Kimi K3, Moonshot AI lancia il più grande modello open mai rilasciato e sfida OpenAI e Anthropic

Nella giornata del 16 luglio 2026 Moonshot AI ha rilasciato Kimi K3, quello che il laboratorio cinese presenta come il più grande modello di intelligenza artificiale a pesi aperti mai reso disponibile. Si tratta di un modello Mixture of Experts da 2,8 trilioni di parametri complessivi, con una finestra di contesto da un milione di token e capacità multimodali native. La cosa più sorprendente non è solo la scala, ma il fatto che un modello di questa classe arrivi con la promessa di rilasciare i pesi pubblicamente, un passo che sposta ancora più in là il confine tra i sistemi proprietari dei grandi laboratori americani e l’ecosistema open che negli ultimi mesi è cresciuto soprattutto in Cina. Se segui da vicino la corsa ai modelli di frontiera, questo annuncio ti riguarda da vicino, perché ridefinisce cosa puoi aspettarti da un modello che potrai, a breve, scaricare ed eseguire senza chiedere il permesso a nessuno.

Che cosa è Kimi K3 e perché conta

Kimi K3 è il nuovo modello di punta di Moonshot AI, l’azienda di Pechino diventata nota al grande pubblico con le versioni precedenti della famiglia Kimi. La sigla che circola tra gli addetti ai lavori, 2,8T-A50B, riassume bene la sua natura: 2,8 trilioni di parametri totali ma soltanto una cinquantina di miliardi realmente attivi per ogni token elaborato. Questo è il cuore dell’approccio Mixture of Experts, in cui il modello attiva 16 esperti su 896 disponibili a seconda del compito, ottenendo la potenza di un modello gigantesco senza pagarne per intero il costo computazionale a ogni richiesta.

Al di là dei numeri, Moonshot descrive Kimi K3 come il primo modello open della cosiddetta classe da 3 trilioni di parametri, una soglia che finora nessun laboratorio aveva superato con pesi destinati alla pubblicazione. Il modello nasce con una finestra di contesto da un milione di token, comprensione visiva nativa e una modalità di ragionamento sempre attiva che l’azienda chiama thinking mode. In pratica è pensato per compiti lunghi e complessi, dallo sviluppo software agli agenti autonomi che devono pianificare ed eseguire più passaggi senza perdere il filo. Non è un dettaglio da poco, perché è proprio nei compiti a lungo orizzonte che i modelli tendono a incespicare, dimenticando istruzioni date decine di migliaia di token prima.

C’è però un aspetto che vale la pena chiarire subito, per non farti trovare aspettative sbagliate. Il lancio è avvenuto in modo insolitamente silenzioso per un modello di questa portata. Al debutto Kimi K3 è accessibile soltanto tramite le interfacce a pagamento e i prodotti proprietari di Moonshot, ciè l’app Kimi e l’ambiente Kimi Code, nelle varianti chiamate K3 Max e K3 Swarm Max. I pesi completi, quelli che renderebbero il modello davvero open a tutti gli effetti, sono attesi per il 27 luglio. Fino ad allora parliamo di un modello annunciato come aperto ma ancora fruibile solo via API, una distinzione importante che conviene tenere a mente.

Le due innovazioni che rendono Kimi K3 diverso

La parte più interessante dal punto di vista tecnico non riguarda la scala, ma il modo in cui Moonshot ha provato a rendere gestibile quella scala. Kimi K3 poggia su due innovazioni di architettura che il team aveva già pubblicato come ricerca aperta nei mesi scorsi, e che ora trovano applicazione in un modello di produzione.

Kimi Delta Attention

La prima si chiama Kimi Delta Attention, abbreviata in KDA. È un meccanismo di attenzione lineare ibrido pensato per abbattere il costo di elaborazione dei contesti molto lunghi. Il problema noto dei modelli linguistici è che l’attenzione tradizionale diventa sempre più onerosa man mano che la finestra di contesto cresce, e con un milione di token questo peso può diventare proibitivo. Secondo Moonshot, KDA consente una decodifica fino a diverse volte più rapida quando si lavora su contesti da un milione di token, un guadagno che rende praticabile ciò che altrimenti sarebbe troppo lento e costoso. Per te significa la possibilità concreta di dare in pasto al modello interi codebase, documenti di centinaia di pagine o lunghe conversazioni, mantenendo tempi di risposta ragionevoli.

Attention Residuals

La seconda innovazione, chiamata Attention Residuals o AttnRes, agisce invece lungo la profondità della rete. Invece di accumulare in modo uniforme le rappresentazioni strato dopo strato, il meccanismo recupera in modo selettivo le informazioni utili attraverso i vari livelli del modello. Moonshot sostiene che questo approccio porti a una efficienza di addestramento sensibilmente più alta a fronte di un costo aggiuntivo minimo. Sommando i vari accorgimenti, l’azienda parla di una efficienza di scaling complessivamente migliore di circa due volte e mezza rispetto alla generazione precedente, quella di Kimi K2. In un settore in cui il costo di addestramento dei modelli di frontiera si misura ormai in centinaia di milioni di dollari, guadagni di efficienza di questo tipo sono ciò che permette a un laboratorio di competere senza avere alle spalle le stesse risorse dei colossi statunitensi.

Come si colloca nella corsa ai modelli di frontiera

La domanda che conta è semplice: quanto è bravo davvero Kimi K3. Qui bisogna procedere con cautela, perché al momento del lancio i numeri più solidi arrivano dai benchmark indipendenti più che da una scheda tecnica ufficiale dettagliata. Sul benchmark GDPval-AA, che prova a misurare le prestazioni su compiti reali di valore economico, Kimi K3 si è piazzato al terzo posto assoluto, dietro soltanto alle versioni di punta di Claude Fable 5 e di GPT-5.6 Sol, e davanti a Claude Opus 4.8. Piazzarsi davanti a un modello del calibro di Opus 4.8, restando un sistema a pesi aperti, è il tipo di risultato che pochi si aspettavano da un laboratorio cinese ancora un anno fa.

Anche sulle classifiche in tempo reale i primi segnali sono forti. Sulla arena dedicata al codice frontend di LMArena, dove sono gli utenti a votare le risposte migliori, Kimi K3 ha debuttato in prima posizione, mentre sulla classifica testuale generale si è collocato stabilmente nella fascia alta. Diverse analisi hanno sintetizzato la sua proposta con una formula efficace: prestazioni vicine alla classe di Opus 4.8 a un prezzo paragonabile a quello di modelli molto più economici. Se questa promessa reggerà alla prova dell’uso quotidiano, la pressione sui listini dei laboratori occidentali sarà notevole. Vale la pena ricordare che proprio la leva del prezzo è stata al centro di lanci recenti come quello di Claude Sonnet 5, il modello più agentico di Anthropic proposto a costo ridotto, segno che la competizione non si gioca più solo sulla qualità pura ma sul rapporto tra intelligenza e costo.

Come sempre con i benchmark, conviene mantenere un margine di prudenza. Le classifiche fotografano scenari specifici e non raccontano tutto, soprattutto per un modello appena uscito e non ancora messo alla prova da mesi di utilizzo reale. Quando i pesi saranno pubblici, la comunità potrà verificare in modo indipendente le affermazioni di Moonshot, ed è a quel punto che sapremo se Kimi K3 mantiene le promesse anche fuori dagli scenari da vetrina.

Il peso geopolitico dell’open source cinese

Kimi K3 non arriva in un vuoto, ma dentro una precisa strategia industriale e geopolitica. Negli ultimi mesi i laboratori cinesi hanno fatto dell’open source la loro arma competitiva, puntando a conquistare sviluppatori e imprese in tutto il mondo con modelli potenti e scaricabili liberamente. È lo stesso terreno su cui si muovono progetti come GLM-5.2, il modello cinese open-weight di Z.ai orientato al coding, e come l’atteso DeepSeek V4, la prossima generazione del laboratorio che nel 2025 aveva già scosso il settore. Kimi K3 alza ulteriormente l’asticella di questa ondata, portando per la prima volta un modello a pesi aperti nella fascia di parametri finora riservata ai sistemi chiusi.

Il contesto politico rafforza il segnale. L’annuncio cade nella stessa settimana in cui la Cina ha messo la governance dell’intelligenza artificiale al centro della scena internazionale, come racconta la cronaca della conferenza WAIC 2026 di Shanghai aperta da Xi Jinping con un rilancio della governance globale. Modelli aperti e diplomazia tecnologica procedono di pari passo: offrire al mondo strumenti gratuiti e capaci significa costruire influenza, attrarre talenti e stabilire standard di fatto. Per gli sviluppatori occidentali questo si traduce in una scelta sempre più concreta, tra affidarsi ai modelli proprietari dei laboratori statunitensi o adottare alternative aperte che, fino a poco tempo fa, sembravano irraggiungibili sul piano delle prestazioni.

Cosa cambia concretamente per te

Se lavori con l’intelligenza artificiale, l’arrivo di Kimi K3 apre scenari pratici che vale la pena considerare fin da ora. Nell’immediato puoi provarlo attraverso i prodotti di Moonshot, valutandone la resa su compiti di programmazione, analisi di documenti lunghi e automazione agentica. Dal 27 luglio, quando i pesi diventeranno pubblici, lo scenario cambia in modo più profondo: chi ne ha le competenze e l’infrastruttura potrà eseguire il modello in ambienti propri, con tutti i vantaggi in termini di controllo, riservatezza dei dati e indipendenza dalle API di terzi. Per un’azienda che tratta informazioni sensibili, poter ospitare internamente un modello di questa classe è un cambiamento sostanziale.

Resta la prudenza d’obbligo. Un modello da 2,8 trilioni di parametri richiede risorse hardware fuori dalla portata del singolo appassionato, quindi l’esecuzione locale interesserà soprattutto aziende e provider cloud, non il tuo computer di casa. Inoltre, come per ogni modello sviluppato in un contesto normativo diverso da quello europeo, dovrai valutare con attenzione gli aspetti legati a licenza d’uso, conformità e trattamento dei dati prima di adottarlo in produzione. La disponibilità dei pesi aperti aiuta la trasparenza, ma non elimina la necessità di una verifica seria caso per caso.

Il quadro generale, comunque, è chiaro. Con Kimi K3 la distanza tra i modelli aperti e quelli chiusi si assottiglia ancora, e la competizione si sposta sempre più sul terreno dell’efficienza e del costo. È una buona notizia per chi costruisce prodotti basati sull’intelligenza artificiale, perché più alternative valide significano più potere contrattuale e meno dipendenza da un unico fornitore. Se vuoi restare aggiornato su come questa corsa tra laboratori americani e cinesi continuerà a evolversi, continua a seguire le nostre analisi e metti alla prova questi modelli sui tuoi casi d’uso reali: è provandoli in prima persona che capirai davvero quale fa al caso tuo. La fonte primaria resta il canale ufficiale di Moonshot AI, dove sono attesi i pesi ufficiali di Kimi K3 sulla pagina Hugging Face del laboratorio.