Il 16 luglio 2026, la società cinese Moonshot AI (月之暗面) ha rilasciato Kimi K3, il suo modello più potente fino ad oggi. Si tratta di un sistema sparse Mixture-of-Experts (MoE) con 2,8 trilioni di parametri, una finestra di contesto di 1 milione di token e un'architettura di attenzione ibrida progettata per un'efficace elaborazione di sequenze lunghe. Il modello si posiziona come un serio concorrente di Claude Opus 4.8 e GPT-5.5, e su compiti specializzati (frontend coding, sistemi agenti, gestione di repository) dimostra risultati pari o superiori a questi sistemi proprietari.
I pesi completi verranno resi pubblici il 27 luglio 2026. Se il rilascio avverrà nella forma annunciata, Kimi K3 diventerà uno dei modelli con pesi aperti (open-weight) più grandi mai rilasciati, superando i suoi predecessori di oltre 2,5 volte in termini di scala.
Azienda e contesto strategico
Moonshot AI è un laboratorio con sede a Pechino, fondato nel 2023 da Yang Zhilin e dai suoi co-fondatori dell'Università Tsinghua, noto per la sua strategia aperta e la serie di modelli Kimi. La società ha ottenuto investimenti significativi: nel maggio 2026 ha chiuso un round da 2 miliardi di dollari con una valutazione di 20 miliardi di dollari, supportato dalla divisione Meituan Long-Z Investments e da altri investitori chiave tra cui Alibaba e Tencent. L'ARR trimestrale ha superato i 200 milioni di dollari nell'aprile 2026. La serie Kimi è cresciuta costantemente, da K2 (1T parametri) attraverso K2.5–K2.7 Code fino all'attuale K3, ampliando ogni volta il contesto e aggiungendo multimodalità. K3 rappresenta un salto qualitativo sia per scala che per innovazioni architetturali, specificamente mirate a compiti agenti lunghi e al coding.
Innovazioni architetturali: il cuore del vantaggio competitivo
1. Kimi Delta Attention (KDA): un meccanismo di attenzione ibrido lineare che sviluppa le idee di Gated DeltaNet e già sperimentato nel modello open-source Kimi Linear (2025). Invece della classica attenzione quadratica, che richiede memoria e calcoli O(n²), la maggior parte dei layer utilizza uno schema lineare in complessità con gating diagonale channel-wise. Vantaggi pratici:
- riduzione del consumo di KV-cache fino al 75% in architetture simili, cruciale per gestire contesti milionari;
- accelerazione della decodifica in contesti milionari fino a 6,3×, rendendo le sessioni lunghe praticamente utilizzabili;
- mantenimento della qualità del recupero su sequenze lunghe senza degradazioni significative.
KDA ha ricevuto core CUDA open-source (FlashKDA) ed è integrata in vLLM per distribuzioni di produzione.
2. Attention Residuals: un meccanismo che “recupera” selettivamente le rappresentazioni dagli strati precedenti invece di accumularle uniformemente tramite connessioni residuali standard. Moonshot riporta un aumento di efficienza di addestramento del ~25% con un costo aggiuntivo minimo (~2%), che su un modello di 2,8T parametri si traduce in un notevole risparmio di risorse computazionali per l'addestramento o un miglioramento equivalente della qualità.
3. Stable LatentMoE: un sistema di routing estremamente sparso, in cui solo 16 dei 896 esperti vengono attivati per ogni token (1,8% del pool), utilizzando il quantile balancing e l'ottimizzazione per-head per stabilizzare l'addestramento. Questo livello di sparsità consente di mantenere il costo computazionale dell'inferenza a un livello accettabile, nonostante l'enorme numero di parametri: grazie all'architettura MoE e ai 16 esperti attivi, il numero effettivo di parametri attivati per token è significativamente inferiore a 2,8T.
4. Quantization ed efficienza: il modello è nativamente quantizzato utilizzando MXFP4 per i pesi e MXFP8 per le attivazioni, scelto per la compatibilità con diverse configurazioni hardware. Moonshot dichiara un'efficienza di scaling circa 2,5 volte migliore rispetto alla generazione K2, il che significa che la stessa quantità di calcoli offre capacità significativamente maggiori.
Specifiche tecniche
| Parametro | Valore |
Numero totale di parametri | 2,8 trilioni |
Esperti attivi | 16 su 896 (1,8% per token) |
Finestra di contesto | 1.048.576 token (1M) |
Modalità | Testo + immagine/video → testo (visione nativa) |
Architettura principale | Sparse MoE + Kimi Delta Attention + Attention Residuals |
Quantizzazione | MXFP4 (pesi) / MXFP8 (attivazioni) |
Ragionamento | Sempre attivo (“thinking mode”), solo max-effort all'inizio, modalità basso/alto previste |
Benchmark indipendenti e ufficiali: quadro reale delle prestazioni
Leadership nei compiti specializzati: Su Frontend/WebDev Arena (preferenze umane degli sviluppatori) K3 si è classificata al 1° posto con 1679 Elo, superando Claude Fable 5 (1631) e GPT-5.6 Sol (1618) in test alla cieca. Si tratta di un salto di 17 posizioni rispetto al piazzamento di K2.6 e del risultato #1 in 6 dei 7 domini frontend (esclusi i giochi).
Prestazioni generali: Su Artificial Analysis Intelligence Index v4.1 (valutazione indipendente che aggrega 9 benchmark: GDPval-AA, ragionamento, coding, compiti agenti) K3 ha ottenuto 57,1, il 4° posto mondiale, dietro a Fable 5 (~60) e GPT-5.6 Sol (~59), ma davanti a Claude Opus 4.8 (~56).
Coding e sistemi agenti:
- Terminal-Bench 2.1: 88,3 (quasi al livello di GPT-5.6 Sol 88,8, notevolmente superiore a Claude Fable 5 e Opus 4.8 — entrambi 84,6).
- GDPval-AA v2: 1668 Elo, terzo posto dopo Fable 5 Max (1815) e GPT-5.6 Sol Max (1747,8), davanti a Opus 4.8 (1600) — test standard per conoscenza, ragionamento e compiti analitici.
- GPQA-Diamond: 93,5% — il miglior risultato open su questo benchmark di alta complessità (conoscenze a livello di dottorato).
- BrowseComp (agenti web): 91,2% (miglior risultato tra tutti i modelli confrontati), 90,4% su contesto completo da 1M senza compressione.
- AA-Briefcase (memoria a lungo termine/agenti): 1548 Elo, secondo posto dopo Fable 5, davanti a GPT-5.6 Sol.
Alcuni tester indipendenti notano una maggiore “loquacità” nell’output, che potrebbe aumentare il consumo di token, ma sui compiti principali di coding e agenti, l’utilizzo di token di output è inferiore del 21% rispetto a K2.6, grazie alle ottimizzazioni dei token di ragionamento.
Prezzi e disponibilità
Tariffa API: 3,00 $ per milione di token in ingresso (cache miss), 0,30 $ per l’ingresso in cache, 15,00 $ per milione di token in uscita — la più costosa tra tutti i laboratori cinesi, ma in linea con i prezzi di Claude Sonnet e circa la metà del costo di GPT-5.6 Sol (30 $/M in uscita). Per confronto, K2.6 costava 0,60 $ in ingresso / 2,50 $ in uscita, quindi si tratta di un salto di 5× per l’ingresso e 6× per l’uscita, riflettendo un significativo balzo in scala e qualità.
Disponibilità: Kimi Code, Kimi app (inclusa iOS), API Moonshot compatibile con OpenAI, OpenRouter. Il contesto completo da 1M richiede un abbonamento Allegretto o superiore; Moderato è limitato a 256K.
Campagna promozionale: Il lancio è stato accompagnato da una promozione con crediti bonus del +10–30% sulle ricariche dal 15 luglio all’11 agosto 2026.
Rilascio open-weight: attesa e significato
Al momento del lancio (16 luglio), i pesi non erano ancora stati pubblicati. Moonshot si è ufficialmente impegnata a rilasciare i pesi completi il 27 luglio 2026 sotto una licenza simile alla Modified MIT (come per la serie K2). Dopo l’apertura dei pesi, K3 diventerà il modello freely available più potente per combinazione di scala (2,8T), contesto (1M) e capacità di coding/agenti, il che significa disponibilità per lo sviluppo locale, il fine-tuning e la ricerca su hardware adeguato (minimo 64 acceleratori per il modello completo).
Significato strategico e contesto competitivo
Kimi K3 emerge in un momento di svolta critica nell’industria AI cinese. Dopo l’exploit di DeepSeek nel gennaio 2025 (R1 a basso costo computazionale), Moonshot ha perso posizioni di mercato, scendendo dal 3° al 7° posto negli utenti attivi di Kimi a giugno 2025. K3 rappresenta una scommessa deliberata per riconquistare terreno attraverso scala e innovazione architetturale. Gli investitori la definiscono un potenziale “Kimi moment” (analogo allo shock di DeepSeek un anno fa), e ci sono ragioni per crederlo: il modello colma il divario con la frontiera occidentale non attraverso la convenienza economica (è costoso), ma attraverso qualità e scala.
La combinazione di 2,8T parametri, 1M di contesto, visione nativa, ragionamento sempre attivo e forte capacità di coding rende K3 particolarmente interessante per:
- sistemi agenti e flussi di lavoro a lungo orizzonte (riproduzione di interfacce utente, sviluppo multi-step, compiti ingegneristici autonomi);
- sviluppo e refactoring di grandi codebase (in un noto esempio, K3 ha progettato autonomamente un microchip in 48 ore utilizzando EDA open-source);
- compiti di ricerca e analisi con contesto enorme (documenti legali, report finanziari, code review di grandi repository);
- aziende che desiderano self-hosting e indipendenza dalle API chiuse invece di dipendere da Anthropic o OpenAI.
Rimangono tuttavia importanti riserve: i pesi non sono ancora usciti, le riproduzioni indipendenti e i report tecnici dettagliati sono ancora in fase di sviluppo, alcuni benchmark utilizzano harness proprietari (KimiCode invece di quelli standard). Il quadro reale si chiarirà definitivamente dopo il 27 luglio, quando i pesi saranno disponibili e appariranno valutazioni indipendenti sulle versioni open dei modelli.
Conclusione: Kimi K3 è uno dei rilasci AI più significativi della prima metà del 2026. Non è semplicemente “un altro grande modello cinese”, ma un serio contendente per un posto in prima fila tra i modelli di frontiera, specialmente nei compiti specializzati di agent coding, lunghi contesti e ragionamento multimodale. Le innovazioni architetturali (KDA, Attention Residuals, Stable LatentMoE) dimostrano che, in termini di ingegneria, i laboratori cinesi sono al livello dei migliori occidentali. Se il rilascio open-weight seguirà il piano del 27 luglio, l’impatto sull’ecosistema open-source e sulle dinamiche competitive sarà molto notevole: per la prima volta gli sviluppatori avranno accesso a un modello di tale scala e qualità indipendentemente dalle API chiuse.
