Qwen 3.8 Max vs. Kimi K3: Welches ist bereit für echte Coding-Arbeit?

Qwen 3.8 Max vs. Kimi K3 auf einen Blick

Der Vergleich ist jetzt ausgeglichener – aber die Bereitstellung unterscheidet sich weiterhin

Qwen3.8-Max und Kimi K3 sind jetzt beide tragfähige Produktions-API-Modelle. Der Hauptunterschied ist nicht mehr „Preview gegenüber Produktion“, sondern gehosteter API-Wert gegenüber sofortigem Besitz offener Gewichte.

Qwen 3.8 Max ist jetzt eine stabile Produktions-API

Alibaba hat das stabile Modell qwen3.8-max am 3. August 2026 veröffentlicht und damit die frühere Preview-Positionierung durch normalen Pay-as-you-go-API-Zugriff ersetzt.

Das Produktions-Release dokumentiert eine Sparse-Mixture-of-Experts-Architektur mit 2,4 Billionen Parametern und etwa 95 Milliarden aktiven Parametern pro Anfrage. Es unterstützt ein Kontextfenster von bis zu 1 Million Token, bis zu 128K Ausgabe-Token sowie Text-, Bild- und Videoeingaben.

Das verändert den praktischen Vergleich. Qwen3.8-Max kann jetzt für kundenorientierte Anwendungen, Coding-Agenten, multimodale Analysen und andere Produktions-Workloads evaluiert werden – ohne auf den früheren, auf Credits basierenden Personal-Token-Plan angewiesen zu sein.

Sein offizieller Preis ist zudem niedriger als der von Kimi K3:

Für Teams, die eine gehostete API nutzen, ist Qwen3.8-Max auf GPT Proto jetzt eine ernsthafte Produktionsoption statt eines experimentellen Endpunkts.

Alibabas angekündigter Open-Weight-Checkpoint wurde jedoch noch nicht veröffentlicht. Entwickler sollten nicht davon ausgehen, dass die endgültigen Gewichte, die Lizenz oder die Self-Hosting-Bedingungen verfügbar sind, bis sie offiziell publiziert wurden.

Kimi K3 hat herunterladbare Gewichte veröffentlicht

Kimi K3 ist sowohl über eine gehostete API als auch als herunterladbarer Checkpoint verfügbar. Moonshot AI hat die Modellgewichte, das Model Card, den technischen Bericht, Bereitstellungsleitfäden und die benutzerdefinierte Lizenz veröffentlicht.

Kimi K3 hat insgesamt 2,8 Billionen Parameter und aktiviert etwa 104 Milliarden Parameter pro Token. Die Bereitstellungsdokumentation umfasst Frameworks wie vLLM, SGLang und TokenSpeed und gibt Teams einen klareren Weg zu kontrollierter oder privater Infrastruktur.

Damit ist Kimi K3 die praktischere Wahl, wenn herunterladbare Gewichte, Deployment-Eigentum oder sofortiges Self-Hosting eine feste Anforderung sind.

Offene Gewichte machen Kimi K3 nicht einfach oder kostengünstig lokal lauffähig. Es bleibt ein Multi-Billionen-Parameter-Modell, das Speicher, Arbeitsspeicher, Netzwerk und Beschleunigerkapazität im Rechenzentrumsmaßstab erfordert. Die benutzerdefinierte Lizenz kann zudem Bedingungen für sehr große kommerzielle Produkte oder Model-as-a-Service-Bereitstellungen enthalten.

Was der Bereitstellungsunterschied bedeutet

Der Vergleich ist also nicht mehr ungleich, weil Qwen „nur eine Preview“ ist. Beide Modelle können Produktions-API-Workloads bedienen. Der verbleibende Unterschied ist einfacher: Qwen3.8-Max bietet derzeit das stärkere gehostete Kosten-Leistungs-Verhältnis, während Kimi K3 sofortigen Zugriff auf veröffentlichte Gewichte und mehr Kontrolle über die Bereitstellung bietet.

Wie Entwickler Qwen 3.8 Max gegen Kimi K3 testen sollten

Halten Sie Agent-Shell und Berechtigungen identisch. Setzen Sie ein festes Zeitlimit. Notieren Sie die vollständige Modell-ID und das Datum, besonders bei Qwens sich verändernder Preview. Erfassen Sie dann Aufgabenabschluss, Echtzeit, Eingabe- und Ausgabe-Token, Cache-Treffer, fehlgeschlagene Tool-Aufrufe, Wiederholungen, menschliche Eingriffe und bestandene Endtests.

Bewerten Sie eine Antwort nicht, weil sie „gründlich aussieht“. Prüfen Sie, ob der Patch funktioniert und ob die Behauptungen des Modells einer Überprüfung standhalten.

Für wichtige Architekturentscheidungen gibt es ein weiteres nützliches Muster: Lassen Sie beide Modelle unabhängig laufen, verbergen Sie ihre Identitäten bei der Überprüfung und vergleichen Sie ihre abweichenden Ergebnisse. Der Test mit 269 Dateien lieferte sein stärkstes Design erst durch die Kombination von Qwens Systemgrenzen mit Kimis Lebenszyklusmodell. Manchmal ist die richtige Antwort auf Qwen versus Kimi: beide – gefolgt von Verifikation.

Qwen 3.8 Max vs. Kimi K3: Preise

Zum offiziellen Listenpreis kosten Qwens Ausgabe-Token 60 % weniger als die von Kimi K3. Dieser Unterschied ist wichtig für Reasoning-lastige Coding-Agenten, die lange Pläne, Tool-Traces, Erklärungen und Patches erzeugen.

Der Token-Preis ist nicht die gesamte Kostenbasis. Messen Sie Wiederholungen, fehlgeschlagene Tool-Aufrufe, menschliche Korrekturen, Latenz und akzeptierte Aufgabenabschlüsse. Kimi kann in einem bestimmten Workflow trotzdem günstiger sein, wenn das stärkere Revisions- und Lebenszyklus-Handling teure Reparaturschleifen verhindert.

Prüfen Sie die Live-Qwen3.8-Max-API-Seite für den aktuellen GPT Proto-Preis, bevor Sie ein Produktionsbudget berechnen.

Welches Modell sollten Sie wählen?

Multimodale Eingaben, Reasoning und Agentenverhalten

Qwens dokumentierte Bildunterstützung macht es für Debugging anhand von Screenshots relevant. Kimi geht weiter und akzeptiert Video, was nützlich ist, wenn die Eingabe eine Bildschirmaufnahme, Animationsreferenz oder Produktdemo ist, die sich nur schwer Bild für Bild beschreiben lässt.

Kimis umfangreichere dokumentierte Oberfläche erhöht auch den Integrationsaufwand. Das Verhalten „Preserved Thinking“ bedeutet, dass eine Multi-Turn-Anwendung die vollständige Assistant-Nachricht zurückgeben sollte, einschließlich Reasoning-Inhalten und Tool-Aufrufen, statt nur die sichtbare Antwort zu behalten. Dieser Verlauf belegt Kontext und wird abgerechnet. Das 1M-Token-Fenster ist groß, aber es ist kein kostenloser Speicher.

Beide Modelle verwenden standardmäßig ihre höchste Reasoning-Stufe. Für Evaluierungen sollten diese Einstellungen konsistent bleiben. Für die Produktion sollten Sie bei einfacheren Aufgaben geringeren Aufwand testen. Ein Modell, das 99 % der Anfragen mit geringerem Aufwand löst, kann günstiger und schneller sein als eines, das bei jeder Autovervollständigung, Klassifikation oder kurzen Transformation auf maximalem Reasoning läuft.

Welches Modell sollten Sie wählen?

Für eine Anwendung, die diese Woche live geht, würde ich Kimi K3 wählen. Es gibt genügend veröffentlichte Informationen, um Kosten zu schätzen, Integrationsverhalten zu definieren und einen Test gegen einen stabilen Modellnamen zu wiederholen.

Für ein internes Coding-Experiment würde ich Qwen nicht ignorieren. Die Preview hat eine lange Repository-Analyse ohne einen einzigen fehlgeschlagenen Tool-Aufruf bewältigt und im Vergleichstest bessere Architekturgrenzen als Kimi gezeigt. Das ist ein ernstzunehmendes Fähigkeitssignal. Es ist noch kein Produktionsvertrag.

So testen Sie Kimi K3 über GPT Proto

Qwen 3.8 Max ist bei GPT Proto noch nicht verfügbar, daher verwendet das aktuelle Integrationsbeispiel nur Kimi K3. Sie können es über den OpenAI-kompatiblen Chat-Completions-Endpunkt von GPT Proto mit dem Modellstring kimi-k3 aufrufen:

curl https://gptproto.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: $GPTPROTO_API_KEY" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {
        "role": "user",
        "content": "Überprüfen Sie diesen Migrationsplan. Identifizieren Sie unbelegte Annahmen, fehlende Rollback-Schritte und die vor der Produktion erforderlichen Tests."
      }
    ]
  }'

Der Endpunkt und die Autorisierungsstruktur folgen der GPT Proto-API-Schnellstartanleitung. Für Multi-Turn-Kimi-Workflows sollten Sie die vollständige, von der API zurückgegebene Assistant-Nachricht aufbewahren, einschließlich Reasoning- und Tool-Call-Feldern, statt nur den endgültigen sichtbaren Text zu speichern.

Sie können die Kimi-K3-API ausprobieren, über 200+ KI-Modelle durchsuchen oder die GPT Proto Unified AI API nutzen, um Kimi mit anderen Text-, Bild-, Video- und Audiomodellen zu vergleichen. Wenn Qwen 3.8 Max hinzugefügt wird, ist der nützliche Test dieselbe Aufgabe, derselbe Prompt, dieselben Tool-Berechtigungen und dieselbe Bewertungsmethode auf beiden Modell-Endpunkten.

Abschließendes Urteil

Kimi K3 gewinnt nicht länger nur, weil Qwen eine Preview ist. Qwen3.8-Max hat jetzt eine stabile API, normale Token-Abrechnung, dokumentierte Spezifikationen und ist direkt über GPT Proto verfügbar.

Für die meisten Teams, die ein gehostetes Modell wählen, ist Qwen3.8-Max der stärkere Ausgangspunkt, denn der offizielle Preis von 2 $/6 $ liegt weit unter dem von Kimi K3 mit 3 $/15 $, besonders bei ausgabeintensiven Agentenaufgaben.

Kimi K3 bleibt die bessere Wahl, wenn herunterladbare Gewichte und Deployment-Eigentum nicht verhandelbar sind. Das stärkere Revisions- und Regenerierungs-Handling im verfügbaren Vergleichstest macht es außerdem eine Evaluierung für zustandsintensive kreative und technische Workflows wert.

Die klare Antwort lautet jetzt: Qwen für gehostete Kosten und breite multimodale Fähigkeiten; Kimi für veröffentlichte Gewichte und lebenszyklusintensive Aufgaben.