Kimi K3 vs Fable 5, GPT-5.6 e Opus 4.8: abbiamo testato l'hype

Kimi K3 è il nuovo flagship di Moonshot AI, e per alcuni giorni di luglio 2026 è stato il modello più testato su internet. È apparso per la prima volta sul sito di valutazione Arena come modello misterioso con nome in codice "Kivine" — auto-descritto come "da Moonshot labs" con un cutoff di conoscenze a gennaio 2025 — prima che Moonshot lo annunciasse ufficialmente il 16 luglio 2026, con la promessa di pesi aperti entro il 27 luglio. Il titolo ricorrente dai tester: Kimi K3 si posiziona da qualche parte attorno a Claude Fable 5, e spesso davanti a GPT-5.6 in lavori creativi e 3D. Questa recensione di prima impressione raccoglie in un unico posto le specifiche, la spina dorsale dei benchmark e una dozzina di test della comunità.

Una nota per i costruttori: questi sono test comunitari precoci e non controllati, quindi trattateli come indicativi, non come punteggi. OrcaRouter presenta modelli disponibili tramite API dietro un singolo endpoint compatibile con OpenAI, quindi una voltaKimi K3 è attiva, puoi provarlo contro Fable 5 e GPT-5.6 senza dover configurare più SDK.

Verdetto TL;DR. Kimi K3 è il primo modello open-weight a raggiungere credibilmente la gamma Fable 5 in frontend, 3D e one-shot creativi — è in cima alla classifica frontend di Arena e si trova al #4 nell'Artificial Analysis Index. Ma è prolisso e lento (una build frontend ha richiesto 35 minuti), è in ritardo rispetto a Fable nella codifica agentica, e i ver detti "vinti" sono impressioni iniziali di Arena, non benchmark controllati. Impressionante, non definitivo.

Punti chiave

•  Kimi K3 è un 2.8T-parameter MoE, posizionato come il più grande modello a pesi aperti fino ad oggi, con pesi aperti previsti entro il 27 luglio.

•  Nelle valutazioni neutrali di terze parti si classifica #4 su 189 nell'AA Intelligence Index (57) e #1 nella board frontend-code di Arena (1679), al di sopra del 1631 di Fable 5.

• Prezzo di $3 / $15 per 1 milione di token — il modello più costoso mai realizzato da Moonshot, ma ancora circa un terzo dei $10 / $50 di Fable 5.

• I tester lo definiscono ripetutamente "Fable level"; gli scettici dicono che i confronti diretti sono selezionati ad arte e che è ancora in ritardo nei compiti multi-step agentici.

•  Attenzione alle avvertenze: output verbose (~2x token mediani dei pari), ~34s latenza del primo token, ed è ancora dietro a Fable su FrontierSWE e DeepSWE.

Le specifiche e la colonna vertebrale dei benchmark

Ecco i dati concreti, ogni cifra attribuita alla sua fonte.

•  Architettura — Kimi K3: 2.8T MoE (896 esperti, 16 attivi), Kimi Delta Attention, contesto 1M, visione nativa; Punto di confronto: Il più grande modello open-weight fino ad oggi (Moonshot, riportato dal fornitore)

•  Varianti — Kimi K3: K3 Max (chat/agente), K3 Swarm Max (parallelo); Punto di confronto: —

•  Prezzi (ingresso/uscita) — Kimi K3: $3 / $15 per 1M; cache-hit ~$0,30; Punto di confronto: Fable 5 a $10 / $50 (~3,3x in più)

•  AA Intelligence Index — Kimi K3: 57 — #4 di 189; Punto di confronto: Dietro due configurazioni Fable 5 + GPT-5.6 Sol; sopra Opus 4.8, Sonnet 5, GLM-5.2 (Artificial Analysis)

•  Arena frontend-code — Kimi K3: #1 a 1679, ha vinto 6 categorie su 7; Punto di confronto: sopra il 1631 di Fable 5; in aumento rispetto al #18 di K2.6 (Arena / LMArena)

•  GDPval-AA v2 / AA-Briefcase — Kimi K3: 1687 (#3) / 1527 (#2); Punto di confronto: Artificial Analysis

•  GPQA Diamond — Kimi K3: 93.5% (modello open più forte); Punto di confronto: riportato dal fornitore

•  BrowseComp / HLE con strumenti — Kimi K3: 91.2% / 56.0%; Punto di confronto: Segnalato dal fornitore

•  Agentic SWE — Kimi K3: FrontierSWE 81.2, DeepSWE 67.5; Punto di confronto: dietro a 86.6 / 70.0 di Fable 5

•  Terminal-Bench 2.1 — Kimi K3: 88.3; Punto di confronto: superiore a 84.6 di Fable 5 (avvertenza sulla miscelazione dell'imbracatura di seguito)

Due cose attenuano le vittorie. In primo luogo, il vantaggio di prezzo è in parte eroso da verbosità — K3 emette circa il doppio dei token di output rispetto alla mediana dei pari in compiti comparabili — più un ~34 secondi di latenza del primo token. In secondo luogo, il vantaggio di Terminal-Bench è accompagnato da un avvertimento di @ChrissGPT: i benchmark di Moonshot "spesso preferiscono usare Terminal 2 invece di 2.1", quindi trattate con cautela i confronti tra diversi harness. Indipendentemente, prima che l'indice ufficiale fosse pubblicato, @teortaxesTex ha stimato "~55ish AA… intorno a Opus 4.8 o GPT 5.5".

Riepilogo dei test della comunità

La prova che ha reso Kimi K3 una storia è l'inondazione di Arena one-shots. Ecco un assaggio rappresentativo — tester, task e verdetto, ciascuno collegato al post originale.

• @synthwavedd — Compito: stress-testing generale; Verdetto: "Un altro momento DeepSeek R1… spesso a livello di Fable, forse un po' peggio, ma costantemente meglio di 5.6. Una bestia."

•  @chetaslua — Compito: Codifica, testa a testa contro Fable; Verdetto: "Surclassa ogni modello open-source… alla pari con Fable, a volte qualità migliore"

•  @Gc_qube — Compito: 3D / giochi vs Fable 5; Verdetto: "Kimi K3 ha vinto… il primo modello che ha raggiunto Fable"

• @abhinavflac — Compito: rendering di bonsai Sakura; Verdetto: "Ha battuto Claude Fable — ha azzeccato il tronco contorto e la chioma a strati"

•  @testingcatalog — Compito: Universe-sim contro Fable 5; Verdetto: "Fable è finito più velocemente con un'UX più robusta; K3 molto più complesso e visivamente accattivante… molto vicino"

• @israfill — Compito: Stesso prompt di simulazione dell'universo; Verdetto: "K3 vince per output creativo denso e momenti 'come ha fatto a costruirlo'… sorpreso di quanto sia vicino"

•  @mirochill — Compito: Frontend one-shot (francese); Verdetto: "Uguale a 5.6 Pro, meglio di Fable 5, in un singolo tentativo" (problemi di illuminazione segnalati)

•  @jun_song — Compito: Flappy Bird vs Opus 4.8; Verdetto: "Significativamente migliore di Opus… livello Opus-5"

•  @JustinGorya — Compito: Minecraft in un singolo file HTML; Verdetto: "Un nuovo traguardo… incredibile nel 3D e frontend" (risposta: "Questo è un colpo solo. Pazzesooo")

•  @redkendl — Compito: gioco di aeroplani di carta 3D; Verdetto: "Riuscito al primo tentativo… output di livello Fable 5 / GPT-5.6. I laboratori cinesi non sono più indietro di 8 mesi"

• @noctus91 — Compito: esperienze 3D interattive; Verdetto: "Il livello di dettaglio, rifinitura e qualità complessiva è davvero pazzesco"

•  @Lentils80 — Attività: Pagina frontend; Verdetto: "MOLTO lento — ci sono voluti 35 minuti — ma uno dei migliori output che abbia mai visto da questo prompt"

Sostenitori vs scettici

Il caso rialzista è semplice: un modello open-weight che eguaglia un ammiraglio chiuso di frontiera nel lavoro creativo e frontend, a un terzo del prezzo, è genuinamente nuovo. @notjazii ha definito un output iniziale "un nuovo modello SOTA in uscita oggi, moonshot cotto," e @chetaslua lo ha inquadrato come "un momento deepseek di nuovo per OSS."

Gli scettici reagiscono con forza, e le loro obiezioni sono sempre le stesse tre:

•  Demo selezionati con cura.Nel test bonsai, @Heeseon ha risposto "chiunque può vedere che Fable 5 ha vinto", e @sebuzdugan ha notato "un campione bonsai mostra controllo dello stile, non affidabilità tra i semi".

•  Fable è semplicemente migliore. Nel thread di Gc_qube, @victor_vibing ha detto seccamente: "Fable è molto meglio. Incomparabilmente."

• Stessa estetica, non una gamma reale. @_everythingism ha sostenuto che i risultati "hanno tutti l'estetica 'Claude aesthetic'… generando un tipo specifico di design più e più volte", e nei test di Opus @MCharles10581 ha semplicemente detto "sembra che opus sia migliore".

Il quadro più utile viene da @teortaxesTex, che non aveva nemmeno provato K3 personalmente. Il suo punto riguarda un divario sforzo/gusto, non un muro di capacità: "anche Fable e Sol producono così tanta SCHIFEZZA… Kimi non fallisce tanto nelle cose quanto produce cose meno interessanti e dettagliate, non fa il passo in più." Per la codifica agentica con umano nel loop su compiti oggettivi, si aspetta che K3 "dovrebbe avvicinarsi irragionevolmente." E il colpo strategico: "ogni modello cinese che si limita a *mantenere* il divario… è un'impresa eroica." Questa è la lettura onesta: K3 riduce la distanza nei compiti misurabili e perde un po' sul gusto, che è esattamente ciò che mostrano i suoi benchmark.

Domande frequenti

Kimi K3 è buono come Fable 5?

Sul frontend e sugli one-shot 3D, i tester dicono di sì — supera la classifica frontend di Arena (1679 contro 1631) e diversi confronti diretti lo hanno definito una vittoria o un pareggio. Sul coding agentico invece è ancora in ritardo (FrontierSWE 81.2 contro 86.6), e gli scettici sostengono che Fable abbia un vantaggio in termini di raffinatezza e affidabilità tra i vari seed.

Kimi K3 è open source?

È a pesi aperti: Moonshot ha promesso di rilasciare i pesi entro il 27 luglio 2026. Al lancio era solo API/web. Come il più grande modello a pesi aperti fino ad oggi (2.8T MoE), quel rilascio è l'evento principale.

Quanto costa Kimi K3?

$3 / $15 per 1M token di input/output, con cache hit intorno a $0,30. Questo è il modello più costoso mai realizzato da Moonshot (K2.6 costava $0,95/$4), ma ancora circa un terzo dei $10 / $50 di Fable 5 — anche se l'output prolisso riduce il divario reale.

Kimi K3 è migliore di GPT-5.6?

I tester propendono per il sì riguardo ai lavori creativi e 3D — @synthwavedd lo ha definito "costantemente migliore del 5.6" e @mirochill lo ha messo allo stesso livello del 5.6 Pro. Ma nell'AA Index, GPT-5.6 Sol è ancora classificato sopra K3, e Fable 5 e 5.6 Sol sono in testa su Terminal 2.1.

Quando è stato rilasciato Kimi K3?

Annunciato ufficialmente il 16 luglio 2026, dopo essere emerso su Arena come "Kivine" intorno al 14 luglio. I pesi aperti sono stati promessi entro il 27 luglio 2026.

Il risultato finale

Kimi K3 è la più forte prima impressione che un modello open-weight abbia mai fatto dal momento originale di DeepSeek: output creativo e frontend di livello Fable-5, in cima alla classifica frontend di Arena, a circa un terzo del prezzo di Fable. Mantieni l'entusiasmo sul "direzionale" — è verboso, lento, ancora indietro nel coding agentico, e ogni "vittoria" sopra è una prima impressione di Arena, non un benchmark certificato. Quando i pesi saranno rilasciati prima del 27 luglio, i test controllati ci diranno se l'hype è stato mantenuto.