Kimi K3: Moonshot AI lancia un modello open-weight da 2,8 trilioni di parametri

Introduzione

Moonshot AI ha lanciato Kimi K3, un nuovo modello di ragionamento multimodale con 2,8 trilioni di parametri totali e una finestra di contesto di 1 milione di token.

L'azienda di Pechino afferma che Kimi K3 è il primo modello open source a raggiungere la soglia dei 3 trilioni di parametri. È progettato per attività complesse di ingegneria del software a lungo ciclo, lavoro cognitivo, ragionamento visivo, ricerca e attività multi-step per agenti.

Le sue dimensioni hanno immediatamente attirato l'attenzione. Il numero totale di parametri di Kimi K3 supera di gran lunga i sistemi open source con pesi a livello di trilioni di parametri che hanno definito la precedente generazione di modelli all'avanguardia cinesi.

Tuttavia, le dimensioni sono solo una parte della storia. Kimi K3 utilizza un'architettura Mixture of Experts altamente sparsa, in cui ogni token attiva solo una piccola parte dei suoi esperti. Moonshot AI ha anche introdotto modifiche strutturali progettate per migliorare il flusso delle informazioni attraverso sequenze lunghe e reti profonde.

L'azienda afferma che Kimi K3 ha raggiunto livelli all'avanguardia in diversi dei suoi test, sebbene complessivamente sia ancora inferiore ai modelli proprietari più potenti. Le valutazioni indipendenti pubblicate prima e dopo il lancio lo hanno anche classificato tra i modelli leader attualmente disponibili.

Un modello multimodale da 2,8 trilioni di parametri

Kimi K3 è un modello nativamente multimodale in grado di elaborare input testuali e visivi. Moonshot lo posiziona per attività che richiedono ragionamento continuo, non risposte brevi e isolate.

Le sue specifiche principali sono le seguenti:

Specifica	Kimi K3
Parametri totali	2,8 trilioni
Architettura	Mixture of Experts sparsa
Numero di esperti instradati	896
Esperti attivati per token	16
Finestra di contesto	1 milione di token
Modalità	Input testuali e visivi
Casi d'uso principali	Programmazione, lavoro cognitivo, ricerca, ragionamento, creazione multimodale
Modalità di ragionamento predefinita al rilascio	Massimo sforzo di pensiero
Obiettivo rilascio pesi completi	Prima del 27 luglio 2026
Raccomandazione per distribuzione su larga scala	Configurazione supernode con almeno 64 acceleratori

Il numero totale di parametri descrive il modello completo, non il numero di parametri utilizzati per token. Durante l'inferenza, Kimi K3 attiva 16 dei suoi 896 esperti, consentendogli di beneficiare di un'enorme capacità senza dover eseguire l'intera rete per ogni token generato.

Questa distinzione è importante. I modelli sparsi possono contenere trilioni di parametri mantenendo al contempo un costo computazionale effettivo molto inferiore rispetto a quanto richiesto da un modello denso di dimensioni comparabili.

Anche con l'attivazione sparsa, Kimi K3 rimane un sistema di hosting estremamente impegnativo. Moonshot consiglia la distribuzione su configurazioni supernode con 64 o più acceleratori, il che rende l'auto-hosting pratico al di là delle capacità della maggior parte degli sviluppatori individuali e dei team più piccoli.

L'architettura alla base di Kimi K3

Moonshot ha enfatizzato due tecnologie architetturali centrali: Il meccanismo di attenzione Kimi Delta e la residua di attenzione.

Meccanismo di attenzione Kimi Delta

Il meccanismo di attenzione Kimi Delta (KDA) mira a rendere il calcolo dell'attenzione più efficiente all'aumentare della lunghezza del contesto.

Quando un modello elabora sequenze molto lunghe, i meccanismi di attenzione tradizionali diventano costosi. L'obiettivo di KDA è

fornire una base più scalabile per la gestione di contesti ampi, preservando al contempo le informazioni necessarie per il ragionamento e l'uso di strumenti.

La finestra da un milione di token offre a Kimi K3 una capacità sufficiente per gestire grandi codebase, vaste raccolte di documenti, lunghe cronologie di agenti o combinazioni di più fonti di materiale che andavano oltre i limiti di molti modelli precedenti.

Una finestra di contesto ampia non garantisce che ogni token sia utilizzato in modo ugualmente efficace. La qualità del recupero, la stabilità del ragionamento, la struttura del prompt e l'orchestrazione degli agenti rimangono cruciali. Tuttavia, la finestra estesa offre agli sviluppatori più spazio per conservare materiale rilevante senza una compressione precoce aggressiva.

Residua di attenzione

La residua di attenzione (abbreviata AttnRes) modifica il modo in cui le rappresentazioni vengono trasmesse attraverso la profondità del modello.

Invece di lasciare che le informazioni si accumulino uniformemente attraverso connessioni residuali tradizionali, questo meccanismo recupera selettivamente rappresentazioni utili da strati precedenti.

Moonshot afferma che ciò migliora il flusso di informazioni attraverso la profondità del modello e aiuta a ottenere un'espansione più efficiente.

Stable Latent Mixture of Experts

Kimi K3 combina l'instradamento esperto sparso con il framework Stable Latent Mixture of Experts. Ogni token attiva solo 16 degli 896 esperti instradati.

A questo livello di scarsità, la qualità dell'instradamento diventa un problema ingegneristico significativo. Un sistema sbilanciato può portare al sovraccarico di un sottoinsieme di esperti, allo spreco di hardware o alla riduzione del throughput.

Moonshot afferma che le sue strategie di bilanciamento basate sui quantili e i metodi di addestramento esperto parallelo bilanciato consentono una distribuzione efficiente del carico di lavoro sul percorso critico senza la necessità di sincronizzazione host.

Addestramento con consapevolezza della quantizzazione

Il modello utilizza l'addestramento con consapevolezza della quantizzazione fin dalla fase di supervised fine-tuning.

Secondo Moonshot, Kimi K3 utilizza pesi MXFP4 e attivazioni MXFP8. I formati a bassa precisione possono ridurre i requisiti di memoria e comunicazione, ma le prestazioni effettive dipendono ancora dal supporto hardware e del motore di inferenza.

Si dice che questi miglioramenti architetturali, nel loro insieme, rendano l'efficienza complessiva di scaling circa 2,5 volte superiore rispetto a Kimi K2.

Progettato per la programmazione a lungo ciclo

La programmazione è una delle principali aree di applicazione che Moonshot enfatizza per Kimi K3.

Il modello è progettato per rimanere efficace durante sessioni di ingegneria prolungate, in grado di navigare in grandi codebase, utilizzare strumenti da terminale, controllare feedback in fase di esecuzione e iterare continuamente con una supervisione umana minima.

Ciò è diverso dai modelli che generano solo una singola funzione tramite prompt. La programmazione a lungo ciclo può richiedere al sistema di:

1. Esplorare codebase sconosciute.
2. Comprendere architettura e dipendenze.
3. Formulare piani in più fasi.
4. Modificare file attraverso più moduli.
5. Eseguire build e test.
6. Leggere messaggi di errore e log.
7. Confrontare screenshot o output renderizzati.
8. Rivedere ripetutamente le implementazioni.
9. Mantenere il contesto rilevante per tutta la durata dell'attività.

Moonshot ha anche sottolineato la sfida di combinare la programmazione con il ragionamento visivo. Kimi K3 può utilizzare screenshot e feedback visivo quando interagisce con interfacce frontend, giochi, flussi di lavoro CAD e altri software interattivi.

Risultati dei benchmark di codifica Moonshot

Moonshot ha valutato Kimi K3 su diversi benchmark di ingegneria del software e framework per agenti.

L'azienda ha riportato prestazioni solide nelle seguenti aree:

• DeepSWE
• Terminal-Bench 2.1
• FrontierSWE
• Program Bench
• SWE Marathon
• Kimi Code Bench 2.0
• Ottimizzazione dei kernel GPU
• Creazione di compilatori

Non tutte queste valutazioni utilizzano la stessa configurazione. Alcuni modelli sono stati testati tramite Kimi Code, altri tramite Claude Code o Codex. Moonshot ha documentato queste differenze nelle note a piè di pagina dei benchmark.

Questo è importante perché il framework dell'agente influisce sui risultati. Interfacce degli strumenti, gestione del contesto, comportamento di ripetizione, sistemi di autorizzazione e progettazione del prompt possono tutti influenzare le prestazioni del modello su attività a esecuzione prolungata.

Moonshot ha riportato che Kimi K3 ha ottenuto i seguenti risultati nei test:

• Punteggio test comparativo DeepSWE: 67,5
• Punteggio Terminal-Bench 2.1: 86,3
• Punteggio FrontierSWE: 81,2
• Punteggio Program Bench: 77,8
• Punteggio SWE Marathon: 42,0
• Punteggio Kimi Code Bench 2.0 interno: 72,8

Questi sono i risultati riportati dall'azienda e dovrebbero essere letti insieme ai benchmark eseguiti in modo indipendente.

Ottimizzazione dei kernel GPU

Moonshot ha anche testato il modello nell'ottimizzazione delle GPU

capabilità a livello di kernel, non solo scrittura di codice applicativo ordinario.

Ciascun modello valutato è stato inserito in un ambiente sandbox identico, con a disposizione fino a 24 ore per configurare, riscrivere e sottoporre a benchmark diversi task. I carichi di lavoro includevano componenti legati all'architettura stessa di Kimi K3 e sono stati testati su hardware NVIDIA H200 e su un'altra piattaforma GPU generica.

Moonshot ha dichiarato che, quando è consentito un comportamento di fallback, Kimi K3 si dimostra competitivo con Claude Fable 5 e supera significativamente diversi altri modelli testati in questa configurazione.

L'azienda ha inoltre affermato che i checkpoint iniziali di Kimi K3 hanno gestito la maggior parte del lavoro di ottimizzazione del kernel utilizzato nello sviluppo del modello stesso.

Questa capacità è importante perché un sistema di IA efficiente non dipende esclusivamente dall'architettura del modello. L'ingegneria dei kernel determina l'efficacia con cui un modello utilizza acceleratori, larghezza di banda della memoria, collegamenti di comunicazione e formati numerici specializzati.

Costruire un compilatore GPU da zero

In un altro test interno, Kimi K3 ha creato un sistema di programmazione GPU compatto simile a Triton, chiamato MiniTriton.

Secondo Moonshot, il progetto finale includeva:

• Una rappresentazione intermedia a livello di tile basata su MLIR
• Passaggi di ottimizzazione
• Una pipeline di generazione del codice PTX
• Un frontend per un linguaggio specifico del dominio
• Componenti runtime
• Supporto per l'addestramento end-to-end di nanoGPT

Moonshot ha riferito che, sui benchmark di supporto selezionati, MiniTriton ha eguagliato o superato Triton e torch.compile, mantenendo al contempo un comportamento di addestramento stabile nei suoi test con nanoGPT.

Questo risultato va considerato come un caso studio aziendale, non come prova che il compilatore generato sia pronto per sostituire strumenti maturi.

Infrastruttura di produzione. Tuttavia, dimostra effettivamente il tipo di compiti di ingegneria multi-fase a cui Moonshot mirava nella progettazione di Kimi K3.

Programmazione visiva, sviluppo di giochi e progettazione di chip

Il design nativo multimodale di Kimi K3 gli consente di passare liberamente tra codice sorgente e output visivo.

Nel lavoro di sviluppo di giochi e frontend, il modello può generare codice di implementazione, esaminare screenshot, identificare problemi visivi e modificare il codice. Moonshot definisce questo approccio come "mantenere il visivo all'interno del ciclo di sviluppo".

L'azienda ha anche mostrato una demo preliminare di progettazione di chip. Secondo quanto riferito, in una sessione autonoma di 48 ore, Kimi K3 ha progettato, ottimizzato e verificato un chip per servire un modello di piccole dimensioni basato sulla propria architettura.

Questa prova di concetto ha utilizzato strumenti di automazione della progettazione elettronica open source e la libreria di processo Nangate a 45 nm. Moonshot ha riportato i risultati della progettazione simulata:

• Area contenuta entro 4 mm quadrati.
• Frequenza di convergenza temporale di 100 MHz.
• Contiene circa 1,46 milioni di celle standard.
• Utilizza 0,277 MB di SRAM.
• Include un array di moltiplicazione e accumulo INT4 con dequantizzazione fusa.
• Nella simulazione, elabora oltre 8700 token al secondo.

Si tratta di una simulazione e di una demo di ricerca preliminare, non di un chip effettivamente prodotto.

Kimi K3 nella ricerca scientifica e nel lavoro conoscitivo

Moonshot posiziona Kimi K3 anche come modello adatto per flussi di lavoro di ricerca e conoscenza specialistica.

In un caso di astrofisica computazionale, al modello è stato chiesto di riprodurre relazioni universali che coinvolgono le proprietà delle stelle di neutroni.

Moonshot ha dichiarato che Kimi K3:

• Ha esaminato e incrociato i dati di oltre 20 articoli.
• Ha implementato un flusso di calcolo numerico completo.
• Ha valutato oltre 300 equazioni di stato.
• Ha identificato incongruenze in formule pubblicate.
• Ha generato oltre 3000 righe di codice Python.
• Ha costruito una dashboard interattiva di dati in HTML.

Secondo le stime dell'azienda, il modello ha completato il progetto in circa due ore, mentre un ricercatore esperto avrebbe impiegato da una a due settimane.

Come per altri casi studio, questo risultato non va interpretato come una garanzia universale di risparmio di tempo. Le prestazioni dipendono dal contenuto del task, dagli strumenti disponibili, dalla qualità delle fonti dati, dai metodi di validazione e dal grado di revisione umana.

Finestra di contesto da un milione di token

La finestra di contesto di Kimi K3 è una delle sue specifiche di maggior valore commerciale.

La capacità di un milione di token può contenere varie combinazioni, come:

• Ampi codebase software con documenti e log.
• Grandi quantità di report estesi e documenti originali.
• Registri estesi di chiamate a strumenti.
• Sessioni di ricerca prolungate.
• Grandi raccolte di immagini e testo.
• Bozze multiple, revisioni e risultati intermedi.

Moonshot afferma che Kimi K3 dà il meglio di sé quando viene preservata la cronologia completa del ragionamento.

Questo comporta un importante requisito implementativo. Se un framework agente scarta parti della cronologia dei ragionamenti precedenti del modello, le riassume in modo errato o passa ad altri modelli nel bel mezzo di una sessione, la qualità dell'output potrebbe diventare instabile.

Moonshot consiglia di utilizzare framework compatibili e verificati (come Kimi Code) e di evitare di cambiare modello durante una sessione K3 attiva.

Risultati di benchmark indipendenti

I risultati dei test indipendenti supportano ampiamente la conclusione che Kimi K3 sia un modello all'avanguardia, sebbene non

abbia primeggiato in ogni categoria.

Artificial Analysis ha assegnato a Kimi K3 un punteggio di 57 nell'indice di intelligenza, classificandolo al terzo posto al momento della valutazione. Il suo risultato complessivo è stato descritto come paragonabile a Claude Opus 4.8 e GPT-5.5, ma inferiore a Claude Fable 5 e GPT-5.6 Sol.

Artificial Analysis ha anche riferito che Kimi K3 è stato insolitamente verboso durante la valutazione, generando circa 130 milioni di token, rispetto a una media di circa 63 milioni di token generati da modelli simili.

Questo ha implicazioni per costi e latenza. Un modello può avere un prezzo per token competitivo, ma se ne utilizza di più per completare lo stesso compito, può comunque diventare costoso.

Reuters ha riportato altri risultati di test di terze parti al momento del lancio:

• Arena.ai ha classificato Kimi K3 al primo posto nella valutazione della costruzione di interfacce web.
• Vals AI lo ha posizionato al secondo posto, dietro a Claude Fable 5 e davanti a GPT-5.6 Sol.
• Artificial Analysis ha scoperto che, in lavori complessi a più fasi, le sue prestazioni erano paragonabili a GPT-5.5 e Claude Opus 4.8.

Le classifiche dei benchmark cambiano man mano che i valutatori aggiungono campioni, aggiornano le piattaforme di test e riesaminano i modelli. Pertanto, prima di prendere decisioni di acquisto o implementazione, è opportuno consultare le classifiche più recenti.

Stato dei pesi aperti e tempistiche di rilascio

Kimi K3 è stato annunciato come modello a pesi aperti, ma al momento della stesura di questo articolo, i pesi completi scaricabili non sono ancora stati rilasciati.

La pagina di lancio ufficiale di Moonshot indica che i pesi saranno rilasciati entro il 27 luglio 2026.

Questa distinzione è importante:

• Il modello, l'architettura, l'API e le integrazioni di prodotto sono state annunciate.
• Kimi K3 è già accessibile tramite i prodotti e le API ospitate da Moonshot.
• I pesi completi del modello sono pianificati per un rilascio futuro.
• Le istruzioni per l'implementazione locale e il supporto finale dell'ecosistema potrebbero continuare a cambiare dopo il rilascio dei pesi.

Fino a quando i pesi, la loro licenza e la documentazione tecnica non saranno pubblicati, le affermazioni su specifici processi di self-hosting, motori di inferenza supportati o configurazioni hardware dovrebbero essere considerate preliminari.

I pesi aperti non implicano automaticamente una licenza open source senza restrizioni. La licenza finale determinerà cosa gli utenti possono modificare, ridistribuire o utilizzare commercialmente.

Perché la maggior parte degli utenti non eseguirà Kimi K3 in locale

Un modello da 2,8 trilioni di parametri va ben oltre la definizione comune di IA locale.

Anche con attivazione sparsa e pesi a bassa precisione, il checkpoint completo, il routing degli esperti, la comunicazione ad alta larghezza di banda, la cache del contesto e il sovraccarico di runtime richiedono sistemi distribuiti di grandi dimensioni.

Moonshot consiglia di utilizzare almeno 64 acceleratori in una configurazione simile a un supernodo per l'implementazione.

Le implicazioni pratiche sono le seguenti:

1. È più probabile che gli utenti individuali accedano a Kimi K3 tramite API o applicazioni ospitate.
2. Le imprese potrebbero utilizzare fornitori di inferenza specializzati invece di mantenere cluster propri.
3. I pesi aperti sono più direttamente utili per laboratori di ricerca ben finanziati, piattaforme cloud, aziende di inferenza e team con grandi infrastrutture.
4. Le varianti della comunità quantizzate o distillate potrebbero alla fine abbassare la barriera d'accesso, ma quelle versioni potrebbero non eguagliare le prestazioni del modello completo.

Le stime citate da Reuters indicano che il self-hosting del modello...

Il sistema potrebbe richiedere apparecchiature di calcolo per un valore di centinaia di migliaia di dollari.

Il costo specifico dipenderà dal formato finale dei pesi, dal tipo di acceleratore, dalla configurazione di rete, dalla lunghezza del contesto, dagli obiettivi di throughput, dagli schemi di ridondanza e dal software di servizio.

Prezzi e disponibilità delle API

Kimi K3 è già disponibile attraverso diversi prodotti di Moonshot:

• Kimi.com
• Kimi Workbench
• Kimi Code

Interfacce Aperte (Kimi API)

• Kimi Enterprise

Gli utenti di Kimi Code possono selezionare il modello Kimi K3 tramite il comando model nell'interfaccia del terminale.

L'attuale prezzo API di Moonshot AI è:

Categoria di Token	Prezzo per milione di Token
Input con cache hit	0,30 USD
Input con cache miss	3,00 USD
Output	15,00 USD

Il nome del modello API è:

kimi-k3

Moonshot AI ha dichiarato che, tramite l'architettura di inferenza separata Mooncake, la sua API ufficiale raggiunge un tasso di cache hit superiore al 90% nei carichi di lavoro di codifica.

Il costo effettivo dell'applicazione dipenderà dalla lunghezza del prompt, dalla profondità dell'inferenza, dal riutilizzo della cache, dal numero di chiamate agli strumenti, dai meccanismi di ripetizione e dal livello di dettaglio dell'output.

I laboratori AI cinesi accelerano il ciclo di iterazione

Con il lancio di Kimi K3, le aziende cinesi di intelligenza artificiale stanno rilasciando nuovi modelli con una frequenza eccezionalmente intensa.

Sviluppatori come Moonshot AI, Z.ai, MiniMax, DeepSeek e Meituan continuano a lanciare sistemi più grandi e potenti, competendo ferocemente su prezzi, pesi open source, capacità di codifica e prestazioni degli agenti.

Reuters sottolinea che questa velocità di iterazione ha ribaltato la precedente convinzione che i modelli cinesi leader fossero sempre in ritardo di mesi rispetto alla tecnologia all'avanguardia americana.

La sola dimensione del modello non dimostra la leadership. Il numero di parametri è difficile da confrontare direttamente tra architetture dense e sparse, e alcuni dei principali sviluppatori americani non hanno reso pubblica la dimensione esatta dei loro modelli attuali.

Tuttavia, Kimi K3 dimostra che i laboratori cinesi sono ormai all'avanguardia in settori come la scala dei modelli, la progettazione architetturale, il ragionamento a contesto lungo e l'ingegneria degli agenti.

Reazione del mercato ed espansione di Moonshot AI

Reuters ha riportato che, dopo il lancio di Kimi K3, le azioni di diverse aziende concorrenti cinesi nel campo dell'IA sono diminuite.

Verso la chiusura del mercato, Zhipu AI è scesa del 27,7%, mentre MiniMax ha perso il 16,5%.

L'andamento di una singola giornata di trading non è sufficiente a determinare l'impatto a lungo termine del nuovo modello sul panorama competitivo del mercato, ma questa reazione mostra l'attenzione del mercato pubblico verso le innovazioni tecnologiche delle aziende cinesi di IA.

Moonshot AI ha ottenuto il sostegno di importanti investitori come Alibaba e Tencent.

Reuters ha inoltre citato un rapporto di Bloomberg secondo cui Moonshot AI sta cercando di raccogliere circa 2 miliardi di dollari in un nuovo round di finanziamento, con una valutazione di circa 30 miliardi di dollari, da completare prima di una prevista quotazione a Hong Kong. Tuttavia, questi piani di finanziamento e quotazione sono ancora in fase di notizia e non sono ancora stati finalizzati.

Limiti noti di Kimi K3

Moonshot AI ha raramente riconosciuto apertamente alcuni limiti nel suo annuncio ufficiale.

Sensibilità alla cronologia del ragionamento

Kimi K3 conserva la cronologia del ragionamento durante l'addestramento. Se il framework dell'agente non restituisce l'intero storico del pensiero, le prestazioni potrebbero essere instabili. Inoltre, non è consigliabile passare a Kimi K3 nel bel mezzo di una sessione avviata con altri modelli.

Eccessiva proattività

Il modello è ottimizzato per attività ad alta intensità e di lunga durata. Pertanto, quando le istruzioni sono vaghe, potrebbe prendere decisioni inaspettate.

O anche quando incontra piccoli ostacoli. Le applicazioni che necessitano di comportamenti precisi dovrebbero fornire vincoli espliciti tramite il prompt di sistema o il file AGENTS.md.

Divario nell'esperienza utente

Moonshot AI ha dichiarato che, sebbene Kimi K3 sia competitivo in numerose valutazioni tecniche, la sua esperienza utente complessiva è ancora in ritardo rispetto a Claude Fable 5 e GPT-5.6 Sol.

Elevati requisiti infrastrutturali

I pesi aperti non implicano che il sistema sia facile da implementare completamente. Le sue dimensioni, i requisiti di rete e le esigenze di memoria a contesto lungo creano una soglia operativa elevata.

Elevato consumo di token

Test indipendenti mostrano che in valutazioni complesse, il consumo di token di Kimi K3 può essere significativamente superiore alla media dei modelli all'avanguardia. Ciò influisce sul costo complessivo, sulla velocità di risposta e sul consumo dei limiti di frequenza.

Cosa significa questo rilascio per gli sviluppatori

Per la maggior parte degli sviluppatori, Kimi K3 sarà inizialmente disponibile come modello ospitato, piuttosto che come modello auto-ospitato.

Le sue caratteristiche più importanti includono:

• Finestra di contesto estremamente ampia
• Comportamento di codifica persistente potenziato
• Capacità di ragionamento visivo nativo
• Chiamate a strumenti orientate agli agenti
• Prestazioni competitive in attività di conoscenza specialistica
• Accesso API con prezzi pubblici
• Pesi aperti pianificati

I team che valutano il modello dovrebbero testare i flussi di lavoro reali, non affidarsi esclusivamente ai titoli dei benchmark.

Valutazioni utili potrebbero includere:

1. Navigazione del repository e risoluzione dei problemi
2. Capacità di mantenere le istruzioni a contesto lungo
3. Implementazione front-end con riferimento visivo
4. Affidabilità delle chiamate agli strumenti
5. Ridondanza dell'output e costi
6. Prestazioni con istruzioni ambigue
7. Compatibilità con il framework dell'agente target
8. Prestazioni dopo la compressione della cronologia del ragionamento
9. Governance dei dati e requisiti di implementazione
10. Capacità di recupero da comandi o test falliti

Domande frequenti

Cos'è Kimi K3?

Kimi K3 è un modello di ragionamento multimodale con 2,8 trilioni di parametri sviluppato da Moonshot AI, progettato per codifica a lungo raggio, lavoro di conoscenza, ricerca scientifica, attività visive e flussi di lavoro per agenti.

Kimi K3 è open source?

Moonshot AI descrive Kimi K3 come un modello aperto e prevede di rilasciare i pesi completi. I pesi aperti non equivalgono necessariamente a software open source; il contratto di licenza finale determinerà i termini di utilizzo, modifica e ridistribuzione consentiti.

I pesi di Kimi K3 sono ora disponibili?

Non ancora al momento della stesura di questo articolo. L'annuncio ufficiale di Moonshot AI afferma che i pesi completi saranno resi disponibili il 27 luglio 2026.

Quanti parametri usa Kimi K3 durante l'inferenza?

Il modello completo ha 2,8 trilioni di parametri, ma utilizza un'architettura di esperti misti sparsi. Moonshot AI afferma che per ogni token vengono attivati 16 degli 896 esperti, quindi non l'intera rete funziona contemporaneamente.

Kimi K3 può funzionare su un PC personale?

Il modello completo non è adatto per un PC personale normale. Moonshot AI consiglia una configurazione con supernodi dotati di almeno 64 acceleratori, quindi la maggior parte degli utenti accederà a Kimi K3 tramite un prodotto ospitato o un'API.

Qual è la dimensione della finestra di contesto di Kimi K3?

Kimi K3 supporta una finestra di contesto di 1 milione di token. Il modello è sensibile al modo in cui viene registrata la cronologia del ragionamento, quindi la compatibilità con il framework dell'agente e la gestione del contesto sono importanti.

Quanto costa l'API di Kimi K3?

I prezzi annunciati da Moonshot AI sono: input con cache hit 0,30 USD per milione di token, input con cache miss 3,00 USD per milione di token, output 15,00 USD per milione di token. Il costo totale dipende anche dalla lunghezza dell'output, dal riutilizzo della cache, dalle chiamate agli strumenti e dal numero di ripetizioni.

Kimi K3 è migliore di GPT-5.6 Sol o Claude Fable 5?

La risposta dipende dall'attività specifica e dal benchmark. Moonshot AI afferma che Kimi K3 è generalmente in ritardo rispetto a entrambi i modelli, ma in alcune valutazioni di codifica e lavoro di conoscenza ottiene prestazioni simili o superiori. Test indipendenti mostrano anche che Kimi K3 è tra i modelli leader, ma non sempre al primo posto.

Strumenti correlati

• Kimi: Spazio di lavoro per agenti ospitato da Moonshot AI per l'utilizzo di Kimi K3.
• Kimi Work: Ambiente desktop progettato per le funzionalità di documenti, ricerca, dashboard e lavoro di conoscenza di Kimi.
• Kimi Code: Agente di codifica per terminale e IDE di Moonshot AI, con supporto per la selezione del modello Kimi K3.
• Piattaforma API Kimi: Accesso API ufficiale, prezzi, documentazione per sviluppatori e servizi di gestione account.
• Moonshot AI su GitHub: Repository ufficiale per progetti open source, strumenti per modelli e codice di ricerca.
• Moonshot AI su Hugging Face: Schede modello ufficiali e versioni scaricabili dei modelli Moonshot AI.
• vLLM: Motore di inferenza open source che, secondo Moonshot AI, supporterà la funzionalità di prefisso cache KDA.

Link correlati

• Blog tecnico ufficiale di Kimi K3: Annuncio di Moonshot AI su architettura, benchmark, disponibilità e limiti.

• Sito web ufficiale di Moonshot AI: Home page ufficiale dei prodotti e della ricerca dell'azienda.

• Piattaforma API Kimi：Accesso ufficiale all'API Kimi K3 e prezzi correnti dei token.

• Organizzazione GitHub Moonshot AI：Repository ufficiale del codice per i modelli Kimi, Kimi Code e la ricerca sull'infrastruttura.

• Organizzazione Hugging Face Moonshot AI：Versioni ufficiali dei pesi dei modelli e delle schede dei modelli.

• Artificial Analysis: Kimi K3：Valutazione indipendente del livello di intelligenza, dei prezzi, della velocità e della finestra di contesto.

• Rapporto benchmark Artificial Analysis Kimi K3：Sintesi indipendente delle prestazioni dell'indice di intelligenza di Kimi K3.

Riepilogo

Kimi K3 spinge Moonshot AI verso il livello dei 3 trilioni di parametri. È un modello multimodale sparso progettato per codifica, ricerca, lavoro basato sulla conoscenza e attività di agente a lunga durata. La sua finestra di contesto da milioni di token, il meccanismo di attenzione Kimi Delta, la struttura di attenzione residua e la strategia di routing degli esperti altamente sparsa mirano a migliorare l'efficienza operativa a questa scala.

I benchmark aziendali e le valutazioni indipendenti mostrano che Kimi K3 si colloca tra i modelli all'avanguardia, anche se Moonshot riconosce che rimane complessivamente indietro rispetto a Claude Fable 5 e GPT-5.6 Sol. L'elevato consumo di token del modello, la sensibilità alla cronologia di ragionamento, la tendenza a un comportamento proattivo e le enormi esigenze infrastrutturali sono importanti fattori limitanti pratici.

Kimi K3 è già disponibile tramite l'applicazione e l'API di Moonshot. I pesi completi sono pianificati per essere rilasciati entro il 27 luglio 2026, quindi la maggior parte degli sviluppatori utilizzerà inizialmente versioni ospitate anziché distribuire il modello completo autonomamente.

Il progresso chiave non risiede solo nella scala dei parametri: Kimi K3 combina scala estrema, attivazione sparsa, contesto di milioni di token, input multimodali e comportamento di agente a lungo ciclo. Moonshot prevede di rilasciarlo come peso scaricabile.