränkungen von GPT-5.6 Sol

Die größte Einschränkung von Sol sind die Kosten, besonders bei großem Kontext und hohem Reasoning-Aufwand.

Das Modell bleibt vollständig geschlossen. Ein Unternehmen kann die Gewichte nicht selbst kontrollieren, das Modell nicht in isolierter Infrastruktur betreiben und den langfristigen Zugriff auf einen bestimmten Snapshot nicht ohne Abhängigkeit von der OpenAI-Politik garantieren.

Die Modi max und pro können eine hohe Latenz aufweisen. In Messungen von Artificial Analysis benötigte Sol mit der Einstellung max durchschnittlich 145,61 Sekunden bis zum ersten Token. Das ist das Ergebnis einer konkreten Methodik und keine garantierte Zeit für jede Anfrage, veranschaulicht aber die Kosten des maximalen Reasoning-Aufwands.

OpenAI verwendet außerdem Echtzeit-Sicherheitsmechanismen in Bereichen wie Cybersicherheit und Biologie. Sie können eine Antwort auch bei manchen legitimen Dual-Use-Aufgaben stoppen oder verzögern.

Welches Modell sollten Sie wählen?

Wählen Sie Kimi K3, wenn:

• die API-Kosten höchste Priorität haben,
• Sie sehr lange Prompts verarbeiten,
• Sie Programmieragenten entwickeln, die viele Stunden arbeiten,
• Sie Videoeingabe benötigen,
• Sie die Möglichkeit eines zukünftigen Hostings offener Gewichte erhalten möchten,
• Sie bereits eine OpenAI-kompatible Integration besitzen,
• Sie ein jüngeres, weniger ausgereiftes Ökosystem akzeptieren können,
• Sie Agentenaktionen über Sandbox und Freigabeschritte kontrollieren.

Wählen Sie GPT-5.6 Sol, wenn:

• Ihnen höchste und gleichmäßigere allgemeine Qualität wichtig ist,
• Sie den Reasoning-Aufwand pro Anfrage steuern möchten,
• Sie Websuche, Dateisuche oder Computer Use benötigen,
• Sie Responses API, Codex oder das OpenAI-Ökosystem verwenden,
• Sie detaillierte Dokumentation zu Aufbewahrung und ZDR benötigen,
• Vorhersehbarkeit in der Produktion wichtiger ist als der Preis,
• das Modell professionelle Aufgaben in vielen verschiedenen Domänen ausführen soll.

Erwägen Sie den Einsatz beider Modelle, wenn:

Die sinnvollste Architektur muss nicht auf der Wahl eines einzigen Gewinners beruhen.

Kimi K3 kann übernehmen:

• erste Versuche,
• Analyse großer Repositorys,
• langen Kontext,
• visuelle Aufgaben,
• Erzeugung mehrerer Varianten.

GPT-5.6 Sol kann ausführen:

• abschließende Überprüfung,
• schwierigere Fälle,
• Bewertung der Einhaltung von Anforderungen,
• Aufgaben, die OpenAI-Werkzeuge benötigen,
• Operationen mit Daten, die organisatorischen Kontrollen unterliegen.

Ein solches Routing ermöglicht es, den niedrigeren Preis von Kimi zu nutzen, ohne auf die Stärken von Sol zu verzichten.

Fazit

GPT-5.6 Sol bleibt die bessere allgemeine Wahl. Es führt im unabhängigen Artificial Analysis Intelligence Index, verfügt über ein ausgereifteres Werkzeugökosystem, bietet mehr Kontrolle über das Reasoning und ist für Unternehmen ausführlicher dokumentiert.

Kimi K3 liegt Sol jedoch deutlich näher, als der Unterschied zwischen einem offenen Modell aus China und dem Flaggschiffprodukt von OpenAI vermuten lässt. Es gewinnt einige Programmier- und Agentenbenchmarks, unterstützt Video, bietet einen einheitlichen Preis für ein Kontextfenster von einer Million Token und ist pro Token klar günstiger.

Der vollständige Wert von Kimi als offenem Modell kann noch nicht bestätigt werden, da Gewichte und technischer Bericht am Tag der Überprüfung nicht verfügbar waren. Auch seine Ausführlichkeit, Empfindlichkeit gegenüber dem Reasoning-Verlauf und Tendenz zu übermäßig selbstständigen Aktionen dürfen nicht ignoriert werden.

GPT-5.6 Sol gewinnt bei Reife, Steuerbarkeit und allgemeiner Qualität. Kimi K3 gewinnt bei Preis, langem Kontext, Videoeingabe und potenzieller Offenheit.

Für neue Projekte sollten beide Modelle mit echten Aufgaben getestet werden. Der Unterschied ist inzwischen klein genug, dass ein allgemeiner Benchmarkwert keine Evaluation mit den tatsächlichen Unternehmensdaten ersetzen sollte.

Quellen

• Moonshot AI, offizielle Vorstellung und Benchmarks von Kimi K3
• Kimi API, Dokumentation zu Modell, Kontext, Video, Reasoning und Einschränkungen
• Kimi API, offizielle Preise
• OpenAI, Modellkarte von GPT-5.6 Sol
• OpenAI, Dokumentation der API-Preise
• OpenAI, Leitfaden zu GPT-5.6 und Reasoning-Modi
• OpenAI, prompt guidance for GPT-5.6
• Artificial Analysis, unabhängige Evaluation von Kimi K3
• Artificial Analysis, unabhängige Evaluation von GPT-5.6 Sol
• Vals AI, Vals Index
• Kimi OpenPlatform Privacy Policy
• OpenAI, Dokumentation zu Datenkontrollen und Aufbewahrung