Moonshot AI, startup cinese emergente e sostenuta da giganti tecnologici come Alibaba, ha appena svelato una novità destinata a scuotere il mondo dell’intelligenza artificiale: Kimi K2. Questo modello di linguaggio di grandi dimensioni, con un impressionante numero di mille miliardi di parametri, si inserisce di diritto tra i più potenti modelli a pesi aperti mai creati, portando con sé innovazioni tecniche e un modello di business che promette di rivoluzionare il mercato.
Kimi K2 e l’architettura “mixture-of-experts”: un salto di efficienza nella AI
La caratteristica più sorprendente di Kimi K2 è la sua architettura definita mixture-of-experts (MoE). Invece di un unico enorme modello monolitico, Kimi K2 è composto da una moltitudine di piccole “sotto-reti esperte”, ognuna specializzata in compiti o dati specifici. Un sofisticato meccanismo chiamato “gating” seleziona dinamicamente quale di queste sotto-reti deve attivarsi per gestire ogni singolo input.
Ciò significa che, in ogni momento, vengono attivati solo 32 miliardi di parametri su un totale di mille miliardi, un dettaglio che ha un impatto enorme sia sulla velocità che sui costi computazionali. Questo modello modulare permette di ottenere prestazioni elevate con un dispendio di risorse notevolmente inferiore rispetto ai modelli tradizionali, un vantaggio che si traduce in risparmi concreti per chi utilizza il modello.
A livello economico, questa efficienza si riflette in un prezzo estremamente competitivo, secondo quanto riportato da Tech Target: circa 0,14 euro per milione di token in input e 2,30 euro per milione di token in output.
Per fare un paragone, modelli come GPT-4.1 di OpenAI costano quasi 1,80 euro per input e 7,30 euro per output, mentre Claude Opus 4 di Anthropic si spinge molto più in alto, con prezzi fino a 13,70 euro e 68,50 euro rispettivamente. In pratica, Kimi K2 offre un livello di costo tipico di modelli di fascia media, ma con capacità di fascia alta.
Prestazioni sorprendenti e qualche limite: cosa aspettarsi da Kimi K2
I test preliminari sul campo mostrano che Kimi K2 non è solo competitivo, ma in alcuni casi supera modelli di riferimento come GPT-4.1. Ad esempio, nel benchmark SWE-Bench Verified, focalizzato su compiti reali di correzione di bug in codice, Kimi K2 ha raggiunto un punteggio del 65,8%, contro il 54,6% di GPT-4.1. Questo significa che il modello è stato capace di correggere quasi due terzi dei problemi proposti, generando patch valide per i test unitari su progetti reali presenti su GitHub.
Anche su LiveCodeBench, che misura la capacità di scrittura e completamento di codice, Kimi K2 ha fatto meglio con un 53,7% rispetto al 44,7% del concorrente statunitense. Nel campo del ragionamento matematico, Kimi K2 ha toccato addirittura il 97,4% su MATH-500, superando ancora GPT-4.1 fermo al 92,4%.
Tuttavia, Moonshot AI ha ammesso che il modello presenta ancora delle limitazioni, soprattutto in compiti di ragionamento complessi o quando deve interagire con strumenti poco definiti. In questi casi, il modello può produrre un numero eccessivo di token o chiamate incomplete, con un degrado delle prestazioni soprattutto nell’uso “one-shot prompting” – cioè quando il modello affronta un compito con un solo esempio. Moonshot ha però confermato che è al lavoro per migliorare questi aspetti nelle prossime versioni.
