Kimi K3, AI potente gratis: ecco la tentazione per i Governi

Il 27 luglio la cinese Moonshot AI ha fatto una cosa che, fino a pochi mesi fa, sarebbe suonata come un controsenso commerciale, ha regalato al mondo il suo prodotto migliore: Kimi K3. Non per generosità, regalare il modello e conquistare l’ecosistema che gli cresce intorno è la strategia con cui Pechino spinge l’open source, Xi l’ha detto apertamente e Alibaba ha subito promesso di distribuire gratis anche il suo Qwen. Quindi Moonshot pubblicato i pesi di Kimi K3. Conviene ricordare cosa sono, perché da qui può nascere un equivoco.

AI gratis cinese, Kimi K3 e altri

I pesi sono i numeri in cui si condensa tutto ciò che un modello ha imparato durante l’addestramento: il suo cervello, congelato in un file di parametri (nel caso di Kimi K3, quasi tremila miliardi). Renderli pubblici significa che chiunque, un ministero, un comune, un’azienda, può scaricare quel cervello e farlo funzionare sui propri computer, senza chiedere il permesso a Pechino e senza pagare un canone. Non stiamo parlando di un modello qualsiasi, nelle classifiche indipendenti Kimi K3 si colloca subito dietro i migliori sistemi americani a pagamento e davanti a ogni altro modello gratuito in circolazione.

Quanto costa usare i principali LLM via API

Prezzi in dollari per un milione di token, rilevati il 3 agosto 2026. Per Gemini 3.1 Pro sono indicati i prezzi fino a 200.000 token di contesto. Le tariffe di cache, batch, contesto esteso e hosting tramite terzi possono variare.

Kimi K3 non lavora solo sul testo, legge anche le immagini, documenti scansionati, moduli, fotografie, risponde in molte lingue, dall’arabo allo swahili, con la stessa naturalezza dell’inglese.

Per un governo la tentazione è evidente. Oggi la quasi totalità delle amministrazioni che vogliono un’intelligenza artificiale in casa possiede le macchine ma affitta software e potenza di calcolo dai grandi fornitori americani, un affitto pensato per durare anni. Un modello di prima fascia che costa zero sembra la via d’uscita, si compra l’hardware una volta e si scarica il cervello. Fine dei canoni.

Prima di rispondere sì, finalmente, però, vale la pena fermarsi su una domanda che sembra ingenua e non lo è: che cosa significa gratis? Perché la parola sovranità digitale non indica una cosa sola. Indica una pila di strati sovrapposti, ma i modelli aperti cinesi te ne regalano uno solo, lasciando gli altri dove stavano, in mani altrui. Capire quali sono quegli strati è la differenza tra un’occasione e una trappola. Smontiamoli uno per uno.

Aperto, si fa per dire

Partiamo dalla parola stessa, perché è la prima a trarre in inganno. Diciamo che Kimi K3 è open, ma aperto qui significa una cosa molto più stretta di quanto la parola lasci immaginare. Nel software libero, aperto vuol dire che puoi vedere come una cosa è fatta: leggi il codice, capisci le scelte, verifichi. Con un modello aperto, invece, ricevi il risultato, i pesi, il cervello addestrato, ma non il diario di come è stato cresciuto.

La distinzione tecnica è netta, avere accesso ai pesi non equivale al software libero e non garantisce trasparenza sui dati di addestramento, sul codice, sui metodi di valutazione o sulla governance. Ti do il cervello, non la storia di come l’ho educato. Non sai su quali testi è stato addestrato, quali contenuti sono stati filtrati o rinforzati, quali risposte sono state modellate a monte. Aperto nel senso che puoi usarlo liberamente, non nel senso che puoi ispezionarlo davvero.

Teniamo questa distinzione da parte, tornerà, e peserà, quando arriveremo al problema dei valori.

Primo strato: il software. Qui il gratis mantiene la promessa

Il primo malinteso da sciogliere è anche il più insidioso, perché è quello che confonde due usi opposti dello stesso modello.

Un conto è usare Kimi K3 come servizio online, collegandosi ai server di Moonshot: in quel caso i dati che l’amministrazione dà in pasto al modello viaggiano verso la Cina, ed è esattamente lo scenario di sorveglianza che una PA deve escludere. Un conto del tutto diverso è scaricare i pesi e far girare il modello in locale, sulle proprie macchine: in quel caso il cervello lavora dentro il perimetro dell’ente e il dato non esce mai. Sono due mondi che il dibattito continua a mescolare, con il risultato di spaventare chi dovrebbe stare tranquillo e tranquillizzare chi dovrebbe stare in allerta.

Sul modello in locale, dunque, il gratis mantiene ciò che promette e la cosa non è banale. Un cervello scaricato e in esecuzione su infrastruttura controllata dall’ente non può essere spento a distanza dall’azione di un governo straniero. Questo è il tipo di rischio che l’Europa ha imparato a temere sulla propria pelle quando l’accesso a un modello di frontiera americano è stato sospeso per ragioni di sicurezza nazionale. La lezione che ne è stata tratta non è passiamo al cinese, ma meglio non dipendere da un singolo fornitore che un governo estero può disattivare con una lettera https://www.agendadigitale.eu/sicurezza/sicurezza-ai-anthropic-al-centro-di-una-crisi-di-fiducia/. I pesi aperti sono la risposta più diretta a questa paura, ciò che hai scaricato e che gira in casa tua, nessuno te lo toglie.

Su questo strato, continuità dell’accesso e residenza del dato, l’open weight in locale regge, e regge meglio di un’API americana. Se la sovranità fosse solo questo, la partita sarebbe chiusa, ma così non è.

Secondo strato: il calcolo. Qui il gratis non arriva

Il cervello, per pensare, deve pur girare da qualche parte ma gira solo sui chip più avanzati, quelli che gli Stati Uniti decidono chi può comprare e chi no.

Questo strato il modello gratuito non lo tocca nemmeno. Puoi scaricare il software cinese, ma i processori su cui lo fai funzionare, i data center che li ospitano e l’energia che li alimenta restano dentro una filiera che l’Europa non controlla. Vale persino per i modelli sovrani europei, che pure nascono con l’ambizione dell’autonomia, girano, anch’essi, su chip americani. La Cina, dal canto suo, non ha ancora colmato il divario, perché non riesce a produrre i suoi processori più avanzati in quantità sufficienti da esportarli.

Il punto, per una PA, è che scaricare Kimi K3 non ti rende indipendente, ti sposta la dipendenza: esci dall’affitto del software e resti appeso al silicio. Hai risolto lo strato di sopra e lasciato intatto quello di sotto, che è il più caro e il più difficile da ricostruire.

Terzo strato: il futuro. Qui non regala nessuno

C’è poi lo strato che nessuno ti mette in mano. Oggi scarichi Kimi K3; il modello che verrà dopo, soprattutto la ricerca che lo produce, restano a Pechino. Possiedi un cervello, non la capacità di generarne di nuovi.

Questa è la sintesi onesta che fa lo stesso racconto da cui siamo partiti, un governo può detenere i pesi di un modello e continuare a dipendere da altri per i chip, per i data center e per i modelli futuri. I pesi aperti risolvono il rischio di perdere l’accesso a ciò che hai già; non eliminano le dipendenze a monte.

Il problema che resta anche in locale: i valori sono cotti nei pesi

Torniamo ora alla distinzione che avevamo messo da parte. Anche facendo girare Kimi K3 sui propri server, con i dati che non escono mai, resta un problema che non è di infrastruttura ma di merito. I valori, l’allineamento, gli eventuali filtri e le omissioni di un modello non sono un accessorio che si può togliere, sono “cotti” dentro i pesi e te li porti a casa insieme al cervello.

Su un tema neutro non cambia nulla. Ma una pubblica amministrazione lavora anche su terreni dove la neutralità non è scontata, diritti, storia, minoranze, dissenso, su quei terreni ciò che il modello dice, tace o inclina a dire dipende da scelte fatte a monte, che, l’abbiamo visto, non sono ispezionabili. Non è soltanto un rischio reputazionale, è un rischio di contenuto. L’ente dovrebbe sottoporre il modello a un lavoro di verifica su un cervello da migliaia di miliardi di parametri che nessuno può leggere riga per riga. Gratis da scaricare, tutt’altro che gratis da fidarsi.

La prova dei fatti: i governi non scelgono per classifica

C’è un dato che dovrebbe farci riflettere più di ogni argomento teorico. Modelli cinesi gratuiti e ben valutati sono disponibili da oltre un anno, eppure nessun governo al mondo ha costruito il proprio progetto nazionale di intelligenza artificiale su uno di essi. Un censimento prova a misurarlo, il Sovereign AI Index del CNAS https://interactives.cnas.org/reports/sovereign-ai-index/, che segue 139 progetti statali in 56 giurisdizioni (dati a inizio 2026). Tra quelli che costruiscono su un modello aperto e ne dichiarano la base, il favorito netto è Llama di Meta, presente in poco più di un terzo dei casi, seguito da Mistral, Gemma e, molto staccato, dal cinese Qwen. Nessuno, invece, ha costruito su DeepSeek o sui modelli precedenti di Moonshot, pur gratuiti e ben valutati. Non è pigrizia, ed è la lezione più utile del racconto, la sola posizione nei benchmark non cambia il comportamento di chi costruisce sistemi sovrani. I governi scelgono un modello di base come scelgono qualunque altra infrastruttura, guardando la documentazione, i termini di licenza, la copertura linguistica, la capacità e, non ultima, la provenienza. Il benchmark dice quanto un modello è bravo; non dice se puoi fidartene per vent’anni di servizio pubblico. Per il settore pubblico, la seconda domanda pesa più della prima.

Allora quanto costa davvero, il gratis?

Torniamo al punto di partenza, il risparmio c’è, ma va misurato per intero. Azzerare il canone del software è un vantaggio reale, massimo per chi ha già comprato l’hardware. Ma il costo totale di un sistema di AI per una PA non è la licenza, è la somma di chip, sotto controllo americano, addestramento fine, gestione operativa, messa in sicurezza, verifica continua e manutenzione. Inoltre, c’è, la libertà di riaddestrarlo sulla propria lingua e sul proprio ordinamento, che è il vantaggio vero dell’open weight ma è anche lavoro, per il lavoro c’è bisogno di un budget. Il modello è gratis, l’implementazione no.

Il confronto tra i listini API ridimensiona anche l’idea che l’open weight coincida sempre con il costo più basso. Kimi K3 e DeepSeek V4 Flash presidiano la fascia più economica, mentre Mistral Large 3 offre un riferimento europeo con tariffe inferiori ai modelli proprietari di punta. Il prezzo per token misura però soltanto il consumo del servizio gestito. Quando i pesi vengono eseguiti sui server dell’ente, il contatore dell’API viene sostituito dai costi di GPU, energia, orchestrazione, sicurezza e personale. Per una PA il confronto economico utile resta quindi il costo totale di proprietà, calcolato sui volumi effettivi e sui requisiti di continuità del servizio.

Questa forbice sta già separando due comportamenti d’acquisto. Il CIO Journal del Wall Street Journal ha messo a fuoco le imprese che continuano a pagare i modelli di fascia più alta quando qualità, affidabilità o prestazioni sul codice prevalgono sul costo unitario.

Sul versante opposto, Tech Startups ha ricostruito l’adozione di DeepSeek, Qwen, Kimi e GLM da parte di aziende occidentali come DoorDash, Airbnb e Siemens per ridurre la spesa di inferenza. In un confronto su uno specifico carico di lavoro citato dalla testata, Claude di Anthropic arrivava a 4.811 dollari contro 544 dollari per GLM di Zhipu, una differenza vicina a nove volte.

Brian Chesky, amministratore delegato di Airbnb, ha definito Qwen molto valido, veloce ed economico per attività di assistenza ai clienti. Shopify mostra perché la scelta raramente è binaria: impiega Qwen 3 in una pipeline di estrazione dei dati dei merchant, con un costo unitario indicato come circa 75 volte inferiore, e offre agli ingegneri un proxy centralizzato verso diversi strumenti di coding di fascia alta.

Per un CIO, la conseguenza è progettare un’architettura capace di instradare ogni carico sul modello con il rapporto più adatto fra qualità, costo e rischio, e di cambiare instradamento quando listini o prestazioni si spostano.