Moonshot AI ha rilasciato Kimi K3. 2,8 trilioni di parametri — sì, quella cifra che fa girare la testa. È il primo modello open della classe 3T, e non è solo grande: è progettato per fare lavoro vero su coding complesso, knowledge work e ragionamento a lungo raggio.
Chiariamoci subito: non batte i campioni proprietari. Claude Fable 5 e GPT 5.6 Sol rimangono in testa. Ma K3 ha dimostrato performance di frontiera in quasi tutti i benchmark testati, superando costantemente gli altri modelli aperti.
Un salto architetturale, non solo di scala
Dietro quei 2,8T parametri c’è roba seria. Kimi K3 si basa su due innovazioni chiave: Kimi Delta Attention (KDA) e Attention Residuals (AttnRes), progettate per far fluire meglio le informazioni su sequenze lunghe e modelli profondi. Tradotto: non è solo più grosso, è costruito meglio.
Il sistema usa Mixture of Experts (MoE) con un livello di sparsità estremo: attiva 16 esperti su 896. Sì, avete letto bene. Questo approccio, abbinato a Stable LatentMoE, porta un miglioramento di efficienza di circa 2,5× rispetto a Kimi K2. Convertire compute in intelligenza — questa è la partita vera.
E poi c’è la context window: 1 milione di token nativi, con capacità vision integrate. Apache 2.0 come licenza, che tradotto significa: prendetelo e fateci quello che volete, anche commercialmente.
Coding: dove K3 brilla davvero
Qui il modello fa sul serio. K3 può gestire sessioni di engineering lunghe con supervisione minima umana, navigare repository giganteschi, orchestrare strumenti da terminale. Ma la cosa interessante è come combina software engineering e ragionamento visivo — usa screenshot e visual per ottimizzare game dev, frontend, CAD.
Kernel optimization: competere con i big
Hanno testato K3 su ottimizzazione di kernel GPU. Sandbox identiche, 24 ore di tempo massimo per profilare, riscrivere e benchmarkare quattro task su NVIDIA H200 e GPGPU alternativi. Risultato? K3 ha performato in modo competitivo con Fable 5 (con fallback) e ha surclassato Opus 4.8, GPT 5.6 Sol e GPT 5.5.
Il dettaglio interessante: nelle fasi finali dello sviluppo di K3, una versione early del modello ha gestito la maggior parte del lavoro di ottimizzazione kernel del team stesso. Inception-level stuff.
MiniTriton: costruire un compiler da zero
Hanno spinto oltre. K3 ha sviluppato MiniTriton, un compiler tipo-Triton completo con il suo IR layer tile-level su MLIR, pass di ottimizzazione e pipeline di generazione PTX. Performance? Alla pari o superiore rispetto a Triton e torch.compile su alcuni workload.
Ma il vero test è stato end-to-end: MiniTriton gestisce training nanoGPT con convergenza stabile, curva di loss praticamente identica al reference. Questo non è assemblare kernel isolati — è costruire un intero stack coherente da zero, e il path Tensor Core fatto from-scratch già rivaleggia con quello ottimizzato di Triton.
Game dev e chip design
K3 combina ragionamento 3D, coding e vision per trasformare concept, immagini e video in esperienze interattive giocabili. ‘Vision in the loop’ vero: itera tra codice e screenshot live, vede e raffina output istantaneamente.
E poi c’è il proof of concept che fa impressione: K3 ha progettato un chip per servire un nano model basato sulla sua stessa architettura. Run autonomo di 48 ore, usando tool EDA open-source su libreria Nangate 45nm. 4 mm², timing chiuso a 100 MHz, oltre 8.700 token/s di throughput decode in simulazione. 1,46M celle standard, 0,277 MB di SRAM, array MAC INT4 con dequantizzazione fusa. Un chip costruito da un modello, per un modello.
Knowledge work e ricerca scientifica
Kimi K3 fa da ponte tra letteratura scientifica e codice eseguibile, implementando, validando e analizzando workflow di ricerca computazionale complessi in autonomia.
Un caso concreto: riprodurre le relazioni universali I–Love–Q in astrofisica computazionale. Tempo richiesto a un ricercatore esperto? Una o due settimane. K3 lo ha fatto in circa due ore. Ha revisionato e cross-validato oltre 20 paper, implementato l’intera pipeline numerica, valutato 300+ equazioni di stato, identificato inconsistenze in formule pubblicate, generato 3.000+ righe di Python, e prodotto una dashboard HTML interattiva per esplorare i risultati.
Report che sembrano consulenza vera
In Kimi Work, K3 può generare report di ricerca interattivi con visual navigabili. Un esempio: 42 anni di industria ASIC, creato attraverso 120+ round di auto-miglioramento ricorsivo. K3 trasforma evidenze in chart custom, diagrammi animati, narrative visuali interattive. Ha tirato dati via 2.800+ ricerche web e 1.100+ pull da terminale, attraverso 11.000+ pagine tra 87 report trimestrali e 99 PDF originali.
Altri esempi includono report sull’industria della fusione con timeline, Funnel Chart, Range Bar, Gantt Chart e slide publication-quality; analisi di 391 eventi gravitazionali da GWTC-5 usando 20+ subagent concorrenti, producendo 7 visualizzazioni scientifiche, 2 tabelle e sintesi letteraria da 10+ paper.
Video editing e motion design
L’architettura multimodale nativa di K3 capisce testo, immagini e video dentro lo stesso modello — il che lo rende particolarmente efficace su motion design, animazione e montaggio video.
Un esempio: K3 ha creato un explainer stile 3Blue1Brown della propria architettura, traducendo idee tecniche in diagrammi animati e transizioni. In un altro caso, ha editato il proprio teaser video da 56 clip sorgente — selezione clip, tagli motion-matched, sincronizzazione beat frame-accurate, processing audio, multiple revision. Un video high-density così richiederebbe uno o due giorni di lavoro a un editor esperto, tre-cinque a un principiante.
Infrastruttura: servire 2,8T parametri
Kimi K3 usa quantization-aware training dallo stage SFT in poi: pesi MXFP4 con attivazioni MXFP8 per compatibilità hardware ampia. Per evitare che lo sbilanciamento degli expert degradi il throughput a scale di expert-parallel grandi, hanno introdotto un metodo di training expert-parallel completamente bilanciato con shape statiche e zero sincronizzazione host sul percorso critico.
Raccomandazione deployment? Configurazioni supernode con 64+ acceleratori. E dato che KDA pone sfide nuove per il prefix caching convenzionale, hanno contribuito un’implementazione corrispondente alla community vLLM, che sarà rilasciata insieme al modello.
KDA con prefill cache permette di servire K3 a un prezzo token molto competitivo nonostante scala e contesto lungo. Parlando di prezzi: $0,30/MTok per input cache-hit, $3,00/MTok per cache-miss input, $15,00/MTok per output. Powered by architettura inference disaggregated di Mooncake, la Kimi API ufficiale raggiunge hit rate cache sopra il 90% su workload coding.
Disponibilità e accesso
K3 è disponibile oggi su Kimi.com, Kimi Work, Kimi Code e Kimi API. Al lancio usa max thinking effort di default — modalità low ed high effort arriveranno in update successivi. I pesi completi del modello saranno rilasciati entro il 27 luglio 2026. Report tecnico completo in arrivo.
Kimi Work introduce due feature nuove: Widgets e Dashboard. Widget ti permette di generare componenti interattivi direttamente in chat, con connessioni a dati locali o plugin esterni per update continui. Dashboard porta i widget che ti interessano di più in una vista persistente e personalizzata organizzata attorno a topic, progetto o goal.
Benchmark: i numeri
Su DeepSWE, K3 raggiunge 67,3 (harness KimiCode). Terminal-Bench 2.1, Program Bench, SWE Marathon, FrontierSWE, PostTrainBench, MLS Bench Lite, KCB 2.0 — in tutti questi K3 dimostra performance competitive o superiori rispetto ai modelli open concorrenti e spesso alla pari con alcuni proprietari.
Nei benchmark productivity/agentic come OfficeQA Pro e SpreadsheetBench 2 (dove ogni test case fornisce l’intero corpus PDF all’agent, con tutti i PDF renderizzati come immagini e zero testo machine-readable), MCP Atlas, AutomationBench, BrowseComp — K3 tiene il passo.
Su BrowseComp, con context-compaction strategy attivata a 300K token, K3 performa bene. Quando valutato con context window 1M token e nessuna gestione contesto, K3 raggiunge 90,4.
Limiti dichiarati (perché nessuno è perfetto)
Il team è onesto sui punti deboli. K3 è stato addestrato in preserved thinking history mode. Se l’harness agent non passa indietro tutto il contenuto thinking storico come richiesto, o se switchi a K3 nel mezzo di una sessione con un altro modello, la qualità di generazione può diventare molto instabile. Raccomandazione: usa harness con compatibilità verificata tipo Kimi Code, e evita switch mid-session.
Poi c’è l”eccessiva proattività’. Il training di K3 enfatizza task long-horizon e sfidanti. Risultato? Quando incontra problemi minori o intent utente ambiguo durante l’esecuzione, può prendere decisioni inaspettate per conto tuo. Se la tua applicazione richiede che l’agent operi dentro confini ben definiti senza improvvisazione eccessiva, imponi vincoli comportamentali più espliciti nel system prompt o in AGENTS.md.
E infine, la cosa importante: nonostante sia un modello altamente competitivo overall, K3 mostra comunque un gap notevole in user experience rispetto a Claude Fable 5 e GPT 5.6 Sol. Non è il migliore in assoluto. Ma per un modello open? È un salto.
