Kimi K3 su Databricks: L'Intelligenza Artificiale Open-Weight che Competi con i Colossi a Costi Ridotti

Specifiche del modello

Kimi K3 è un modello sparse Mixture-of-Experts (MoE) con le seguenti specifiche confermate :

• Parametri totali: 2,8 trilioni
• Parametri attivi: 104 miliardi attivati per token
• Architettura: Sparse MoE con 896 esperti, 16 attivi per token, più 2 esperti condivisi
• Finestra di contesto: 1.048.576 token (1 milione)
• Modalità: Testo e visione nativa (immagini e video)
• Innovazioni architetturali: Kimi Delta Attention (KDA), Attention Residuals (AttnRes) e Stable LatentMoE framework

Moonshot definisce K3 "il primo modello open 3T-classe al mondo" . I pesi aperti sono stati rilasciati il 27 luglio 2026 con una licenza MIT modificata .

Posizione nell'indice Artificial Analysis Intelligence

Nell'indipendente Artificial Analysis Intelligence Index (v4.1), Kimi K3 ottiene un punteggio di 57 nella configurazione standard e 60 nella configurazione "max" . La sua classifica è :

• #3 o #4 in assoluto tra tutti i modelli testati, a seconda della configurazione
• Primo tra i modelli open-weight (il più vicino è GLM-5.2 a 51)
• Dietro: Claude Fable 5 (~60) e GPT-5.6 Sol (~59)
• Davanti a: Claude Opus 4.8 (~56), GPT-5.5, DeepSeek V4 Pro (44) e GLM-5.2 (51)

L'indice combina nove valutazioni, tra cui GDPval-AA v2, Terminal-Bench 2.1, SciCode, Humanity's Last Exam, GPQA Diamond e ragionamento a contesto lungo . Su benchmark specifici, Kimi K3 ha raggiunto il #1 sulla classifica Frontend Code Arena e il #2 su AA-Briefcase (lavoro conoscitivo agentico), dietro solo a Fable 5 .

Confronto dei costi con i modelli proprietari

Kimi K3 offre un significativo vantaggio in termini di costo rispetto ai rivali proprietari :

• Costo per attività dell'indice di intelligenza: Circa $0,94
• Circa la metà del costo di Claude Opus 4.8 (max reasoning, $1,80)
• Costo simile a GPT-5.6 Sol (max, $1,04)
• Databricks riporta un costo per attività inferiore del 50–72% rispetto ai leader proprietari
• Prezzi API: ~$3,00 per milione di token in input e ~$15,00 per milione di token in output

Come ha dichiarato l'amministratore delegato di Databricks, Ali Ghodsi, a CNBC, la combinazione di prestazioni nei benchmark ed efficienza dei costi di K3 rende carichi di lavoro agentici precedentemente proibitivi — come agenti di codifica continui o elaborazione di documenti su larga scala — economicamente sostenibili per le aziende .

Unity AI Gateway: Governance aziendale e controlli di spesa

Unity AI Gateway fornisce un piano di controllo unificato per i team di piattaforma che gestiscono l'AI in azienda. Le capacità chiave applicabili a Kimi K3 includono :

• Permessi di accesso granulari e garanzie di sicurezza applicate su input e output del modello
• Audit trail completi e osservabilità runtime per tutte le chiamate del modello
• Controlli di spesa AI — avvisi di budget proattivi su utenti, spazi di lavoro, casi d'uso e interi account, combinati con le tabelle di sistema di Unity Catalog e i budget di Databricks
• Limitazione della velocità e instradamento del traffico tra modelli, agenti e server MCP
• Limiti di spesa rigidi che bloccano le richieste quando un budget viene raggiunto
• Zero Data Retention (ZDR) per Kimi K3 su Databricks
• Governance unificata sia per i modelli open-weight che per quelli proprietari attraverso lo stesso framework di policy

Nella stessa settimana, Unity AI Gateway ha raggiunto la disponibilità generale, unificando la gestione della spesa, la limitazione della velocità e il controllo degli accessi su LLM enterprise, server MCP e agenti di codifica .

Tendenza più ampia: il divario open-weight si sta chiudendo rapidamente

Databricks interpreta l'integrazione di Kimi K3 come la prova che il divario tra i modelli AI open-weight e quelli proprietari si sta chiudendo rapidamente . L'azienda sottolinea che solo un anno fa, i migliori modelli open-weight erano molto indietro rispetto alle loro controparti proprietarie — ma oggi, modelli open-weight come Kimi K3 rivaleggiano con i leader proprietari nelle prestazioni dei benchmark, offrendo al contempo costi drasticamente inferiori e maggiore flessibilità .

Secondo Databricks, questo cambiamento consente alle aziende di adottare strategie AI ibride, mescolando modelli open-weight e proprietari su un'unica piattaforma governata. L'azienda sottolinea che le imprese ora hanno una scelta reale — con la possibilità di instradare i carichi di lavoro verso il modello più conveniente per ogni attività, senza sacrificare le prestazioni o la governance .