Kimi K3 scuote l’AI occidentale mentre Anthropic paga 1,5 miliardi sui libri pirata

🤖 Cosa cambia

• Kimi K3 combina 2,8 trilioni di parametri, pesi aperti e prezzi inferiori ai modelli statunitensi, riducendo il divario tecnologico tra Cina e USA.
• Moonshot accelera raccolta fondi e piani di quotazione, mentre Z.ai investe in un data center da 1 GW basato su chip cinesi.
• Anthropic versa 1,5 miliardi per chiudere la causa sui libri piratati, mentre l’addestramento trasformativo resta considerato fair use nel caso.

Il rilascio di Kimi K3 apre un nuovo “momento DeepSeek” per l’industria dell’intelligenza artificiale. Il modello open-weight di Moonshot AI, con 2,8 trilioni di parametri, avvicina le prestazioni dei sistemi cinesi a quelle dei principali modelli statunitensi mantenendo prezzi API sensibilmente inferiori. L’impatto si estende oltre i benchmark: Moonshot accelera la raccolta di capitali in vista di una possibile IPO, mentre Z.ai investe in infrastrutture da un gigawatt alimentate esclusivamente da chip nazionali. Sul fronte occidentale, Anthropic chiude invece con un accordo da 1,5 miliardi di dollari la causa sulla conservazione di milioni di libri piratati.

Kimi K3 riapre il dibattito sui costi dell’AI occidentale

Kimi K3 viene presentato come il più grande modello open-weight pubblicato finora, con un’architettura da 2,8 trilioni di parametri progettata per coding di lunga durata, knowledge work, ragionamento complesso e analisi multimodale. I primi test lo collocano vicino ai sistemi frontier di OpenAI e Anthropic, con risultati particolarmente elevati nella Frontend Code Arena, dove ha raggiunto il primo posto. Il vantaggio più destabilizzante riguarda però il prezzo: l’accesso API viene indicato a circa 3 dollari per milione di token in input e 15 dollari in output, contro costi sensibilmente superiori per i principali modelli statunitensi. La dinamica sviluppa il paradosso dell’AI tra modelli più efficienti e spesa infrastrutturale crescente, perché Moonshot dimostra che un sistema competitivo può comprimere il prezzo commerciale senza eliminare il fabbisogno di hardware. Il modello può infatti richiedere fino a 1,4 TB di memoria nelle configurazioni più complete, rendendo difficile una distribuzione autonoma fuori dai grandi data center.

I pesi aperti riducono il divario ma non il bisogno di calcolo

La pubblicazione dei pesi consente a imprese, laboratori e governi di analizzare, modificare e distribuire Kimi K3 senza dipendere completamente dall’infrastruttura proprietaria di Moonshot. Questo aumenta la pressione sui modelli chiusi occidentali, perché gli sviluppatori possono valutare il sistema, adattarlo a lingue e settori specifici e costruire servizi senza pagare continuamente il fornitore originale. I risultati restano però da verificare pienamente dopo la disponibilità effettiva dei pesi, mentre alcune valutazioni indicano una velocità inferiore rispetto ai modelli frontier americani. La competizione non riguarda quindi soltanto chi ottiene il punteggio più alto, ma il rapporto tra qualità, costo, latenza e controllo operativo. L’ascesa era già evidente con Kimi K3 al vertice della Frontend Code Arena, ma la nuova lettura industriale è più ampia: secondo diversi analisti, il distacco tra Cina e Stati Uniti sarebbe sceso da mesi a poche settimane, mettendo in discussione l’efficacia delle restrizioni sui chip come strumento sufficiente a rallentare l’innovazione algoritmica cinese.

Moonshot accelera raccolta fondi e possibile IPO

Il successo iniziale di Kimi K3 ha spinto Moonshot AI ad accelerare una nuova raccolta di capitali, con una valutazione indicata intorno ai 30 miliardi di dollari e la prospettiva di una quotazione entro i successivi sei mesi. La società aveva già raccolto circa due miliardi di dollari in primavera, raggiungendo una valutazione superiore ai 20 miliardi, e punta ora a finanziare espansione internazionale, addestramento e capacità computazionale. La domanda ha però mostrato immediatamente il limite dell’infrastruttura disponibile: Moonshot ha sospeso temporaneamente i nuovi abbonamenti dopo che l’utilizzo aveva spinto le GPU vicine alla capacità massima. Il caso dimostra che il software cinese può ridurre il divario qualitativo, ma resta vincolato dalla disponibilità di acceleratori, memoria HBM ed energia. Kimi K3 non elimina quindi il modello capital-intensive dell’AI: lo rende più competitivo sul lato del prezzo, aumentando contemporaneamente la necessità di finanziare cluster abbastanza grandi da servire milioni di utenti.

Z.ai costruisce un data center da 1 GW con chip cinesi

La risposta infrastrutturale cinese emerge con Z.ai, precedentemente nota come Zhipu AI, che ha completato un data center da 1 gigawatt basato esclusivamente su componenti nazionali. La struttura servirà per addestrare e distribuire i modelli GLM e comprende più cluster con oltre 10.000 chip ciascuno, senza acceleratori Nvidia. La notizia ha spinto il titolo Z.ai del 37% alla Borsa di Hong Kong, anche se il rialzo è arrivato dopo una settimana di forte correzione. Z.ai non è una holding di semiconduttori, ma uno sviluppatore di modelli e infrastrutture AI: il suo valore industriale consiste nella capacità di integrare acceleratori cinesi, software eterogeneo, compilatori e runtime in un ambiente produttivo. Il progetto si collega alla rete nazionale cinese di data center progettata per ridurre la dipendenza da Nvidia, ma restano colli di bottiglia significativi. La produzione SMIC sui nodi più avanzati è già fortemente utilizzata e la disponibilità nazionale di HBM limita il numero di acceleratori che Huawei e altri produttori possono assemblare.

Il modello cinese mette sotto pressione la strategia americana

Kimi K3 rafforza la tesi secondo cui la Cina può compensare parte delle limitazioni hardware attraverso architetture, ottimizzazione e modelli open-weight. Per Washington la scelta diventa più complessa: irrigidire l’accesso ai chip può rallentare l’espansione dei cluster cinesi, ma non impedisce la diffusione globale di modelli competitivi e meno costosi. Un eventuale blocco dei sistemi cinesi negli Stati Uniti ridurrebbe il loro accesso al mercato americano, ma potrebbe spingere Paesi emergenti e imprese attente ai costi verso alternative sviluppate a Pechino. Allo stesso tempo, la necessità di eseguire un modello da 2,8 trilioni di parametri favorisce produttori di memoria, storage e networking, indipendentemente dalla provenienza del modello. Il vero “momento DeepSeek” non consiste quindi nella scomparsa della spesa per data center, ma nella rottura dell’equazione secondo cui soltanto le aziende americane con investimenti giganteschi possono produrre intelligenza frontier. Kimi K3 dimostra che prezzo, apertura e velocità di inseguimento possono modificare il mercato anche senza conquistare il primo posto assoluto in ogni benchmark.

Anthropic paga per la libreria pirata, non per il training

Sul fronte giuridico, un giudice federale statunitense ha approvato definitivamente l’accordo da 1,5 miliardi di dollari tra Anthropic e gli autori che avevano contestato l’utilizzo di libri protetti. La distinzione giuridica è decisiva: il tribunale ha considerato trasformativo e quindi fair use l’impiego delle opere nell’addestramento del modello, ma ha ritenuto illecita la creazione e conservazione di una biblioteca centrale composta da circa sette milioni di copie piratate. Non si tratta quindi di una sanzione contro l’addestramento AI sui libri in quanto tale, ma del costo della provenienza illegale dei file acquisiti. L’accordo, indicato come il più elevato mai raggiunto in una controversia sul copyright, attribuisce poco più di 200 dollari per titolo e chiude soltanto una parte del contenzioso, perché alcuni aventi diritto hanno scelto di non aderire. Il precedente si inserisce nel più ampio confronto sui dataset editoriali e sui libri utilizzati per addestrare i modelli, stabilendo una linea potenzialmente favorevole all’AI sul training ma molto più severa sulla raccolta delle fonti.