Kimi K3 Release: specs, prezzi, API e quando usarlo

Ieri leggevi ancora teaser e tabelle di rumor tipo “2.5T / 1M”. Oggi nel selettore modelli c’è un bottone vero: Kimi K3 è sulla Kimi API Platform.

Se stai guardando quel bottone e pensi sposto tutto su K3 prima di pranzo? — risposta breve: no. Usa K3 quando il lavoro è difficile e lungo. Tieni K2.7 Code per shippare ogni giorno in IDE, e K2.6 quando ti serve un agent lungo, collaudato e più economico.

La scelta del giorno di uscita, in un fiato:

• Lavoro multi-dominio pesante + continui a sbattere contro i 256K → prova kimi-k3
• Scrivere/sistemare software in Kimi Code, Claude Code, Cline, RooCode → resta prima su kimi-k2.7-code
• Chore autonome lunghe che su K2.6 già funzionano → non “aggiornare” solo per il logo

Questo sito è indipendente da Moonshot. Specs e prezzi sotto ricalcano la doc ufficiale; i giudizi (chi dovrebbe passare, come si comporta il conto, cosa sbagliava il rumore pre-lancio) sono nostri. Ricontrolla platform.kimi.ai prima di spendere soldi veri.

Cosa è uscito davvero (in italiano chiaro)

La scheda pubblica di Moonshot presenta K3 come il flagship più capace finora: circa 2,8 trilioni di parametri, finestra di contesto da 1M token (quanto testo/codice può tenere in un colpo solo — pensa a monorepo multi-package e pacchi di ricerca pesanti, non a una bolla di chat), vision nativa (immagini e video via API), e thinking sempre acceso.

Il nome API che cablierai è kimi-k3. La doc lo mette sul percorso OpenAI-compatibile di sempre (https://api.moonshot.ai/v1) con MOONSHOT_API_KEY.

Due nomi di architettura compaiono: Kimi Delta Attention e Attention Residuals. Non devi implementarli. Leggili come segnale di prodotto: Moonshot vende un salto di generazione pensato per sessioni lunghe, non “K2.x più tre punti in benchmark.” La ricerca precedente (Kimi Linear / KDA) parlava di servire il contesto lungo in modo più efficiente; il giorno del rilascio, la promessa all’utente è semplicemente 1M pensato per essere usabile, più ragionamento sempre attivo.

Fatti rapidi (da scorrere dopo)

Ancora magra sulla scheda pubblica: parametri attivi (routed) per token, una storia completa di licenza open-weight, e una classifica indipendente sulla stessa pagina. Non inventarli; aspetta un technical report se ti serve la matematica del serving.

Come aggiorna la storia della scorsa settimana

Se hai letto il nostro brief della vigilia o la guida quale modello, alcune righe vanno patchate a mente:

Quindi il trailer è diventato un biglietto. Non è automaticamente l’unico film che dovresti guardare.

Perché K3 non è “cancella K2.7 Code”

Moonshot sta spedendo un portafoglio, non una scala unica in cui lo SKU più nuovo vince a ogni click.

• K2.7 Code resta lo specialista del coding — loop IDE/CLI carichi di istruzioni, Kimi Code, coding agent, variante highspeed quando conta la latenza. Il contesto resta nella classe 256K. Il thinking resta acceso, ma la storia di prodotto è “finisci la PR.”
• K2.6 resta l’agent lungo generale che ha già passato mesi nelle narrative di produzione: tool multi-step, chore ampie, lavoro multimodale generale a una fascia di listino più bassa di K3.
• K3 è il tier di intelligenza generale di punta: memoria più grande, reasoning sempre-max (per ora), prezzo premium, pensato per mix frontier-ish di engineering + knowledge work + ragionamento profondo.

Il nostro take: K3 è un modello supervisore / hard-problem, non un upgrade gratis per l’autocomplete. Se il tuo dolore è “il modello perde il repo dopo 200k token di log,” K3 è il bottone interessante. Se il dolore è “fai compilare questo TypeScript in Claude Code,” K2.7 Code resta la risposta noiosa e corretta.

Cosa sta dicendo davvero il prezzo

Listino ufficiale USD (per 1M token):

Tre giudizi che ci interessano più della tabella in sé:

1. L’output costa 5× l’input senza cache. Il thinking sempre acceso significa che paghi anche il “pensare a voce alta,” non solo la risposta finale. Tratta K3 come un budget di progetto, non come una tab lasciata aperta per chiacchiere.
2. I cache hit costano 10× meno dei miss sull’input. Riusare lo stesso system prompt / digest del repo non è un nice-to-have — è la differenza tra “flagship che ci possiamo permettere” e “perché il conto è in fiamme.”
3. Niente scaglioni per lunghezza, ma i token scalano comunque. Prompt da 50K e da 500K condividono le stesse tariffe unitarie; la finestra da 1M non significa “1M è gratis.”

Sense-check grossolano del portafoglio (i listini si muovono; è orientamento, non un contratto): K2.6 / K2.7 Code sono stati in una fascia molto più bassa sulla stessa piattaforma (ordine di grandezza ~$1 input / ~$4 output). Il $3 / $15 di K3 è premium di proposito. Devi sentire un motivo di capability o di contesto prima di farlo diventare il default.

Capacità che cambiano come lavori (non come reciti la doc)

Memoria da 1M per sessioni vere. Utile quando un thread deve tenere una fetta di monorepo, un pacchetto di policy o lo stato di un agent multi-ora. La maggior parte degli utenti chat non riempirà mai un milione di token — e va bene. La feature è per chi stava già rompendo i 256K.

Thinking sempre acceso. Non mandare il vecchio oggetto thinking di K2.x. Usa al top-level reasoning_effort: "max" (unico livello oggi). In multi-turn e loop con tool, rimanda indietro l’intero messaggio assistant, reasoning e tool call inclusi — strippare solo al content ti morderà.

Vision nello stesso loop del codice. Screenshot, registrazioni UI, diagrammi — stessa sessione di tool e contesto lungo. Le URL pubbliche di immagini non sono il path documentato; pianifica base64 o file ms:// caricati.

Superficie agentica. Tool, tool_choice, caricamento dinamico dei tool, JSON Schema strutturato, continuazioni parziali, tool ufficiali Formula. La piattaforma al momento avvisa che la web search è in aggiornamento — non scommettere un workflow di produzione su di essa questa settimana.

Forma minima di chiamata:

import os
from openai import OpenAI

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

completion = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",
    messages=[{"role": "user", "content": "Summarize the risk of migrating our default model to K3."}],
)
print(completion.choices[0].message.content)

I knob di sampling come temperature / top_p sono documentati come fissi — omettili invece di litigare con l’API.

Cosa fare questa settimana?

Errori comuni

• “Il flagship più nuovo = il migliore in tutto.” Pensiero SKU sbagliato. Profondità da flagship ≠ migliore latenza o migliore UX da coding agent.
• “1M significa che devo incollare tutta l’azienda.” Lo paghi; parti dal contesto più piccolo che funziona ancora, poi cresci.
• “Spengo il thinking per bozze economiche.” Su K3 al momento non puoi — solo "max".
• “Domani rimpiazzo K2.7 Code in Kimi Code.” Le linee di prodotto restano divergenti; guarda i default ufficiali di Kimi Code prima di forzare l’ID.
• Ignorare la cache. Stesso prefisso di repo a ogni turno senza prefissi stabili è il modo costoso di far girare un flagship.

FAQ (breve)

È ufficialmente uscito? Sì — listato, documentato, prezzato, chiamabile come kimi-k3.

Pesi aperti? Non trattiamo blurb di terze parti come promessa di Moonshot. Controlla i canali research / HF di Moonshot prima di pianificare il self-host.

Sostituisce K2.7 Code? No. Portafoglio: flagship generale vs specialista coding.

In sintesi

K3 supera l’asticella che avevamo messo alla vigilia del rilascio: nome API reale, finestra 1M reale, prezzo reale. La mossa smart non è “tutti su K3,” è mettere K3 sui job che giustificano reasoning premium e memoria enorme, tenere K2.7 Code per shippare le PR, e tenere K2.6 dove un agent lungo più economico già consegna.

Prossime letture: stato K3 · cosa pensavamo prima del GA · selettore modelli (patcha a mente per il GA) · K2.7 Code · K2.6.