Moonshot AI pubblica i pesi di Kimi K3: 2,8 trilioni di parametri, licenza, requisiti e benchmark

Kimi K3 è un modello Mixture-of-Experts nativamente multimodale con:

• 2,8 trilioni di parametri totali,
• 104 miliardi di parametri attivati per ogni token,
• 896 esperti, dei quali ne vengono selezionati 16,
• un contesto di 1.048.576 token,
• supporto per testo, immagini e, secondo la documentazione API, video,
• un repository di circa 1,56 TB.^[2][3]

Moonshot AI definisce Kimi K3 open source. Nel significato rigoroso adottato dalla Open Source Initiative, tuttavia, open-weight è più preciso. Sono stati pubblicati parametri finali, codice e documentazione, ma Kimi K3 usa una licenza personalizzata con condizioni aggiuntive per alcuni usi commerciali. La disponibilità dei pesi non offre inoltre, da sola, la trasparenza completa del processo e dei dati di training richiesta dalla Open Source AI Definition.^[4][5][6]

Conclusione principale: Kimi K3 è realmente scaricabile, modificabile, fine-tunable e self-hosted, ma non è un modello che un’azienda media possa eseguire su un singolo server GPU. La pubblicazione apre importanti opportunità di ricerca e infrastruttura; dimensioni e licenza richiedono però un’analisi attenta prima della produzione.

Tutti i parametri, prezzi, termini di licenza e informazioni sulla disponibilità sono stati verificati il 27 luglio 2026.

TL;DR

Domanda	Risposta
Cosa è successo il 27 luglio?	Sono stati pubblicati pesi completi, repository, licenza e report tecnico
Il modello ha debuttato quel giorno?	No, modello e API erano già disponibili
Kimi K3 è open source?	Moonshot usa il termine, ma open-weight con licenza propria è più preciso
Quanti parametri ha?	2,8 trilioni totali, 104 miliardi attivi
Quale architettura usa?	MoE, KDA, Gated MLA, AttnRes e Stable LatentMoE
Quanti esperti?	896, 16 selezionati per token, più 2 shared experts
Quanto è lungo il contesto?	1.048.576 token
Quanto pesano i file?	Circa 1,56 TB
Quanti shard principali?	96 file Safetensors
Può essere eseguito localmente?	Tecnicamente sì, ma non su un normale computer o una sola GPU
Cosa consiglia il produttore?	Supernode con almeno 64 acceleratori
È consentito l’uso commerciale?	Sì, secondo la Kimi K3 License
Prezzo API?	0,30 USD/MTok cache hit, 3 USD/MTok cache miss, 15 USD/MTok output
Si può disattivare il reasoning?	No
Livelli reasoning?	low, high, max, predefinito max
I benchmark sono indipendenti?	Non tutti; parte dei risultati proviene da Moonshot AI

1. Cosa è stato pubblicato?

Il repository ufficiale moonshotai/Kimi-K3 su Hugging Face contiene:

• pesi completi,
• configurazione del modello,
• codice di caricamento e processing,
• tokenizer e file del processor,
• esempi Transformers, vLLM e SGLang,
• model card,
• Kimi K3 License.^[2]

Il repository GitHub ufficiale include anche:

• codice e documentazione,
• report k3_tech_report.pdf,
• istruzioni di deployment,
• descrizione di architettura ed evaluation.^[3][7]

Il repository dei pesi misura circa 1,56 TB. I parametri sono divisi in 96 file Safetensors, da:

model-00001-of-000096.safetensors

a:

model-00096-of-000096.safetensors

La maggior parte degli shard pesa circa 16,6–17 GB.^[8]

Non è un annuncio futuro: i file sono presenti e scaricabili.

2. Open source o open-weight?

Moonshot AI usa espressioni come:

• “open model”,
• “open-source model”,
• “Open Frontier Weights”.

La model card Hugging Face chiama esplicitamente Kimi K3 open-weight.^[2]

Cosa sono i pesi aperti?

I pesi sono i parametri finali appresi durante il training. Pubblicarli consente di:

• eseguire il modello fuori dall’infrastruttura del vendor,
• fare fine-tuning,
• creare quantizzazioni,
• analizzare il comportamento,
• costruire server di inferenza,
• integrare il modello senza inviare prompt all’API ufficiale.

Non rende automaticamente riproducibile tutto il processo di sviluppo.

Perché OSI distingue open weights e Open Source AI?

La Open Source Initiative spiega che i soli pesi finali non garantiscono accesso completo a:

• dati o informazioni sufficienti sui dati di training,
• tutto il codice di preparazione,
• configurazione completa di training,
• elementi necessari a riprodurre un sistema sostanzialmente equivalente.^[5][6]

La Open Source AI Definition richiede libertà di:

1. usare,
2. studiare,
3. modificare,
4. condividere,

oltre all’accesso alla forma preferita necessaria per modificare realmente il sistema.^[6]

La Kimi K3 License è approvata da OSI?

Il repository usa una Kimi K3 License personalizzata, non Apache-2.0, MIT o altra licenza standard OSI.

Concede ampi diritti di:

• utilizzo,
• copia,
• modifica,
• pubblicazione,
• distribuzione,
• sublicenza,
• vendita,
• deployment,
• fine-tuning,
• creazione di opere derivate.^[4]

Aggiunge però condizioni per alcune entità commerciali. La formulazione più prudente è:

Kimi K3 è un modello open-weight pubblicato sotto la Kimi K3 License.

Non significa che sia “chiuso”, ma l’etichetta open source richiede precisazioni legali e tecniche.

3. Parametri principali

Parametro	Kimi K3
Architettura	Mixture-of-Experts
Parametri totali	2,8 trilioni
Parametri attivati	104 miliardi
Layer	93
Layer dense	1
Layer di attention	69 KDA + 24 Gated MLA
Esperti	896
Esperti per token	16
Esperti condivisi	2
Vocabolario	160.000
Contesto	1.048.576 token
Encoder immagine	MoonViT-V2
Parametri vision encoder	401 milioni
Pesi	MXFP4
Attivazioni	MXFP8
Modalità model card	testo e immagine
Modalità API aggiuntiva	video
Dimensione repository	circa 1,56 TB
Shard Safetensors	96

I dati provengono dalla model card ufficiale.^[2]

2,8 trilioni non significa 2,8 trilioni attivi

Kimi K3 è MoE. Non utilizza tutti gli esperti per ogni token.

Il router seleziona 16 esperti su 896 e la documentazione indica 104 miliardi di parametri attivati. Questo aumenta la capacità senza replicare esattamente il costo computazionale di un modello dense 2,8T.

I costi hardware non diventano però quelli di un comune modello 100B: tutti i pesi devono essere memorizzati e distribuiti.

4. KDA, AttnRes e Stable LatentMoE

Kimi Delta Attention

KDA è un meccanismo ibrido di linear attention per sequenze lunghe.

Il modello include:

• 69 layer KDA,
• 24 layer Gated MLA.^[2]

La linear attention può ridurre parte dei costi della full attention sui contesti lunghi, ma non rende economico un contesto da un milione di token.

Attention Residuals

AttnRes modifica il trasferimento delle rappresentazioni fra layer. Secondo Moonshot AI, recupera selettivamente informazioni da profondità differenti anziché accumularle in modo uniforme.^[1]

Stable LatentMoE

Stable LatentMoE permette di scalare a 896 esperti attivandone 16. Moonshot AI dichiara una miglioria di circa 2,5× nell’efficienza generale di scaling rispetto a Kimi K2.^[1][2]

È una dichiarazione del produttore, non una garanzia di API 2,5× più veloce, economica o accurata.

MXFP4 nativo

Kimi K3 è stato addestrato tenendo conto della quantizzazione dalla fase di supervised fine-tuning:

MXFP4 per i pesi
MXFP8 per le attivazioni

L’obiettivo è ridurre memoria e difficoltà di deployment.^[2] Il repository rimane comunque vicino a 1,56 TB.

5. Si può eseguire Kimi K3 localmente?

Sì, se “localmente” significa in un’infrastruttura privata di grande scala.

La versione completa non è pensata per:

• laptop,
• workstation con GPU consumer,
• un server con una o poche GPU,
• piccoli homelab.

Moonshot AI raccomanda supernode con almeno 64 acceleratori. Vanno considerati:

• pesi,
• KV cache,
• contesto da un milione,
• comunicazione fra esperti,
• expert parallelism,
• banda fra dispositivi,
• prefix cache,
• margine memoria del runtime.^[1]

Memoria effettiva

I pesi quantizzati occupano già circa 1,56 TB. Servono inoltre:

• overhead del framework,
• cache,
• attivazioni,
• buffer di comunicazione,
• sistema operativo,
• riserva per concorrenza.

Dividere 1,56 TB per la memoria di una scheda non produce una configurazione pronta per la produzione.

Engine raccomandati

La model card indica:

• vLLM,
• SGLang,
• TokenSpeed.^[2]

Sono mostrati anche Transformers e Docker Model Runner. Il comando:

vllm serve "moonshotai/Kimi-K3"

non garantisce l’esecuzione su qualunque hardware.

Per chi ha senso il self-hosting?

• hyperscaler e provider di inferenza,
• laboratori di ricerca,
• grandi aziende con cluster AI,
• organizzazioni con dati molto sensibili,
• aziende che creano fine-tune e quantizzazioni,
• servizi di inferenza su larga scala.

Per la maggior parte dei team, l’API ufficiale è più economica.

6. Cosa permette la licenza?

La Kimi K3 License consente gratuitamente di:

• usare,
• copiare,
• modificare,
• unire,
• pubblicare e distribuire,
• sublicenziare,
• vendere copie,
• eseguire e distribuire,
• fare fine-tuning,
• creare soluzioni derivate.^[4]

Copyright e testo della licenza devono essere mantenuti.

Condizione Model as a Service

La licenza definisce Model as a Service come fornitura di inferenza o fine-tuning a terzi dando loro controllo materiale su input, parametri o dati di training.

Se il licenziatario o le affiliate:

1. gestiscono un’attività Model as a Service,
2. superano 20 milioni USD di ricavi combinati in qualsiasi periodo consecutivo di 12 mesi,

devono stipulare un accordo separato con Moonshot AI prima dell’uso commerciale.^[4]

La soglia riguarda i ricavi complessivi del licenziatario e delle affiliate, non soltanto quelli generati da Kimi K3.

Obbligo di mostrare Kimi K3

Se il modello o un derivato viene usato in un prodotto o servizio commerciale con:

• oltre 100 milioni di utenti attivi mensili, oppure
• oltre 20 milioni USD di ricavi mensili,

il nome “Kimi K3” deve essere visibile nell’interfaccia.^[4]

Eccezioni

Le condizioni MaaS e attribuzione non si applicano:

• all’uso interno senza esposizione a terzi,
• ai prodotti ufficiali Moonshot AI,
• ai partner certificati di inferenza.^[4]

Cosa deve verificare un’azienda?

• uso interno o esterno,
• controllo dato al cliente,
• ricavi consolidati,
• soglie MAU e ricavi,
• obbligo di attribuzione,
• necessità di accordo separato.

Questo articolo non è consulenza legale.

7. Cosa non è stato pubblicato?

I materiali ufficiali includono:

• pesi finali,
• parte del codice,
• configurazione architetturale,
• codice di inferenza e processor,
• descrizione tecnica,
• risultati di evaluation.

Non dimostrano la pubblicazione del dataset completo o di tutti i dettagli necessari a riprodurre l’addestramento da zero.

Kimi K3 è molto più aperto di un’API chiusa, ma non offre piena riproducibilità secondo OSI.^[5][6]

8. API e prezzi

Identificatore:

kimi-k3

L’API è compatibile con OpenAI Chat Completions.

Prezzi

Tipo token	Prezzo per milione
Input con cache hit	0,30 USD
Input con cache miss	3,00 USD
Output	15,00 USD

I prezzi provengono da Moonshot AI e possono escludere le imposte.^[1]

Moonshot AI dichiara oltre il 90% di cache hit nei workload di coding. Non è una garanzia per ogni cliente.^[1]

Ricarica minima

L’accesso API si sblocca dopo una ricarica di almeno 1 USD. Tier e limiti dipendono dalle ricariche cumulative.^[9]

9. Prima chiamata Python

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

response = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="high",
    max_completion_tokens=8_192,
    messages=[
        {
            "role": "user",
            "content": (
                "Analizza l’architettura del progetto e prepara "
                "un piano di migrazione sicuro."
            ),
        }
    ],
)

message = response.choices[0].message
print(message.content)

cURL

curl https://api.moonshot.ai/v1/chat/completions \
  --header "Authorization: Bearer $MOONSHOT_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "kimi-k3",
    "reasoning_effort": "high",
    "max_completion_tokens": 8192,
    "messages": [
      {
        "role": "user",
        "content": "Analizza questo problema e proponi una soluzione."
      }
    ]
  }'

10. Reasoning sempre attivo

Kimi K3 usa sempre reasoning. Non esiste un parametro che lo disattivi completamente.^[9][10]

Livelli:

low
high
max

Predefinito:

max

Per gran parte del traffico di produzione conviene provare prima low o high.

reasoning_content

La risposta può includere separatamente:

• reasoning_content,
• content finale.

In streaming arrivano come chunk distinti.^[9][10]

Non bisogna automaticamente:

• mostrare reasoning all’utente,
• conservarlo senza limiti,
• inviarlo a log con dati personali,
• considerarlo un audit affidabile.

Preserved Thinking

Nelle conversazioni multi-turn e tool calling, la richiesta successiva deve includere:

• reasoning_content,
• content,
• tool_calls.

Conservare soltanto content non basta.^[10]

Il reasoning storico consuma contesto ed è fatturato.

11. Limiti e differenze API

Output massimo

predefinito: 131.072 token
massimo: 1.048.576 token

Il massimo tecnico non implica costi o latenza bassi.

Parametri fissi

temperature = 1.0
top_p = 0.95
n = 1
presence_penalty = 0
frequency_penalty = 0

La documentazione consiglia di ometterli.

Immagini e video

Gli URL pubblici delle immagini non sono supportati. Bisogna usare:

• base64,
• ms://<file-id>.

La documentazione mostra anche file video attraverso il file system Moonshot.^[9]

Web search

La funzione ufficiale è in aggiornamento e non è attualmente raccomandata per workflow di produzione.^[9]

12. Contesto da un milione e cache

1.048.576 token

Può aiutare con:

• grandi repository,
• documentazione enterprise,
• molti file,
• sessioni agentiche lunghe,
• ricerca multistadio.

Cache automatico

Il prefix cache funziona automaticamente. Non richiede ID o TTL.

Il prompt precedente deve superare 256 token per tentare un cache hit.^[9]

Bisogna mantenere un prefisso stabile, mettere la parte variabile alla fine e misurare il cache reale.

Un milione di token non garantisce memoria perfetta, retrieval completo o resistenza alla prompt injection.

13. Tool calling e agenti

Kimi K3 supporta:

• tool personalizzati,
• tool_choice,
• uso forzato,
• structured output con JSON Schema,
• Partial Mode,
• definizioni dinamiche,
• Formula tools.^[9]

Tool dinamici

La definizione può essere aggiunta più avanti nella cronologia, riducendo lunghezza, errori e superficie di permessi.

Il server non la conserva per il client: il messaggio deve rimanere nella cronologia futura.

Structured output

response_format = {
    "type": "json_schema",
    "json_schema": {
        "name": "finding",
        "strict": True,
        "schema": {
            "type": "object",
            "properties": {
                "severity": {
                    "type": "string",
                    "enum": ["low", "medium", "high", "critical"],
                },
                "summary": {"type": "string"},
            },
            "required": ["severity", "summary"],
            "additionalProperties": False,
        },
    },
}

Va analizzato message.content, non reasoning_content.^[9]

14. Kimi Code e sviluppo

Moonshot AI posiziona K3 per:

• task lunghi di coding,
• grandi repository,
• coordinamento terminal,
• refactoring,
• frontend da screenshot,
• GPU kernel, compiler, CAD e chip design.^[1][2]

Kimi Code può:

• leggere e modificare file,
• eseguire comandi,
• cercare,
• recuperare pagine web,
• pianificare,
• lavorare tramite TUI,
• integrarsi via Agent Client Protocol.^[11]

Installazione

curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

cd /percorso/del/progetto
kimi

Poi:

/model

e selezionare Kimi K3.

Le operazioni read-only possono essere automatiche; modifiche ed esecuzione di comandi richiedono conferma nella configurazione standard.^[11]

Restano necessari sandbox, least privilege, protezione dei secret, review e blocco dell’auto-deployment.

15. Come leggere i benchmark

Risultati ufficiali selezionati con effort max:

Benchmark	Kimi K3
GPQA Diamond	93,5
DeepSWE	67,5
ProgramBench	77,8
Terminal-Bench 2.1	88,3
FrontierSWE	81,2
SWE-Marathon	42,0
BrowseComp	91,2
MCPMark-Verified	94,5
OSWorld-Verified	84,8
AutomationBench	30,8

Non è possibile creare un ranking semplice perché cambiano:

• harness,
• livelli reasoning,
• configurazioni agenti,
• fonti,
• date leaderboard,
• numero di run,
• gestione del contesto.

In Agents’ Last Exam, Kimi K3 usava Kimi Code, GPT usava Codex e Claude usava Claude Code.^[2]

Moonshot AI ammette che la performance generale di K3 rimane dietro Claude Fable 5 e GPT-5.6 Sol.^[1]

Un POC aziendale dovrebbe usare 50–200 task propri, strumenti identici, più run e costo per task completato.

16. Multimodalità

La model card conferma testo e immagine; l’API mostra anche il video.^[2][9]

Applicazioni:

• analisi screenshot,
• correzione UI,
• grafici,
• coding da riferimenti visivi,
• registrazioni schermo,
• motion design e video editing.

Le demo del produttore non sono una garanzia. Vanno testati lettura testo, localizzazione elementi, coerenza fra frame, costi e privacy.

17. Sicurezza, privacy e governance

Vantaggi self-hosting

• dati in infrastruttura controllata,
• telemetria esterna disattivabile,
• filtri e policy propri,
• controllo versione,
• rete limitata,
• security test interni.

Nuove responsabilità

• protezione cluster ed endpoint,
• isolamento tenant,
• monitoring abusi,
• validazione codice generato,
• protezione dei pesi,
• aggiornamento runtime,
• gestione vulnerabilità vLLM/SGLang,
• governance log e reasoning,
• rate limit e circuit breaker.

Le fonti usate non includono un audit indipendente e completo. I settori regolamentati devono testare prompt injection, data exfiltration, jailbreak, codice dannoso, allucinazioni, documenti malevoli ed escalation dei tool.

18. Self-hosting o API?

Criterio	Self-hosting	API ufficiale
Costo iniziale	molto alto	basso
Infrastruttura	cluster multi-acceleratore	nessun cluster
Controllo dati	massimo	secondo i termini
Aggiornamenti	responsabilità interna	gestiti
Fine-tuning	pieno controllo	dipende dall’offerta
Scaling	responsabilità interna	gestito
Cache	implementazione propria	automatico
Tempo deployment	lungo	breve
Licenza	richiede analisi	eccezioni per prodotti ufficiali
Team piccolo	spesso non conveniente	generalmente migliore

L’API è adatta a POC, carico variabile e integrazione rapida. Self-hosting ha senso con dati vincolati, cluster esistente, uso stabile e competenze distributed inference.

19. Vale la pena distribuire Kimi K3?

Sì, se:

• serve un enorme modello self-hostable,
• l’infrastruttura esiste,
• si studiano modelli 3T,
• si costruisce un provider di inferenza,
• multimodalità e contesto lungo sono importanti,
• dominano task agentic coding lunghi,
• si vogliono fine-tune e quantizzazioni proprie.

Non necessariamente, se:

• esiste un solo server GPU,
• le richieste semplici richiedono bassa latenza,
• un’API più economica è già sufficiente,
• reasoning deve essere disattivabile,
• è necessaria una licenza Apache o MIT,
• serve riproducibilità completa del training,
• manca un team distributed inference.

20. Verdetto

La pubblicazione dei pesi completi di Kimi K3 è importante.

Il modello offre:

• 2,8 trilioni di parametri,
• 104 miliardi attivi,
• multimodalità nativa,
• contesto da un milione,
• architettura MoE con 896 esperti,
• focus su coding e task agentic lunghi.

Tre fatti vanno separati:

1. Kimi K3 era stato presentato prima.
2. Pesi e materiali tecnici sono stati pubblicati il 27 luglio.
3. È open-weight con licenza propria, non inequivocabilmente Open Source AI secondo OSI.

Per ricerca e provider di inferenza è un rilascio prezioso. Per un’azienda tipica, 1,56 TB e almeno 64 acceleratori lo rendono un progetto infrastrutturale.

Strategia consigliata:

Prima:
POC tramite API ufficiale

Poi:
misurare qualità, costo, latenza e rischio

Solo dopo:
analizzare self-hosting, licenza e cluster

21. Checklist prima del deployment

Terminologia e licenza

• Si usa open-weight.
• Licenza e copyright conservati.
• Legal ha verificato la licenza.
• Stato MaaS definito.
• Soglia 20 M USD in 12 mesi verificata.
• Soglia 100 M MAU verificata.
• Soglia 20 M USD mensili verificata.
• Attribuzione UI definita.
• Uso interno documentato.

Infrastruttura

• 1,56 TB confermati.
• Download dei 96 shard pianificato.
• Integrità verificata.
• Scelto vLLM, SGLang o TokenSpeed.
• Memoria acceleratori sufficiente.
• Interconnessioni rapide.
• Expert parallelism pianificato.
• KV cache dimensionato.
• Monitoring GPU/rete/memoria.
• Processo update runtime.

API e agente

• Modello kimi-k3.
• reasoning_effort appropriato.
• Nessun tentativo di disattivare reasoning.
• Storia completa reasoning_content.
• max_completion_tokens limitato.
• Parametri sampling fissi omessi.
• Immagini base64 o ms://.
• Web search non critica.
• Tool call validati.
• JSON Schema validato.

Sicurezza

• Sandbox.
• Least privilege.
• Nessun accesso automatico alla produzione.
• Nessun secret in prompt/log.
• Reasoning non loggato inutilmente.
• Prompt injection testata.
• Documenti malevoli testati.
• Limiti costo, tempo e tool.
• Human approval per azioni distruttive.
• Test e review del codice.

Evaluation

• Dataset interno.
• Almeno tre modelli.
• Harness identico.
• Più run.
• Costo totale per task.
• Tempo al risultato corretto.
• Code review e refactoring.
• Multimodalità.
• Long context.
• Allucinazioni e citazioni.

22. Materiali POLPROG correlati

• Kimi K3 contro Claude Fable 5
• Kimi K3 contro GPT-5.6 Sol
• Strumenti AI nella base POLPROG
• Una funzione AI si ripagherà?