Kimi K3.1 Pro: il modello open-weight da 1 milione di token si può usare in azienda, anche in locale?

Cos'è Kimi K3.1 Pro, e cosa è confermato a fine ottobre 2026?

Kimi K3.1 Pro è un modello linguistico di Moonshot AI, presentato sulla pagina ufficiale del modello. La pagina non riporta una data: quella del 23 ottobre 2026 viene da The Decoder. Moonshot dichiara un contesto da 1 milione di token e una variante Highspeed da 2 a 3 volte più veloce. Nell'API si chiamano kimi-k3.1-pro e kimi-k3.1-pro-highspeed (guida rapida all'API).

Il modello è già disponibile su kimi.ai, nelle app e sulla Kimi API Platform (Moonshot). I pesi sono annunciati entro il 4 novembre: oggi, 30 ottobre 2026, è un annuncio e non ancora un fatto verificabile.

Dalla guida all'API risultano tre caratteristiche da conoscere:

• il ragionamento non si può disattivare: si regola con reasoning_effort (low, high o max), che di default è su max;
• supporta strumenti, input di immagini e video, output strutturato con JSON Schema e streaming;
• l'output arriva fino a 1.048.576 token, con un limite predefinito di 131.072.

Quanto è vicino ai modelli di frontiera nei benchmark, e quanto fidarsi dei numeri?

È vicino, ma quasi tutti i numeri li ha pubblicati la stessa Moonshot. Sul test delle allucinazioni Kimi Hallu Bench Hard l'azienda riporta un calo all'8,3%, dal 23,4% di K3 (Moonshot): è un test che porta il nome del produttore, quindi va letto come dato dichiarato. Il dato indipendente è l'Artificial Analysis Intelligence Index, riportato da The Decoder: K3.1 Pro è quarto con 55 punti, 11 in più di K3.

Nessun benchmark dice come si comporterà il modello su un modulo d'ordine scritto male o su una mail di reclamo della tua azienda. La prova che conta è quella sui propri documenti. Per scegliere il modello di ogni passaggio di un processo puoi partire dalla guida su modelli AI piccoli o di frontiera.

Quanto costa Kimi K3.1 Pro via API rispetto a Claude e GPT?

Secondo The Decoder, costa 2 $ per milione di token in input, 10 $ in output e 0,20 $ per l'input letto dalla cache. La documentazione ufficiale di Moonshot, consultata il 30 ottobre 2026, non riporta ancora i prezzi: indica solo la cache automatica con durata predefinita di 5 minuti (documentazione Moonshot). Fino alla pubblicazione ufficiale, le cifre sono provvisorie.

I listini cambiano spesso e vanno ricontrollati prima di decidere. Kimi costa la metà di Opus 5.5, ma ha lo stesso listino di gpt-6.1-sol (OpenAI): non è l'unico a quel prezzo. Il rischio maggiore per il conto sta nelle impostazioni predefinite: ragionamento al massimo e fino a 131.072 token di output (guida API).

Per confrontarli con un'installazione interna, la pagina sui costi dell'AI in locale elenca le voci da mettere a bilancio.

Dove finiscono i dati aziendali inviati all'API di Moonshot?

Restano a Singapore, con una controparte di Singapore. I termini d'uso dell'API, aggiornati al 30 luglio 2026, indicano Moonshot AI PTE. LTD., legge di Singapore e arbitrato SIAC. Consentono di usare i contenuti per "provide, maintain, develop, support, and improve the Services": per limitare l'addestramento serve un accordo enterprise. Il GDPR non è citato. L'informativa privacy parla di "secure servers located in Singapore" e menziona l'addestramento; non nomina un rappresentante nell'UE né i sub-responsabili.

Sulla conservazione c'è un'incongruenza da chiarire. La pagina del modello presenta la Zero Data Retention come disponibile per i clienti API (Moonshot), mentre la documentazione ZDR la riserva ai clienti enterprise, tramite l'ufficio vendite. Anche attiva, esclude log su abusi e sicurezza, fatturazione, Batch API, immagini e video caricati direttamente, e non indica la regione di elaborazione.

Un precedente utile: il 30 gennaio 2025 il Garante ha limitato in via d'urgenza il trattamento dei dati degli utenti italiani da parte di DeepSeek. Moonshot non è coinvolta, ma il caso mostra che un servizio extra UE può essere fermato con effetto immediato: chi ci costruisce un processo deve avere un'alternativa pronta.

Prima di inviare dati personali o riservati, controlla le voci della guida sulle impostazioni privacy delle API AI e valuta con il DPO la base del trasferimento extra UE. Gli obblighi che restano all'azienda sono nella pagina su AI e GDPR.

Cosa serve per far girare Kimi K3.1 Pro in locale?

Con ogni probabilità un'infrastruttura da data center. I requisiti ufficiali di K3.1 Pro non ci sono ancora; il riferimento è K3, che secondo The Decoder ha le stesse dimensioni. La scheda di K3 su Hugging Face descrive un mixture-of-experts da 2,8 trilioni di parametri, 104 miliardi attivi per token, pesi in MXFP4, e consiglia vLLM, SGLang e TokenSpeed.

Le versioni compresse di Unsloth abbassano la soglia, ma la più piccola richiede comunque circa 594 GB di memoria.

Per una PMI che pensa a un server in ufficio, il modello completo non è realistico, e lo dico pur vendendo server. Per risposte sui documenti, classificazione delle email o estrazione dati dagli ordini possono bastare modelli open-weight molto più piccoli, da provare sui propri dati, su macchine come la DGX Spark o un server dedicato (AI on-premise). Con volumi bassi o variabili, invece, le API di un fornitore con contratto e regione UE costano di solito meno di un cluster da 16 o 32 GPU fermo per buona parte del tempo.

Cosa dice la licenza, e i pesi aperti saranno lo stesso modello dell'API?

La licenza di K3.1 non è ancora nota. Quella di K3 permette l'uso commerciale, ma chi offre il modello come servizio sopra i 20 milioni di dollari di ricavi in 12 mesi deve firmare un accordo con Moonshot; sopra i 100 milioni di utenti mensili va mostrata la dicitura "Kimi K3" (licenza Kimi K3). L'uso interno sembra escluso dalle soglie, ma il testo va letto con un legale, anche perché non risulta indicare la legge applicabile.

C'è poi un punto pratico. Secondo The Decoder, Moonshot ha tolto dalla versione con pesi aperti i dati di addestramento sulla cybersicurezza, e nei test interni la capacità di trovare vulnerabilità scende dal 90,5% all'81,0%. I pesi scaricabili potrebbero non coincidere con il modello dell'API: le prove fatte via API vanno ripetute in locale.

Quali rischi si corrono scaricando modelli da Hugging Face?

Il rischio è scaricare codice malevolo insieme al modello. Il 29 ottobre 2026 BleepingComputer ha documentato 31 repository malevoli che si spacciavano per checkpoint di Qwen2 e sfruttavano trust_remote_code per installare un miner di criptovalute. Il modello principale aveva 28.412 download e le scansioni lo davano per pulito.

Un modello atteso come Kimi può diventare bersaglio di copie false. Alcuni controlli:

• scaricare solo dall'account ufficiale moonshotai;
• verificare gli hash dei file;
• evitare trust_remote_code dove possibile, o leggere il codice;
• provare il modello in un ambiente isolato dalla rete aziendale prima della produzione.

L'AI in locale riduce i dati che escono, ma la catena di fornitura dei modelli va gestita come quella di qualunque software.

Da dove partire per capire se Kimi K3.1 Pro serve alla tua azienda?

Si parte dai dati, non dal modello: prima si separa ciò che può andare a un fornitore extra UE da ciò che non deve uscire.

1. Dati non sensibili e volumi variabili. Può andare bene l'API di Kimi o un modello di frontiera con regione UE; OpenAI applica un sovrapprezzo del 10% per l'elaborazione in una regione specifica. Le differenze tra abbonamenti, API e contratti sono nella pagina sui modelli di frontiera in azienda.
2. Dati riservati. Servono modelli open-weight dimensionati sull'hardware disponibile; K3.1 Pro in locale ha senso solo con un'infrastruttura da data center.
3. Documenti interni. Il contesto da 1 milione di token aiuta su un singolo fascicolo voluminoso, ma non sostituisce un sistema con permessi e citazioni come quello della guida all'AI sui documenti aziendali.
4. Prova prima dell'acquisto. Su casi reali si misurano qualità, tempi e costo per richiesta, impostando il ragionamento in modo esplicito.

Se vuoi fare questo lavoro insieme, nella valutazione partiamo dai tuoi flussi e dai tuoi dati. Il risultato può essere un'API in cloud, un modello in locale o entrambi; se serve, server e software si possono fornire già configurati.