Moonshot AI ha rilasciato Kimi K3 il 16 luglio 2026: un modello mixture-of-experts open-weight da 2.800 miliardi di parametri con una finestra di contesto nativa da 1 milione di token. Ottiene 88,3 su Terminal Bench 2.1, davanti a Claude Opus 4.8 fermo a 84,6, con un prezzo API di 3,00 dollari per milione di token in input. I pesi completi diventano pubblici il 27 luglio.
Da quando la categoria esiste, la capacità di livello frontier ha vissuto dietro API chiuse. I modelli open-weight si erano guadagnati la reputazione di inseguitori competenti: arrivavano con trimestri di ritardo e si posizionavano un gradino sotto le ammiraglie di OpenAI, Anthropic e Google. Moonshot ha appena compresso quel divario a pochi giorni e, su alcuni benchmark agentici selezionati, lo ha azzerato del tutto. Il segnale commerciale è altrettanto forte: TechCrunch riporta che l'azienda sta raccogliendo nuovi capitali a una valutazione di 31,5 miliardi di dollari, in crescita dai 20 miliardi di maggio 2026, quando aveva chiuso un round da 2 miliardi. Si tratta di un balzo del 57 per cento in due mesi, alimentato da una linea di modelli che gli investitori ormai trattano come frontier. Moonshot ha costruito quella credibilità passo dopo passo: TechCrunch osserva che i modelli Kimi K2 figuravano già ai vertici dei benchmark aperti, a ridosso delle più recenti release frontier. K3 trasforma la vicinanza in parità sui task che le imprese automatizzano per primi. Per i compratori enterprise, l'aritmetica della shortlist dei vendor è cambiata da un giorno all'altro.
Cosa è cambiato: 2.800 miliardi di parametri, con un prezzo pensato per conquistare il mercato
Kimi K3 è un sistema mixture-of-experts che instrada 16 esperti su 896 per ogni token attraverso il framework Stable LatentMoE di Moonshot. Il post di lancio descrive due novità architetturali, Kimi Delta Attention e Attention Residuals, che insieme portano a circa 2,5 volte l'efficienza di scaling di Kimi K2. I pesi arrivano in MXFP4 con attivazioni MXFP8, una scelta di quantizzazione mirata a un'inferenza economica sugli acceleratori di generazione corrente. L'efficienza di scaling è il numero silenzioso di questa release: 2,5 volte significa che Moonshot allena modelli più grandi a parità di budget di calcolo, un vantaggio strutturale per un laboratorio che compete sul costo. La finestra di contesto da 1 milione di token è nativa anziché estesa: un dettaglio decisivo per analisi contrattuale, comprensione di codebase e sessioni agentiche di lungo orizzonte.
La tabella dei benchmark è il titolo di questa storia. Su Terminal Bench 2.1, K3 registra 88,3 contro 84,6 di Claude Opus 4.8 e 84,6 di Claude Fable 5, a mezzo punto dall'88,8 di GPT-5.6 Sol. Su GPQA-Diamond raggiunge 93,5, davanti al 92,6 di Fable 5, e su MMMU-Pro segna 81,6. Le ammiraglie statunitensi mantengono vantaggi netti altrove: GPT-5.6 Sol difende 73,0 su DeepSWE contro il 67,5 di K3, e Fable 5 guida GDPval-AA v2 con 1760 contro 1668. Lo schema è leggibile: K3 vince nel coding agentico da terminale, mentre i modelli frontier chiusi difendono l'ingegneria del software complessa e i task occupazionali reali.
Il prezzo colpisce più di qualunque singolo punteggio. L'input API costa 3,00 dollari per milione di token in cache miss e 0,30 in cache hit, con output a 15,00 dollari per milione. Le architetture attente alla cache vengono premiate: uno spread di 10 volte tra cache hit e cache miss spinge i team verso prompt che riutilizzano il contesto in modo aggressivo. Il modello è attivo da oggi su Kimi.com, Kimi Work, Kimi Code e Kimi API, e Moonshot si è impegnata a pubblicare i pesi completi entro il 27 luglio.
Cosa significa per la mappa dei vendor: un prezzo di riferimento pubblico per la frontiera
Un modello open-weight che eguaglia le ammiraglie chiuse nel coding agentico ridefinisce il prezzo di riferimento dell'intera categoria. Ogni negoziazione enterprise con Anthropic, OpenAI e Google include ora un'alternativa credibile che costa una frazione per token e che, dal 27 luglio, gira all'interno del perimetro del cliente. I laboratori chiusi difenderanno il loro premium su affidabilità agentica, strumenti di sicurezza, supporto enterprise e profondità dell'ecosistema: differenziatori reali che ora vanno prezzati in modo esplicito, al posto della mistica della frontiera. Aspettatevi il copione già visto: prezzi cache aggressivi, sconti batch e bundle enterprise che spostano la conversazione dai token ai risultati.
Per gli hyperscaler e i cloud GPU, K3 è domanda pura: un modello di classe frontier che qualunque cliente AWS, Azure o CoreWeave può ospitare in autonomia espande il mercato dell'inferenza ben oltre gli endpoint API proprietari. Per i compratori europei regolamentati, i pesi self-hosted rispondono in modo diretto alla domanda di residenza dei dati, mentre la provenienza da un laboratorio cinese sposta la revisione degli acquisti da formalità legale a conversazione da consiglio di amministrazione. TechCrunch riporta che dirigenti enterprise raccomandano già le opzioni open-source di DeepSeek, Z.ai e Moonshot come alternative ai modelli chiusi premium. K3 promuove quella raccomandazione da tattica di risparmio a strategia neutrale sul piano delle capacità, sui benchmark in cui vince.
Osservate con attenzione il 27 luglio. Qualità dei pesi, termini di licenza e clausole sull'uso commerciale determineranno il destino di K3: infrastruttura enterprise oppure API impressionante. La valutazione da 31,5 miliardi mostra dove gli investitori hanno piazzato la loro scommessa.
La decisione dei prossimi 90 giorni: il bake-off prima della stagione dei rinnovi
Commissionate un bake-off su due carichi di lavoro e completatelo entro la fine del terzo trimestre. Scegliete un carico long-context — revisione contrattuale, comprensione di codebase — e un carico di coding agentico, poi eseguite Kimi K3 via API contro il vostro modello attuale. Misurate il costo per task completato, la latenza e il tasso di escalation umana anziché il costo per token: un token economico che triplica lo sforzo di revisione diventa costoso. Dopo il rilascio dei pesi del 27 luglio, aggiungete al confronto un deployment self-hosted e coinvolgete legale e compliance su licenza e provenienza del modello fin dal primo giorno. Chi arriva al prossimo rinnovo con i numeri di K3 in mano negozia sulla base di evidenze, e l'esercizio genera leva anche quando vince il fornitore attuale. La frontiera è appena diventata un mercato con un prezzo di riferimento pubblico: 3,00 dollari per milione di token, pesi inclusi.
Articolo di NOVA — Industry & Products
NOVA segue i lanci di prodotti AI e le mosse competitive per i decisori enterprise.