Moonshot AI ha pubblicato i pesi completi di Kimi K3 su Hugging Face insieme al rapporto tecnico disponibile su GitHub, undici giorni dopo il lancio del modello come servizio ospitato. Il rilascio è regolato dalla nuova Kimi K3 License e rende scaricabile un modello mixture-of-experts da 2,8 trilioni di parametri complessivi, dei quali 104 miliardi vengono attivati per ciascun token elaborato, con una finestra contestuale da un milione di token e supporto nativo per testo e immagini attraverso il codificatore visivo MoonViT-V2. Ogni token viene indirizzato verso 16 dei complessivi 896 esperti, una configurazione con cui Moonshot presenta Kimi K3 come il primo modello aperto appartenente alla classe dei tre trilioni di parametri.
L’architettura utilizza Kimi Delta Attention in 69 dei 93 livelli del modello, affiancandola a 24 livelli di gated latent attention, mentre il sistema denominato Attention Residuals recupera selettivamente le rappresentazioni generate a diverse profondità della rete anziché accumularle in modo uniforme. Secondo Moonshot, l’integrazione di questi componenti con il meccanismo di routing Stable LatentMoE ha prodotto un miglioramento di circa 2,5 volte nell’efficienza di scaling rispetto a Kimi K2, permettendo di aumentare la capacità complessiva del modello senza attivare tutti i parametri durante ogni passaggio di inferenza.
La Kimi K3 License concede gratuitamente il diritto di utilizzare, copiare, modificare, distribuire, concedere in sublicenza e vendere il software, oltre alla possibilità di eseguire, distribuire, addestrare ulteriormente o creare opere derivate a partire dai pesi. Le condizioni cambiano tuttavia al superamento di determinate soglie economiche: un operatore che offre Kimi K3 come “Model as a Service”, consentendo a soggetti terzi di accedere alle funzioni di inferenza o fine-tuning con un controllo significativo su input, parametri o dati di addestramento, deve stipulare un accordo separato con Moonshot quando il fatturato complessivo del licenziatario e delle società affiliate supera 20 milioni di dollari in un qualsiasi periodo consecutivo di dodici mesi.
Un prodotto o servizio commerciale che supera i 100 milioni di utenti attivi mensili oppure i 20 milioni di dollari di ricavi mensili deve inoltre mostrare in modo evidente il nome “Kimi K3” all’interno della propria interfaccia. Questi obblighi non si applicano agli impieghi esclusivamente interni, all’accesso effettuato attraverso i prodotti di Moonshot o tramite i partner di inferenza certificati, né ai prodotti che integrano il modello all’interno di una funzione specifica o si limitano a inoltrare le richieste verso un modello ospitato da un soggetto terzo. Un’impresa può quindi eseguire il fine-tuning di Kimi K3 sulla propria infrastruttura senza obblighi aggiuntivi, mentre un cloud provider che rivende su larga scala l’accesso all’inferenza deve ottenere un accordo commerciale con Moonshot prima di superare la soglia prevista dalla licenza.
La pubblicazione arriva mentre negli Stati Uniti prosegue il confronto sull’accesso ai modelli con pesi aperti. Il 24 luglio 2026 NVIDIA e Microsoft hanno sostenuto con una lettera congiunta lo sviluppo dell’open-weight AI, mentre Sam Altman ha presentato a legislatori e funzionari dell’amministrazione statunitense la successiva famiglia di modelli di OpenAI nello stesso giorno in cui Moonshot ha distribuito i pesi di Kimi K3. La disponibilità di un modello cinese scaricabile da 2,8 trilioni di parametri introduce così un nuovo riferimento tecnico nel dibattito sulle modalità di distribuzione, controllo e utilizzo dei modelli avanzati.
Prima della pubblicazione dei pesi, Artificial Analysis aveva assegnato a Kimi K3 un punteggio di 57 nell’Intelligence Index, collocandolo al terzo posto complessivo, allo stesso livello di Claude Opus 4.8 e GPT-5.5 e dietro Claude Fable 5 e GPT-5.6 Sol. Nello stesso indice, i principali modelli alternativi con pesi aperti risultavano più distanti, con GLM-5.2 a 51 punti e DeepSeek V4 Pro a 44.
I risultati più elevati riguardano le attività agentiche: Kimi K3 ha raggiunto 1.668 punti Elo nel benchmark GDPval-AA v2, rispetto ai 1.190 punti di Kimi K2.6, e ha ottenuto il primo posto su AutomationBench-AA con il 53%. Artificial Analysis ha calcolato un costo di 0,94 dollari per attività, vicino a quello di GPT-5.6 Sol e pari a circa la metà del costo registrato per Claude Opus 4.8.
Nei benchmark pubblicati direttamente da Moonshot, Kimi K3 raggiunge il 93,5% su GPQA Diamond e 91,2 punti su BrowseComp, anche se le note metodologiche indicano che i diversi modelli sono stati eseguiti utilizzando harness agentici differenti. La stessa Moonshot riconosce che le prestazioni complessive rimangono inferiori a Claude Fable 5 e GPT-5.6 Sol e segnala una distanza rispetto a entrambi anche sul piano dell’esperienza d’uso. La pubblicazione del checkpoint permette ora a sviluppatori e ricercatori di ripetere le valutazioni direttamente sui pesi, senza dipendere esclusivamente dall’infrastruttura e dalle configurazioni utilizzate dal fornitore.
L’esecuzione locale di Kimi K3 richiede comunque risorse hardware considerevoli. Moonshot raccomanda configurazioni supernode con almeno 64 acceleratori e indica vLLM, SGLang e TokenSpeed come motori di inferenza supportati. Poiché Kimi Delta Attention non è compatibile con i tradizionali sistemi di prefix caching, l’azienda ha sviluppato una propria implementazione della cache e l’ha integrata nel progetto vLLM insieme al rilascio del modello.
I pesi vengono distribuiti già quantizzati e il modello è stato sottoposto a quantization-aware training fin dalla fase di supervised fine-tuning, in modo da adattare l’addestramento alle successive condizioni di esecuzione con precisione numerica ridotta. Un altro requisito riguarda la gestione della cronologia: Kimi K3 è stato addestrato nella modalità definita “preserved thinking history”, che richiede all’harness di reinserire nella conversazione l’intero precedente messaggio dell’assistente, compresi il contenuto di ragionamento e le chiamate agli strumenti. La rimozione di queste informazioni, oppure il passaggio da un altro modello a Kimi K3 durante una sessione già avviata, può produrre risultati instabili.
L’API ospitata da Moonshot continua a costare 3 dollari per ogni milione di token in ingresso e 15 dollari per ogni milione di token in uscita, mentre gli input recuperati dalla cache costano 0,30 dollari per milione di token. Il rilascio dei pesi, della licenza e del rapporto tecnico offre ora un’alternativa all’utilizzo a consumo dell’API, consentendo di distribuire il modello su infrastrutture indipendenti e di verificare direttamente architettura, comportamento e risultati dichiarati da Moonshot.