MIDM K 3.0 Pro: KTs 120B-Hybrid erscheint – mit Preis, aber ohne Benchmarks

Mi:dm K 3.0 Pro – geschrieben MIDM K 3.0 Pro in den meisten Modellkatalogen und international geführt als KT: Mi:dm K 3.0 Pro – ist das erste Modell eines koreanischen Telekommunikationsunternehmens, das auf einer internationalen Preisliste mit einem Datenblatt auf Frontier-Niveau und ohne öffentliche Bewertung dahinter erscheint. KT stellt es über seine eigene Plattform Token Factory bereit; das Veröffentlichungsdatum ist der 29. Oktober 2026, und die internationale Listung ist auf den 5. November 2026 datiert. Es ist ein Mixture-of-Experts-Modell mit 120 Milliarden Parametern, von denen es pro Token 12 Milliarden aktiviert, es akzeptiert 261.795 Token Kontext und kostet 0,20 US-Dollar pro Million Eingabe-Token und 0,80 US-Dollar pro Million Ausgabe-Token. Was es Stand 11. November 2026 nicht hat, ist auch nur ein einziger veröffentlichter Benchmark-Wert von irgendjemandem – nicht von KT, nicht von einer unabhängigen Prüfinstanz, nicht aus der Vergleichstabelle eines konkurrierenden Labors. Diese Lücke ist keine Fußnote zu dieser Seite. Sie ist der wichtigste Punkt, den ein Käufer einpreisen muss.

Drei Daten, und welches davon ist die Veröffentlichung

KT-Unterlagen nennen drei verschiedene Daten für dasselbe Modell, und sie sind alle in ihrem jeweiligen Bezugsrahmen korrekt, weshalb die Frage „Wann kam es heraus?“ so schwer zu beantworten war.

• 15. Oktober 2026 — Mi:dm K 3.0 wird erstmals öffentlich auf dem AID-X Day von KT in Seoul gezeigt, zusammen mit einem Voice-Agent der nächsten Generation, einer internen Agentenplattform namens KT-Claw und der Arbeit des Unternehmens an Prompt-Komprimierung und Modell-Routing. Die koreanische Fachpresse, die über die Veranstaltung berichtet, bezeichnet es als „Modell der nächsten Generation“ der Gruppe, das vorgeführt statt verkauft wird. Es gibt keine Preisangaben, und eine Modellkennung existiert noch nicht.

• 29. Oktober 2026 — das Datum, das KTs eigene Token-Factory-Modellseite als 출시일, also als Veröffentlichungsdatum, angibt. Dies ist der Zeitpunkt, an dem das Modell auf KTs eigener Plattform zu etwas wurde, an das ein Kunde eine Anfrage senden und für das er abgerechnet werden konnte.

• 5. November 2026 — das Datum in der internationalen Katalogauflistung, der Zeitpunkt, ab dem Entwickler außerhalb von KTs eigener Abrechnungsbeziehung darauf zugreifen konnten. Jeder einzelne dieser Katalogeinträge gibt dieselbe Ein-Satz-Beschreibung wieder — Mixture of Experts, 120 Mrd. insgesamt, 12 Mrd. aktiv, hybrides Mamba/MoE/Attention —, die von KT stammt und nicht unabhängig verifiziert wurde.

Der Grund, warum dieser Unterschied drei Aufzählungspunkte statt eines einzigen Satzes verdient, ist, dass „veröffentlicht am 29. Oktober“ und „international verfügbar ab 5. November“ für ein Beschaffungsteam unterschiedliche Dinge bedeuten. Beim ersten handelt es sich um eine Lieferantenbeziehung. Beim zweiten um einen Posten, den Sie diese Woche bewerten können. Beide sind so neu, dass das Modell noch keine veröffentlichten Tests durch Dritte vorweisen kann; ein Leser, der im November 2026 dazukommt, ist daher früh dran, nicht zu spät.

Was die Architektur tatsächlich ist

Das hybride Design ist der interessante Teil und derjenige, den die meisten Katalogtexte zu einem einzigen Satzteil verdichten. KT beschreibt es so, dass Mi:dm K 3.0 Pro Mamba-Schichten, Mixture-of-Experts-Schichten und gewöhnliche Attention-Schichten in einem einzigen Stack mischt. Jede davon erfüllt eine andere Aufgabe. Attention verleiht dem Modell exaktes Erinnern beliebiger früherer Positionen, worauf Aufgaben mit langen Dokumenten und präzises Befolgen von Anweisungen angewiesen sind. Mamba bietet ihm einen Pfad mit linearer Zeitkomplexität durch lange Sequenzen, wodurch verhindert wird, dass ein Prompt mit 262K Tokens bei Kosten und Latenz quadratisch wird. Die Mixture-of-Experts-Schicht ist das, was ein 120B-Modell überhaupt bezahlbar bedienbar macht: Für jedes gegebene Token laufen nur 12B Parameter – ein Zehntel des Netzwerks –, sodass die Rechenkosten dem aktiven Anteil statt der Gesamtzahl folgen.

Alle drei in einen Stack zu packen, ist eine echte Engineering-Position, kein Marketing. Es ist derselbe Instinkt, der hinter mehreren Veröffentlichungen aus 2026 steckt, die versucht haben, den Kosten reiner Attention bei langem Kontext zu entkommen, und es ist schwieriger zu trainieren, als sich für eines zu entscheiden. Ob KT das gut umgesetzt hat, ist genau die Frage, die öffentlich noch niemand beantwortet hat.

KT legt außerdem das Serving-Format offen, was mehr ist, als die meisten Labs veröffentlichen: Auf seiner Token Factory-Seite wird das Modell als von einem Checkpoint bereitgestellt beschrieben, dessen MoE-Experten auf NVFP4 quantisiert sind, während die Mamba-Projektionen und der Shared Expert bei FP8 gehalten werden. Das ist eine Serving-Entscheidung, keine Trainingsentscheidung, und sie hat eine praktische Konsequenz — die Gewichte, die ein Kunde aufruft, sind nicht die Gewichte, die KT trainiert hat, und jeder Benchmark, der gegen diesen Endpoint ausgeführt wird, misst das quantisierte Artefakt. Bei einem 120B-Modell zu $0,20 pro Million Input-Tokens ist aggressive Quantisierung der Weg, über den der Preis erreicht wird. Das setzt auch eine Erwartung: Ein 4-Bit-Expertenpfad ist nicht der Ort, an dem man eine exakte Reproduktion einer Full-Precision-Referenz sucht.

Die Hüllkurve – in den Zahlen, die KT veröffentlicht.

• Parameter — insgesamt 120B, 12B aktiv pro Token, laut KTs eigener Kopie der Modellkarte.

• Kontext — 261.795 Tokens. Das sind grob gesagt 256K und etwa ein Viertel dessen, was die Frontier-Modelle im Umfeld dieses Preissegments bieten.

• Maximale Ausgabe — 235.615 Tokens in einer einzigen Antwort. Das ist ungewöhnlich großzügig im Verhältnis zum Kontextfenster: Das Modell kann fast so viel schreiben, wie es lesen kann.

• Modalität — Text rein, Text raus. Keine Bild-, Audio- oder Dateieingabe und keine multimodale Ausgabe. Katalogeinträge bestätigen, dass beide Seiten der Anfrage rein textbasiert sind.

• Reasoning – das Modell bietet eine Reasoning-Steuerung und gibt Reasoning-Inhalte getrennt von der Antwort zurück, sodass ein Aufrufer den Denkverlauf unterdrücken oder anzeigen kann.

• Strukturierte Ausgabe – JSON und schemaeingeschränkte Ausgabe werden unterstützt; das ist die Fähigkeit, die für alle am wichtigsten ist, die das Modell in eine Pipeline einbinden.

• Tool Calling — nicht unter den unterstützten Anfrageparametern des Modells in seinem Katalogeintrag aufgeführt, im Gegensatz zu den meisten Frontier-Modellen aus 2026, die tools und tool_choice explizit bereitstellen. Wenn eine Agenten-Schleife Function Calling benötigt, ist dies das Erste, was getestet werden sollte, statt es anzunehmen.

• Preisgestaltung — 0,20 $ pro Million Eingabe-Tokens, 0,80 $ pro Million Ausgabe-Tokens und 0,04 $ pro Million gecachter Eingabe-Tokens.

• Gemessenes Serving-Verhalten – im Median etwa 196 Ausgabe-Tokens pro Sekunde und 0,62 Sekunden bis zum ersten Token, bei einer Verfügbarkeit von effektiv 100 % über den vergangenen Tag beim einzigen Serving-Anbieter.

Der Preis und der Rabatt, der nicht im internationalen Angebot enthalten ist

KT verkauft das Modell auf seiner eigenen Plattform derzeit unter dem Listenpreis. Die Token-Factory-Seite zeigt Eingaben mit ₩190 pro Million Tokens gegenüber durchgestrichenen ₩271 und Ausgaben mit ₩759 gegenüber ₩1.085, was einem Aktionsrabatt von 30 % auf dieselben Tarife von $0,20 und $0,80 entspricht, die in der internationalen Auflistung genannt werden. Zwischengespeicherte Eingaben folgen demselben Muster: $0,03 zum Aktionspreis, $0,04 zum Listenpreis.

Daraus folgen zwei Dinge. Erstens: Der effektive Preis liegt heute bei $0.14 für Input und $0.56 für Output, wenn Sie direkt bei KT kaufen, und bei $0.20 / $0.80, wenn Sie das Modell über einen Drittanbieter-Katalog erreichen, der die Listenpreise weitergibt. Zweitens: Aktionspreise für ein so neues Modell sind ein Instrument zum Marktstart, keine Preisliste, und sie werden ohne große Vorankündigung enden. Ein Kostenmodell, das auf $0.14 basiert, sollte mit $0.20 neu gerechnet werden, bevor es herangezogen wird, um irgendetwas zu rechtfertigen.

Schon auf Listenpreisbasis ist die Lage deutlich. Zwanzig Cent pro Million Input-Tokens sind etwa ein Zweihundertstel dessen, was die Frontier verlangt – Claude Opus 5.5 kostet 4 $ und 20 $, Gemini 4 Argon 2 $ und 10 $ – und es ist günstiger als DeepSeeks eigene Flaggschiff-Stufe mit 0,66 $ und 1,98 $ außerhalb der Stoßzeiten. Ob das ein Schnäppchen oder eine Warnung ist, hängt vollständig von der Leistungsfähigkeit ab, und Leistungsfähigkeit ist die eine Zahl, die niemand hat.

Die Messlücke, präzise formuliert

Drei Dinge werden häufig mit Benchmarks verwechselt, und keines davon ist einer.

Das erste ist KTs eigene Ankündigung. Die Materialien zum AID-X Day und die Modellkarte beschreiben Architektur, Quantisierung und Kontext und veröffentlichen keine Tabelle mit Ergebnissen zu namentlich genannten Evaluierungen. Es gibt keine vom Anbieter gemeldete Terminal-Bench-Zahl, keine SWE-bench-Zahl und kein Ergebnis eines koreanischsprachigen Benchmarks, über das man streiten könnte. Das ist für einen Launch im Jahr 2026 ungewöhnlich — die meisten Labore liefern eine Tabelle mit, selbst wenn diese eigennützig ist — und es bedeutet, dass es nichts zu relativieren gibt.

Beim zweiten handelt es sich um Artificial Analysis, den unabhängigen Evaluator, auf den sich die meisten Vergleiche in diesem Blog stützen. Stand 11. November 2026 gibt es dort keine Seite für das Modell: Der Modellpfad liefert einen 404-Fehler, und das Modell erscheint nicht in seinem Index. Das ist das klarste verfügbare Signal dafür, dass das Modell nicht unabhängig mit einer Standard-Testsuite evaluiert wurde.

Das dritte ist der Aggregator-Gesamtwert. Mindestens eine Modellvergleichsseite veröffentlicht für Mi:dm K 3.0 Pro eine „Gesamt“-Punktzahl von 40 von 100 und einen Programmier-Rang von #185 von 445. Diese Zahlen sind keine Benchmark-Ergebnisse. Sie sind eine gewichtete Mischung aus Preis, Aktualität, Kontextlänge, Ausgabekapazität und einem Fähigkeitssignal, und auf dieser Seite trägt allein der Preis 25 % der Gewichtung und der Kontext 15 %. Ein Modell, das so günstig und so neu ist, erzielt konstruktionsbedingt bei zwei der fünf Eingaben gute Werte. Als Zusammenfassung eines Datenblatts gelesen ist das in Ordnung; als Messung der Fähigkeiten gelesen ist es zirkulär.

Der ehrliche Sachstand ist also: eine Architekturbeschreibung vom Anbieter, ein Preis, ein Kontextfenster – und nichts, das sagt, ob das Modell gut ist. Wer diese Woche eine Vergleichstabelle mit den Benchmark-Werten von Mi:dm K 3.0 Pro veröffentlicht, hat sie entweder erfunden oder von jemandem abgeschrieben, der genau das getan hat.

Wo es tatsächlich im Markt passt

Das, was einer Positionierungsaussage am nächsten kommt, stammt eher aus der eigenen Geschichte von KT als aus der Modellkarte dieses Modells. KT hat die Mi:dm-Reihe als korea-zentrierte Familie geführt: Mi:dm 2.0 erschien als 12B-Base-Instruct-Modell und als 2B-Mini, beide im Juli 2025 als offene Gewichte auf Hugging Face veröffentlicht, und die Unternehmensunterlagen beschreiben die Familie als auf die koreanische Gesellschaft, Kultur und Domänenwissen abgestimmt statt auf englischsprachige Coding-Benchmarks. Ein 120B-Hybrid zu diesem Preis ist dieses Programm in größerem Maßstab, keine Neuausrichtung auf die globale Frontier.

Diese Darstellung sagt einem Käufer, was er zuerst testen sollte. Wenn die Arbeitslast koreanischsprachiger Kundenservice, inländische Regulierungstexte oder ein Fachkorpus ist, dessen Vokabular koreanisch ist, dann ist ein dafür trainiertes Modell eine andere Sache als ein Frontier-Modell, dem Koreanisch-Kompetenz nachträglich angeflanscht wurde. Wenn die Arbeitslast englischsprachiges agentisches Programmieren an einem großen Repository ist, dann ist dies ein billiges Modell ohne Belege dahinter und mit einem Kontextfenster, das ein Viertel so groß ist wie das der führenden Modelle.

Es ist auch sinnvoll, klar zu benennen, was nicht offen ist. Die Gewichte von Mi:dm 2.0 sind öffentlich; die von Mi:dm K 3.0 Pro nicht. In der Hugging-Face-Organisation von KT gibt es kein Repository, das die Bezeichnung 3.0 trägt, und das Modell wird ausschließlich über KTs Plattform bereitgestellt. Das schließt Selbst-Hosting, Fine-Tuning auf eigener Hardware und die gesamte Klasse von Evaluierungen aus, die das Herunterladen des Checkpoints erfordern.

Wie man es aufruft und was der einzelne Anbieter bedeutet

Mi:dm K 3.0 Pro wird von genau einem Anbieter bereitgestellt – KT – und OrcaRouter routet es derzeit nicht. Das ist aus einem konkreten Grund relevant und nicht als Disclaimer. Ein Modell mit nur einem Anbieter kann kein Failover durchführen. Wenn der Endpunkt von KT beeinträchtigt wird, gibt es keinen zweiten Host, auf den ausgewichen werden könnte, und die für das Modell angegebene Verfügbarkeitszahl ist eine Messung der Infrastruktur eines einzelnen Unternehmens und nicht die eines Marktes. Teams, die eine harte Verfügbarkeitsgarantie benötigen, wollen üblicherweise entweder einen zweiten Anbieter oder eine Fallback-Lösung auf Anwendungsebene, und für dieses Modell gibt es nur die zweite Option.

Der Vergleich ist ein anderes Kapitel. OrcaRouter bietet mehr als 200 Modelle hinter einem einzigen Schlüssel zu Anbieter-Listenpreisen mit 0 % Aufschlag obendrauf, sodass die günstigen Modelle, mit denen dieses hier tatsächlich konkurriert – die Tarife von DeepSeek, die GLM-Reihe, Qwen –, und die Frontier-Modelle, an denen es gemessen wird, über denselben Endpunkt und dieselbe Rechnung laufen. Dadurch wird ein Direktvergleich zu einer Routing-Änderung statt zu einem Beschaffungsprojekt, was die sinnvolle Art ist, die Frage zu beantworten, die diese Seite nicht beantworten kann: Senden Sie dieselben 50 Prompts an Mi:dm K 3.0 Pro und an zwei Modelle, denen Sie bereits vertrauen, und bewerten Sie die Ausgaben selbst. Bei 0,20 $ für Eingaben und 0,80 $ für Ausgaben kostet dieses Experiment nur Cents.

Was würde diese Seite verändern?

Vier Entwicklungen würden Mi:dm K 3.0 Pro von „interessanter Preis, unbekanntes Modell" zu etwas machen, mit dem ein Team planen kann – und jede davon ist überprüfbar.

Eine unabhängige Bewertung. Ein einzelner Eintrag bei Artificial Analysis mit einem Intelligence-Index-Wert und Kosten pro Aufgabe würde für die Stellung dieses Modells mehr bewirken als jede Pressemitteilung, weil er die Zahl neben die Modelle stellen würde, an denen es sich preislich messen lassen muss — derselbe Index setzt Claude Opus 5.5 auf 58 und DeepSeek V4 Pro auf 36, und ein Wert in diesem Bereich würde die Debatte darüber entscheiden, ob der Rabatt eine Kompensation oder Arbitrage ist.

Ein veröffentlichtes Benchmark-Datenblatt eines Anbieters. Das Fehlen ist auffällig genug, dass sein Erscheinen selbst eine Nachricht wäre und zumindest den Behauptungen der eigenen Designer des Modells etwas an die Hand geben würde, woran sie überprüft werden könnten.

Ein zweiter Anbieter für die Auslieferung. Zwei unabhängige Hosts würden ein Failover ermöglichen und es einem Käufer erlauben, den Preis als Marktpreis statt als Aktionspreis zu betrachten.

Gewichte. KT hat Mi:dm 2.0 als Open Source veröffentlicht und dieses nicht als Open Source veröffentlicht. Wenn sich das ändert, kann das Modell von jedem mit einer GPU evaluiert werden, und die Messlücke schließt sich, ohne auf einen Evaluator warten zu müssen.

Bis mindestens eines davon eintritt, ist die vertretbare Aussage über Mi:dm K 3.0 Pro eng und spezifisch: ein hybrides Mixture-of-Experts-Modell mit 120B, 12B aktiv, 262K Kontext, nur Text, von einem Anbieter aus einem quantisierten Checkpoint bereitgestellt, zu einem Preis, der jedes Frontier-Modell um eine Größenordnung unterbietet — und keine veröffentlichten Belege dafür, wie gut es funktioniert. Das reicht aus, um einen kostengünstigen Test zu rechtfertigen. Es reicht nicht aus, um eine Migration zu rechtfertigen.