Rilasciati i pesi di Kimi K3.1 Pro: ora i suoi benchmark devono dimostrare il loro valore

Un modello è davvero "aperto" se non puoi verificare nulla di ciò che dice il suo produttore? Fino a questa settimana Kimi K3.1 Pro si trovava in questa zona grigia: un mucchio di benchmark impressionanti e la promessa di rilasciare i pesi. Dal 4 novembre la promessa è stata mantenuta, e questo cambia ciò che possiamo pretendere.

I pesi ci sono, ma con le clausole in piccolo

Secondo diversi tracker che abbiamo consultato, Moonshot ha lanciato Kimi K3.1 Pro il 23 ottobre a 2 dollari per milione di token in ingresso e 10 dollari per milione di token in uscita, circa un terzo in meno rispetto a Kimi K3. I pesi sono poi stati pubblicati su Hugging Face, dove Moonshot lo descrive come un modello agentico open-weight, nativamente multimodale, con una finestra di contesto da 1 milione di token e sottoposto a post-addestramento a partire da Kimi K3.

Un articolo di OrcaRouter quantifica il rilascio in 96 frammenti e 1,56 TB, con una licenza personalizzata, non approvata dall'OSI, che contiene una clausola da 20 milioni di dollari. Non abbiamo visto il testo della licenza, quindi i dettagli sono di seconda mano. Il titolo, però, è chiaro: sono pesi aperti, non open source in senso stretto.

Le classifiche sono sempre state la prova più debole

I numeri in circolazione erano un pasticcio. Un sito cita un punteggio di 55 su Artificial Analysis e il quarto posto. Codersera afferma che il modello costa 2,11 dollari per attività contro 5,98 dollari di Claude Opus 5.5. Un'altra pagina parla di 46 in un "nuovo indice". Una terza ripete un 65,7% su Terminal-Bench 4.0. Alcuni di questi dati potrebbero essere dichiarazioni del produttore e le pagine non hanno data, quindi non sappiamo quale fotografia sia quella aggiornata.

È proprio questo il punto. Il dato di un benchmark fornito dal laboratorio che ha addestrato il modello è pubblicità. Quello di un aggregatore, magari arrotondato, riscalato o copiato, è una voce di corridoio con la virgola. Persino il confronto sul costo per attività dipende da quanti token il modello consuma ragionando, e una fonte osserva che il ragionamento di K3.1 Pro non si può disattivare. Economico per token non significa economico per problema risolto.

Andiamo oltre: l'intera domanda "è bravo quanto i migliori?" è traballante. Bravo in cosa? Agenti di programmazione da terminale, recupero su contesti lunghi, ragionamento multimodale e semplice aderenza alle istruzioni possono ordinare i modelli in modi diversi. Un modello può essere quarto in un indice composito e restare la scelta sbagliata per il tuo carico di lavoro.

Perché i pesi cambiano le regole

I pesi danno a tutti un martello. I ricercatori possono eseguire le proprie valutazioni con i propri prompt, verificare la contaminazione, sondare le modalità di errore, quantizzarlo, farne il fine-tuning e confrontare gli output con quelli dell'API ospitata. Se il modello in self-hosting si comporta in modo diverso da ciò che vende l'endpoint di Moonshot, ce se ne accorgerà in fretta. È una vera responsabilità verso il pubblico, che i laboratori chiusi di frontiera semplicemente non offrono.

Anche la licenza conta. Una licenza personalizzata non OSI con una clausola da 20 milioni di dollari non è necessariamente un ostacolo per la maggior parte degli sviluppatori, ma significa che "aperto" ha delle clausole in piccolo. Chi ci costruisce sopra un prodotto dovrebbe leggere i termini reali, non il riassunto di un blog.

C'è poi la realtà pratica di 1,56 TB. Non è un modello da eseguire su un portatile: per la maggior parte dei team, "pesi aperti" vorrà probabilmente dire noleggiare hardware o usare un fornitore terzo. Il vantaggio sono la libertà di scelta e la verificabilità, non una rivoluzione da home lab.

Il nostro verdetto

Non fidarti della parola di Moonshot su quanto sia bravo il modello, e nemmeno della nostra. Nelle prossime settimane tieni d'occhio le valutazioni indipendenti che pubblicano prompt, impostazioni e casi di fallimento. Dai più peso a ciò che testa la programmazione agentica su repository reali e riporta il costo per attività risolta anziché per token.

Se sei uno sviluppatore, fai un tuo confronto su un campione rappresentativo del tuo lavoro prima di cambiare qualsiasi cosa; il prezzo basso dell'API lo rende poco costoso. Se i risultati indipendenti saranno vicini alle dichiarazioni, la notizia non sarà che la Cina ha raggiunto i migliori, ma che finalmente le prove sono pubbliche. In caso contrario, i pesi avranno comunque fatto il loro dovere: permettono al resto di noi di scoprirlo.