Moonshot AI, la startup cinese di intelligenza artificiale, ha rilasciato i pesi del modello e il report tecnico di Kimi K3, il suo ultimo large language model. Il rilascio rende il sistema disponibile come download open-weight, consentendo a sviluppatori, imprese ed enti governativi con infrastrutture di calcolo sufficienti di distribuire, modificare e commercializzare il modello senza chiedere autorizzazione a Moonshot o dipendere dalla sua infrastruttura proprietaria di hosting.

Kimi K3 comprende 2,8 trilioni di parametri e il file completo dei pesi misura circa 1,4 terabyte quando compresso usando la quantizzazione MXFP4, un formato progettato per ridurre i requisiti di archiviazione mantenendo gran parte delle prestazioni di inferenza del modello. Sia per il numero totale di parametri sia per la dimensione della distribuzione, si tratta del più grande modello open-weight mai rilasciato al pubblico, un traguardo rilevante perché l’accesso a questa scala può spostare parte del dibattito competitivo da chi può addestrare il modello più grande a chi può gestirlo e integrarlo in modo più efficace.

Il rilascio arriva in un periodo di rapida compressione dei prezzi nell’industria dell’IA. Il prezzo API di Moonshot per Kimi K3 parte da $0.30 per milione di token per input memorizzato nella cache, inferiore a offerte come GPT-5.6 di OpenAI a $1 per milione di token e Muse Spark 1.1 di Meta a $1.25 e $4.25 per milione di token per le rispettive fasce di input e output. Eliminando del tutto il paywall API per le organizzazioni in grado di fare self-hosting, la distribuzione open-weight modifica il calcolo competitivo per i laboratori commerciali che attualmente addebitano l’accesso a modelli di scala comparabile, inclusi quelli che Moonshot è stata accusata di usare come riferimenti di addestramento.

Benchmark Performance and Technical Evaluation

Secondo le più recenti risultanze pubblicate dalla piattaforma indipendente di valutazione Arena AI, Kimi K3 (Max) si colloca al vertice delle capacità dei modelli open-weight. Nell’Agent Arena, che valuta i modelli su milioni di task agentici del mondo reale e di lungo orizzonte, Kimi K3 (Max) ha ottenuto un miglioramento netto del 9.75%, superando il precedente leader GLM-5.2 (Max) al 7.12%. Il modello ha ottenuto i primi posti in cinque diversi segnali di valutazione.

Big update: Among open-weight models, Kimi K3 (Max) is #1 in the Agent Arena with +9.75% net-improvement, surpassing GLM-5.2 (Max) at +7.12%, and landed the #1 spot across 5 signals (see below). Kimi K3 (Max) is also now #1 in open-weight in the Frontend Code (1682 pts) and Text… pic.twitter.com/YATt1LiNYh — Arena.ai (@arena) July 27, 2026

Big update: Among open-weight models, Kimi K3 (Max) is #1 in the Agent Arena with +9.75% net-improvement, surpassing GLM-5.2 (Max) at +7.12%, and landed the #1 spot across 5 signals (see below). Kimi K3 (Max) is also now #1 in open-weight in the Frontend Code (1682 pts) and Text… pic.twitter.com/YATt1LiNYh — Arena.ai (@arena) July 27, 2026

La metodologia Agent Arena concede ai modelli l’accesso a strumenti di web search, filesystem e terminale per eseguire workflow complessi, tra cui generazione di codice, creazione di presentazioni, ricerca sul web, sviluppo di applicazioni e analisi di documenti. Arena AI utilizza una metodologia di causal tracing per misurare il miglioramento netto, quantificando il vantaggio prestazionale di un modello rispetto al partecipante medio del benchmark.

Oltre all’esecuzione di task agentici, il modello AI ha rivendicato la posizione di leadership tra i modelli open-weight in ambiti tecnici specializzati, ottenendo 1,682 punti nel Frontend Code Arena e 1,485 punti nel Text Arena. I risultati suggeriscono che la notevole scala architetturale del modello si traduce in capacità misurabili sia nell’esecuzione autonoma di workflow multi-step sia nei task di generazione di contenuti specifici per dominio, rafforzandone la posizione nell’ecosistema open-weight.

L’articolo Moonshot AI Releases Kimi K3 Model Weights, Largest Open-Weight AI To Date è apparso per la prima volta su Metaverse Post.