Intelligenza Artificiale
Architetture AI on-premise, LLM locali, RAG, agenti autonomi. L’intelligenza che non si può permettere di vedere spenta va posseduta.
Scopri →
Admina Enterprise
Governance AI Open Source: audit trail, PII redaction, policy bidirezionali ALLOW/BLOCK/REDACT su qualsiasi modello, locale o remoto.
Scopri Admina →
Servizi & Sistemi Linux
Progettazione, deploy e gestione di infrastrutture Linux on-premise: dai server all’hardware AI, con dati che restano tuoi.
Scopri →
Ricerca & Sviluppo
Ricerca applicata e prototipazione, dall’AI all’infrastruttura, in collaborazione con università e centri di ricerca.
Scopri →Cos’è Kimi K3
Moonshot AI ha presentato Kimi K3, che definisce «il primo modello aperto della classe 3T». È un Mixture of Experts da 2,8 trilioni di parametri totali, di cui ne attiva solo 16 su 896 esperti per ogni token, con una finestra di contesto da 1 milione di token e vision nativa. Il posizionamento è chiaro: intelligenza di frontiera per coding a lungo orizzonte, lavoro di conoscenza e ragionamento.
Nota. Benchmark, cifre e prezzi qui riportati provengono dall’annuncio di Moonshot AI, non da verifiche indipendenti di noze; i risultati su benchmark sono dichiarazioni del produttore. Al 17 luglio 2026 il modello è utilizzabile via API e app, ma i pesi aperti non sono ancora stati rilasciati: dove serve, lo diciamo.
Sotto il cofano
L’architettura punta tutto sull’efficienza a questa scala. Moonshot dichiara un miglioramento di circa 2,5× nell’efficienza di scaling rispetto a Kimi K2, grazie a diverse scelte:
- Kimi Delta Attention (KDA), una forma di attenzione pensata per scalare in modo efficiente sui contesti lunghi.
- Attention Residuals (AttnRes), per recuperare in modo selettivo le rappresentazioni lungo la profondità del modello.
- Un framework Stable LatentMoE e Gated MLA (multi-head latent attention).
- Addestramento quantization-aware, con pesi in MXFP4 e attivazioni in MXFP8: la quantizzazione entra nell’addestramento, non è un ripiego applicato dopo.
Il tema è lo stesso che raccontiamo da tempo: modelli enormi resi eseguibili grazie ad attenzione compressa e quantizzazione aggressiva, come per DwarfStar 4 e colibri. Qui la scala è però un’altra: 2,8 trilioni di parametri sono tanti anche solo da conservare.
Cosa sa fare
Kimi K3 è costruito per l’uso agentico a lungo orizzonte: sessioni di ingegneria prolungate con poca supervisione, navigazione di repository e orchestrazione del terminale. Gli esempi mostrati da Moonshot sono ambiziosi: un compilatore GPU (MiniTriton) scritto da zero, run autonomi di 48 ore su design di chip, sviluppo di videogiochi con iterazione vision-in-the-loop, e sul fronte ricerca un’analisi di 42 anni del settore ASIC con oltre 2.800 ricerche web e 11.000 pagine lette, o un’analisi di onde gravitazionali con più di 20 subagenti in parallelo.
Sui benchmark (a massimo sforzo di ragionamento, dati dichiarati da Moonshot) i numeri sono di fascia alta: Terminal-Bench 2.1 all’88,3, GPQA-Diamond al 93,5, DeepSWE al 67,5, MMMU-Pro (vision) all’81,6, CharXiv all’84,8. Moonshot è però onesta: «le prestazioni complessive restano dietro ai modelli proprietari più potenti», cioè Claude Fable 5 e GPT-5.6 Sol. Su alcune prove, come Terminal-Bench, K3 li avvicina o li supera; su altre resta un passo indietro.
Da oggi è accessibile via web (Kimi.com), app desktop (Kimi Work, Windows e Mac Apple Silicon), terminale (Kimi Code) e API (platform.kimi.ai). I prezzi API: 0,30 $/Mtok per input in cache-hit, 3,00 $/Mtok in cache-miss, 15,00 $/Mtok in output, con un tasso di cache-hit dichiarato oltre il 90% nei carichi di coding. Al lancio il modello usa di default lo sforzo di ragionamento massimo; le modalità bassa e alta arriveranno dopo.
I limiti dichiarati
Va dato atto a Moonshot di elencare i difetti. Il primo è tecnico e interessante: la sensibilità alla storia di ragionamento. Se l’harness non ripassa al modello tutto il contenuto di thinking prodotto nei turni precedenti, «la qualità della generazione può diventare molto instabile». È un promemoria che, negli agenti, conta tanto il modello quanto l’ambiente che lo circonda, esattamente il tema dell’harness engineering. Gli altri due limiti dichiarati: un’eccessiva proattività, con decisioni autonome inattese, e un divario di esperienza d’uso rispetto a Fable 5 e GPT-5.6 Sol.
Il nodo: i pesi arrivano il 27 luglio
Ed è qui il punto che a noi interessa di più. Kimi K3 è annunciato come modello a pesi aperti, ma al 17 luglio 2026 i pesi non sono ancora scaricabili: Moonshot dichiara che «i pesi completi del modello saranno rilasciati entro il 27 luglio 2026». Fino ad allora K3 è, in pratica, un’API in cloud come le altre, con le stesse domande su cosa esce dal tuo perimetro quando gli affidi codice e dati, come abbiamo mostrato per le CLI di coding AI.
Il vantaggio della sovranità arriva quando i pesi sono davvero in tuo possesso e li fai girare tu. Ma restano due questioni concrete: un MoE da 2,8 trilioni di parametri è enorme da far girare in casa, e serviranno quantizzazione e streaming degli esperti come quelli di colibri per portarlo su hardware ragionevole; e la data di rilascio, come sempre, è una promessa finché non si concretizza.
Cosa ne pensiamo
Kimi K3 conferma una traiettoria che seguiamo pezzo per pezzo: la frontiera a pesi aperti continua ad avvicinarsi ai migliori modelli proprietari, dopo GLM 5.2, Ornith 1.0 e Inkling di appena due giorni fa. Un modello aperto di classe 3T, competitivo su coding e agenti, è una notizia importante per chi vuole possedere l’intelligenza invece di noleggiarla.
Con due cautele che ripetiamo sempre. La prima: un modello è aperto quando i pesi sono scaricabili, non quando è annunciato; fino al 27 luglio, per noi, resta un’API da valutare come tale. La seconda: possedere il modello è metà dell’opera, l’altra metà è governarlo, con audit trail e policy su qualunque modello, locale o remoto, come fa Admina. È il senso di Open Intelligence, Secure Governance, e la direzione in cui lavoriamo: AI on-premise, sovrana e governata, su infrastruttura Linux che resta tua. Se il 27 luglio i pesi arriveranno davvero, sarà un altro mattone di quel pavimento operativo.