- Il 16 luglio 2026 Moonshot AI ha lanciato Kimi K3, un modello open-weight con 2.800 miliardi di parametri. Appena 48 ore dopo (19 luglio), l'azienda ha sospeso i nuovi abbonamenti.
- L'esplosione della domanda ha saturato l'infrastruttura di GPU dell'azienda, dimostrando che il vero collo di bottiglia dell'IA nel 2026 non è l'algoritmo, ma la capacità fisica di erogare calcolo.
- I benchmark di laboratorio non bastano più. Nel mercato reale vince chi possiede l'infrastruttura hardware e l'elasticità per reggere i picchi d'uso quotidiani
Il 16 luglio 2026 Moonshot AI ha presentato Kimi K3, un modello a 2.800 miliardi di parametri: il più grande sistema open-weight mai rilasciato al mondo, quasi il doppio dei 1.600 miliardi di DeepSeek V4. Il 19 luglio, cioè 48 ore dopo, l’azienda ha sospeso i nuovi abbonamenti perché la domanda aveva portato le sue GPU vicino al limite.
È il dato che riassume lo stato dell’intelligenza artificiale nel 2026 meglio di qualsiasi classifica: si può costruire il modello aperto più grande del mondo e non avere abbastanza schede grafiche per farlo usare alla gente.
Indice dei contenuti
Perché Moonshot AI ha bloccato gli abbonamenti a Kimi K3
Moonshot ha comunicato la decisione la domenica sera, con una formula insolitamente diretta per un’azienda tecnologica: le loro GPU stavano sentendo il colpo. Nelle 48 ore precedenti le richieste degli utenti avevano superato nettamente le previsioni, avvicinandosi ai limiti dei cluster esistenti.
La scelta è stata di proteggere chi già paga: gli abbonati esistenti non sono stati toccati, la capacità disponibile è stata riservata a loro e i nuovi posti verranno riaperti a scaglioni man mano che l’infrastruttura cresce. Contestualmente l’azienda ha diviso l’offerta in due piani distinti, uno per l’uso generale su web, app e lavoro, e uno dedicato alla programmazione, con l’obiettivo dichiarato di far corrispondere in modo più preciso la capacità di calcolo al tipo di utilizzo.
Kimi K3: come funziona, caratteristiche e data di rilascio dei pesi open-weight
Kimi K3 non ha saturato l’infrastruttura di Moonshot AI solo per l’alto numero di utenti, ma per la combinazione tra le sue dimensioni, la sua struttura interna e il tipo di calcolo che richiede. Con 2.800 miliardi di parametri totali, si tratta infatti di un modello grande quasi il doppio rispetto ai 1.600 miliardi di DeepSeek V4 e più del triplo del nuovissimo GLM 5.2.
Per gestire un volume di dati così elevato senza rendere la risposta lenta, Kimi K3 adotta un’architettura chiamata Mixture-of-Experts (MoE). In un modello tradizionale, l’elaborazione di ogni singola parola richiede l’attivazione della totalità dei parametri disponibili. Nel sistema MoE, invece, i parametri sono suddivisi in gruppi specializzati in ambiti distinti, come la scrittura di codice, la matematica o la comprensione del testo. Quando l’utente invia una richiesta, il sistema attiva unicamente i gruppi necessari a completare quel compito specifico. Questo approccio riduce il calcolo richiesto per il singolo token generato, ma impone comunque di mantenere l’intero modello caricato nella memoria VRAM delle schede grafiche, occupando un quantitativo di hardware enorme.
A questa struttura si affiancano due caratteristiche tecniche centrali: la multimodalità nativa e una finestra di contesto da 1 milione di token. La prima permette al sistema di elaborare ed incrociare simultaneamente testo, immagini, audio e codice senza dover convertire i file tramite programmi esterni. La seconda consente di inserire all’interno di un unico prompt interi progetti software, manuali tecnici o documenti di centinaia di pagine. Il sistema analizza tutto il testo fornito ed elabora la risposta mantenendo l’accesso a ogni singola informazione contenuta nel documento iniziale.
Sui benchmark il riscontro è stato immediato: la piattaforma di valutazione Arena lo ha collocato al primo posto per la costruzione di interfacce web, davanti a modelli di punta sia americani sia cinesi. Va però registrata l’onestà dell’azienda stessa, che nel presentarlo ha riconosciuto come le prestazioni complessive restino dietro ai modelli proprietari più potenti, citando esplicitamente Claude Fable 5 e GPT-5.6 Sol.
L’altra faccia di quelle caratteristiche è il costo: un modello di questa taglia è estremamente esigente in termini di calcolo e allocare risorse per servirlo è tanto complicato quanto costoso.
Oltre i benchmark AI: la crisi dell’infrastruttura GPU e i costi di inferenza
Per tre anni la conversazione pubblica sull’AI si è organizzata attorno alle classifiche. Un modello esce, ottiene un punteggio, sale o scende. È un modo comodo di guardare perché produce un numero unico e confrontabile.
Il problema è che quel numero misura la qualità in condizioni di laboratorio, con una richiesta alla volta e nessun vincolo economico. Non dice nulla su cosa succede quando le richieste sono milioni al giorno e la domanda triplica in una settimana. Kimi K3 mostra la distanza tra le due cose in modo quasi didattico: la qualità del modello non è in discussione, è la ragione stessa per cui la domanda è esplosa. Quello che manca è tutto il resto.
Servire un modello di questa scala richiede tre cose contemporaneamente, tutte scarse: hardware in quantità sufficiente, controllo dei costi di inferenza per non perdere denaro a ogni utente in più, ed elasticità per assorbire un picco improvviso senza degradare il servizio. Chi le ha tutte e tre può permettersi un modello leggermente peggiore e vincere lo stesso.
Sanzioni USA e chip AI in Cina: l’impatto sull’hardware di Moonshot
Per un’azienda cinese il vincolo ha una componente strutturale. Le restrizioni sull’esportazione degli acceleratori più avanzati limitano l’accesso proprio all’hardware che il resto del settore usa come riferimento, e questo rende il problema di capacità permanente e non temporaneo.
L’effetto è duplice. Rafforza il caso per gli acceleratori e le piattaforme cloud sviluppate internamente in Cina, che smettono di essere un ripiego e diventano l’unica strada. E spinge verso scelte tecniche diverse: modelli più piccoli, tecniche di inferenza più efficienti, limiti d’uso più severi. È un vincolo che genera innovazione per necessità e spiega perché alcune delle architetture più efficienti degli ultimi due anni siano arrivate proprio da laboratori cinesi.
Quotazione Moonshot AI a Hong Kong: mossa strategica o reale carenza di chip?
C’è un elemento che rende questa storia diversa da un semplice problema di capacità. Secondo Reuters, Moonshot sta smontando la propria struttura societaria offshore in preparazione di una quotazione a Hong Kong, con Goldman Sachs e China International Capital Corp tra i consulenti finanziari, e sta contemporaneamente raccogliendo nuovi capitali. L’azienda ha dichiarato a giugno un fatturato ricorrente annuo di 300 milioni di dollari, trainato soprattutto dalla domanda sulle API.
Letto in questa luce, il blocco degli abbonamenti diventa ambiguo: è un limite operativo reale, ma è anche la dimostrazione pubblica di una domanda che eccede l’offerta, cioè esattamente il messaggio che serve prima di una quotazione. Il rischio, per gli investitori, è speculare: se il vincolo di capacità dura abbastanza da far scappare gli abbonati paganti, la narrazione si rovescia.
Hardware per AI in locale: che requisiti servono per far girare un modello da 2.800 miliardi di parametri?
La conseguenza pratica riguarda chiunque abbia messo un modello dentro un flusso di lavoro. Se il tuo processo dipende da un servizio che può diventare irraggiungibile proprio quando ha successo, hai un rischio operativo che nessun benchmark ti aveva segnalato.
La difesa è quella che si applica a ogni fornitore critico: non dipendere da uno solo e valutare non solo quanto è bravo ma quanto regge sotto carico. E c’è una ragione in più per guardare ai modelli che si possono far girare in casa: non sono i migliori disponibili, ma sono gli unici che non diventano irraggiungibili perché qualcun altro li sta usando troppo.
La scena open source è molto vivace e già si trovano modelli piuttosto validi che possono essere eseguiti in locale anche senza un hardware monstre. I pesi di Kimi K3 dovrebbero uscire il 27 luglio, ma nessuna macchina consumer sarà in grado di farlo funzionare: 2,8 trilioni di parametri “puri” pesano circa 5.600 GB, mentre riducendo il peso del modello tramite quantizzazione (ipotizziamo una INT4 per non perdere troppa qualità) parliamo comunque di 1.400 GB. E a questi numeri andranno aggiunti ulteriori GB (o, meglio, TB) per il contesto.
Si tratta di capacità di calcolo industriali, raggiungibili soltanto mettendo insieme più server progettati appositamente per questo tipo di utilizzo, con costi nell’ordine dei milioni di dollari.
Uptime e stabilità dei modelli AI: il nuovo metro di giudizio per le aziende
La distanza di qualità tra i modelli di punta si sta assottigliando, mentre la distanza nella capacità di servirli resta enorme e richiede capitale, non ingegno. È una dinamica che favorisce strutturalmente chi ha accesso all’infrastruttura, cioè poche aziende, e rende la fase attuale meno aperta di quanto le classifiche facciano credere.
Il segnale da monitorare è quanti laboratori inizieranno a pubblicare, accanto ai benchmark, i propri dati di affidabilità del servizio. Il giorno in cui quel numero entrerà nella conversazione pubblica, sapremo che il settore ha smesso di raccontarsi solo attraverso i punteggi.
