C’è un dettaglio, nel lancio di Kimi K3, che vale più di tutti i benchmark messi insieme: un laboratorio cinese ha alzato i prezzi. Non di poco. Moonshot AI, la startup di Pechino che il 16 luglio ha presentato il suo nuovo modello di punta, chiede 3 dollari per milione di token in input e 15 in output. È lo stesso listino di Claude Sonnet, circa il 40% sotto Claude Opus, e soprattutto è 3-4 volte il prezzo del predecessore Kimi K2.6 (che costava 0,95 e 4 dollar)i. È il modello più caro mai rilasciato da un lab cinese.
Per un ecosistema che per due anni ha costruito la propria identità sul prezzo stracciato, è un gesto quasi eretico. E infatti la lettura più diffusa in queste ore è: finisce l’era dell’AI cinese low cost. È una lettura pigra, e sbagliata. Quello che sta succedendo è più interessante, e per i concorrenti americani parecchio più scomodo.
Il low cost non è finito
Partiamo dai fatti. Kimi K3 è un modello da 2,8 trilioni di parametri, il primo modello aperto di classe 3T. Usa un’architettura Mixture of Experts estremamente sparsa: dei suoi 896 “esperti” (sottoreti specializzate) ne attiva 16 alla volta, circa 50 miliardi di parametri attivi per ogni risposta. Ha visione nativa, quindi capisce immagini e video senza moduli aggiuntivi, e una finestra di contesto da un milione di token. I pesi sono promessi entro il 27 luglio (il technical report non è ancora uscito). Su quest’ultimo punto torniamo dopo, perché conta.
Ora, se il prezzo di K3 segnasse “la fine del dumping cinese”, come titolano in molti, dovremmo vedere tutto l’ecosistema muoversi nella stessa direzione. Succede il contrario. DeepSeek V4 Flash costa 0,14 dollari in input e 0,28 in output. DeepSeek V4 Pro sta a 0,435 e 0,87. GLM 5.2 di Z.ai costa circa la metà di K3 in input. La gamma Qwen di Alibaba copre uno spettro che va da 0,01 a 3,20 dollari. K3 è l’eccezione che si aggiunge alla regola, non la nuova regola.
Peraltro parlare di dumping è sempre stato improprio. Il dumping presuppone vendita sottocosto per eliminare i concorrenti, e non c’è mai stata prova che i lab cinesi vendessero in perdita: i loro prezzi bassi venivano da architetture sparse e da un’efficienza ingegneristica reale, semmai accompagnata da prezzi da conquista di mercato. La differenza non è pedanteria: un prezzo basso sostenibile non “finisce” quando qualcuno lancia un prodotto premium. Convive.
Un catalogo in espansione
Il quadro che emerge, se si guarda alla scala prezzi invece che al singolo lancio, è quello di un’offerta che si è variegata. E su due livelli. Il primo è tra laboratori: DeepSeek presidia il low cost estremo, GLM la fascia media, Kimi ora la fascia alta. Il secondo, più significativo, è dentro i singoli laboratori: DeepSeek ha lo split Pro/Flash, Qwen ha una gamma che attraversa tre ordini di grandezza di prezzo. Non è una strategia coordinata da Pechino, e trattare “i cinesi” come un attore unico è l’errore analitico da cui questa storia dovrebbe guarirci. È il risultato emergente di una concorrenza interna feroce, con laboratori che si rubano ricercatori, utenti e quote a vicenda.
Ed è proprio il carattere emergente a rendere il fenomeno più serio, non meno. Una segmentazione decisa a tavolino da un ministero si può smontare con una decisione politica. Una segmentazione che emerge dal mercato significa che il mercato ha raggiunto la massa critica per sostenerla: abbastanza domanda, abbastanza differenziazione tecnica, abbastanza fiducia da parte di chi vende. Nessuno segmenta mentre insegue. Si segmenta quando si ritiene di avere un prodotto che regge il confronto in ogni fascia.
Il prezzo come dichiarazione
Qui sta il punto della maturità. Nel manuale del marketing, la segmentazione dell’offerta è il segnale classico di un settore che passa dalla fase di conquista a quella di consolidamento. E il prezzo di K3 è prima di tutto segnaletica commerciale: mettersi allo stesso listino di Claude Sonnet è un modo per dire “giochiamo nella stessa categoria”. Un atto di fiducia che sarebbe suicida se il prodotto non reggesse.
Il prodotto, per quanto ne sappiamo oggi, regge. Con le cautele del caso: i benchmark del lancio sono auto-riportati, e le note a piè di pagina di Moonshot rivelano che modelli diversi sono stati valutati con harness diversi, cioè con impalcature di test non identiche, il che rende i confronti meno puliti di quanto sembrino. E il technical report, ripetiamolo, non c’è ancora. Però le conferme indipendenti iniziali vanno nella stessa direzione: nella valutazione di knowledge work di Artificial Analysis, K3 raggiunge un Elo di 1547, dietro solo a Claude Fable 5. È primo nella Frontend Code arena di Arena.ai, nono nella classifica generale per il testo. Moonshot stessa, con un’onestà rara nei comunicati stampa, ammette che K3 resta dietro Claude Fable 5 e GPT-5.6 Sol. Non è il migliore. È abbastanza buono da giustificare il listino, però, ed è questo che conta per la tesi.
Anche sul costo effettivo per compito, i numeri di Artificial Analysis raccontano una scala prezzi ormai completa: un task costa in media 0,94 dollari con K3, 1,04 con GPT-5.6 Sol, 1,80 con Claude Opus 4.8. Ma anche 0,32 con GLM-5.2 e 0,04 con DeepSeek V4 Pro, che costa 20 volte meno di K3. Dallo stesso ecosistema, oggi, si può comprare l’utilitaria e la berlina di rappresentanza.
Pesi aperti, margini chiusi
C’è poi la parte apparentemente contraddittoria del modello di business: come si tiene insieme un listino premium con la promessa di pubblicare i pesi del modello il 27 luglio? Se chiunque può scaricare K3, chi pagherà Moonshot 15 dollari a milione di token?
La risposta ha due facce, e vanno tenute insieme. La prima è la necessità: un modello da 2,8 trilioni di parametri costa moltissimo per farlo funzionare. Non gira su una macchina qualsiasi, Moonshot raccomanda configurazioni “supernode” da 64 o più acceleratori, e il listino alto è prima di tutto il riflesso di quel costo. È lo stesso identico problema che hanno OpenAI e Anthropic: modelli enormi, infrastruttura mostruosa, prezzi che devono ripagarla. Su questo piano Moonshot non sta facendo niente di esotico: sta scoprendo che la frontiera costa, per tutti e a tutte le latitudini.
La seconda faccia è la strategia, ed è qui che i pesi aperti smettono di sembrare un controsenso. Se il tuo modello richiede 64 acceleratori solo per accendersi, “aprirlo” è un gesto a rischio quasi zero: l’appassionato nel sottoscala non lo scaricherà mai, e i pochissimi provider terzi in grado di servirlo bene dovrebbero replicare un’infrastruttura che Moonshot ha già ottimizzato, a partire da un cache hit rate dichiarato sopra il 90% nei carichi di coding, cioè oltre nove richieste su dieci servite dalla cache a 0,30 dollari invece che a 3. Ti prendi la bandiera dell’apertura, il favore degli sviluppatori e l’ecosistema, senza regalare il business. Con una precisazione dovuta: pesi aperti non significa open source. Non ci sono i dati di training né il codice, quindi il modello si può usare e adattare, non riprodurre.
Va detto che questa è la parte fragile della scommessa. Se dopo il 27 luglio qualche grande cloud riuscisse a servire K3 bene e a prezzo inferiore, il listino premium di Moonshot durerebbe poco. È un equilibrio da verificare tra qualche settimana, non un dato acquisito.
I mercati temono il tracollo, la realtà dice altro
Venerdì 17 luglio i titoli AI e dei semiconduttori sono scesi, e il riflesso condizionato degli investitori è stato evocare il “DeepSeek moment” del gennaio 2025: la Cina fa modelli competitivi a costi ridotti, quindi servirà meno calcolo, quindi giù i produttori di chip. È esattamente la lettura sbagliata, ed è sbagliata due volte. Primo, perché K3 non è un modello efficiente e frugale: è un colosso da 2,8 trilioni di parametri che richiede più compute per essere servito, non meno. Secondo, perché il parallelo con DeepSeek presuppone ancora la cornice “Cina uguale cloni economici”, che è precisamente ciò che questo lancio manda in pensione.
La notizia vera non è che un modello cinese costa quanto Claude Sonnet. È che l’ecosistema cinese ora copre l’intera scala prezzi, dal quasi gratuito al premium, e ci arriva per selezione competitiva interna, non per decreto. Per i laboratori americani questo è più minaccioso di qualunque guerra al ribasso: la concorrenza sul low cost erode i volumi, la concorrenza su ogni segmento erode anche i margini, cioè il posto dove OpenAI e Anthropic devono ripagare i loro investimenti monumentali.
La supremazia americana esiste ancora, i numeri di K3 lo dicono chiaramente: dietro Fable 5, dietro GPT-5.6 Sol. Ma si è ristretta a un solo piano, quello della frontiera assoluta. Sul prezzo, sull’apertura, sulla copertura di gamma e ora anche sul segmento premium la partita è già in pareggio o persa. La domanda con cui conviene chiudere non è chi ha il modello migliore, ma quanto vale avere il modello migliore quando il secondo migliore costa la metà, si scarica, e arriva da un ecosistema che ormai presidia ogni fascia. Chi si consola pensando che almeno i cinesi hanno smesso di fare prezzi bassi non ha capito il problema. Ora li fanno bassi, medi e alti insieme.