Grok 4.6 vs Kimi K3: Umfassender Vergleich

Kurzfassung

Grok 4.6 ist die stärkere Standardwahl, wenn Sie eine verwaltete Frontier-API für agentisches Coding und Wissensarbeit möchten: Es erreicht 61 auf dem Artificial Analysis Intelligence Index, generiert in aktuellen unabhängigen Messungen schneller und startet bei $2/$6 pro Million Eingabe-/Ausgabe-Tokens.

Kimi K3 ist die flexiblere Wahl, wenn Kontextlänge und Modell-Offenheit wichtig sind. Es kombiniert 2,8 Billionen Parameter, 104B aktive Parameter und ein Kontextfenster von etwa 1M Tokens sowie offene Gewichte und native Multimodalität. Die offiziellen gehosteten API-Preise sind mit $3/$15 pro Million Eingabe-/Ausgabe-Tokens höher, aber Cache-Treffer kosten nur $0,30 pro Million Tokens.

Fazit: Wählen Sie Grok 4.6 für eine kosteneffiziente gehostete Agenten-API; wählen Sie Kimi K3 für 1M Kontext, offene Gewichte und Infrastruktursouveränität. Für Coding beide an Ihren eigenen Repositories testen, da die Anbieter unterschiedliche Benchmark-Versionen und -Harnesses veröffentlichen.

Zentrale Erkenntnisse

• Grok 4.6 wurde am 12. August 2026 veröffentlicht mit besonderem Fokus auf langlaufende Agenten, Arbeiten am Codebestand, Wissensarbeit sowie ambitioniertere interaktive oder visuelle Projekte.
• Kimi K3 ist Moonshot AIs Flaggschiff mit 2,8T Parametern mit Kimi Delta Attention, Attention Residuals, nativer Vision und einem Kontextfenster von ca. 1M Tokens.
• Unabhängige Gesamtintelligenz ist nahezu gleich: 61 für Grok 4.6 gegenüber 60 für Kimi K3.
• Grok 4.6 hat den niedrigeren offiziellen Token-Preis: $2 Eingabe / $6 Ausgabe versus $3 Eingabe / $15 Ausgabe für Kimi K3.
• Kimi K3 bietet ungefähr die doppelte Kontextkapazität und offene Gewichte; Grok 4.6 ist proprietär, aber in mehreren unabhängigen Agenten-Evaluierungen effizienter in Turns und Kosten.

Grok 4.6 vs Kimi K3: Schnellvergleich

Was ist Grok 4.6?

Grok 4.6 ist das Frontier-Modell von SpaceXAI für Coding, agentische Aufgaben und Wissensarbeit. Laut Unternehmen wurde der Release um langlaufende Agenten und ambitioniertere interaktive und visuelle Arbeiten herum gebaut, nicht nur als statisches Benchmark-Update. In der Praxis bedeutet das, dass das Modell über viele Schritte hinweg auf einer Aufgabe bleibt: ein Thema recherchieren, sich in einem Codebestand bewegen, Informationen analysieren, Tools aufrufen und in Richtung einer fertigen Anwendung oder eines Arbeitsartefakts iterieren.

Was hat sich gegenüber Grok 4.5 geändert?

SpaceXAI berichtet über einen längeren ergänzenden Training-Lauf unter Verwendung kuratierter, modellgenerierter Reasoning-Daten, fortgeschrittener technischer Konzepte, hochwertiger Engineering-Daten sowie eines verbesserten Optimierers und Trainingsrezepts. Das Team regenerierte anschließend SFT-Trajektorien mit Grok 4.5 über Reasoning-Aufgaben und Agenten-Harnesses, filterte problematische Traces und wendete agentisches Reinforcement Learning in Umgebungen an, die allgemeines Coding, Kernel-Optimierung, Webentwicklung, CAD und Wissensarbeit abdeckten.

Das praktische Ergebnis ist ein Modell, das nicht nur höher punktet, sondern auch mehr Selbsttests und Verifikation auf längeren Trajektorien zeigt. Dieses Verhalten ist für Agenten wichtig, da die Kosten eines kleinen Fehlers sich vervielfachen, wenn ein Modell Dateien bearbeiten, Tools aufrufen oder einen mehrstufigen Plan ohne ständige menschliche Intervention ausführen darf.

Grok 4.6: Spezifikationen

Was ist Kimi K3?

Kimi K3 ist Moonshot AIs offenes, multimodales, agentisches Flaggschiffmodell. Es kombiniert insgesamt 2,8 Billionen Parameter mit einem Kontextfenster von 1M Tokens und nativer Vision, was es für langhorizontales Coding, End-to-End-Wissensarbeit, Reasoning und visuell fundierte Softwareaufgaben positioniert.

Im Gegensatz zu Grok 4.6 legt Kimi K3 seine Modellgewichte offen. Die aktuelle offizielle Model-Card nennt 104B aktive Parameter während der Inferenz; der Rechenpfad ist somit deutlich kleiner als die vollen 2,8T, auch wenn der Betrieb des vollständigen Modells weiterhin substanzielle Infrastruktur erfordert.

KDA, AttnRes und ein stärker spärliches MoE

Die Architektur ist einer der größten Differenzierer von K3. Moonshot sagt, Kimi Delta Attention (KDA) und Attention Residuals (AttnRes) sollen den Informationsfluss über lange Sequenzen und tiefe Modellschichten verbessern. Stable LatentMoE erhöht die Sparsität, sodass 16 von 896 Experten pro Token aktiviert werden. Zusammen mit Änderungen am Training und Datenrezept meldet Moonshot etwa 2,5× bessere Gesamtskalierungseffizienz als Kimi K2.

Kimi K3: Spezifikationen

Grok 4.6 vs Kimi K3: Benchmark-Vergleich

Der sauberste Direktvergleich ist der unabhängige Artificial Analysis Intelligence Index, da beide Modelle im selben Rahmen evaluiert werden. Aktuelle Scores sind 61 für Grok 4.6 (hoch) und 60 für Kimi K3 (max). Eine Ein-Punkt-Differenz ist zu klein, um zu behaupten, eines sei „eine Generation voraus“. Sinnvoller ist die Frage, wo jedes Modell seine Punkte erzielt.

Coding-Leistung

SpaceXAI veröffentlicht mehrere Coding- und Software-Engineering-Ergebnisse für Grok 4.6: 69,9% auf CursorBench 3.2, 65,9% auf DeepSWE 1.1, 61,3% auf FrontierCode 1.1 Extended, 56,4% auf APEX-SWE und 26,0% auf Terminal-Bench 3.0. Diese sind bedeutsam, weil sie Repository-Bearbeitung, agentische Softwareentwicklung und Terminalarbeit abdecken und nicht nur Code-Completion-Trivia.

Für Kimi K3 veröffentlicht Moonshot eine andere, aber breite Coding-Suite. Die offiziellen Launch-Materialien melden 67,5 auf DeepSWE, 88,3 auf Terminal-Bench 2.1, 81,2 auf FrontierSWE, 77,8 auf ProgramBench und 42,0 auf SWE Marathon. Wichtig ist der Hinweis, dass Terminal-Bench 2.1 und 3.0 unterschiedliche Versionen sind und FrontierSWE nicht dieselbe Evaluation wie FrontierCode ist. Diese Zeilen sollten daher nicht als „Äpfel-zu-Äpfeln“-Siege allein anhand der Rohzahl interpretiert werden.

Quelle: Moonshot AI / Kimi

Agentische Arbeit und Wissensarbeit

Agentische Arbeit ist der Bereich, in dem Grok 4.6 am stärksten wirkt. SpaceXAI meldet 1753 Elo auf GDPVal-AA v2, 57,5% auf APEX-Agents und 1577 Elo auf AA-Briefcase. Artificial Analysis hebt unabhängig dasselbe Muster hervor: Die stärksten Zugewinne von Grok 4.6 liegen bei langhorizontiger, toolnutzender Arbeit und nicht nur bei statischem Reasoning.

Kimi K3 zielt ebenfalls auf wissensarbeitsorientierte Agenten. Moonshots Launch-Suite zeigt starke Ergebnisse auf BrowseComp, GDPval-AA v2, JobBench, SpreadsheetBench 2 und visuellen Agenten-Evaluationen. Wichtiger für Entwickler: Die Kimi-API stellt tool_choice-Einschränkungen und dynamisches Tool-Loading bereit – praktische Kontrollen, wenn ein Agent Unternehmenssysteme nutzen oder Fakten vor der Antwort abrufen muss.

Quelle: Moonshot AI / Kimi

Multimodalität und visuelles Reasoning

Kimi K3 hat die klarere Architekturgeschichte zur Multimodalität: Moonshot beschreibt native Vision-Fähigkeiten und demonstriert speziell „Vision in the loop“ für Spieleentwicklung, Frontend-Engineering und CAD, wo das Modell visuelles Feedback inspizieren und Code überarbeiten kann.

Grok 4.6 akzeptiert ebenfalls Text- und Bildeingaben, und SpaceXAI sagt, das Modell liefere stärkere Erstläufe bei visuellen und interaktiven Projekten als Grok 4.5. Der Unterschied liegt weniger darin, ob eines der Modelle Bilder sehen kann, sondern mehr in der Deployment-Philosophie: Kimi exponiert ein offenes multimodales Modell, während Grok visuelles Verständnis in einer verwalteten Frontier-API und Agenten-Ökosystem verpackt.

Kontextfenster: 500K vs. 1M

Grok 4.6 unterstützt 500.000 Tokens, während Kimi K3 etwa 1 Million Tokens unterstützt. Damit ist Kimi die offensichtliche Wahl, wenn die Arbeitslast tatsächlich mehr als 500K Tokens in einer Anfrage erfordert – z. B. sehr große Repositories, Forschungscollections über mehrere Bücher oder außergewöhnlich lange Agenten-Traces.

Allerdings ist Kontextgröße Kapazität, keine Garantie für Abruf- oder Reasoning-Qualität. Für produktive Systeme sollten Sie das Modell an Ihren tatsächlichen Long-Context-Fehlermodi testen: Nachverfolgung von Abhängigkeiten über Dateien hinweg, Abruf entfernter Fakten, Widerspruchserkennung und Instruktionspersistenz. Retrieval-augmented Generation kann weiterhin günstiger und kontrollierbarer sein, als bei jeder Anfrage eine Million Tokens zu senden.

Geschwindigkeit und Latenz

Artificial Analysis misst derzeit Grok 4.6 mit 65,8 Ausgabetokens pro Sekunde und Kimi K3 mit 40,7 Tokens pro Sekunde. Sobald die Generierung startet, ist Grok in dieser Messung materiell schneller. Beim ersten Token zeigt sich jedoch das gegenteilige Muster: Kimi K3 hat eine gemessene TTFT von 3,27 Sekunden, während Grok 4.6 beim aktuellen Anbieter deutlich langsamer mit dem Streaming beginnt.

Das schafft eine nützliche Produktdifferenzierung. Für interaktive Chat- oder IDE-Erlebnisse kann eine schnelle Zeit bis zum ersten Token Kimi responsiv wirken lassen, auch wenn die vollständige Antwort länger dauert. Für lange Generierungen und Agentenläufe kann Groks höhere Generierungsdurchsatzrate die Tail-Latenz einer Anfrage reduzieren. Anbieter, Region, Reasoning-Aufwand, Cache-Zustand und Anfragegröße können diese Zahlen verändern – behandeln Sie sie als aktuellen Schnappschuss statt als dauerhafte Eigenschaft.

Grok 4.6 vs Kimi K3: API-Preise

Bei Standard-Kontextlängen kostet Grok 4.6 $2 pro Million Eingabe-Tokens, $0,50 pro Million Cache-Tokens und $6 pro Million Ausgabe-Tokens. Für Prompts ab 200K Tokens berechnet xAI die gesamte Anfrage zu Langkontext-Tarifen von $4 Eingabe, $1 Cache und $12 Ausgabe pro Million Tokens.

Kimi nutzt einheitliches Pay-as-you-go-Pricing über sein 1M-Kontextfenster hinweg. Die Kimi-API listet $0,30 pro Million Cache-Treffer-Tokens, $3 pro Million Eingabe-Tokens und $15 pro Million Ausgabe-Tokens. Das bedeutet, Kimi ist bei Cache-Treffern günstiger, aber bei frischen Ausgabe-Tokens deutlich teurer; Groks Preisvorteil schrumpft, wenn Grok-Anfragen die 200K-Langkontext-Schwelle überschreiten.

Offizielle Headline-API-Preise pro 1M Tokens. Grok-Langkontext-Anfragen (≥200K Prompt-Tokens) nutzen höhere Tarife, die in der Grafik nicht dargestellt sind. Quelle: SpaceXAI und Kimi API-Preise

Auf CometAPI ist Grok 4.6 derzeit mit $1,60 Eingabe / $4,80 Ausgabe pro Million Tokens gelistet, während Kimi K3 mit $2,40 Eingabe / $12 Ausgabe gelistet ist. Beides liegt 20% unter den Headline-Eingabe-/Ausgabe-Preisen der Anbieter, die zum Zeitpunkt der Erstellung auf den CometAPI-Modellseiten angezeigt werden.

Offene Gewichte vs. proprietäres Modell

Kimi K3 ist ein Open-Weight-Modell mit herunterladbaren Gewichten. Das ermöglicht Forschung, feingranulare Infrastrukturkontrolle, private Inferenzarchitekturen und Deployment über Drittanbieter-Inferenz-Stacks. Es bedeutet nicht, dass K3 leichtgewichtig ist: Ein 2,8T-Parameter-Modell ist trotz MoE-Sparsamkeit und Niedrigpräzisionsformaten ein ernstes Systemsprojekt.

Grok 4.6 ist proprietär. Architektur und Parameterzahl sind nicht öffentlich, und Entwickler greifen als Managed Service darauf zu. Der Trade-off ist operative Einfachheit: Man muss keinen Inferenz-Cluster bauen, keine Modellgewichte verwalten oder Kernel optimieren, um Frontier-Level-Agentenleistung zu erhalten.

Stärken und Schwächen

Grok 4.6 vs Kimi K3: Welches sollten Sie wählen?

Gesamtempfehlung: Grok 4.6 ist die stärkere Standardlösung als gehostete API für die meisten Agentenentwickler. Kimi K3 ist das flexiblere Frontier-Modell, wenn 1M Kontext, offene Gewichte und Deployment-Kontrolle Anforderungen sind und keine optionalen Extras.

Zugriff auf Grok 4.6 und Kimi K3 über CometAPI

Beide Modelle sind auf CometAPI verfügbar. Die Modellseite von Grok 4.6 listet die Modell-ID grok-4.6 und unterstützt den Zugriff im Chat Completions-/Responses-Stil, während die Modellseite von Kimi K3 kimi-k3 über den einheitlichen CometAPI-Endpunkt bereitstellt. Das erleichtert A/B-Tests, da Sie Modell-IDs wechseln können, während Authentifizierung und die meisten Anwendungskomponenten konstant bleiben.

from openai import OpenAI
 import os

 client = OpenAI(
    base_url="https://api.cometapi.com/v1",
    api_key=os.environ["COMETAPI_KEY"],
 )

 for model in ["grok-4.6", "kimi-k3"]:
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "user", "content": "Überprüfen Sie diesen Repository-Fehler und schlagen Sie eine getestete Korrektur vor."}
        ],
    )
    print(model, response.choices[0].message.content)

Für eine produktionsreife Evaluation sollten Prompt, Tools, Repository-Snapshot und Erfolgskriterien identisch bleiben. Verfolgen Sie nicht nur die Antwortqualität, sondern auch Tool-Call-Erfolg, Anzahl der Turns, Gesamtzahl der Eingabe-/Ausgabe-Tokens, Latenz und die Recovery nach fehlgeschlagenen Tool-Calls. Das ist aussagekräftiger für reale Agentenkosten als ein einzelner Benchmark-Score.

Fazit

Das wichtigste Ergebnis des Vergleichs Grok 4.6 vs Kimi K3 ist, dass ihre Topline-Intelligenz viel näher beieinander liegt als ihr Produktdesign. Unabhängige Evaluierung setzt sie aktuell bei 61 vs. 60, aber die umgebenden Ökonomien und Deployment-Entscheidungen unterscheiden sich stark.

Grok 4.6 ist als verwalteter Frontier-Service optimiert: niedrigere Preise für frische Tokens, starke agentische Benchmarks, schneller gemessene Generierung und ein ausgereifter Tool-/API-Pfad. Kimi K3 ist auf Flexibilität optimiert: ein 1M-Kontextfenster, 2,8T MoE-Skalierung, native Multimodalität und offene Gewichte.

Für die meisten Entwickler, die einfach das beste Standardmodell als gehosteten Service für Coding und langlaufende Agenten benötigen, ist Grok 4.6 der sicherere Ausgangspunkt. Wenn Ihr System auf >500K Kontext, Open-Weight-Deployment, visuelles Coding oder Kontrolle über den Inferenz-Stack angewiesen ist, kann Kimi K3 trotz höherem gehostetem Tokenpreis die bessere Architekturwahl sein.

FAQs

Ist Grok 4.6 intelligenter als Kimi K3?

Auf dem aktuellen Artificial Analysis Intelligence Index erzielt Grok 4.6 einen Score von 61 und Kimi K3 einen Score von 60. Das ist ein knapper Vorsprung, kein entscheidender Abstand. Die Performance auf Aufgabenebene kann je nach Arbeitslast variieren.

Welches ist besser für Coding?

Beide sind glaubwürdige Coding-Modelle. Grok 4.6 hat starke aktuelle agentische Coding-Ergebnisse und niedrigere gehostete Preise; Kimi K3 bietet ein größeres Kontextfenster, offene Gewichte und starke Ergebnisse bei Repository-/visuellem Coding. Nutzen Sie Ihr eigenes Repo-Benchmark, da die Anbieter unterschiedliche Benchmark-Versionen melden.

Welches Modell hat das größere Kontextfenster?

Kimi K3 unterstützt etwa 1M Tokens, ungefähr doppelt so viel wie das 500K-Kontextfenster von Grok 4.6.

Welches ist günstiger?

Für frische Tokens bei Standardkontext ist Grok 4.6 günstiger mit $2 Eingabe / $6 Ausgabe pro MTok gegenüber $3 / $15 für Kimi K3. Kimi hat den günstigeren Cache-Treffer-Tarif mit $0,30/MTok, während Grok höhere Tarife anwendet, sobald der Prompt 200K Tokens erreicht.

Kann ich Kimi K3 selbst hosten?

Kimi K3 hat offene Gewichte auf Hugging Face, sodass ein selbstverwaltetes Deployment möglich ist. Das vollständige 2,8T-Modell ist dennoch sehr groß und erfordert für praktische Performance ernsthafte Multi-Node- oder Spezial-Inferenzinfrastruktur.

Kann ich Grok 4.6 selbst hosten?

Es sind keine öffentlichen Gewichte von Grok 4.6 verfügbar. Grok 4.6 wird als proprietäres, verwaltetes Modell über SpaceXAI und Partner-APIs bereitgestellt.

Kann ich auf beide über eine API zugreifen?

Ja. CometAPI listet derzeit sowohl Grok 4.6 als auch Kimi K3, sodass Entwickler sie hinter einer einheitlichen API- und Abrechnungsschicht vergleichen können.