Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Moonshot AI ha piazzato un colpo che conta. Con 1.679 punti nella Frontend Code Arena, il nuovo modello Kimi K3 supera Claude Fable 5 (1.631 punti) e GPT-5.6 Sol (1.618 punti) nella generazione di interfacce web valutata dagli utenti. È la prima volta che un sistema cinese conquista la vetta di questo benchmark. Il risultato arriva lo stesso weekend in cui Alibaba ha presentato Qwen3.8, un modello da 2,4 trilioni di parametri che l'azienda descrive come secondo solo a Fable 5. Due rilasci ravvicinati che accorciano la distanza tra i laboratori cinesi e quelli americani, proprio mentre Washington tenta di rallentare Pechino con i controlli sull'export dei chip.
La vittoria nella Frontend Code Arena non racconta però tutta la storia. Su FrontierMath Tier 4, il benchmark che misura le capacità di ragionamento matematico più avanzato, Kimi K3 raggiunge appena il 39% di accuratezza. I modelli di OpenAI e Anthropic, in alcuni casi, sfiorano il 90%. È uno scarto che separa un sistema eccellente nella programmazione visiva e iterativa da uno ancora acerbo quando il problema richiede astrazione matematica pura. La stessa Moonshot ammette, nel documento tecnico di presentazione, che Kimi K3 resta complessivamente dietro a Fable 5 e GPT-5.6 Sol per qualità dell'esperienza e prestazioni generali.
Quanto è grande Kimi K3 — e perché non gira su un PC normale
Kimi K3 è un modello open-weight da 2,8 trilioni di parametri, il più grande mai reso disponibile al pubblico con questa licenza. L'architettura è una Mixture of Experts chiamata Stable LatentMoE: su 896 esperti totali, solo 16 vengono attivati durante l'inferenza. Questo meccanismo di routing selettivo consente al modello di scalare senza attivare l'intera rete a ogni token, migliorando l'efficienza di circa 2,5 volte rispetto al predecessore Kimi K2.
I numeri impressionano, ma il deployment locale è tutt'altro che democratico. Moonshot raccomanda configurazioni supernode con almeno 64 acceleratori. Tradotto: il modello è scaricabile e modificabile, ma per eseguirlo serve un'infrastruttura da data center, non una workstation.
La finestra di contesto arriva a 1 milione di token, abbastanza per contenere repository estesi, documentazione, schermate e cronologie operative molto lunghe. Due innovazioni sostengono questa capacità: Kimi Delta Attention (KDA), progettata per rendere efficiente l'elaborazione delle sequenze lunghe, e Attention Residuals (AttnRes), che modifica il recupero delle rappresentazioni tra gli strati della rete selezionando solo le informazioni più utili al passaggio successivo.
Dove Kimi K3 eccelle — e dove no
Il dominio nella Frontend Code Arena è il risultato più visibile. Il modello ha conquistato la prima posizione in sei delle sette categorie del benchmark, mostrando particolare efficacia quando la programmazione si combina con ragionamento visivo, interpretazione di screenshot e iterazione sull'interfaccia generata.
| Benchmark | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol |
|---|---|---|---|
| Code Arena: Frontend | 1.679 | 1.631 | 1.618 |
| FrontierMath Tier 4 | 39% | ~90% | ~90% |
La forbice tra coding frontend e matematica avanzata suggerisce un modello ottimizzato per compiti applicativi concreti — generare pagine, correggere interfacce, iterare su codice esistente — piuttosto che per il ragionamento teorico astratto. Durante una sessione dimostrativa di 48 ore, Kimi K3 ha progettato autonomamente un acceleratore simulato con circa 1,46 milioni di celle standard, capace di superare gli 8.700 token al secondo in decodifica. Numeri prodotti da Moonshot, non verificati da terzi, ma che indicano il tipo di carico per cui il modello è stato addestrato: obiettivi aperti, strumenti multipli, cicli ripetuti di progettazione e verifica.
Quanto costa e quando arrivano i pesi
Sul fronte commerciale, Kimi K3 è già accessibile via API e attraverso i servizi Kimi, Kimi Work e Kimi Code. Il listino ufficiale prevede 0,30 dollari per milione di token in input da cache, 3 dollari per l'input non in cache e 15 dollari per l'output. Moonshot dichiara che l'infrastruttura Mooncake supera il 90% di cache hit nei carichi di coding, abbattendo il costo effettivo nelle sessioni dove ampie porzioni di repository vengono riutilizzate.
I pesi completi del modello saranno pubblicati il 27 luglio 2026, una settimana dopo il lancio. L'apertura promette installazioni private e personalizzazioni, ma la scala del modello restringe il bacino realistico di utilizzatori a grandi aziende, laboratori di ricerca, governi e cloud provider.
Il contesto competitivo: non solo Moonshot
Il rilascio di Kimi K3 non arriva isolato. Nello stesso fine settimana, Alibaba ha mostrato in anteprima Qwen3.8, un modello da 2,4 trilioni di parametri che l'azienda definisce in continua evoluzione e già secondo solo a Fable 5. Entrambi i modelli saranno open-weight, entrambi puntano a ridurre il vantaggio dei sistemi proprietari americani.
Anche ipotizzando che il modello americano mantenga un vantaggio qualitativo in compiti generalisti, su carichi di coding dove la cache hit di Mooncake supera il 90% il risparmio operativo per chi adotta la soluzione cinese diventa strutturale. Non si tratta solo di prestazioni: è una guerra di prezzo combattuta con architetture ottimizzate e infrastruttura dedicata.
L'ondata open-weight cinese — dopo DeepSeek, ora Moonshot e Alibaba — sta cambiando il terreno di scontro. I laboratori americani continuano a competere sulla frontiera qualitativa, ma il costo per mantenere quel vantaggio si misura in decine di miliardi di dollari in data center e chip. Se i modelli aperti dalla Cina continuano ad avvicinarsi a una frazione del prezzo, la domanda non è più chi ha il modello migliore, ma per quanto tempo il modello migliore potrà giustificare il suo prezzo.
Fonti
