Mercury 3 vs. Kimi K3: Ein Modell zum Herunterladen, eines nur zum Mieten

Der nützlichste Unterschied zwischen Mercury 3 und Kimi K3 hat nichts mit Geschwindigkeit oder Preis zu tun. Kimi K3, das Moonshot AI am 16. Juli 2026 veröffentlichte und für das am 27. Juli die Gewichte unter einer modifizierten MIT-Lizenz veröffentlicht wurden, ist ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern, das Sie selbst herunterladen, prüfen, quantisieren und hosten können. Mercury 3, das Inception am 19. Oktober 2026 veröffentlichte, ist ein geschlossenes Diffusionsmodell, das Sie nur aufrufen können. Alles andere in dieser Gegenüberstellung – die gemeinsamen 1-Million-Token-Fenster, die Tausenden von Tokens pro Sekunde, die eines von ihnen für sich beansprucht, die Differenz beim Ausgabepreis, die in die entgegengesetzte Richtung verläuft – folgt aus jenem ersten Unterschied, nämlich wem das Artefakt gehört.Derselbe Schlüssel erreicht den gesamten Katalog mit über 200 Modellen zum Listenpreis, mit Failover über Anbieter hinweg.Die dokumentierten KI-Ausfälle und Agenten-Vorfälle hinter Veröffentlichungen wie dieser sind im OrcaRouter AI Incident Archive gesammelt, wobei jeder Eintrag eigene Quellen, Schweregrad, Vertrauensstufe und eine Kennzeichnung als umstritten enthält.

Diese Betrachtungsweise ist nicht akademisch. Sie entscheidet darüber, welches dieser beiden Modelle das Verschwinden eines Anbieters überstehen kann, welches auf deinen Daten feinabgestimmt werden kann, welches du um drei Uhr morgens ohne Rate-Limit laufen lassen kannst und welches ein Kostenposten ist, der endet, wenn jemand anderes entscheidet, dass er endet. Sie entscheidet auch darüber, was überhaupt ein fairer Vergleich ist: Der Preis pro Token von Kimi K3 ist ein Hosting-Kostenposten, während der von Mercury 3 ein Mietposten ist.

Die Spezifikationen, auf beiden Seiten der Eigentumsgrenze

• Parameter — Kimi K3: insgesamt 2,8 Billionen, 104 Milliarden aktiv pro Token, 16 von 896 Experten gegenüber Mercury 3: nicht offengelegt, nur beschrieben als mehr als 40× größer als Mercury 1

• Architektur — Mixture-of-Experts auf Kimi Delta Attention vs. ein Diffusions-Sprachmodell, das Blöcke von Tokens parallel verfeinert

• Kontextfenster — 1.048.576 Token vs. 1.000.000 Token; praktisch ein Gleichstand

• Maximale Ausgabe — Kimi K3 bis zum vollen 1M-Fenster in einer einzigen Antwort vs. Mercury 3 mit 131.072 Token

• Eingabemodalität — Text, Bild und Video vs. nur Text

• Gewichte — veröffentlicht, Modified MIT, auf Hugging Face vs. geschlossen

• Eingabepreis — 3,00 $ pro 1 Mio. vs. 0,20 $ pro 1 Mio. zum Listenpreis, 0,10 $ zum Start

Ausgabepreis — $15.00 pro 1 Mio. gegenüber $0.70 pro 1 Mio. zum Listenpreis, $0.35 zum Marktstart

• Zwischengespeicherte Eingabe — 0,30 $ pro 1M vs. 0,02 $ pro 1M

• Angegebener Durchsatz – nicht von Moonshot veröffentlicht vs. 1.068 Token pro Sekunde, vom Anbieter angegeben

• Independent Intelligence Index — 43,6 laut Artificial Analysis, gegenüber noch keinem Eintrag mit Stand 20. Oktober 2026

Setzt man die beiden Preisspalten nebeneinander, beträgt der Abstand 15× bei der Eingabe und 21× bei der Ausgabe. Setzt man die Modalitätszeile daneben, verengt sich die Lücke auf etwas, das schmaler ist als eine Nut: Kimi K3 akzeptiert Video und Bilder, Mercury 3 akzeptiert Text, und eine Workload, die eine Bildschirmaufzeichnung ansehen muss, wählt nicht zwischen ihnen – zu keinem Preis. Setzt man die Gewichte-Zeile daneben, ändert sich der Charakter des Vergleichs vollständig, weil die beiden Preise nicht dasselbe messen.

Was die Messwerte von Kimi K3 tatsächlich aussagen

Kimi K3 ist das einzige Modell in dieser fünfteiligen Serie, das sowohl veröffentlichte Gewichte als auch eine vollständige unabhängige Dokumentation vorweisen kann, was es zum nützlichen Bezugspunkt macht:

Intelligenz-Index — 43,6, gemessen von Artificial Analysis

• Terminal-Bench 4.0 — 0.1263; Terminal-Bench 2.1 — 0.8502 nach dem vom Anbieter selbst gemeldeten Durchlauf

• SciCode — 0.5949, der höchste der vier Gegner in diesem Batch

• Humanity's Last Exam — 0.4690

• AA-LCR Long-Context-Reasoning — 0,8867, die stärkste Langkontext-Leistung der Serie

• GDPval-AA — Elo 1532,59

• AA-Omniscience — 19.7

• GPQA Diamond — 0,9354

• Kosten pro Indexierungsaufgabe — 2,00 $

Zwei Vorbehalte zu dieser Tabelle. Die Terminal-Bench-Zahlen liegen weit auseinander – 0,1263 in der Version 4.0 und 0,8502 in 2.1 –, was ein Problem der Benchmark-Version und nicht des Modells ist, und wer die eine ohne die andere zitiert, ergreift Partei. Und der Artificial-Analysis-Index für Kimi K3 steht heute bei 43,6, während das eigene Markteinführungsmaterial des Anbieters 57 unter einer früheren Revision des Index nannte. Der Index wurde seither neu aufgebaut; die 57 ist ein historischer Wert, kein aktueller.

Das Profil, das beide Warnungen übersteht, ist ein Modell, das bei Long-Context-Reasoning und wissenschaftlichem Code stark, beim Wissensabruf mittelmäßig und bei Agentenarbeit im Terminal-Stil unauffällig ist. Das ist nicht das Profil eines Modells, das man herunterlädt, um eine Frontier-API vollständig zu ersetzen. Es ist das Profil eines Modells, das es wert ist, für einen bestimmten Arbeitsausschnitt zu besitzen – und genau das ist das Argument für offene Gewichte.

Der Vorbehalt beim Herunterladen und Ausführen – klar gesagt

Veröffentlichte Gewichte und lauffähige Gewichte sind unterschiedliche Aussagen, und sie zu vermengen ist die häufigste Überdehnung in der Berichterstattung über große chinesische Modelle. Ein Mixture-of-Experts-Modell mit 2,8 Billionen Parametern und 104 Milliarden aktiven Parametern ist ein Rechenzentrumsartefakt. Den Checkpoint zu veröffentlichen bedeutet, dass man ihn inspizieren, feinabstimmen, quantisieren und servieren kann – für Organisationen mit Dutzenden Beschleunigern und dem Engineering-Team, das sie ausgelastet hält. Es bedeutet nicht, dass es auf einer Workstation läuft, und bei der Quantisierungswelle, die auf jede Veröffentlichung dieser Art folgt, geht es ebenso sehr darum, das Modell servierbar zu machen, wie darum, es klein zu machen.

Die ehrliche Lesart von Kimi K3s Lizenz ist enger als „offen“ und dennoch bedeutsam: Es ist ein prüfbares, veränderbares, selbst hostbares Modell der Frontier-Klasse. Für ein reguliertes Unternehmen, das keine Kundendaten an eine Drittanbieter-API senden darf, ist das entscheidend. Für ein Start-up mit drei Entwicklern und einer monatlichen API-Rechnung von 400 US-Dollar ist es ein Hobby.

Mercury 3 bietet keine solche Option – zu keinem Preis. Das ist eine echte Einschränkung, und es lohnt sich, ausdrücklich festzuhalten, dass Inception weder eine Veröffentlichung der Gewichte noch einen Termin dafür angekündigt hat. Die Enterprise-Alternative, die es bietet, ist vertraglicher und nicht technischer Natur: dedizierte Kapazität, Autoscaling, Compliance-Kontrollen und konfigurierbare Datenaufbewahrung, alles innerhalb von Inceptions Plattform. Das beantwortet für einige Käufer die Frage nach der Datenresidenz. Es beantwortet für keinen von ihnen die Frage „Was passiert, wenn der Anbieter verschwindet?“

Kosten pro abgeschlossenem Auftrag, nicht pro Token

Die 21-fache Differenz beim Ausgabepreis ist die Zahl, die zitiert wird, und für sich allein genommen ist sie in beide Richtungen irreführend.

Zunächst ist Kimi K3 mit $3.00/$15.00 eine Premium-Position im chinesischen Markt, und Moonshot hat das so gesagt. Gegenüber Mercury 3 mit $0.20/$0.70 ist es kein Premium, sondern eine andere Kategorie. Ein Team, das monatlich 50 Millionen Output-Tokens verbraucht, zahlt zu Listenpreisen $750 für Kimi K3 und $35 für Mercury 3. Dieser Unterschied ist klein genug, um für manche Unternehmen irrelevant zu sein, und groß genug, um für andere eine Neueinstellung zu finanzieren.

Zweitens kehren die unabhängigen Kosten-pro-Aufgabe-Werte die intuitive Erwartung um. Kimi K3 kostet 2,00 US-Dollar pro abgeschlossener Index-Aufgabe; Mercury 2.5, das nächstliegende gemessene Mitglied der Mercury-Familie, kostet 0,1167 US-Dollar – erzielte aber 12,3 gegenüber 43,6 von Kimi K3. Günstig pro Token und günstig pro Arbeitseinheit sind unterschiedliche Zahlen, und nur eine davon gehört in einen Kapazitätsplan. Mercury 3 hat keinen Kosten-pro-Aufgabe-Wert, weil es keinen Index-Score hat, was bedeutet, dass die wichtigste Zelle in diesem Vergleich leer ist.

Drittens, und das ist der Punkt, den viele vergessen: Kimi K3 ist auf OrcaRouter zu Moonshots Listenpreis mit 0 % Aufschlag, und das gilt auch für den Rest des Katalogs mit über 200 Modellen – über einen einzigen OpenAI-kompatiblen Endpunkt mit automatischem Failover. Bei Mercury 3 ist das nicht so – es wird über Inceptions eigene API und mehrere Drittanbieterplattformen bereitgestellt. Diese Asymmetrie verändert die Ausgestaltung einer sinnvollen Testphase: Sie können Kimi K3 mit Ihrem bestehenden Anbieter vergleichen, ohne etwas Neues zu unterschreiben, und für Mercury 3 ist das ohne eine zweite Integration nicht möglich.

Für eine Workload mit langen Agent-Sitzungen gibt es noch einen weiteren Kostenhebel, den es zu prüfen gilt, bevor einer der beiden Tarifkarten vertraut wird. Der 1M-Kontext von Kimi K3 hat keinen veröffentlichten Zuschlag für lange Anfragen, und Mercury 3 ebenso wenig. Das ist ungewöhnlich, und es ist der Hauptgrund, warum beide Modelle für Transkripte glaubwürdig sind, die anderswo eine neue Preisstufe auslösen würden.

Welchen man wählen sollte – nach Situation, nicht nach Punktzahl.

Wählen Sie Kimi K3, wenn die Arbeit Bilder oder Videos erfordert, wenn langkontextiges Reasoning die Kernaufgabe ist — seine 0,8867 auf AA-LCR sind der beste Wert in dieser Auswahl —, wenn Sie auf proprietären Daten feinabstimmen müssen, wenn Daten Ihre Infrastruktur nicht verlassen dürfen oder wenn Sie vor der Zuweisung von Traffic eine gemessene Leistungsuntergrenze wünschen. Die Gewichte sind der strategische Aktivposten; die Lizenz ist wirklich permissiv; der Preis ist der Preis dafür, es nicht selbst zu betreiben.

Wählen Sie Mercury 3, wenn die Arbeitslast rein textbasiert, latenzgebunden und hochvolumig ist: Support-Antworten, Suchantworten, Tutoring-Dialogschritte, klassifikationsnahe Arbeit, bei der eine Antwort in unter einer Sekunde das Produkt ist. Bei $0.70 für Ausgabe und $0.02 für gecachte Eingabe ist es günstig genug, dass die Ökonomie pro Anfrage keine Designbeschränkung mehr darstellt, und das 1M-Fenster bedeutet, dass Sie selten zusammenfassen. Was Sie aufgeben, sind Modalität, eine veröffentlichte Fähigkeitsuntergrenze und jeglicher Weg zum Selbsthosting.

Wählen Sie beide, wenn die Aufteilung nach Einsatzzweck statt nach Modell erfolgt. Die beiden Systeme sind architektonisch gegensätzlich — das eine ist ein massives spärliches autoregressives MoE, das andere ein paralleler Diffusionsgenerator —, was bedeutet, dass sie auf unterschiedliche Weise scheitern, und eine Strategie, die Bildverarbeitung und Langkontext-Reasoning an Kimi K3 und sofortige Text-Turns an Mercury 3 leitet, ist aus fachlichen Gründen schlüssig und nicht allein wegen des Preises. Der Haken ist die Integration: Nur eines von beiden lässt sich mit einem einzigen Schlüssel ergänzen.

Was würde die Antwort ändern?

Drei Entwicklungen, keine davon spekulativ:

• Mercury 3s erster unabhängiger Punktestand. Das einzige gemessene Mitglied der Mercury-Familie liegt im Intelligence Index bei 12,3 – gegenüber 43,6 bei Kimi K3. Wenn Mercury 3 nahe an Kimi K3 herankommt und dabei nur ein Fünfzehntel kostet, wird das Eigentumsargument das einzige Argument, das Kimi K3 noch bleibt. Landet es nahe 12,3, ist die Preislücke irrelevant

• Eine Veröffentlichung der Gewichte von Mercury 3. Inception hat dazu nichts gesagt. Offene Gewichte würden den zentralen Unterschied in diesem Artikel über Nacht zunichtemachen.

• Ein günstigerer Host für Kimi K3. Der Preis von $3/$15 stammt von Moonshot selbst; die offene Lizenz bedeutet, dass Drittanbieter-Hosts diesen unterbieten können, und ein gehostetes 2.8T-MoE zum halben Preis verändert die Kosten-pro-Aufgabe-Kalkulation, ohne das Modell zu verändern

Bis eines davon auf den Markt kommt, steht ein mietbares, nicht gemessenes, sehr schnelles Textmodell einem besitzbaren, gemessenen Premiummodell gegenüber, das Video liest. Sie sind kein Ersatz füreinander. Die einzige wirklich falsche Antwort ist, eines zu wählen, weil es in einer Spalte gewinnt, in der das andere nie bewertet wurde.