Kimi K3: Stati Uniti o Cina, l’unica domanda che l’Europa si pone ancora
Moonshot AI ha pubblicato Kimi K3 il 16 luglio. 2 800 miliardi di parametri, un milione di token di contesto, secondo nell’indice Vals AI, primo nel codice frontend, davanti a modelli chiusi americani. A pesi aperti. È bello, è notevole, tutti hanno condiviso.
E l’unica domanda che ci resta davvero, qui, è da chi preferiamo farci mangiare. Perché mentre gli altri due costruiscono, noi continuiamo a non fare nulla.
Kimi K3 in due minuti: che cosa ha messo sul tavolo la Cina
L’architettura è un mixture of experts: 2 800 miliardi di parametri in totale, 896 esperti di cui 16 si attivano per token, circa 50 miliardi realmente mobilitati a ogni passaggio. Un milione di token di contesto, visione nativa, una quantizzazione appresa durante l’addestramento.
Su GDPval-AA v2, che misura compiti reali su 44 professioni, K3 segna 1 687. Dietro Claude Fable 5 Max e GPT-5.6 Sol Max, ma davanti a Claude Opus 4.8. Un modello aperto cinese che supera un modello chiuso americano di primo piano è una novità.
Una precisazione di onestà, visto che nessuno la fa: i pesi non sono ancora pubblicati. Sono annunciati per il 27 luglio, la licenza non è comunicata, e tutti i risultati vengono dall’API. Mezzo mondo tech ha scritto il più grande modello open source della storia a proposito di un modello di cui nessuno ha visto i pesi. Non cambia la sostanza, ma dice qualcosa sulla nostra fretta di commentare.
La lezione cinese: sotto vincolo hanno fatto ingegneria
Il dettaglio che conta è il rendimento. Moonshot annuncia un’efficienza di scala circa 2,5 volte migliore rispetto a Kimi K2, ottenuta con scelte di architettura, non con più macchine. Hanno ragionato con un accesso limitato al calcolo, e il vincolo ha prodotto idee.
Bisogna smetterla con la versione pigra del copiano e basta. I laboratori cinesi costruiscono, con ordini di grandezza di capitale in meno rispetto ai concorrenti americani, e lo scarto tra il miglior modello aperto e il miglior modello chiuso è passato da sei-nove mesi a tre-cinque. Recuperano, in fretta, con meno.
Quanto pesa davvero la corsa al calcolo nel 2026
Ecco gli ordini di grandezza, perché raramente si mettono uno accanto all’altro.
I cinque grandi hyperscaler americani prevedono circa 660-690 miliardi di dollari di investimenti in infrastruttura nel solo 2026. Meta da sola annuncia tra 115 e 145 miliardi, sette gigawatt installati quest’anno, quattordici previsti nel 2027. OpenAI conta 50 miliardi di dollari di calcolo per il 2026, oltre un gigawatt e mezzo, il consumo elettrico di una città.
Di fronte a questo, il campione europeo. Mistral si è indebitata per 830 milioni di dollari per un centro dati vicino a Parigi: 13 800 GPU Nvidia GB300, 44 megawatt, in servizio in questo trimestre. L’obiettivo dichiarato è di 200 megawatt in Europa entro il 2027.
Mettete i due numeri uno accanto all’altro, alla stessa data. 200 megawatt per Mistral nel 2027, 14 gigawatt per Meta lo stesso anno. Un fattore settanta. Abbiamo cambiato sport.
Che cosa ha prodotto l’Europa in questo semestre: un rinvio delle proprie regole
Che cosa abbiamo fatto, in Europa, in questo primo semestre 2026?
Abbiamo adottato il Digital Omnibus. Il 29 giugno il Consiglio ha dato il via libera finale a un testo che semplifica l’AI Act, allunga i termini di conformità per i sistemi ad alto rischio e sposta gli obblighi di trasparenza dal 2 agosto al 2 dicembre 2026.
La grande notizia IA del semestre è il rinvio delle regole europee. Due anni a scrivere un quadro presentato come un vantaggio strategico, e il primo vero gesto politico consiste nel rinviarne l’applicazione perché dava fastidio. Nel merito non è assurdo, l’AI Act aveva difetti reali. È il bilancio che brucia: gli altri hanno costruito gigawatt, l’Europa ha discusso del proprio calendario.
Mistral, un’eccezione al posto di una politica industriale
Precisazione utile, perché l’obiezione arriverà: Mistral esiste, la squadra è brava, e Medium 3.5 regge in produzione. Il rimprovero è altrove.
Il problema è che sono un’eccezione e non il prodotto di una politica. Un progetto alla scala giusta però esiste: un campus da 1,4 gigawatt annunciato vicino a Parigi, cantiere avviato nel secondo semestre 2026, entrata in servizio prevista nel 2028. Guardate chi lo porta: Bpifrance, Mistral, Nvidia e MGX, il fondo di Abu Dhabi. La risposta gigawatt dell’Europa gira quindi su silicio americano, con capitale emiratino. Lo annoto come un conto da fare: a questo livello di investimento l’Europa ha bisogno di capitali stranieri.
La scusa del capitale non regge più
La risposta abituale è che non abbiamo i soldi. Solo che Kimi K3 ha appena dimostrato il contrario.
Moonshot non ha 690 miliardi. Moonshot ha uno o due ordini di grandezza di capitale in meno dei concorrenti americani, e si ritrova seconda al mondo. Quello che hanno è una decisione, una squadra e una direzione tenuta nel tempo. Sono cose che si decidono, ed è esattamente quello che qui manca.
Quindi la spiegazione è altrove, ed è più scomoda: abbiamo scelto di arbitrare, commentare e regolamentare, mentre altri sceglievano di consegnare.
Che cosa resta quando non si hanno i mezzi della sovranità
Resta la domanda pratica, quella che vi riguarda se dirigete qualcosa: che cosa si fa, concretamente, in attesa di uno scatto che quest’anno non arriverà?
Si smette di confondere sovranità e possibilità di scelta. La sovranità sarebbe produrre i nostri modelli su scala. Non è per domani. La possibilità di scelta è poter cambiare fornitore senza ricostruire il prodotto, e quella è raggiungibile subito. Un modello aperto, anche impossibile da ospitare in casa, può essere servito da più fornitori in più giurisdizioni. È una via d’uscita, e una via d’uscita vale più di un discorso.
In pratica significa uno strato di astrazione solido, strumenti esposti in modo pulito, e niente nel prodotto che dipenda dalla firma di una API particolare. È lì che uno standard come l’MCP guadagna il suo posto, ed è così che costruisco i miei strumenti di lavoro. Il modello è diventato una materia prima: con un fornitore di materie prime non ci si sposa.
Farsi mangiare dagli uni o dagli altri, o smettere di guardare
Il 27 luglio i pesi di K3 usciranno, oppure no. Tra quattro mesi un altro modello sarà in testa, costerà meno, e la stessa ondata di commenti ripartirà identica.
Intanto la domanda Cina o Stati Uniti resterà esattamente quello che è: una domanda da spettatore. Non si sceglie da chi farsi mangiare quando non si è messo nulla nel piatto. L’unica cosa che dipende ancora da noi è quello che costruiamo sopra, e quante persone riusciamo a metterlo in condizione di usare.
È molto meno esaltante di un dibattito sulla sovranità. È soprattutto l’unica casella in cui segniamo ancora punti.
Da leggere anche: Adozione dell’IA in azienda: perché la potenza dei modelli non basta · Agenti IA in azienda: dalla demo all’uso reale
Thomas Nedjar opera da quattordici anni nell'acquisizione digitale e nell'e-commerce. Imprenditore, ha fondato e diretto diverse società e-commerce tra Francia e Svizzera, con una solida esperienza nel commercio internazionale e intracomunitario. Oggi è Esperto Senior SEO/GEO, IA & Tech presso Suisseo e sviluppa le proprie applicazioni per il marketing: ED (community management automatizzato) e SEO Cartograph (crawler di audit SEO in locale). Relatore (CVCI) e formatore, condivide qui la sua esperienza sul campo in materia di SEO, GEO, automazione ed e-commerce.
Tutti gli articoli · LinkedIn