Kimi K3.1 vs Kimi K3: cosa dicono i pesi aperti che il post di lancio non ha detto

Kimi K3.1 Pro e Kimi K3 ora distribuiscono gli stessi 96 shard safetensors, gli stessi 1,56 TB su disco e uno stack di attenzione diverso. La configurazione nel nuovo repository di Moonshot descrive 93 layer come "69 KDA + 24 Gated DSA". La configurazione nel repository di Kimi K3, pubblicata a luglio, riporta "69 KDA + 24 Gated MLA". Il post di lancio di Moonshot per Kimi K3.1 Pro, datato 24 ottobre 2026, definisce il modello più recente "una versione post-addestrata di Kimi K3" e non menziona affatto la sostituzione. Tutto il resto in questo confronto è a valle di quella singola riga, incluso il motivo per cui il modello più recente è quello più economico.

I pesi sono arrivati senza alcun annuncio. Il blog di Moonshot non contiene alcun post successivo al 24 ottobre. L'unico commit del repository è datato 2 novembre 2026, due giorni prima della scadenza del 4 novembre che l'azienda si era prefissata; se i file fossero leggibili pubblicamente prima di tale scadenza non è qualcosa che il repository registri. Ciò che invece registra sono l'architettura, la licenza e l'inventario — esattamente ciò che il post di lancio aveva omesso.

Lo swap che l'annuncio non ha menzionato

La scheda del modello contiene l'ammissione in una nota a piè di pagina, una riga sotto una tabella di specifiche per il resto familiare: "Rispetto a Kimi K3, sostituiamo i layer Gated MLA a full attention con layer Gated DeepSeek Sparse Attention (Gated DSA) per una modellazione del contesto lungo più efficiente."

Ventiquattro dei 93 layer cambiano. Gli altri 69 restano Kimi Delta Attention, il meccanismo di attenzione lineare introdotto da Kimi K3, e il numero di layer, il numero di esperti e le dimensioni nascoste restano invariati. Gated MLA è attenzione completa con una cache key-value compressa; Gated DSA seleziona un sottoinsieme sparso di token passati per ogni query e applica un gate al risultato. La differenza pratica sta in come il modello spende calcolo e cache al crescere del contesto, la parte di una finestra da 1M di token che compare sulla bolletta di serving piuttosto che in una tabella di benchmark.

Quello che la scheda non fornisce è un numero. Non c’è alcuna cifra di token al secondo, nessun confronto sulla memoria cache, nessuna misurazione della latenza su contesti lunghi — solo la frase «modellazione più efficiente su contesti lunghi». Il post di lancio di Moonshot non fornisce alcun dettaglio sull’architettura. Quindi l’affermazione che la sostituzione renda qualcosa più veloce è, a questo punto, una dichiarazione progettuale più che una misurazione, e nessuno al di fuori di Moonshot ha pubblicato un confronto di serving tra i due checkpoint.

Questo conta più di quanto sembri. Se hai ottimizzato il batching, l'allocazione della cache o la gestione del contesto in base al profilo di attenzione di Kimi K3, il checkpoint più recente non è sostituibile senza modifiche a livello di serving, anche se lo è a livello di API. L'API lo nasconde; un deployment self-hosted no.

Ciò che i due checkpoint condividono davvero

Il download identico è l'indizio che non si tratta di un modello più grande. Ogni dimensione principale riportata di seguito è la stessa su entrambe le schede, e l'inventario dei file lo conferma:

• Parametri totali e attivi — 2,8 trilioni in totale, 104 miliardi attivi su entrambi i modelli.

• Profondità — 93 strati, di cui uno denso, su entrambi.

• Esperti — 896 in totale, 16 selezionati per token, 2 condivisi, su entrambi.

• Vocabolario — 160K token su entrambi.

• Visione — MoonViT-V2, 401 milioni di parametri, su entrambi.

• Contesto — 1.048.576 token su entrambi; la nostra pagina del modello indica un output massimo di 943.718 token per Kimi K3.1 Pro.

• Quantizzazione — pesi MXFP4 e attivazioni MXFP8, addestramento quantization-aware, su entrambi.

• Download — 96 shard safetensors per un totale di 1,56 TB per ciascun repository.

• Modalità di input — la scheda di Kimi K3 elenca testo, immagini e video; la scheda di Kimi K3.1 Pro elenca testo e immagine, mentre la documentazione API pubblicizza anche il video. Tratta come non verificata l'affermazione sul video finché il codice del processore non viene testato.

Una point release che mantiene invariati il numero di parametri, il routing degli esperti e la dimensione del file, e modifica 24 layer di attenzione, è un tipo di rilascio diverso da una nuova generazione. È più vicina a una revisione architetturale di metà ciclo seguita da un'ampia fase di post-training che a un nuovo modello base, e il prezzo lo riflette.

Due tariffe, e una fattura che non scende di un terzo

Sulla carta il modello più recente è più economico su ogni voce. Kimi K3.1 Pro costa $2.00 per milione di token in input e $10.00 per milione in output; Kimi K3 costa $3.00 e $15.00. La tariffa per cache hit scende da $0.30 a $0.20, le scritture in cache da $3.00 e $6.00 a $2.00 e $4.00 con TTL di cinque minuti e di un'ora, e una variante Highspeed a $4.00 e $20.00 baratta il prezzo con due o tre volte la velocità di output. L'inferenza batch su Kimi K3.1 Pro viene fatturata al 60% della tariffa standard, ovvero $1.20 e $6.00.

La fattura è un'altra storia. Kimi K3.1 Pro ragiona per impostazione predefinita al massimo sforzo, e il massimo sforzo scrive più token. Il confronto di codifica agentica di Bito ha rilevato che i due modelli erano pari al 72% complessivo, mentre Kimi K3.1 Pro ha emesso circa 98.000 token in output contro i 44.000 di Kimi K3, ha impiegato 28 minuti contro 17 ed è costato 4,28 $ contro 2,46 $ per una sessione lunga. L'esecuzione di analisi dati di Plotly è andata nella direzione opposta sulla qualità e nella stessa direzione sui costi: 42 attività risolte su 43 contro 35, con la spesa salita da 5,01 $ a 13,47 $ e il tempo mediano da 43 secondi a due minuti e mezzo. Ultralytics, testando l'auto-annotazione, ha misurato un miglioramento del 33% in mAP50, 0,444 contro 0,334, passando dal 19º al 9º posto tra 39 modelli.

Quei tre sono test pubblicati dai fornitori su campioni ridotti, non valutazioni peer-reviewed, e non concordano su quanto sia migliore il nuovo modello. Concordano sulla direzione del costo: un taglio di un terzo del prezzo per token non regge di fronte a un modello che pensa più a lungo. Il budget va fatto per attività completata, non per milione di token.

Entrambi i lati di questo confronto sono richiamabili con un'unica chiave. Kimi K3.1 Pro è instradato come kimi/kimi-k3.1-pro ai prezzi di Moonshot di $2,00 e $10,00, e Kimi K3 come kimi/kimi-k3 a $3,00 e $15,00, con il prezzo di listino del provider passato così com'è e senza alcun ricarico aggiunto, quindi una modifica alla rate card di Moonshot è attiva qui lo stesso giorno. Questo è il motivo specifico per cui appartiene a una sezione prezzi anziché a un footer: l'intero argomento a favore del passaggio è un divario di prezzo, e qualsiasi spread aggiunto al prezzo di listino eroderebbe parte del risparmio prima che tu abbia misurato una singola attività.

La tabella dei benchmark è passata sotto entrambi i modelli

Artificial Analysis ha ricostruito il proprio Intelligence Index il 27 ottobre 2026, e la ricostruzione ha conseguenze maggiori per questo confronto rispetto a qualsiasi cosa abbia pubblicato Moonshot. Sull'attuale indice v5, Kimi K3.1 Pro ottiene 46 e si colloca nono, dodici punti dietro Claude Opus 5.5 a 58, con Gemini 4 Carbon a 59, GPT-6 Astra a 57 e GPT-6.1 Sol a 55 sopra di esso. Sul precedente indice v4.3.2 lo stesso modello otteneva 55 e si classificava quarto, a tre punti dalla vetta.

Quei due valori non indicano una regressione e non sono confrontabili. La versione 5 ha spostato circa il 60% dell'indice su set privati e riservati, ha aggiunto FrontierCode 2.0 e Terminal-Bench-Science, rimosso SciCode e AA-LCR e aumentato la lunghezza mediana dell'output per attività da circa 35.000 token a circa 59.000. Un modello che risponde in modo conciso perde terreno su un indice che ora premia il lavoro agentico di lunga durata. Kimi K3.1 Pro resta il modello con il punteggio più alto che il suo fornitore descrive come open-weight.

Il numero del predecessore è la trappola. Kimi K3 ha ottenuto 57 sull'indice v4 al lancio e si è classificato terzo. Il 43,6 che circola per Kimi K3 (max) proviene da istantanee di aggregatori prese prima del passaggio a v5, e non siamo riusciti a trovare un punteggio v5 pubblicato per Kimi K3 stesso. Quindi «46 contro 43,6» non è una coppia controllata, e chiunque presenti la differenza come un guadagno di capacità misurato sta sottraendo tra due strumenti. Ciò che si può dire è più limitato: sull'indice attuale, il modello più recente è quello che è stato valutato, ed è al nono posto.

La tabella fornita dall'azienda stessa, che è poi ancora un altro strumento, colloca Kimi K3.1 Pro a 65,7 su Terminal-Bench 4.0 contro il 66,4 di Claude Opus 5.5, a 51,7 su SWE Marathon v1.1, a 92,7 su BenchCAD con strumenti, a 94,2 su GPQA-Diamond e a 51,1 su HLE-Full. I suoi punti deboli sono altrettanto visibili: 38,1 su Terminal-Bench-Science contro il 68,1 di GPT-6 Astra, e 39,4 su HLE-Diamond contro il 60,9 di Opus 5.5. Moonshot ha eseguito le valutazioni sul coding tramite l'harness Claude Code al massimo sforzo di ragionamento. Nessuno di questi risultati è stato riprodotto in modo indipendente.

I numeri appaiati più puliti del lancio sono quelli che Moonshot ha misurato rispetto al proprio predecessore: Kimi Code Bench 3.0 Long-horizon al 61,2% contro il 55,95%, un tasso di allucinazioni a livello di singola affermazione dell'8,3% contro il 23,4% con gli strumenti, e l'81,0% contro il 33,3% su xdev-bench-hard. Lo stesso benchmark interno appartiene a Moonshot, quindi i delta sono coerenti ma non esterni. Il dato sulle allucinazioni è quello con la conseguenza pratica più ampia e il minor grado di conferma.

La licenza è quella di Kimi K3 con un nome cambiato.

Entrambi i repository includono un file di licenza di circa tre kilobyte, e un confronto riga per riga rileva un'unica differenza sostanziale: "Kimi K3.1-Pro" viene sostituito a "Kimi K3" nella clausola di attribuzione. Per il resto, è lo stesso documento.

Ciò significa che i termini sono già noti anziché in attesa. L'uso, la copia, la modifica, la distribuzione, la sublicenza e la vendita sono consentiti, e il fine-tuning è esplicitamente autorizzato. Un'azienda che fornisce model-as-a-service e il cui fatturato aggregato supera i 20 milioni di dollari in un qualsiasi periodo di dodici mesi consecutivi deve firmare un accordo separato con Moonshot prima dell'uso commerciale. I prodotti con oltre 100 milioni di utenti attivi mensili o 20 milioni di dollari di fatturato mensile devono visualizzare il nome del modello in modo ben visibile. L'uso interno e l'uso tramite i prodotti ufficiali di Moonshot o i suoi partner di inferenza certificati sono esenti da entrambi i requisiti.

L'esenzione per i partner certificati è la clausola che vale la pena leggere due volte se si prevede di rivendere l'accesso. La soglia di 20 milioni di dollari è misurata su dodici mesi mobili, non per linea di prodotto, e "model as a service" è definito in modo sufficientemente ampio da coprire un'API che consente ai clienti di controllare input, parametri o dati di addestramento — escludendo al contempo i prodotti per utenti finali in cui il modello è incorporato in una funzionalità e il semplice inoltro di richieste a modelli ospitati altrove.

Cosa serve per eseguire l'uno o l'altro

Un checkpoint MXFP4 da 1,56 TB non è un download da workstation, e i due modelli sono ugualmente pesanti. Moonshot indica tre stack di serving — le ricette vLLM, un cookbook SGLang e TokenSpeed — e tutti e tre presuppongono un deployment multi-nodo a queste dimensioni. È il training quantization-aware a partire dalla fase di supervised fine-tuning a mantenere il file a 1,56 TB anziché ai circa 5,6 TB che occuperebbe una copia BF16, e tale quantizzazione è incorporata nei punteggi sopra riportati anziché applicata successivamente.

La conseguenza pratica di impronte identiche è che il cambio di architettura non offre alcun sollievo hardware. Se puoi servire Kimi K3, puoi servire Kimi K3.1 Pro sulla stessa classe di cluster; non puoi servire nessuno dei due su un singolo nodo.

Quale scegliere

• Esegui il self-hosting e il tuo stack è ottimizzato per Kimi K3: esegui nuovi benchmark prima di migrare. La modifica all'attenzione altera il comportamento della cache, e l'unica affermazione sull'efficienza ad essa associata è una frase in una nota a piè di pagina.

• Chiami l'API per la programmazione agentica, l'uso di strumenti su orizzonti lunghi o la verifica documentale — Kimi K3.1 Pro, in virtù dei delta interni appaiati e del tariffario più basso, con una valutazione shadow preliminare.

• Ti serve un modello con un profilo di errore consolidato — Kimi K3. È in produzione da luglio e le sue particolarità sono documentate da altre persone. Il modello più recente cambia il comportamento di ragionamento per scelta progettuale.

• Hai bisogno di determinismo: verifica prima di passare. Kimi K3.1 Pro fissa temperature a 1.0 e top_p a 0.95 e rifiuta le alternative, e modificare lo sforzo di ragionamento a metà conversazione invalida i successi nella cache dei prefissi.

Il riassunto onesto è che Kimi K3.1 Pro è un modello migliore di Kimi K3 su quasi ogni asse misurato dal fornitore, modestamente migliore sull’unico indice indipendente che lo ha valutato, e più costoso per attività completata di quanto implichi il suo listino. Ciò che è cambiato questa settimana non è il verdetto ma le prove: il checkpoint ora può essere letto, servito e testato invece di essere dato per buono, e la prima cosa che la sua lettura ha prodotto è stata una correzione al post di lancio.