Direktvergleich
Kimi K3 vs. DeepSeek V4 Pro
Was ist besser, Kimi K3 oder DeepSeek V4 Pro?
Kimi K3 landet im Index vor DeepSeek V4 Pro, 85.1 zu 83.4. Bei Handwerk liegt Kimi K3 vorn, bei Kontrolle und Preis-Leistung weiterhin DeepSeek V4 Pro. Beide werden in derselben Woche nach demselben Raster bewertet, und keine der beiden Platzierungen ist gesponsert.
Aktualisiert am
Kimi K3
20 von 73
85.1
Eines der stärksten Open-Weights-Modelle, und es liest eine Million Token, ohne mit der Wimper zu zucken.
DeepSeek V4 Pro
28 von 73
83.4
DeepSeeks Reasoning-Flaggschiff, jetzt raus aus der Preview und vom eigenen Flash-Modell übertroffen.
Die vier Punktzahlen nebeneinander
| Punktzahl | Kimi K3 | DeepSeek V4 Pro | Differenz |
|---|---|---|---|
| Handwerk | 88 | 82 | +6 |
| Tempo | 74 | 74 | — |
| Kontrolle | 91 | 94 | +3 |
| Preis-Leistung | 78 | 84 | +6 |
| Index-Punktzahl | 85.1 | 83.4 | +1.7 |
Was Sie nehmen sollten
Nehmen Sie Kimi K3, es sei denn, Kontrolle und Preis-Leistung gibt für Sie den Ausschlag — genau dort ist DeepSeek V4 Pro die bessere Antwort.
Kimi K3
Moonshot hat K3 in sehr großem Maßstab veröffentlicht, mit nativem Bildverständnis, einem expliziten Denkmodus und einem Fenster von einer Million Token, und im Oktober zählt es auf beiden unabhängigen Leaderboards weiterhin zu den besten offenen Modellen. Zwei Einschränkungen sind wichtig: Die Lizenz beschränkt die kommerzielle Nutzung oberhalb einer Umsatzschwelle, es ist also Open Weights statt Open Source, und die gehostete API kostet drei Dollar für Input und fünfzehn für Output, bepreist wie ein westliches Frontier-Modell und nicht wie ein chinesisches.
Wo es glänzt
- Million-Token-Kontext, der wirklich und nicht nur nominell beherrscht wird
- Natives Bildverständnis und ein expliziter Denkmodus
- Unter den höchsten Bewertungen nach menschlicher Präferenz aller offenen Modelle
DeepSeek V4 Pro
V4 Pro hat die Preview im August als V4-Pro-0813 verlassen: ein sehr großes Sparse-Modell, das vor dem Antworten nachdenkt, mit MIT-lizenzierten Gewichten und einem Fenster von einer Million Token. Bei schwerem Reasoning ist es nach wie vor gut, aber V4.1 Flash, gebaut auf DeepSeeks neuerer Architektur, erzielt inzwischen auf beiden unabhängigen Leaderboards höhere Werte, zu etwa einem Viertel des Preises. Pro bleibt ein fähiges MIT-lizenziertes Reasoning-Modell, doch für die meiste neue Arbeit ist Flash die bessere Wahl.
Wo es glänzt
- MIT-Lizenz, auch für die Reasoning-Traces
- Sehr langer Kontext, sodass ganze Repositorys in einen Aufruf passen
- Preise außerhalb der Spitzenzeiten halbieren die Rechnung