La «parità» di Kimi K3.1 Pro è un comunicato stampa finché non arrivano i pesi

Quando un laboratorio ti dice che il suo modello è «subito dietro» il migliore al mondo, la domanda interessante non è di quanto. È chi teneva il righello. Con Kimi K3.1 Pro il righello era in gran parte quello di Moonshot, e questo cambia quanto della storia dovresti credere.

La tesi di Moonshot poggia soprattutto sui numeri di Moonshot

Moonshot ha rilasciato K3.1 Pro, un modello open weight aggiornato, e dice che i pesi completi arriveranno entro il 4 novembre. Su Terminal-Bench 4.0, secondo The Next Web, l'azienda afferma di aver ottenuto il 65,7%, davanti al GPT-6 Astra di OpenAI (58,2%) e appena dietro al Claude Opus 5.5 di Anthropic (66,4%). Lo stesso articolo osserva che quelle cifre sono di Moonshot e non sono state verificate in modo indipendente.

C'è un dato esterno. Secondo The Decoder, Artificial Analysis colloca K3.1 Pro al quarto posto del suo Intelligence Index con 55 punti, dietro a Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) e Muse Wonder Full (56). Se i pesi usciranno, il divario tra modelli aperti e proprietari in quell'indice scende da 12 punti a 3.

Il divario si sta riducendo, e questo è reale

Non vogliamo fare i cinici per sport. Un salto di 11 punti rispetto a K3 a parità di dimensioni, 2,8 trilioni di parametri totali, è un risultato serio, e arriva da una terza parte, non da una slide di lancio. Anche togliendo un punto o due per generosità, la direzione è chiara: la distanza tra ciò che puoi scaricare e ciò che devi affittare si sta accorciando in fretta.

Conta più di qualsiasi posizione in classifica. Mette i laboratori chiusi sotto pressione: dovranno giustificare il prezzo premium con qualcosa di più dei punteggi grezzi.

Ma «eguaglia» regge parecchio peso

Guarda cosa è stato scelto. I test di Moonshot comprendono anche quelli interni: Kimi Hallu Bench Hard, in cui dichiara che le allucinazioni scendono dal 23,4% all'8,3%, e un benchmark di vulnerabilità tutto suo. La stessa Moonshot dice che il test sulle allucinazioni è uno stress test, non una misura dei tassi di errore quotidiani. E in quello stesso test GPT-6 Astra fa ancora meglio, con il 5,5%.

Persino la copertura amichevole fa dei distinguo. La recensione di Analytics Vidhya conclude che K3.1 Pro «non è un en plein»: i modelli chiusi restano in testa nel lavoro 3D assistito da strumenti, e molte delle affermazioni più audaci poggiano sui test interni di Kimi. Il suo verdetto è che la prova vera arriverà quando team indipendenti avranno i pesi. Siamo d'accordo, e andiamo oltre: un benchmark che il fornitore progetta, esegue e pubblica è marketing con i decimali.

C'è anche una stranezza da notare. Secondo OfficeChai, Artificial Analysis attribuisce a K3.1 Pro il 67,2% su Terminal-Bench 4.0, più del 65,7% di Moonshot. È una buona notizia per Moonshot, ma suggerisce anche quanto questi numeri possano variare a seconda della configurazione e di chi li misura.

Il prezzo è il vero titolo, con un asterisco

L'argomento più forte a favore di K3.1 Pro non è la parità, è il costo. I prezzi API di Moonshot sono 2 $ per milione di token in ingresso e 10 $ per milione di token in uscita. OfficeChai indica Claude Opus 5.5 a 4 $/20 $ e GPT-6 Astra a 10 $/50 $. Circa la metà del primo e un quinto del secondo.

L'asterisco: il prezzo per token non è il prezzo per compito. Artificial Analysis ha rilevato che K3.1 Pro usa il 14% di token in uscita in più rispetto a K3, quindi un compito del suo indice costa 1,98 $ contro i 2,00 $ del vecchio modello. Un listino più basso non significa automaticamente un conto più basso, e prima di parlare di affare vorremmo vedere carichi di lavoro reali. La variante Highspeed, a 4 $/20 $, costa quanto Opus 5.5.

Provalo sul tuo carico di lavoro, non sul grafico di lancio

Il nostro consiglio è semplice. Se usi l'IA su larga scala, metti K3.1 Pro nella tua rosa di candidati e provalo sui tuoi compiti, con i tuoi prompt, misurando il costo per lavoro completato. Non cambiare sulla base di un grafico di lancio.

Altre due cautele meritano peso. I pesi aperti non sono ancora usciti, quindi «open» resta una promessa fino al 4 novembre. E Moonshot è sotto pressione a Washington: a luglio, secondo The Next Web, la Casa Bianca l'ha accusata di usare chip Nvidia vietati e di aver copiato un modello di Anthropic, senza pubblicare prove. È un'accusa, non un accertamento, ma ogni azienda con obblighi di conformità dovrà tenerne conto.

Il nostro verdetto: il divario con la frontiera si sta riducendo, ed è questa la storia da prendere sul serio. La «parità» non è ancora dimostrata. Richiedilo il 5 novembre, quando a tenere il righello sarà qualcuno diverso da Moonshot.