1,56 Terabyte. So groß ist die Datei, die seit dem 27. Juli 2026 jeder herunterladen darf. Das chinesische Start-up Moonshot hat die Gewichte seines Sprachmodells Kimi K3 freigegeben, mit 2,8 Billionen Parametern das bislang größte Open-Weight-Modell. Nach eigenen Angaben spielt es bei Programmieraufgaben in der Liga von OpenAI und Anthropic. Die Meldung wurde breit als Machtverschiebung gelesen. Mich interessiert eine andere Zahl daran.
Was “frei verfügbar” technisch bedeutet
Die 1,56 Terabyte sind bereits die komprimierte Fassung. Moonshot liefert das Modell nativ in 4-Bit-Genauigkeit aus, in 16 Bit wären es rund 5,6 Terabyte. Quantisierung als Rettungsanker fällt damit weg, das Modell ist schon quantisiert. Praxisanleitungen empfehlen zweieinhalb bis drei Terabyte freien Plattenplatz für Download und Zwischenkopien.
Der Plattenplatz ist dabei das kleinste Problem. Kimi K3 ist ein Mixture-of-Experts-Modell: Von 896 Experten werden pro Token nur 16 aktiv, das sind 104 Milliarden der 2,8 Billionen Parameter. Der Rechenaufwand pro Anfrage entspricht also nicht der Modellgröße, sondern knapp zwei Prozent davon.
Das klingt zunächst nach Entwarnung. Tatsächlich hilft es beim Speicherbedarf überhaupt nicht. Weil der Router bei jedem einzelnen Token neu entscheidet, welche Experten er braucht, müssen alle 1,56 Terabyte während des Betriebs verfügbar bleiben. Ein voll bestückter Server mit acht aktuellen Rechenzentrums-Grafikkarten kommt auf rund ein Terabyte Speicher, reicht also nicht einmal für die Gewichte allein. Moonshot empfiehlt in der Modellbeschreibung folgerichtig ausschließlich Server-Inferenz-Engines wie vLLM oder SGLang. Desktop-Werkzeuge tauchen dort nicht auf. Nicht die Rechenlast bestimmt hier die Hardware, sondern die Vorhaltung.
Der unbequeme Vergleich
Damit wird eine Frage konkret, die in der Nachhaltigkeitsdebatte meist übersprungen wird: Ist es energetisch besser, ein Modell selbst zu betreiben oder es bei einem Anbieter zu nutzen?
Eine Untersuchung aus dem Frühjahr 2026 hat beides gegenübergestellt. Cloud-Anfragen kamen dort auf rund 1,6 Wattstunden, dieselben Aufgaben auf einem gut ausgestatteten lokalen Rechner auf 5,9 bis 10,3 Wattstunden. Rechnet man nur die korrekt gelösten Aufgaben, öffnet sich die Schere auf etwa 1,9 gegenüber 7,8 bis 17,3 Wattstunden.
Der Grund ist kein Betriebsgeheimnis, sondern Auslastung. Grafikprozessoren arbeiten am effizientesten, wenn sie voll ausgelastet sind. Ein Anbieter bündelt hunderte Anfragen zu einem Stapel und verteilt die Grundlast auf alle. Messungen zeigen, dass allein diese Bündelung den Energiebedarf pro Token um das Drei- bis Fünffache senken kann. Eine Einzelplatzinstallation kann das prinzipbedingt nicht: ein Nutzer, eine Anfrage, keine Bündelung. Dazu kommt die graue Energie. Die Herstellungsemissionen einer Rechenzentrums-GPU verteilen sich auf tausende Nutzer, die eines Arbeitsplatzrechners auf einen.
Kein Freibrief für die Anbieter
Wer daraus ableitet, zentrale KI-Dienste seien damit unproblematisch, verwechselt zwei Größen. Effizienz pro Anfrage sagt nichts über die Gesamtmenge. Der Verbrauch je Anfrage sinkt seit Jahren, der Gesamtverbrauch der Rechenzentren steigt trotzdem, weil die Zahl der Anfragen schneller wächst als die Effizienz. Das ist der Rebound-Effekt in Reinform, und frei verfügbare Spitzenmodelle beschleunigen ihn, weil sie die letzte Hürde senken.
Der eigentliche Hebel liegt woanders. Ein Modell mit 104 Milliarden aktiven Parametern für eine Aufgabe einzusetzen, die ein Acht-Milliarden-Modell zuverlässig löst, ist Verschwendung, unabhängig davon, auf wessen Hardware es läuft. In meiner Beratung erlebe ich das regelmäßig: Es wird das leistungsfähigste verfügbare Modell gewählt, nicht das kleinste ausreichende.
Die Freigabe von Kimi K3 ist technisch bemerkenswert und politisch bedeutsam. Für die Energiebilanz ändert sie wenig. Nicht der Ort der Berechnung entscheidet über den Verbrauch, sondern die Größe des Modells und die Frage, ob die Anfrage überhaupt nötig war.
Quellen: Neue chinesische KI fordert US-Konkurrenz heraus, tagesschau, 17.07.2026; Model Card Kimi K3 und Technischer Blog von Moonshot AI; Benchmarking System Dynamics AI Assistants