Moonshot AI ha presentato Kimi K3, un modello multimodale da 2,8 trilioni di parametri progettato per attività di programmazione prolungate, ragionamento complesso e gestione completa del lavoro basato sulla conoscenza. Con questa configurazione, Kimi K3 diventa il primo modello aperto appartenente alla classe dei 3 trilioni di parametri e supera nettamente, almeno in termini dimensionali, i precedenti sistemi cinesi LongCat 2.0 di Meituan e DeepSeek V4-Pro, entrambi fermi a circa 1,6 trilioni di parametri complessivi.
La dimensione del modello, tuttavia, non corrisponde al numero di parametri utilizzati per ogni elaborazione. Kimi K3 adotta infatti un’architettura Mixture of Experts fortemente sparsa, basata sul framework Stable LatentMoE, che attiva soltanto 16 esperti tra gli 896 disponibili. Il sistema può quindi distribuire le richieste verso componenti specializzate senza coinvolgere contemporaneamente l’intera rete, riducendo il carico computazionale rispetto a un modello denso della stessa dimensione.
L’architettura combina Kimi Delta Attention e Attention Residuals. Kimi Delta Attention è un meccanismo ibrido di attenzione lineare pensato per mantenere l’efficienza anche su sequenze molto estese, mentre Attention Residuals modifica il modo in cui vengono recuperate le rappresentazioni prodotte nei diversi livelli della rete. Invece di accumulare uniformemente tutte le informazioni lungo la profondità del modello, il sistema seleziona le rappresentazioni più utili per l’elaborazione in corso.
Moonshot AI ha affiancato a queste tecnologie altre soluzioni dedicate alla stabilità dell’addestramento e alla gestione di un numero così elevato di esperti. Quantile Balancing regola l’assegnazione delle richieste partendo direttamente dai quantili dei punteggi prodotti dal router, evitando aggiornamenti euristici e parametri di bilanciamento difficili da calibrare. Per-Head Muon applica invece l’ottimizzazione separatamente alle singole teste di attenzione, mentre Sigmoid Tanh Unit e Gated MLA migliorano rispettivamente il controllo delle attivazioni e la selettività del meccanismo di attenzione.
Il modello integra capacità visive native e dispone di una finestra contestuale da un milione di token. Può quindi lavorare nello stesso processo su testo, immagini, schermate, documenti, codice, risultati dei test e altre informazioni raccolte durante l’esecuzione. La combinazione tra contesto esteso e multimodalità è particolarmente importante nelle attività agentiche di lunga durata, nelle quali il modello deve conservare lo stato del lavoro, utilizzare strumenti esterni, controllare gli output intermedi e correggere autonomamente gli errori.
Rispetto a Kimi K2, le modifiche architetturali, i nuovi metodi di addestramento e l’evoluzione dei dati utilizzati avrebbero prodotto un miglioramento di circa 2,5 volte nell’efficienza complessiva di scaling. L’obiettivo non è soltanto aumentare il numero dei parametri, ma trasformare una maggiore quantità di calcolo in capacità operative utilizzabili, soprattutto nei compiti che richiedono numerosi passaggi consecutivi.
Kimi K3 è stato ottimizzato in particolare per la programmazione a lungo orizzonte. Con una supervisione umana limitata può esplorare repository molto estesi, coordinare strumenti da terminale, modificare il codice, eseguire test, analizzare gli errori e continuare il lavoro per sessioni prolungate. Le capacità visive permettono inoltre di inserire nel ciclo operativo schermate e risultati grafici, rendendo possibile un processo di “vision in the loop” nel quale il modello osserva l’interfaccia generata, individua le differenze rispetto al risultato atteso e interviene nuovamente sul codice.
Questa impostazione è stata applicata allo sviluppo frontend, alla creazione di videogiochi, alla modellazione tridimensionale e ai flussi CAD. Il modello può trasformare descrizioni, immagini o video di riferimento in esperienze interattive, controllando direttamente le schermate prodotte durante l’esecuzione e perfezionando progressivamente il risultato.
Moonshot AI ha valutato Kimi K3 anche nell’ottimizzazione dei kernel GPU. I modelli coinvolti hanno operato autonomamente in ambienti identici, con un massimo di 24 ore per analizzare, riscrivere e misurare quattro differenti attività basate su Attention Residuals, Kimi Delta Attention e kernel MLA con dimensione della testa pari a 512. I test sono stati eseguiti su GPU Nvidia H200 e su acceleratori general purpose forniti da un produttore alternativo. In questo scenario Kimi K3 ha ottenuto risultati competitivi con Claude Fable 5, valutato con un possibile meccanismo di fallback, e superiori a Claude Opus 4.8, GPT-5.6 Sol e GPT-5.5. Una versione preliminare del modello è stata utilizzata anche per svolgere gran parte del lavoro di ottimizzazione dei kernel necessario allo stesso sviluppo di Kimi K3.
Il sistema ha inoltre realizzato MiniTriton, un compilatore compatto simile a Triton costruito a partire da zero. MiniTriton comprende un proprio livello di rappresentazione intermedia basato su tile e costruito sopra MLIR, differenti passaggi di ottimizzazione e una pipeline per la generazione di codice PTX. Nei benchmark roofline supportati ha raggiunto prestazioni comparabili o superiori a Triton e torch.compile, superando Triton in alcuni carichi di lavoro. Il compilatore è stato utilizzato anche nell’addestramento end-to-end di nanoGPT, mantenendo una convergenza stabile e una curva di perdita vicina a quella dell’implementazione di riferimento.
Un’altra dimostrazione ha riguardato la progettazione di un chip dedicato all’esecuzione di un piccolo modello basato sull’architettura dello stesso Kimi K3. Durante una sessione autonoma durata 48 ore, il sistema ha progettato, ottimizzato e verificato il componente utilizzando strumenti EDA open source e la libreria Nangate a 45 nanometri. La simulazione ha prodotto un progetto inferiore a 4 millimetri quadrati, funzionante a 100 MHz e capace di superare gli 8.700 token al secondo in decodifica. Il chip include circa 1,46 milioni di celle standard, 0,277 MB di SRAM e un array INT4 MAC con dequantizzazione integrata.
Kimi K3 è stato sperimentato anche nella ricerca scientifica computazionale. Per riprodurre le relazioni universali I–Love–Q utilizzate in astrofisica, il modello ha esaminato e confrontato più di venti pubblicazioni, costruito l’intera pipeline numerica, valutato oltre 300 equazioni di stato, individuato incoerenze in alcune formule pubblicate e generato più di 3.000 righe di codice Python. Il lavoro si è concluso con una dashboard HTML interattiva e sarebbe stato completato in circa due ore, rispetto a un tempo stimato tra una e due settimane per un ricercatore esperto.
Le capacità del modello comprendono anche il lavoro documentale e analitico end-to-end. In una ricerca dedicata a 42 anni di evoluzione dell’industria degli ASIC, Kimi K3 ha eseguito più di 120 cicli di miglioramento ricorsivo, oltre 2.800 ricerche e recuperi dal Web e più di 1.100 operazioni di acquisizione dati tramite terminale. Il processo ha interessato più di 11.000 pagine, 87 relazioni trimestrali e 99 documenti PDF originali, trasformati in grafici personalizzati, diagrammi animati e visualizzazioni interattive.
Altri casi hanno riguardato la produzione di un rapporto in stile consulenziale sull’industria della fusione, completo di timeline, funnel chart, range bar, diagrammi di Gantt e presentazioni, e l’analisi di 391 eventi di onde gravitazionali appartenenti al catalogo GWTC-5. Quest’ultimo lavoro è stato distribuito tra più di venti sotto-agenti eseguiti parallelamente e ha prodotto sette visualizzazioni scientifiche, due tabelle e una sintesi della letteratura ricavata da oltre dieci studi.
All’interno di Kimi Work sono state introdotte anche le funzioni Widgets e Dashboard. I widget consentono di generare componenti interattivi direttamente nella conversazione e di collegarli a dati locali o plugin esterni per ricevere aggiornamenti continui. Dashboard permette invece di raccogliere questi componenti in una vista persistente e personalizzata, organizzata attorno a un progetto, un argomento o un obiettivo.
La multimodalità nativa viene utilizzata anche nel montaggio video e nella motion graphics. Kimi K3 ha creato una spiegazione animata della propria architettura con diagrammi e transizioni e ha montato autonomamente il proprio video promozionale partendo da 56 clip. Il processo ha incluso la selezione delle sequenze, i tagli basati sulla continuità del movimento, la sincronizzazione dei fotogrammi con il ritmo musicale, l’elaborazione audio e differenti cicli di revisione. Un montaggio ad alta densità di questo tipo richiederebbe normalmente uno o due giorni a un professionista e da tre a cinque giorni a un operatore meno esperto.
Sul piano dei benchmark, Moonshot AI riconosce che le prestazioni complessive di Kimi K3 rimangono inferiori ai sistemi proprietari più avanzati, identificati in Claude Fable 5 e GPT-5.6 Sol. Il modello ha tuttavia raggiunto risultati di fascia alta e, in differenti prove, ha superato altri sistemi statunitensi e cinesi. Nelle valutazioni indipendenti è arrivato al primo posto nella classifica di Arena dedicata alla costruzione di interfacce Web, mentre Vals AI lo ha collocato al secondo posto complessivo dietro Fable 5 e davanti a GPT-5.6 Sol. Artificial Analysis ha rilevato prestazioni comparabili a GPT-5.5 e Claude Opus 4.8, in particolare nelle attività complesse composte da numerosi passaggi.
I risultati ufficiali sono stati ottenuti utilizzando il livello massimo di ragionamento, con temperatura impostata a 1 e top-p pari a 1. A seconda del benchmark, i modelli sono stati eseguiti attraverso differenti ambienti agentici, tra cui Kimi Code, Claude Code e Codex. Questo elemento rende necessaria una lettura prudente dei confronti, perché il risultato finale può essere influenzato non soltanto dal modello, ma anche dagli strumenti, dai prompt operativi e dall’infrastruttura utilizzata per eseguire il test.
Nonostante la definizione di modello aperto, al momento del lancio non sono ancora disponibili tutti i pesi necessari per scaricare e distribuire autonomamente Kimi K3. Moonshot AI ha annunciato che la pubblicazione completa avverrà entro il 27 luglio 2026, insieme a ulteriori informazioni sull’architettura, sull’addestramento e sulle valutazioni contenute nel rapporto tecnico. Il modello è già utilizzabile attraverso Kimi.com, le applicazioni mobili per iOS, Android e HarmonyOS, Kimi Work, Kimi Code e l’API di Moonshot AI.
Kimi Work richiede la versione 3.1.0 o successiva ed è disponibile per Windows e computer Mac con Apple Silicon. Da Kimi Code è possibile selezionare il modello attraverso il comando /model, mentre gli sviluppatori possono richiamarlo dall’API utilizzando l’identificativo kimi-k3. Al lancio viene applicato automaticamente il massimo livello di elaborazione; modalità a basso e alto consumo di ragionamento saranno aggiunte negli aggiornamenti successivi.
Il prezzo dell’API è stato fissato a 0,30 dollari per milione di token di input già presenti nella cache, 3 dollari per milione di token di input non memorizzati e 15 dollari per milione di token generati in output. L’infrastruttura ufficiale utilizza Mooncake, un sistema di inferenza disaggregata che separa e coordina differenti fasi dell’elaborazione. Nei carichi di programmazione, Moonshot AI dichiara un tasso di utilizzo della cache superiore al 90 per cento.
Per preparare il modello all’inferenza su differenti acceleratori, l’addestramento supervisionato è stato eseguito adottando fin dall’inizio tecniche quantization-aware, con pesi MXFP4 e attivazioni MXFP8. Il sistema utilizza inoltre un metodo di parallelismo degli esperti completamente bilanciato, basato su forme statiche e privo di sincronizzazioni con l’host lungo il percorso critico.
Le dimensioni di Kimi K3 rendono comunque molto complessa l’installazione locale. Moonshot AI raccomanda configurazioni supernode con almeno 64 acceleratori, mentre l’esecuzione privata dell’intero modello potrebbe richiedere apparecchiature dal valore di centinaia di migliaia di dollari. L’apertura dei pesi garantisce quindi soprattutto la possibilità di ispezionare, modificare e distribuire il sistema su infrastrutture adeguate, ma non trasforma Kimi K3 in un modello facilmente eseguibile su workstation comuni.
Kimi Delta Attention introduce inoltre difficoltà specifiche nella gestione della prefix cache. Moonshot AI ha sviluppato un’implementazione compatibile con vLLM che verrà distribuita insieme ai pesi del modello. L’impiego della cache durante la fase di prefill dovrebbe ridurre il costo operativo delle richieste molto lunghe e rendere economicamente sostenibile l’accesso a una rete da 2,8 trilioni di parametri con una finestra contestuale da un milione di token.
Il lancio rafforza la posizione di Moonshot AI nella competizione internazionale sui modelli di frontiera. La società, sostenuta finanziariamente anche da Alibaba e Tencent, starebbe cercando circa 2 miliardi di dollari di nuovi capitali su una valutazione vicina ai 30 miliardi, anche in vista di una possibile quotazione a Hong Kong. La presentazione di Kimi K3 ha avuto conseguenze immediate sul mercato cinese, dove le azioni delle concorrenti Zhipu e MiniMax hanno registrato ribassi rispettivamente vicini al 28 e al 17 per cento.