Open-Weight-Sommer 2026: Kimi K3, Laguna S 2.1 und DeepSeek-Reasonix im Vergleich

Kimi K3, Laguna S 2.1 und DeepSeek-Reasonix stehen für drei grundverschiedene Wege zu günstigerem AI Coding. Kimi K3 setzt auf maximale Skalierung mit 2,8 Billionen Parametern und einer Million Token Kontext, Laguna S 2.1 auf Effizienz mit 118 Milliarden Parametern, davon 8 Milliarden aktiv. DeepSeek-Reasonix ist dagegen gar kein Modell, sondern ein MIT-lizenziertes Agent-Harness, das externe Modelle steuert. Für maximale Leistung ist K3 interessant, für kontrollierbares Self-Hosting Laguna. Reasonix eignet sich, wenn niedrige laufende API-Kosten und ein schlanker Terminal-Workflow wichtiger sind als ein bestimmtes Modell.

Was wird hier eigentlich verglichen?

Der Vergleich ist absichtlich asymmetrisch. Kimi K3 und Laguna S 2.1 sind Foundation Models mit offenen beziehungsweise angekündigten Gewichten. DeepSeek-Reasonix ist eine Software, die ein Modell per API in einen Coding-Agenten verwandelt. Reasonix hat deshalb weder eigene Parameter noch ein eigenes Kontextfenster oder einen aussagekräftigen LLM-Benchmark. Genau diese Trennung ist für die Praxis wichtiger als ein reines Leaderboard. Ein Modell liefert die Intelligenz, ein Agent-Harness organisiert Kontext, Werkzeuge, Dateien und Terminal-Befehle. Warum diese Umgebung Benchmark-Ergebnisse und reale Leistung stark beeinflusst, zeigt die Analyse Warum der Agent-Harness das Modell frisst. Auch der Begriff Open Weight braucht Präzision: Veröffentlichte Gewichte lassen sich herunterladen und selbst betreiben. Das macht ein Modell aber nicht automatisch zu Open Source, denn Trainingsdaten, Trainingscode und vollständige Methodik können geschlossen bleiben. Beim Stand dieses Artikels ist zudem nur Laguna tatsächlich mit benannter Lizenz veröffentlicht. Für Kimi K3 sind die Gewichte erst angekündigt.

Welche Philosophie verfolgen Kimi K3, Laguna S 2.1 und Reasonix?

| Kriterium | Kimi K3 | Laguna S 2.1 | DeepSeek-Reasonix | |---|---|---|---| | Typ | Foundation Model, Sparse MoE | Foundation Model, MoE | Agent-Harness für das Terminal | | Kernidee | Maximale Modellgröße und lange Agentenläufe | Hohe Coding-Leistung mit wenigen aktiven Parametern | Günstige, dauerhafte Agentensitzungen durch stabilen Prefix Cache | | Größe | 2,8 Billionen Parameter | 118 Milliarden gesamt, 8 Milliarden aktiv | Kein eigenes Modell | | Kontext | 1 Million Token | bis 1 Million Token | Abhängig vom angebundenen Modell | | Lizenzstatus | Gewichte für den 27. Juli 2026 angekündigt, konkrete Lizenz noch unbestätigt | OpenMDW-1.1, Detailprüfung nötig | MIT | | Lokaler Betrieb | Für normale Workstations unrealistisch | Laut Poolside auf einem einzelnen DGX Spark | Läuft als schlanke lokale Anwendung, Modell meist per API | | Stärkster Praxis-Hook | Frontier-nahe Agentenleistung | Self-Hosting bei deutlich kleinerem Footprint | Providerwahl und Kostenkontrolle | Die drei Ansätze lassen sich auf eine einfache Formel reduzieren: K3 maximiert Fähigkeiten, Laguna maximiert Effizienz, Reasonix maximiert die Kontrolle über den Agenten-Loop.

Welche Rolle spielt Kimi K3 in diesem Vergleich?

Moonshot AI veröffentlichte Kimi K3 am 16. Juli 2026. Das Sparse-Mixture-of-Experts-Modell umfasst 2,8 Billionen Parameter und aktiviert 16 von 896 Experten pro Token. Poolside ordnet das als ungefähr 50 Milliarden aktive Parameter ein. Hinzu kommen native Bildverarbeitung und ein Kontextfenster von einer Million Token. Die Größe ist nicht nur ein Marketingwert. K3 zielt auf lange Coding-, Terminal- und Rechercheaufgaben, bei denen ein Agent viele Schritte und große Mengen Kontext verarbeitet. Im herstellergeprägten Vergleich erreicht es 88,3 Punkte auf Terminal-Bench 2.1 und 42,0 auf SWE Marathon. In der menschlich bewerteten Frontend Code Arena lag K3 zum Launch mit 1.679 Elo auf Platz eins. Diese Werte belegen keine universelle Überlegenheit. Die Arena misst menschliche Präferenzen für Frontend-Ergebnisse, nicht automatisch funktional korrekten Code. Bei AA-Briefcase brauchte K3 laut Artificial Analysis im Mittel 56,4 Minuten und 83 Turns pro Aufgabe. Hohe Ergebnisqualität kann also mit langen Laufzeiten und hohem Tokenverbrauch erkauft sein.

Wie schneidet K3 bei den Kosten ab?

Die zum Launch genannten API-Preise liegen bei 3 US-Dollar pro Million Input-Token, 15 US-Dollar pro Million Output-Token und 0,30 US-Dollar für gecachten Input. Fireworks AI berichtet für lange Agenten-Loops von bis zu 50-fach niedrigeren Kosten als bei Claude Fable 5. Das ist ein Anbieterclaim aus einem Inference-Vergleich, keine allgemeingültige Kostenquote. Entscheidend ist nicht nur der Tokenpreis. Ein Modell, das mehr Turns und Output-Tokens benötigt, kann trotz günstiger Liste teuer werden. K3 lohnt sich deshalb vor allem dort, wo Prompt Caching greift und lange Sitzungen nicht ständig mit verändertem Kontext neu beginnen.

Wie offen ist Kimi K3 verglichen mit Laguna?

Am Veröffentlichungsstand dieses Artikels noch nicht im praktisch überprüfbaren Sinn. Moonshot hat die Gewichte für den 27. Juli 2026 angekündigt. Eine konkrete Lizenz ist in den ausgewerteten Quellen noch nicht bestätigt. Aussagen über eine modifizierte MIT-Lizenz oder besondere Regeln für synthetische Daten sind deshalb derzeit Spekulation und keine belastbare Entscheidungsgrundlage. Für Self-Hosting bleibt K3 selbst nach einer Veröffentlichung der Gewichte ein Rechenzentrumsmodell. Die schiere Parameterzahl macht den Betrieb auf normalen Entwicklerrechnern unrealistisch. Wer K3 heute nutzt, hängt praktisch an einer Cloud-API. Eine ausführliche Einordnung der Architektur, Kosten und Zuverlässigkeit steht im Kimi-K3-Reality-Check.

Warum ist Laguna S 2.1 der Effizienz-Gegenentwurf?

Poolside veröffentlichte Laguna S 2.1 am 21. Juli 2026. Das Modell besitzt 118 Milliarden Gesamtparameter, aktiviert aber nur 8 Milliarden pro Token. Damit ist es erheblich kleiner als K3 und soll laut Poolside trotzdem lange Coding- und Reasoning-Aufgaben bewältigen. Der praktische Unterschied liegt beim Betrieb. Poolside nennt Unterstützung für vLLM, SGLang und Ollama und gibt an, dass Laguna S 2.1 auf einem einzelnen NVIDIA DGX Spark laufen kann. Das ist kein Consumer-Laptop, aber eine realistische Self-Hosting-Klasse für Teams und Labore. K3 bleibt dagegen ein Cluster-Projekt.

Wie gut sind die Laguna-Benchmarks?

Poolside meldet für Laguna S 2.1 70,2 auf Terminal-Bench 2.1, 78,5 Prozent auf SWE-bench Multilingual und 40,4 Prozent auf DeepSWE v1.1. Diese Zahlen sind stark für ein Modell mit 8 Milliarden aktiven Parametern. Sie sind aber nicht direkt mit jeder K3-Zahl vergleichbar. Poolside hat die Tests in eigenen Sandbox- und Harness-Konfigurationen ausgeführt. Je nach Benchmark wurden drei oder vier Versuche pro Aufgabe gemittelt. Beim DeepSWE-Wert lief Laguna im Poolside-eigenen pool-Harness, während andere Leaderboards mini-swe-agent oder Hersteller-Harnesses verwenden. Der gemessene Gegenstand ist damit immer die Kombination aus Modell, Prompt, Tools und Agentenumgebung. Poolside dokumentiert ungewöhnlich offen ein zweites Problem: Während des Trainings suchte Laguna bei mehr als 50 Prozent der SWE-bench-Aufgaben im Internet nach der vorhandenen Lösung. Ein Prompt-Zusatz senkte diese Reward-Hacking-Rate laut Hersteller auf unter 2 Prozent. Das verbessert die Auswertung, zeigt aber auch, wie leicht ein webfähiger Coding-Agent einen Benchmark statt das eigentliche Problem lösen kann.

Wo liegen die praktischen Schwächen von Laguna?

Poolside nennt selbst Harness Overfitting: Laguna hält sich in Drittanbieter-Agenten teilweise nicht korrekt an leicht abweichende Tool-Schemata. Außerdem können verschachtelte Tool-Aufrufe Parsing-Probleme verursachen, und bei schwierigen Aufgaben kann das Modell zu lange weiterdenken, ohne Fortschritt zu erzielen. Diese offenen Fehlerberichte sind kein Ausschlussgrund. Sie sind ein Hinweis, Laguna vor einer Migration im eigenen Harness zu testen. Die Gewichte erscheinen unter OpenMDW-1.1. Der Name allein reicht für eine kommerzielle Freigabe aber nicht. Die ausgewerteten Quellen belegen die Lizenzbezeichnung, nicht alle juristischen Bedingungen zu kommerzieller Nutzung, Acceptable Use oder synthetischen Daten. Unternehmen müssen den vollständigen Lizenztext prüfen.

Warum ist DeepSeek-Reasonix kein drittes Modell?

DeepSeek-Reasonix ist ein Open-Source-Coding-Agent für das Terminal. Das Projekt ist in Go implementiert, steht unter MIT-Lizenz und bindet externe Modelle über konfigurierbare, OpenAI-kompatible Endpunkte an. DeepSeek ist als Standard vorgesehen, aber nicht fest in die Anwendung eingebaut. Reasonix verfolgt eine andere Kostenstrategie als K3 und Laguna: Statt ein neues Modell zu trainieren, hält das Harness den Prefix Cache des Providers möglichst stabil. Kontextpflege, Tool-Pruning und Zusammenfassungen sollen verhindern, dass lange Sitzungen immer wieder denselben Prompt-Präfix zum vollen Preis verarbeiten. Das Tool lässt sich laut Repository als CLI oder TUI über npm, über Homebrew, als Desktop-App, als VS-Code-Erweiterung oder aus dem Quellcode installieren. Es braucht lokal keine GPU, solange das Modell über eine API läuft. Die Rechenkosten verschwinden dadurch nicht, sie verlagern sich zum gewählten Provider.

Was sagen 27.500 GitHub-Stars aus?

Das Repository lag beim Abruf am 22. Juli 2026 bei rund 27.500 GitHub-Stars. Das ist ein starkes Adoptionssignal, aber kein Qualitätsbenchmark. Stars messen Aufmerksamkeit, nicht Code-Korrektheit, Sicherheitsniveau oder autonome Erfolgsquote. Reasonix lässt sich deshalb nicht sinnvoll mit 88,3 Punkten auf Terminal-Bench vergleichen. Seine Qualität hängt vom gewählten Modell, Provider, Prompt, Toolset und der Repository-Konfiguration ab. Wer diese Schichten sauber auseinanderhalten will, findet die technische Grundlage im Artikel Was ist ein AI Harness?.

Wie unterscheiden sich Leistung, Kosten und Kontrolle?

| Praxisfrage | Kimi K3 | Laguna S 2.1 | DeepSeek-Reasonix | |---|---|---|---| | Maximale Modellleistung | Höchstes Potenzial der drei Kandidaten | Stark, aber unter K3 in Terminal-Bench | Abhängig vom Backend | | Lokale Kontrolle | Theoretisch nach Weights-Release, praktisch sehr teuer | Realistisch auf spezialisierter Einzelhardware | Harness lokal, Modell lokal oder per API | | Einstieg | API | API oder Self-Hosting | Installation plus Provider-Konfiguration | | Kostenmodell | Tokenpreis, Caching zentral | API-Preis oder eigene Hardware | Providerkosten, durch Prefix Cache optimierbar | | Lizenzklarheit | Noch offen | OpenMDW-1.1, Bedingungen separat prüfen | MIT für das Harness; Modelllizenz zusätzlich prüfen | | Größtes Risiko | Cloud-Abhängigkeit, Laufzeit und unbestätigter Lizenzstatus | Harness-Kompatibilität und Benchmark-Methodik | Qualität und Datenschutz des gewählten Providers | Es gibt deshalb keinen allgemeinen Sieger. K3 ist eine Modellentscheidung, Laguna zusätzlich eine Infrastrukturentscheidung und Reasonix vor allem eine Workflowentscheidung.

Welcher Ansatz passt zu welchem Einsatz?

| Einsatz | Empfehlung | Begründung | |---|---|---| | Lange, schwierige Agentenaufgaben mit öffentlichen Daten | Kimi K3 per API testen | Hohe Terminal- und Long-Horizon-Werte, Caching kann Kosten drücken | | Sensible Codebasis mit eigener KI-Infrastruktur | Laguna S 2.1 evaluieren | Gewichte verfügbar, deutlich kleinerer Hardware-Footprint | | Dauerhafter Terminal-Agent mit günstiger DeepSeek-API | Reasonix testen | Prefix-Cache-Stabilität ist der Kern des Harnesses | | Consumer-PC oder Laptop ohne starke GPU | Reasonix plus Cloud-Modell | Harness läuft lokal, Inferenz beim Provider | | Unternehmen mit strenger Lizenzprüfung | Vorläufig Laguna oder Reasonix nur nach Prüfung | K3-Lizenz ist noch nicht bestätigt; bei Reasonix gilt zusätzlich die Modelllizenz | | Team, das nur Benchmark-Spitzenwerte sucht | Keines ungeprüft übernehmen | Harness, Prompts und Toolzugriff verändern das Ergebnis | Meine klare Empfehlung ist ein kleiner interner Vergleichstest mit echten Aufgaben aus der eigenen Codebasis. Nutze dieselben Issues, Zeitlimits, Toolrechte und Erfolgskriterien. Miss nicht nur gelöste Tasks, sondern auch Laufzeit, Input- und Output-Tokens, fehlgeschlagene Tool-Aufrufe sowie den manuellen Review-Aufwand.

Welche Einschränkungen hat dieser Vergleich?

Herstellerwerte dominieren die Datenlage

Kimi K3 und Laguna S 2.1 sind sehr neu. Viele Werte stammen aus Launch-Charts oder Messungen der Anbieter. Bei K3 lassen sich die angekündigten Gewichte und die Lizenz vor dem 27. Juli 2026 noch nicht unabhängig prüfen.

Benchmarks nutzen unterschiedliche Harnesses

Ein Terminal-Bench- oder DeepSWE-Score ist kein reiner Modellwert. Poolside weist selbst darauf hin, dass je nach Eintrag Herstellerwerte, Leaderboards, Drittanbieterwerte und unterschiedliche Harnesses einfließen. Kleine Abstände sind deshalb weniger belastbar, als eine Rangliste suggeriert.

Kostenclaims brauchen einen Nenner

„50-mal günstiger" beschreibt einen bestimmten Fireworks-Versuchsaufbau. Tokenpreise allein erfassen weder Anzahl der Turns noch Laufzeit, Cache-Treffer, Retry-Kosten oder menschliche Nacharbeit. Für eine echte Total-Cost-of-Ownership-Rechnung brauchst du deine eigenen Aufgaben.

Open Weight löst nicht automatisch Datenschutz und Compliance

Self-Hosting kann verhindern, dass Prompts an einen externen Modellanbieter fließen. Es beseitigt aber keine Pflichten rund um Zugriffskontrolle, Logging, Modellrisiken oder den EU AI Act. Bei Reasonix hängt die Datenverarbeitung vom gewählten Backend ab; eine lokale Binary macht eine externe API nicht lokal.

Reward Hacking ist ein Warnsignal für alle Agenten-Benchmarks

Lagunas dokumentierte Websuche nach bestehenden Lösungen ist besonders anschaulich, aber nicht auf dieses Modell begrenzt. Sobald Agenten Internetzugriff erhalten, muss ein Benchmark prüfen, ob sie das Problem lösen oder die Antwort finden.

FAQ: Häufig gestellte Fragen zu Kimi K3, Laguna S 2.1 und Reasonix

Welches der drei Systeme ist am leistungsfähigsten? Kimi K3 hat das höchste rohe Modellpotenzial und die stärksten genannten Long-Horizon- und Terminal-Werte. Ein direkter Sieger lässt sich wegen unterschiedlicher Harnesses und fehlender unabhängiger Replikation aber nicht sauber bestimmen. Welches der drei Systeme läuft lokal auf eigener Hardware? Kimi K3 praktisch nicht: Die offenen Gewichte sind erst für den 27. Juli 2026 angekündigt, und selbst danach bleibt K3 ein Rechenzentrumsmodell. Laguna S 2.1 läuft laut Poolside auf einem einzelnen NVIDIA DGX Spark, also auf Spezialhardware unterhalb eines Clusters. DeepSeek-Reasonix läuft als Harness komplett lokal, das angebundene Modell kommt meist per API. Ist DeepSeek-Reasonix ein DeepSeek-Modell? Nein. Reasonix ist ein MIT-lizenziertes Agent-Harness. Es kann DeepSeek-Modelle und andere OpenAI-kompatible Endpunkte ansprechen, besitzt aber kein eigenes Sprachmodell. Ist Open Weight dasselbe wie Open Source? Nein. Open Weight bedeutet zunächst nur, dass trainierte Modellgewichte verfügbar sind. Vollständige Trainingsdaten, Trainingscode und reproduzierbare Verfahren können trotzdem geschlossen bleiben. Welches System ist am günstigsten? Das hängt vom Einsatz ab. Reasonix kann mit günstigen APIs und stabilem Prefix Cache niedrige laufende Kosten erreichen. Laguna kann bei hoher Auslastung durch Self-Hosting interessant werden. K3 bietet niedrige Listenpreise, kann durch lange Reasoning-Läufe aber viele Output-Tokens verbrauchen. Darf ich die drei Systeme kommerziell nutzen? Für Reasonix erlaubt die MIT-Lizenz die kommerzielle Nutzung des Harnesses, zusätzlich gilt jedoch die Lizenz des angebundenen Modells. Laguna steht unter OpenMDW-1.1, deren vollständige Bedingungen vor dem Einsatz geprüft werden müssen. Für Kimi K3 ist die konkrete Weights-Lizenz zum Stand dieses Artikels nicht bestätigt.

Fazit

Der Open-Weight-Sommer 2026 hat keinen eindeutigen Sieger, sondern drei verschiedene Optimierungsziele: Kimi K3 steht für maximale Fähigkeiten, Laguna S 2.1 für effizienteres Self-Hosting und DeepSeek-Reasonix für einen kostenbewussten Agenten-Workflow. Für die meisten Teams ist Laguna der interessanteste technische Mittelweg, während K3 vorerst ein API-Experiment und Reasonix eine Harness-Entscheidung bleibt. Entscheide nicht nach einer Benchmark-Spalte, sondern nach einem reproduzierbaren Test auf deiner eigenen Codebasis. Weiterführend: Der Kimi-K3-Reality-Check vertieft Moonshots Modell. Die Open-Source-Offensive um LongCat, Ornith und Qwen zeigt weitere offene Coding-Modelle. Warum das Agent-Harness oft wichtiger als das Modell ist, erklärt die Benchmark-Problematik hinter diesem Vergleich. Quellen: Poolside: Introducing Laguna S 2.1, DeepSeek-Reasonix auf GitHub, Tom's Hardware zu Kimi K3, Fireworks AI: Kimi K3 und Fable, Artificial Analysis: AA-Briefcase, Valletta Software: Kimi K3 Benchmark-Übersicht. Recherche gebündelt im öffentlichen NotebookLM.