Kimi K3, Inkling e la nuova corsa ai modelli open: cosa cambia davvero per un'azienda

Nella nostra ultima rassegna, a metà luglio, scrivevamo che il podio dei modelli open-weight cambiava quasi ogni mese. È durato pochi giorni: tra il 15 e il 16 luglio 2026 sono arrivati due lanci che hanno spostato di nuovo gli equilibri, uno dalla Cina e uno da un laboratorio americano nato da poco. Per chi decide un'architettura AI in azienda, la domanda interessante non è quale dei due sia "il migliore", ma cosa dicono le loro licenze e cosa cambia, in pratica, per chi deve restare conforme.

Kimi K3: il modello open più grande mai rilasciato

Moonshot AI ha presentato il 16 luglio Kimi K3, un modello Mixture-of-Experts da circa 2,8 trilioni di parametri totali (poco meno di 900 esperti, di cui solo 16 attivi per ogni token), con contesto fino a 1 milione di token e capacità native di visione. Secondo benchmark indipendenti citati da più testate, si colloca oggi al quarto posto tra tutti i modelli — chiuso o open — dietro solo ai due modelli di frontiera più recenti, davanti a concorrenti chiusi affermati. La reazione dei mercati non è passata inosservata: i titoli dei principali produttori di semiconduttori hanno registrato un calo marcato nei giorni successivi, e più di un osservatore ha parlato di un "momento DeepSeek" bis.

La licenza, però, non è la MIT o Apache 2.0 "pulita" che ci si aspetterebbe leggendo solo i titoli: Moonshot usa da tempo una Modified MIT License, che consente liberamente uso commerciale, fine-tuning e ridistribuzione, ma impone di mostrare in modo visibile il nome del modello nell'interfaccia se il prodotto commerciale che lo integra supera 100 milioni di utenti attivi mensili o 20 milioni di dollari di fatturato mensile. Per la stragrande maggioranza delle aziende questa soglia resta teorica, ma va comunque letta prima di adottare il modello, non data per scontata. I pesi completi sono attesi per il 27 luglio 2026: al momento in cui scriviamo, Kimi K3 è annunciato e verificato sui benchmark, ma non ancora scaricabile.

Inkling: il primo modello open di Thinking Machines Lab

Il giorno prima, il 15 luglio, Thinking Machines Lab — il laboratorio fondato da Mira Murati, ex CTO di OpenAI — ha rilasciato Inkling, il suo primo modello pubblico, ed è open-weight: circa 975 miliardi di parametri totali in architettura MoE, con solo 6 esperti su 256 attivi per token (circa 41 miliardi di parametri attivi), multimodale nativo su testo, immagini e audio, addestrato su 45 mila miliardi di token. La licenza è Apache 2.0, senza soglie o clausole nascoste: uso commerciale, modifica e ridistribuzione libere fin dal primo utente.

È un segnale che vale la pena notare al di là delle specifiche tecniche: un laboratorio americano di alto profilo, con capitali ingenti e senza bisogno di inseguire ricavi immediati, ha scelto l'apertura come primo prodotto pubblico invece del modello chiuso accessibile solo via API — finora la norma tra i laboratori USA, con la parziale eccezione di Meta. Tra gli obiettivi dichiarati dal team ci sono il contenimento dei costi di esecuzione e una maggiore resistenza alla censura del modello.

Nel frattempo, Alibaba non sta a guardare

Nella stessa settimana Alibaba ha mostrato un'anteprima di Qwen3.8-Max, 2,4 trilioni di parametri, annunciando che anche i pesi di questa nuova generazione saranno rilasciati — in continuità con la strategia già vista sulla serie 3.6, sempre sotto licenza Apache 2.0. È l'ennesima conferma che il ritmo delle uscite open-weight, in questa fase, si misura in giorni, non in mesi.

Cosa cambia davvero per chi deve decidere oggi

• Rincorrere l'annuncio della settimana non è una strategia: a questo ritmo, qualunque modello scegliate oggi come "il migliore" rischia di non esserlo più tra un mese. Conta l'architettura che vi permette di cambiarlo senza dover ricostruire tutto.
• Le licenze restano tra loro molto diverse anche quando sembrano tutte "permissive": la Modified MIT di Kimi K3 ha soglie di attribuzione che l'Apache 2.0 di Inkling e Qwen non ha. Vanno lette una per una, non assunte dall'etichetta.
• La reazione dei mercati ai lanci cinesi è un promemoria pratico, non solo finanziario: un'infrastruttura pensata per essere model-agnostic — dove il modello è sostituibile e i dati restano sotto il vostro controllo, su infrastruttura propria o cloud sovrano svizzero — vi protegge dalla volatilità di un settore che cambia leader ogni poche settimane.
• Le scadenze AI Act non aspettano il prossimo lancio: le sanzioni per i modelli general-purpose iniziano ad applicarsi dall'agosto 2026, tra pochi giorni. Verificare la conformità della propria architettura ora costa molto meno che scoprire un problema dopo.

È il lavoro che facciamo ogni settimana con i nostri clienti: seguire questi lanci, leggere le licenze prima che diventino un problema, e costruire un'architettura dove il modello giusto gira dove deve girare — con i vostri dati che restano vostri, indipendentemente da chi guida il podio quella settimana.