Kimi K3: 2.800 miliardi di parametri nel più grande modello open-weight

Il 16 luglio Moonshot AI ha rilasciato Kimi K3, un modello da 2.800 miliardi di parametri che l'azienda stessa descrive come il primo modello aperto della classe da 3.000 miliardi. È il più grande modello a pesi aperti mai rilasciato, ed è arrivato circa un mese dopo che il governo degli Stati Uniti ha ritirato dalla circolazione i modelli Fable e Mythos di Anthropic per motivi di sicurezza. Il risultato è scomodo per chi segue da vicino la corsa: il modello di frontiera più capace che chiunque possa ottenere liberamente oggi è cinese.

Cosa ha effettivamente rilasciato Moonshot

K3 usa un'architettura a mistura di esperti: dei 896 esperti del modello, solo 16 vengono attivati per token, all'interno di un framework che Moonshot chiama Stable LatentMoE e sopra un meccanismo di attenzione proprietario, Kimi Delta Attention. La finestra di contesto è di 1.048.576 token, e l'azienda dichiara circa 2,5 volte l'efficienza di scala della generazione precedente.

Vale la pena chiarire la differenza tra generazioni, perché è facile confonderle. Kimi K2, di luglio 2025, aveva 1.000 miliardi di parametri totali, 32 miliardi attivi per token e una finestra di contesto da 128.000 token. K3 è un altro livello di scala, non un aggiornamento minore.

Un dettaglio che tende a essere riempito male: Moonshot non ha pubblicato un numero ufficiale di parametri attivi per inferenza. Le stime di terze parti si collocano tra 40 e 100 miliardi, e il calcolo ingenuo (2.800 miliardi per 16/896) dà qualcosa vicino a 50 miliardi. Qualsiasi cifra specifica che leggete altrove è una stima, non un dato dell'azienda.

Dove K3 vince e dove non vince

Nei numeri pubblicati da Moonshot stessa, K3 guida due benchmark che riflettono il lavoro reale: SWE Marathon, con 42,0 contro 40,0 di Claude Opus 4.8 e 39,0 di GPT-5.6 Sol, e BrowseComp, con 91,2 contro 90,4 di Sol e 88,0 di Claude Fable 5. Sono risultati autodichiarati, quindi meritano il consueto scetticismo fino alla validazione indipendente.

Su Terminal-Bench 2.1, la tabella dell'azienda stessa mostra 88,3 per K3 contro 88,8 di GPT-5.6 Sol. È un pareggio tecnico, non una leadership, e la valutazione indipendente di Vals ha collocato K3 al secondo posto nello stesso test.

La misurazione indipendente più utile viene da Artificial Analysis, che ha assegnato a K3 il punteggio di 57 nell'Intelligence Index v4.1. Questo lo rende il modello a pesi aperti più capace disponibile, dietro a Claude Fable 5 e GPT-5.6 Sol, e allo stesso livello di Opus 4.8 e GPT-5.5. La lettura onesta è quella che Moonshot ha scritto nel proprio annuncio: le prestazioni complessive restano dietro ai modelli proprietari più potenti.

"Open-weight" non significa che lo farete girare

Qui la conversazione di solito deraglia. Pesi aperti suona come "installalo sulla tua infrastruttura e risolvi il problema della privacy". A questa scala, non è quello che succede.

A 4 bit, nel formato MXFP4 per cui il modello è stato effettivamente addestrato, 2.800 miliardi di parametri occupano circa 1,4 TB di soli pesi, prima di qualsiasi attivazione o cache di contesto. E la raccomandazione di Moonshot stessa per servire il modello è di configurazioni con 64 acceleratori o più, non per la memoria ma per la banda di interconnessione necessaria a instradare ogni token tra gli esperti. Reuters cita Ryan Fedasiuk dell'American Enterprise Institute, secondo cui far girare questo localmente richiederebbe centinaia di migliaia di dollari di attrezzature.

Aggiungete lo stato reale dell'apertura: al 26 luglio i pesi non erano ancora pubblici (Moonshot ne ha promesso il rilascio entro il 27), la licenza non è stata pubblicata, e non ci sono dati né codice di addestramento. È open-weight, non open-source, e la differenza conta. Per un'azienda, ciò che l'apertura offre concretamente è verificabilità, assenza di dipendenza da un unico fornitore per l'artefatto e libertà di scegliere da chi affittare l'inferenza. Non è farlo girare nella sala server.

Il prezzo rompe l'aspettativa del modello cinese economico

La tabella ufficiale è di 0,30 dollari per milione di token in ingresso con cache hit, 3,00 dollari senza, e 15,00 dollari per milione di token in uscita, senza sovrapprezzo per il contesto lungo in nessun punto del milione di token.

Sul costo medio per attività misurato da Artificial Analysis, K3 si attesta intorno a 0,94 dollari, contro 1,04 di GPT-5.6 Sol e 2,75 di Fable 5. Ma resta ben sopra GLM-5.2 (0,47 dollari) e Grok 4.5 (0,31 dollari). In altre parole: K3 non è il modello cinese economico del ciclo precedente. È prezzato in fascia proprietaria intermedia, e la decisione diventa una questione di capacità, non di risparmio.

Il numero che non è nell'annuncio

Nella valutazione AA-Omniscience di Artificial Analysis, il tasso di allucinazione di K3 è salito al 51%, contro il 39% della generazione precedente. Più capace e, allo stesso tempo, più disposto a inventare. Il modello è anche notevolmente verboso: ha consumato 130 milioni di token in uscita per completare la batteria dell'Intelligence Index, circa il doppio della mediana.

Moonshot ha documentato due limitazioni comportamentali nel proprio annuncio, cosa rara che merita credito. La prima è la sensibilità alla cronologia del ragionamento: se l'applicazione scarta il ragionamento precedente, o se cambiate modello a metà sessione, la qualità può diventare molto instabile. La seconda è la proattività eccessiva: di fronte a un'intenzione ambigua, il modello può prendere decisioni inaspettate al posto dell'utente.

Per chi sta per mettere un modello davanti ai clienti, questi tre fatti valgono più di qualsiasi benchmark. Capacità senza uno strato di verifica non è un guadagno, è una passività. Un modello che sbaglia con più sicurezza ha bisogno di più controllo, non di meno.

Cosa farne in pratica

La strada percorribile è l'API, ed è compatibile con l'SDK di OpenAI: la documentazione ufficiale usa from openai import OpenAI puntando a https://api.moonshot.ai/v1 con l'id kimi-k3. In pratica, testare il modello su qualcosa che già gira su OpenAI significa cambiare due righe di configurazione, il che riduce quasi a zero il costo di sperimentare.

Tre raccomandazioni concrete. Testate sui vostri dati e nella vostra lingua, perché nessuno di questi benchmark lo misura. Non mettete il modello a contatto con i clienti senza una fase di verifica dei fatti nel mezzo, dato il tasso di allucinazione. E tenete d'occhio il 27 luglio: il rilascio dei pesi e, soprattutto, quale licenza li accompagna determineranno se questa è una vera opzione architetturale o solo un'altra API.

Un ultimo dato per dare la dimensione del momento. La domanda per K3 è stata abbastanza forte da spingere Moonshot a sospendere i nuovi abbonamenti, e il giorno del lancio le concorrenti cinesi quotate a Hong Kong sono crollate, con Zhipu in calo del 27,7% e MiniMax del 16,5%. L'azienda sta chiudendo un round che la valuta oltre 30 miliardi di dollari, con 300 milioni di dollari di ricavi ricorrenti annui a giugno e un IPO a Hong Kong previsto entro sei mesi.

Fonti

• Kimi K3: Open Frontier Intelligence, blog ufficiale di Moonshot AI
• Kimi K3 Quickstart, documentazione ufficiale dell'API
• China's Moonshot unveils world's largest open AI model, Reuters
• Kimi K3: Intelligence, Performance & Price Analysis, Artificial Analysis
• Kimi K3: benchmarks, pricing, hardware requirements and self-hosting, Northflank
• Moonshot plans Hong Kong listing at a $30 billion valuation, The Next Web