Kimi K3 da 2,8 trilioni di parametri arriva su Amazon Bedrock

Amazon Bedrock aggiunge Kimi K3 di Moonshot AI: 2,8 trilioni di parametri, visione nativa e finestra di contesto da 1.000.000 di token. Moonshot AI lo presenta come il suo modello più capace e il primo open-weight a toccare quella scala. AWS lo posiziona per attività di coding e knowledge work su documenti, repository e immagini¹.

Il post di AWS lega tre elementi tecnici: contesto lungo, visione, caching esplicito dei prompt. La finestra da 1.000.000 di token punta a mantenere stabilmente grandi basi informative lungo sessioni estese. La visione “native” affianca testo, codice e immagini in uno stesso flusso. Arriva poi il caching esplicito su Bedrock: il riuso del contesto tra chiamate riduce latenza e costo di input quando parti del prompt si ripetono. Kimi K3 risulta il primo modello open-weight sulla piattaforma a supportare questa funzione. Moonshot AI indica anche un’efficienza di scala circa 2,5 volte superiore rispetto a Kimi K2, senza fornire metriche o metodologia di calcolo¹.

Il messaggio operativo è lineare: processare contenuti eterogenei e lunghi, senza perdere continuità, e abbassare i costi quando si ripete lo stesso contesto. Nei flussi di coding e knowledge, repository estesi e documenti corposi richiedono persistenza dello stato. Il caching esplicito aiuta quando le chiamate successive condividono sezioni uguali di prompt. La combinazione di visione e contesto ampio consente di mescolare codice, testo e immagini restando allineati sullo stesso set di riferimenti. AWS inquadra Kimi K3 dentro una strategia open-weight che, a suo dire, cambia l’economia dell’adozione: abbinare ogni carico al giusto equilibrio tra capacità, velocità e costo, con affidabilità e sicurezza di produzione come obiettivo¹.

Moonshot AI rivendica il primato sui parametri per un modello open-weight e colloca K3 al vertice della propria offerta. AWS, dal canto suo, aggiunge una nuova opzione nel catalogo Bedrock e la orienta a casi d’uso prolungati. Entrambe le parti insistono sul nesso tra ampiezza del contesto e durata delle sessioni: meno “reset” informativi, più continuità di lavoro. Nel quadro tracciato, Kimi K3 estende la gamma Bedrock per scenari in cui serve tenere insieme materiale voluminoso e multimodale, con benefici dichiarati su latenza e costo quando si riusano segmenti di prompt¹.

Restano aspetti pratici non coperti nel post ufficiale. Nessun dettaglio su prezzo, regioni, limiti d’uso o prerequisiti. L’annuncio si concentra su capacità, posizionamento e supporto al caching esplicito. Chi valuta l’integrazione dovrà verificare disponibilità e condizioni commerciali direttamente su Bedrock al momento del test o del deploy¹.