Aggiornamento del 24 settembre 2026: dal 18 settembre Kimi K3 è disponibile anche su Amazon Bedrock, con contesto da 1 milione di token e cache esplicita dei prompt. Per chi lavora in Italia c'è un dettaglio che cambia tutto sulla privacy: i profili disponibili sono solo Global e USA. Più sotto trovi cosa significa e come usarlo.
Il 16 luglio 2026 la cinese Moonshot AI ha lanciato Kimi K3, e nel giro di 24 ore i mercati hanno reagito come non si vedeva dai tempi di DeepSeek: titoli AI e semiconduttori in calo e una domanda che rimbalzava ovunque, cioè se abbia ancora senso pagare cifre premium per i modelli chiusi americani.
Nel mio precedente articolo su Kimi K2.5 e i suoi 100 agenti in parallelo avevo già segnalato che Moonshot stava accelerando. Con K3 il salto è di categoria: parliamo del più grande modello a pesi aperti mai presentato. Vediamo cosa c'è sotto il cofano, cosa dicono i benchmark e soprattutto cosa cambia per te che sviluppi o gestisci progetti con l'AI.
Cos'è Kimi K3: le specifiche del gigante da 2.800 miliardi di parametri
Kimi K3 è il successore della famiglia K2 (K2, K2.5, K2.6, K2.7 Code) e il nuovo modello di punta di Moonshot AI, la startup di Pechino sostenuta da Alibaba. I numeri principali:
- 2.800 miliardi di parametri totali: circa il 75% in più di DeepSeek V4 Pro, fermo a 1.600 miliardi. Moonshot lo definisce il primo modello aperto della "classe 3T".
- Finestra di contesto da 1 milione di token: puoi passargli intere codebase o archivi documentali in un solo prompt.
- Capacità visive native: lavora su testo e immagini senza moduli esterni.
- Ragionamento sempre attivo: una modalità di thinking integrata, pensata per task lunghi e complessi.
- Due varianti al lancio: K3 Max per chat e task agentici, K3 Swarm Max per elaborazioni parallele su larga scala.
Al lancio K3 era disponibile tramite l'app Kimi, Kimi Code e le API di Moonshot, con il rilascio dei pesi promesso entro il 27 luglio. Oggi K3 viene distribuito come modello a pesi aperti anche da provider terzi come AWS.
Kimi K3 su Amazon Bedrock: cosa cambia per chi lavora in Italia
Dal 18 settembre 2026 Kimi K3 è su Amazon Bedrock, accanto a Kimi K2.5 e Kimi K2 Thinking. È la novità più utile per un'azienda, perché ti permette di usarlo dentro un'infrastruttura che probabilmente conosci già, con contratti e fatturazione AWS.
I punti chiave:
- Dati dentro il perimetro AWS: secondo AWS i dati dei clienti non vengono condivisi con Moonshot e non servono ad addestrare il modello. La conservazione zero dei dati è sempre attiva per l'inferenza.
- Cache esplicita dei prompt: K3 è il primo modello a pesi aperti su Bedrock a supportarla. Marchi il prefisso stabile (istruzioni del repository, definizioni dei tool, documenti) e le richieste successive pagano l'input a tariffa scontata. Serve un prefisso di almeno 1.024 token e la cache dura almeno 30 minuti.
- API compatibili con OpenAI: l'endpoint supporta Responses e Chat Completions, oltre alle API native Invoke e Converse di Bedrock.
- Funziona già con agenti open source come OpenCode, che ha un provider nativo per Bedrock.
Il dettaglio che conta per il GDPR: niente profilo europeo
Kimi K3 su Bedrock si usa tramite profili di inferenza tra regioni. Oggi ce ne sono due: Global, che instrada ogni richiesta in qualsiasi regione AWS commerciale del mondo e costa circa il 10% in meno, e US, che tiene l'elaborazione negli Stati Uniti. Un profilo che mantenga i dati in Europa non c'è.
Per un progetto con dati personali di clienti italiani questo significa trasferimento extra UE, da gestire con le garanzie previste dal GDPR. Per test interni, codice senza dati personali o documenti pubblici è un problema minore. Se invece ti serve che i dati restino in Europa, oggi le strade sono due: un modello aperto ospitato su infrastruttura europea o l'esecuzione in locale, come spiego nella guida su GLM-5.2 in locale.
L'architettura: come funziona un modello da 3T senza costi da 3T
Il segreto per gestire una taglia simile è l'architettura Mixture of Experts (MoE): per ogni token elaborato, K3 non attiva tutti i 2.800 miliardi di parametri ma seleziona solo 16 esperti su 896 disponibili. In pratica ottieni la conoscenza di un modello enorme con i costi di calcolo di uno molto più piccolo.
Moonshot dichiara anche un addestramento consapevole della quantizzazione dalla fase di fine-tuning in poi, con pesi MXFP4, e un'efficienza di scaling circa 2,5 volte superiore a Kimi K2. Sopra il MoE ci sono due innovazioni sviluppate internamente:
Kimi Delta Attention
Un meccanismo di attenzione lineare ibrida che riduce il costo di elaborazione dei contesti lunghi. È il componente che rende sostenibile la finestra da 1 milione di token, il vero punto di forza per chi lavora su sessioni di coding estese o documenti corposi.
Attention Residuals
Un sostituto delle connessioni residuali classiche che, secondo l'azienda, garantisce guadagni di scaling costanti. Insieme, le due tecniche migliorano l'efficienza di calcolo e permettono al modello di completare task di coding a lungo orizzonte con poca supervisione.
Benchmark: dove Kimi K3 vince e dove perde
Qui serve onestà, perché i titoli sensazionalistici sono circolati fin dal primo giorno. La situazione reale, incrociando i dati dichiarati da Moonshot con le valutazioni indipendenti, è questa.
Dove vince
- Batte Claude Opus 4.8 e GPT-5.5 su benchmark di coding e task agentici, cioè i modelli appena sotto le punte di Anthropic e OpenAI dell'epoca.
- Primo posto nelle arene di valutazione sulla costruzione di interfacce web, davanti ai modelli americani.
- Ottimizzazione di kernel GPU: Moonshot dichiara prestazioni competitive con Fable 5 e superiori a Opus 4.8 e GPT-5.6 Sol in questo ambito.
- Secondo posto assoluto nelle valutazioni indipendenti al momento del lancio, dietro solo a Claude Fable 5.
Dove perde
- Resta dietro Claude Fable 5 e GPT-5.6 Sol nelle prestazioni complessive, e lo ammette la stessa Moonshot.
- Da settembre il confronto è cambiato: sono usciti GPT-6 Astra, GPT-6 Sol, Claude Fable 5.1 e Claude Opus 5.5, quindi la distanza dalla frontiera chiusa va rimisurata.
- Limiti dichiarati da Moonshot: la qualità può diventare instabile se l'agente non restituisce al modello la cronologia del ragionamento, e con istruzioni ambigue può prendere decisioni inattese per conto dell'utente. Vanno messi vincoli espliciti nel prompt di sistema.
La sintesi corretta: K3 non è il nuovo re dell'AI, ma è stato il primo modello a pesi aperti a posizionarsi così vicino alla frontiera assoluta.
Quanto costa Kimi K3: il confronto prezzi
L'API di Moonshot per K3 parte da circa 3 dollari per milione di token in input e 15 dollari in output. Il quadro, ai listini del lancio:
- Kimi K3: 15 $ per milione di token in output, caro per gli standard cinesi ma di classe frontier.
- Claude Fable 5: circa 50 $ per milione in output, oltre 3 volte tanto.
- GLM-5.2 di Z.ai: 4,40 $ per milione in output.
- DeepSeek V4: 0,87 $ per milione in output.
Attenzione però al confronto di oggi: dal 22 settembre GPT-6 Sol costa 2 $ in input e 10 $ in output, meno di K3, e Claude Opus 5.5 costa 4 $ e 20 $. Il vantaggio di prezzo di K3 sui modelli americani di fascia media si è quindi ridotto molto. Ne parlo nel mio articolo su GPT-6 Sol e Luna.
La pressione competitiva cinese resta comunque uno dei freni più forti ai listini occidentali, come avevo analizzato parlando degli aumenti dei prezzi AI fino al 90%.
Il "Kimi moment": perché i mercati reagirono
La reazione delle borse di venerdì 17 luglio ricordava da vicino il "DeepSeek moment" del 2025: titoli AI e semiconduttori in forte calo, con gli investitori a chiedersi se la corsa agli investimenti miliardari in calcolo fosse ancora giustificabile quando un laboratorio cinese, con vincoli hardware ben noti, produceva risultati simili.
Il punto tecnico, sottolineato da diversi analisti: nonostante le restrizioni sull'accesso ai chip, lo scaling del pre-training abbinato all'innovazione architetturale continua a produrre salti di qualità nei modelli cinesi. I limiti sull'hardware rallentano, ma non fermano.
La domanda è stata tale che il 20 luglio Moonshot ha dovuto sospendere i nuovi abbonamenti per troppi utenti, e nel frattempo l'azienda risultava in trattativa per un nuovo round di finanziamento a una valutazione di 31,5 miliardi di dollari.
Cosa cambia per te: guida pratica per sviluppatori
Integrazione: compatibilità con l'SDK OpenAI
L'API di Kimi K3 è compatibile con l'SDK di OpenAI, sia da Moonshot sia da Bedrock. Se la tua applicazione usa già la libreria openai (Node.js, Python o PHP), ti basta cambiare base URL e chiave per fare un test comparativo. Un pomeriggio di lavoro per un benchmark interno sui tuoi casi d'uso reali.
Chi lo sta già usando in produzione
I modelli Kimi non sono un esperimento da laboratorio: Cursor ha usato Kimi per costruire Composer 2, il suo agente di coding; DoorDash delega task di livello più basso a Kimi K2.6; Thinking Machines ha usato K2.5 per generare dati di post-training del suo modello Inkling.
Quando ha senso valutarlo
- Coding agentico e sessioni lunghe: è il territorio dove K3 dichiara i risultati migliori, e la cache esplicita su Bedrock abbassa il costo delle sessioni ripetitive.
- Elaborazione di documenti enormi: il contesto da 1 milione di token evita chunking e RAG complessi in molti scenari.
- Generazione di interfacce web: primo posto nei benchmark dedicati al lancio.
- Già su AWS: se la tua infrastruttura è lì, provarlo non richiede un nuovo fornitore.
Le cautele da non dimenticare
Primo: per dati sensibili o clienti enterprise europei, verifica dove vengono elaborati i dati. Su Bedrock oggi non c'è un profilo europeo, e il GDPR non va in vacanza perché il modello è bravo. Se hai requisiti stringenti, l'esecuzione su infrastruttura europea o in locale è la strada più pulita.
Secondo: il contesto geopolitico è teso, con i legislatori USA che discutono limiti all'adozione di modelli cinesi e tensioni già emerse in passato, come nel caso delle accuse di Anthropic sulla distillazione di Claude. Se costruisci prodotti per il mercato americano, tienilo presente.
Terzo: 2.800 miliardi di parametri non girano sul tuo computer. Servire K3 in casa richiede infrastrutture serie, quindi per la maggior parte dei team la via realistica resta l'API di Moonshot o un provider come Bedrock. Se vuoi un quadro dei modelli cinesi più piccoli e gestibili, ho scritto una guida su i modelli cinesi e open source che consiglio.
Leggi anche
- Kimi K2.5: il Modello AI Cinese che Crea Siti con 100 Agenti
- AI cinese e open source: i modelli che consiglio nel 2026
- GPT-6 Sol e Luna: prezzi, differenze e quale scegliere
- Colibrì: GLM-5.2 da 744B in locale con 25 GB di RAM
- Prezzi AI +90%: perché paghi di più e come difenderti
Conclusione: il gap si è chiuso, la scelta si è aperta
Kimi K3 non ha detronizzato i modelli chiusi, ma ha cambiato le regole del gioco: la distanza tra il miglior modello aperto e la frontiera chiusa si misura in punti percentuali, non in generazioni. Con l'arrivo su Amazon Bedrock è diventato anche più semplice da provare in azienda. Resta il nodo europeo: finché non c'è un profilo che tiene i dati in UE, per i dati personali va usato con giudizio.
Se stai valutando quale modello AI integrare nel tuo progetto o vuoi capire se Kimi K3 può ridurre i costi della tua applicazione, contattami: analizziamo insieme i tuoi casi d'uso e costruiamo un benchmark su misura. E se parti da zero, dai un'occhiata ai miei servizi di sviluppo web app con integrazione AI.
