La società cinese Moonshot AI, con sede a Pechino, ha presentato Kimi K3, un modello da 2,8 trilioni di parametri che definisce il primo sistema aperto della classe “3T” e, soprattutto, il più grande modello open weight mai annunciato. La mossa rappresenta un ulteriore segnale della rapidità con cui l’ecosistema cinese sta riducendo il divario tecnologico rispetto ai laboratori statunitensi, puntando non soltanto sulla scala dei modelli, ma anche sull’efficienza architetturale e sulla disponibilità dei pesi per la comunità di ricerca.

Secondo la documentazione tecnica pubblicata da Moonshot AI, Kimi K3 non supera ancora i modelli di punta come Claude Fable 5 di Anthropic o GPT 5.6 Sol di OpenAI nelle valutazioni complessive, ma ottiene risultati superiori rispetto a tutti gli altri modelli inclusi nella propria suite di benchmark, compresi Claude Opus 4.8 e GPT 5.5 nelle prove dedicate alla programmazione e agli agenti autonomi. Come sempre, questi confronti devono essere interpretati con cautela, poiché derivano da benchmark selezionati dal produttore e richiedono verifiche indipendenti prima di poter essere considerati definitivi.

Dal punto di vista tecnico, Kimi K3 utilizza un’architettura Mixture of Experts estremamente aggressiva. Pur disponendo di 896 esperti, ne attiva soltanto 16 per ogni token elaborato, pari a circa l’1,8% dell’intero modello. Questa scelta consente di mantenere una capacità teorica enorme senza dover utilizzare contemporaneamente tutti i parametri, riducendo significativamente il costo computazionale durante l’inferenza. Il modello supporta inoltre una finestra di contesto di un milione di token e integra capacità native di elaborazione delle immagini, caratteristiche ormai considerate essenziali per i sistemi AI di fascia alta.

L’aspetto probabilmente più interessante riguarda però il lavoro svolto sull’architettura. Moonshot attribuisce un miglioramento di circa 2,5 volte nell’efficienza di scaling rispetto a Kimi K2 a due innovazioni proprietarie: Kimi Delta Attention, una variante ibrida della linear attention progettata per gestire contesti estremamente lunghi con minore consumo di memoria, e Attention Residuals, un diverso meccanismo di propagazione delle informazioni tra i livelli della rete neurale. Sono modifiche che indicano come la ricerca stia progressivamente spostando l’attenzione dalla semplice crescita del numero di parametri verso architetture più efficienti.

Anche la strategia di addestramento segue questa logica. Il modello adotta tecniche di quantization-aware training già durante la fase di supervised fine tuning, utilizzando pesi in formato MXFP4 e attivazioni MXFP8, una combinazione pensata per garantire una maggiore compatibilità con differenti acceleratori hardware. L’obiettivo è rendere possibile l’esecuzione del modello su infrastrutture diverse senza compromettere eccessivamente precisione e prestazioni.

Sul fronte economico emerge invece un dato curioso. L’API di Kimi K3 viene proposta a 0,30 dollari per milione di token in ingresso quando la cache può essere riutilizzata, ma il costo sale a 3 dollari per i token non presenti nella cache e a 15 dollari per milione di token generati in uscita. Rispetto a Kimi K2, il costo degli input non memorizzati aumenta di cinque volte. La spiegazione è intuitiva: modelli molto più grandi richiedono infrastrutture decisamente più costose, rendendo necessario un diverso equilibrio economico tra prestazioni e sostenibilità operativa.

I risultati ottenuti nelle valutazioni indipendenti sembrano comunque confermare la competitività del nuovo modello. Nella classifica Frontend Code Arena, basata su test in cieco effettuati da sviluppatori, Kimi K3 avrebbe conquistato il primo posto con 1.679 punti, superando anche Claude Fable 5 nelle attività di sviluppo frontend. Sebbene ogni benchmark misuri competenze specifiche e non rappresenti un giudizio assoluto sulla qualità di un modello, il dato rafforza la percezione che la competizione tra laboratori statunitensi e cinesi sia ormai estremamente serrata.

Interessante anche il lavoro svolto sull’infrastruttura software. Moonshot ha sviluppato MiniTriton, un compilatore ispirato a Triton ma riscritto internamente per ottimizzare l’esecuzione del modello. I benchmark mostrano confronti effettuati sia su GPU NVIDIA H200 sia su una GPU alternativa non identificata, mentre altre prove utilizzano le NVIDIA L20, le versioni ridotte della famiglia Ada commercializzate in Cina nel rispetto delle restrizioni statunitensi sull’export dei chip AI avanzati. La documentazione suggerisce inoltre di distribuire Kimi K3 su cluster composti da almeno 64 acceleratori, mantenendo il traffico tra gli esperti all’interno dello stesso dominio ad alta larghezza di banda per limitare la latenza.

Il contesto geopolitico rimane inevitabilmente sullo sfondo. Le restrizioni introdotte dagli Stati Uniti sull’accesso ai processori AI più avanzati hanno costretto le aziende cinesi a ripensare architetture, compilatori e strategie di ottimizzazione. Gli analisti di Bank of America, guidati da Alex Liu, osservano che Kimi K3 dimostra come una combinazione di ricerca architetturale e addestramento su larga scala possa ancora produrre significativi salti prestazionali anche in presenza di vincoli sull’hardware disponibile.

Tra gli esempi più curiosi illustrati nel documento tecnico compare un esperimento di progettazione automatizzata di semiconduttori. Durante un’esecuzione autonoma di 48 ore, Kimi K3 ha utilizzato strumenti open source di Electronic Design Automation e la libreria Nangate 45 nm per progettare un chip dedicato all’inferenza di un modello compatto basato sulla propria architettura. La simulazione avrebbe prodotto un circuito di circa 4 millimetri quadrati, con 1,46 milioni di celle standard, una matrice INT4 MAC e una velocità di decodifica simulata superiore a 8.700 token al secondo. Non si tratta di un processore pronto per la produzione industriale, ma di una dimostrazione significativa delle capacità emergenti degli agenti AI nella progettazione hardware.

L’evoluzione di Kimi K3 conferma una dinamica ormai evidente. La competizione globale non ruota più esclusivamente attorno ai chatbot più convincenti o ai benchmark linguistici. Architetture scalabili, compilatori proprietari, ottimizzazione dell’inferenza, progettazione di chip e disponibilità di modelli open weight stanno diventando elementi altrettanto decisivi. La distanza tra Stati Uniti e Cina rimane presente nelle infrastrutture e nella disponibilità di semiconduttori avanzati, ma sul piano della ricerca algoritmica il vantaggio competitivo appare sempre più sottile, alimentando una competizione destinata a intensificarsi nei prossimi anni.