La cinese Moonshot AI ha presentato Kimi K3, il suo nuovo modello linguistico di punta. Con 2.800 miliardi di parametri complessivi, capacità visive native e una finestra di contesto da un milione di token, K3 si candida a diventare uno dei modelli con pesi aperti più grandi e avanzati disponibili sul mercato.
Moonshot lo definisce il primo modello aperto appartenente alla classe dei 3.000 miliardi di parametri. Questa descrizione richiede però una precisazione: al momento del lancio K3 è disponibile attraverso i prodotti e le API dell’azienda, mentre la pubblicazione completa dei pesi è prevista entro il 27 luglio 2026.
Per ora sarebbe quindi più corretto definirlo il più grande modello open weight annunciato, anziché un sistema pienamente open source. Quest’ultima espressione presuppone infatti non soltanto la disponibilità dei pesi, ma anche una licenza sufficientemente aperta e, secondo le definizioni più rigorose, ulteriori informazioni sul codice e sulla metodologia di addestramento. Moonshot pubblicherà il rapporto tecnico completo insieme ai pesi.
Chi è Moonshot AI
Moonshot AI è una startup di intelligenza artificiale fondata a Pechino all’inizio del 2023. Il suo cofondatore e amministratore delegato è Yang Zhilin, ricercatore e imprenditore cinese con esperienze accademiche alla Carnegie Mellon University e contributi allo sviluppo di Transformer-XL, uno dei lavori che hanno aperto la strada ai modelli con contesti più estesi.
La società afferma di avere riunito ricercatori che hanno lavorato su tecnologie come RoPE, Group Normalization, ShuffleNet e diversi sistemi destinati a rendere più efficiente l’addestramento e l’esecuzione delle reti neurali.
Moonshot, che conta Alibaba tra i suoi sostenitori finanziari, è considerata una delle principali startup cinesi impegnate nello sviluppo di modelli di frontiera. Si è fatta conoscere nel 2023 con Kimi Chat, un assistente specializzato inizialmente nell’elaborazione di documenti e conversazioni particolarmente lunghi.
Da allora l’offerta si è ampliata fino a comprendere Kimi Work per la produttività, Kimi Code per lo sviluppo software e una piattaforma API destinata ad aziende e sviluppatori.
Un’architettura enorme, ma selettiva
Kimi K3 utilizza un’architettura Mixture of Experts, o MoE. Il sistema non attiva tutti i suoi 2.800 miliardi di parametri per elaborare ogni singolo token, ma seleziona 16 esperti fra gli 896 disponibili.
Questa struttura dovrebbe permettere di combinare una capacità complessiva molto elevata con costi computazionali più gestibili rispetto a quelli di un modello denso di dimensioni equivalenti. Il numero totale dei parametri, pertanto, non può essere utilizzato da solo per confrontare K3 con altri LLM: occorre considerare anche quanti parametri vengono effettivamente attivati durante l’inferenza.
Alla base del modello si trovano due tecnologie sviluppate da Moonshot: Kimi Delta Attention, progettata per rendere più efficiente l’elaborazione delle sequenze lunghe, e Attention Residuals, che modifica il modo in cui le informazioni vengono recuperate e trasmesse tra i differenti livelli della rete neurale.
Secondo l’azienda, queste innovazioni, insieme al sistema Stable LatentMoE e a nuove tecniche di addestramento, avrebbero prodotto un miglioramento di circa 2,5 volte nell’efficienza di scalabilità rispetto a Kimi K2. Si tratta comunque di una stima del produttore, non ancora accompagnata da una verifica indipendente completa.
Un milione di token e capacità multimodali
Kimi K3 può elaborare fino a 1.048.576 token nello stesso contesto. Una capacità che permette, almeno in teoria, di analizzare repository software molto estesi, grandi raccolte di documenti o conversazioni particolarmente lunghe senza suddividere il materiale in più sessioni.
K3 è inoltre multimodale nativo: può elaborare testo, immagini e contenuti video all’interno dello stesso sistema. Moonshot considera questa caratteristica particolarmente importante nello sviluppo di interfacce, videogiochi e applicazioni tridimensionali. Il modello può modificare il codice, osservare il risultato attraverso uno screenshot e continuare a perfezionarlo, mantenendo la componente visiva all’interno del ciclo di lavoro.
Nella fase iniziale K3 utilizza esclusivamente il livello massimo di ragionamento; modalità meno intensive, denominate “low” e “high”, dovrebbero essere introdotte successivamente.
Il confronto in numeri
Con 2.800 miliardi di parametri complessivi, Kimi K3 supera per dimensioni dichiarate altri grandi modelli open weight, come DeepSeek V4 Pro, indicato a 1.600 miliardi, la precedente generazione Kimi K2 da un trilione e GLM 5 da 744 miliardi. Il confronto non è però diretto: K3 utilizza soltanto una parte della propria architettura per elaborare ciascun token e Moonshot non ha ancora comunicato il numero dei parametri effettivamente attivi.
OpenAI, Anthropic e Google non rendono note le dimensioni dei loro modelli di punta, impedendo un confronto equivalente con GPT‑5.6 Sol, Claude Fable 5 e Gemini. Anche il contesto da un milione di token è rilevante ma non esclusivo, perché alcuni modelli Gemini e Claude raggiungono la stessa fascia. Il primato di K3 riguarda quindi la dimensione dichiarata tra i modelli destinati alla distribuzione con pesi aperti, non necessariamente la capacità di calcolo impiegata per ogni risposta o la qualità complessiva.
Il coding è il principale terreno di confronto
Moonshot ha progettato Kimi K3 soprattutto per le attività cosiddette agentiche. In questi incarichi il modello non si limita a produrre una risposta, ma pianifica una sequenza di operazioni, utilizza strumenti esterni e lavora autonomamente per periodi prolungati.
Tra le dimostrazioni pubblicate dall’azienda figurano l’ottimizzazione di kernel GPU, la realizzazione di un piccolo compilatore simile a Triton, la creazione di un videogioco tridimensionale e persino la progettazione sperimentale di un chip attraverso strumenti EDA open source.
In una prova interna K3 avrebbe ridotto da 283,6 a 114,4 millisecondi il tempo necessario per eseguire le operazioni di forward e backward di un kernel Attention Residuals. In un altro esperimento avrebbe costruito MiniTriton, un compilatore dotato di un proprio livello di rappresentazione intermedia, passaggi di ottimizzazione e generazione di codice PTX.
Kimi K3 avrebbe inoltre conquistato il primo posto nella Frontend Code Arena, superando Claude Fable 5. Su Terminal Bench 2.1 il modello ha ottenuto 88,3 punti, appena sotto gli 88,8 attribuiti a GPT‑5.6 Sol.
I risultati suggeriscono che i modelli cinesi non competono più soltanto sul prezzo, ma stanno cercando di raggiungere i sistemi statunitensi anche nelle attività di programmazione più complesse. La stessa Moonshot riconosce tuttavia che l’esperienza complessiva offerta da K3 rimane inferiore a quella dei modelli proprietari più potenti.
I numeri devono inoltre essere interpretati con cautela. Gran parte dei test è stata selezionata e pubblicata dal produttore, mentre configurazioni, strumenti disponibili e criteri di valutazione possono influenzare significativamente il risultato. Saranno quindi necessari benchmark indipendenti e prove nell’utilizzo quotidiano.
Dalla ricerca scientifica all’ingegneria
Le dimostrazioni di Moonshot presentano Kimi K3 come un sistema capace di affrontare progetti complessi e prolungati, combinando consultazione delle fonti, scrittura di codice, analisi dei risultati e uso di strumenti specialistici.
Negli esempi proposti dall’azienda, il modello viene impiegato per progettare un chip, riprodurre una ricerca di astrofisica computazionale e costruire un’analisi interattiva dell’industria dei semiconduttori. Il punto non è tanto il risultato delle singole prove, quanto la capacità dichiarata di trasformare grandi quantità di informazioni in procedure, software e contenuti utilizzabili.
Si tratta di dimostrazioni selezionate da Moonshot, non di valutazioni indipendenti. Mostrano però l’obiettivo dell’azienda: fare di K3 non un semplice generatore di testo, ma un agente in grado di coordinare ricerca, programmazione e analisi all’interno di un unico flusso di lavoro.
Produttività, dashboard e video
Kimi K3 viene proposto anche per il lavoro d’ufficio, l’analisi documentale e la creazione di presentazioni. Kimi Work introduce due nuove funzioni, Widgets e Dashboard.
I widget consentono di generare componenti interattivi all’interno di una conversazione, collegandoli a dati locali o servizi esterni. La dashboard permette invece di raccogliere gli elementi più importanti in uno spazio persistente dedicato a un progetto, un argomento o un obiettivo.
Grazie alla sua architettura multimodale, K3 può essere impiegato anche nel montaggio video. In una delle dimostrazioni avrebbe selezionato e montato 56 clip, occupandosi dei tagli, della sincronizzazione con la musica, dell’elaborazione audio e delle revisioni successive.
Disponibilità e prezzi
Kimi K3 è già accessibile attraverso Kimi.com, Kimi Work, Kimi Code e la piattaforma API. Gli sviluppatori possono selezionarlo in Kimi Code con il comando /model, mentre tramite API il modello è identificato come kimi-k3.
Il prezzo internazionale delle API è di 0,30 dollari per milione di token di input già presenti nella cache, 3 dollari per l’input non memorizzato e 15 dollari per i token generati in output.
Per confronto, GPT‑5.6 Sol costa 5 dollari per milione di token in input, 0,50 dollari per l’input memorizzato nella cache e 30 dollari per l’output. Claude Fable 5 costa invece 10 dollari per l’input, un dollaro per quello in cache e 50 dollari per l’output. Alle tariffe standard, Kimi K3 costa quindi il 40% in meno di GPT‑5.6 Sol sull’input e il 50% in meno sull’output; rispetto a Claude Fable 5 la differenza raggiunge il 70% in entrambi i casi.
Moonshot sostiene che la propria infrastruttura raggiunge un tasso di utilizzo della cache superiore al 90% nei carichi di lavoro legati alla programmazione. Il costo effettivo dipenderà quindi dalla capacità delle applicazioni di riutilizzare il contesto già elaborato.
La futura pubblicazione dei pesi non renderà tuttavia Kimi K3 utilizzabile su un normale computer. I suoi 2.800 miliardi di parametri richiedono un’infrastruttura distribuita e Moonshot indica supernode con almeno 64 acceleratori interconnessi per garantire un’inferenza efficiente. In base alle condizioni della licenza, i pesi aperti potranno consentire a centri di ricerca e operatori cloud di installare e adattare il modello, ma non di eseguirlo localmente su un PC o una comune workstation.
Una nuova fase della competizione tra Cina e Stati Uniti
Kimi K3 rappresenta una prova importante per l’ecosistema dei modelli aperti e per l’industria cinese dell’intelligenza artificiale. La combinazione di dimensioni, multimodalità, contesto esteso e capacità agentiche lo rende uno dei progetti più ambiziosi annunciati finora.
Il suo lancio rafforza la percezione che la distanza tra i laboratori cinesi e i principali produttori statunitensi si stia riducendo, almeno in alcuni ambiti. Moonshot non sostiene ancora di aver superato complessivamente i migliori sistemi proprietari, ma propone prestazioni vicine alla frontiera con prezzi inferiori e con la promessa di distribuire pubblicamente i pesi.
La valutazione definitiva dovrà attendere il 27 luglio, la pubblicazione del rapporto tecnico e soprattutto i risultati di test indipendenti. Se le promesse verranno confermate, Kimi K3 potrebbe diventare non soltanto il modello open weight più grande della sua generazione, ma anche uno dei segnali più evidenti del nuovo equilibrio competitivo nell’intelligenza artificiale globale.
