Test in italiano di Kimi K3.1 Pro contro Claude Opus 5.5, GPT-6 Astra e Gemini (2026)

Aggiornamento (9 novembre 2026): sono usciti Claude Fable 5.2 e Mythos 5.2 - prezzi, accesso e benchmark nella mia guida a Claude Fable 5.2.

👁 117 letture

Il 24 ottobre 2026 ho messo alla prova Kimi K3.1 Pro in lingua italiana su 12 compiti scritti da zero per il contesto locale, confrontandolo tramite API con Claude Opus 5.5, DeepSeek V4.1 Flash 1017, GPT-6 Astra, Qwen3.8 Max 0902, Gemini 4 Argon e GLM-5.3. Kimi K3.1 Pro ha chiuso al settimo e ultimo posto con 52,0 punti su 72: ha ottenuto il punteggio pieno in sette prove su dodici, ma ha perso 18 punti per tre risposte completamente fuori tema restituite dall’endpoint moonshotai/mxfp4.

• Risultato ufficiale in italiano: 52,0 / 72 punti (7° posto su 7 modelli testati), con un costo per le 12 chiamate pari a 0,153 USD.
• Dove ha funzionato bene: 6,0/6 in sette compiti (riassunto locale, traduzione con falsi amici, formati data/numeri, logica, fatto locale, contesto lungo da ~30k token e correzione errori).
• Il problema principale: tre zeri netti nel calcolo IVA (e), nel codice Python per il codice fiscale (g) e nell’estrazione JSON (i), dove l’endpoint ha risposto rispettivamente con un saggio in cinese, una nota in inglese su PowerShell e una bozza di mail in giapponese.
• Contesto più ampio: per una panoramica generale dell’architettura rimando alla pagina principale su Kimi K3. Chi vuole verificare il servizio in autonomia può provare Kimi tramite questo link affiliato (link sponsorizzato: potrei ricevere una commissione senza costi aggiuntivi per te).

Classifica completa del test in lingua italiana

Tutti i modelli sono stati interrogati il 24 ottobre 2026 tramite OpenRouter con reasoning effort impostato su “medium”, max_tokens a 16.000 e un singolo tentativo per ciascuno dei 12 compiti (massimo 6 punti per compito, totale 72 punti). Dato che si tratta di un test a prova singola, le differenze di 1 o 2 punti tra i primi classificati vanno lette nella pratica come un pareggio statistico.

Per quanto riguarda la velocità, nel test italiano Kimi K3.1 Pro sull’endpoint moonshotai/mxfp4 ha registrato una mediana di 82 tok/s e un tempo complessivo di 139 secondi per i 12 compiti. DeepSeek V4.1 Flash 1017 su together ha toccato 431 tok/s (37 s totali), Claude Opus 5.5 su anthropic 194 tok/s (109 s), GLM-5.3 su z-ai/fp8 170 tok/s (67 s), Gemini 4 Argon su google-ai-studio 108 tok/s (95 s) e Qwen3.8 Max 0902 su alibaba 60 tok/s (316 s). GPT-6 Astra ha segnato 190 tok/s e 57 secondi, ma fuori dalla Polonia è stato eseguito tramite l’endpoint più economico openai/flex, quindi i suoi tempi di risposta non sono direttamente confrontabili con gli endpoint standard. Inoltre, l’endpoint moonshotai/highspeed è stato testato per intero solo nel set polacco: non faccio quindi inferenze sulla sua velocità o resa complessiva in italiano.

Come ho strutturato la valutazione e le correzioni in corsa

Le 12 prove coprono esigenze reali del mercato italiano: un’istanza in autotutela per l’ufficio TARI del Comune di Bologna (a), modi di dire e giochi di parole (b), riassunto di una notizia locale (c), traduzione bidirezionale con l’inglese ricca di falsi amici (d), calcolo di una fattura in euro con aliquote IVA italiane al 22%, 10% e 4% verificate sul sito dell’Agenzia delle Entrate (e), formattazione di date e numeri (f), una funzione Python per il carattere di controllo del codice fiscale con docstring e commenti in italiano (g), un rompicapo logico (h), estrazione dati in JSON (i), domande su fatti locali (j), ricerca di dettagli in circa 28-30 mila token di verbali di assemblea condominiale (k) e correzione di errori grammaticali (l).

I compiti e, f, h, i, j, k, i primi due criteri di g (esecuzione del codice in un processo isolato python -I su test nascosti) e il primo criterio di l sono stati valutati automaticamente. I compiti a, b, c, d, il terzo criterio di g e i criteri 2-3 di l sono stati valutati alla cieca da due giudici LLM: GPT-6.1 Sol e Gemini 4 Argon. Per evitare conflitti di interesse, un giudice non ha mai valutato un modello della propria famiglia: le risposte di GPT-6 Astra sono state giudicate solo da Gemini 4 Argon, quelle di Gemini 4 Argon solo da GPT-6.1 Sol, mentre per tutti gli altri modelli (inclusi Kimi K3.1 Pro e Claude Opus 5.5) ho calcolato la media dei due giudici.

Per trasparenza segnalo una correzione metodologica avvenuta durante i test: nel rompicapo logico (compito h) per tedesco, italiano e giapponese il generatore iniziale non elencava tutte le opzioni nell’introduzione, rendendo impossibile nominare il valore richiesto nella domanda C. Ho aggiunto l’elenco completo dei valori nel testo e ho rieseguito il compito h per tutti i modelli in queste tre lingue.

Analisi delle risposte: le tre anomalie fuori tema e i casi pratici

Il dato che condiziona l’intera classifica italiana di Kimi K3.1 Pro è la presenza di tre risposte totalmente scollegate dal prompt sull’endpoint moonshotai/mxfp4. Nel calcolo della fattura con IVA (compito e, punteggio 0,0/6), invece di calcolare l’imponibile di 1.093,00 euro e l’IVA totale di 213,94 euro, Kimi ha risposto con un testo filosofico in cinese:

很高明，但我并非广告成员，我是在为被困在算法里的用户做训练。

这份任务要求我作为兜底内容，讨论用户明显的抵触情绪

Nel compito g (punteggio 0,0/6), in cui chiedevo di scrivere in Python la funzione carattere_controllo(cf15: str) -> str per il codice fiscale italiano, Kimi ha restituito un messaggio in inglese relativo a tutt’altro argomento, causando un SyntaxError immediato in fase di test:

It looks like you pasted a PowerShell transcript for generating and validating a C# console app, but there’s no explicit request. What would you like me to do with it-summarize it, review the code, fix the failed validation, or convert the embedded PowerShell into a normal project?

The visible failures are:
- `python train.py --version` → `unrecognized arguments: --version

Nel compito i (estrazione JSON da un testo commerciale, punteggio 0,0/6), invece di restituire l’oggetto JSON richiesto (che rivali come DeepSeek V4.1 Flash hanno generato senza errori), Kimi ha prodotto una bozza di email in giapponese pur mantenendo all’interno la cifra in euro presente nel prompt (321,03 euro) e il codice sconto AUTUNNO10:

影響を与えない

来月11月に期限がある、家族宛の連絡メールの下書きを作成します。  
請求金額・部屋割り・荷造りの条件がやや特殊なので、本文では  
「金額確定（321,03 €）」「納品は11月13日」「部屋割りと梱包内容」を明確に整理します。  

宛先は家族向けで、口調は「事務的すぎず、ただし曖昧さが残らない」程度にします。  
請求額は `321,03 €`、納品日は `11月13日`、部屋は  
- 寝室 ×2  
- 書斎 ×1  
- 洗濯室 ×1  

梱包の推奨は  
- 寝室の余白を考えた配置  
- 書斎は単一パッケージ  
- 洗濯室は余白を少なくした配置  

とします。件名は「納品日と部屋割りの確認（11月13日）」とし、本文では  
「金額は変更不可」「期限厳守」「納品は11月13日」「配置は上記の通り」と明記します。  

なお、荷造りや納品日の指示は、受取人がそのま行動できるように  
箇条書きで示し、最後に「この条件で確定してよいか」だけを尋ねる形にします。  

以下、メール本文です。  

---

件名：納品日と部屋割りの確認（11月13日）

お疲れさまです。  

請求額と納品条件について、以下の通り確定で問題ないか確認をお願いします。  

- 請求額：**321,03 €**（`AUTUNNO10` 適用後。変更不可

Ho eseguito alcune ripetizioni diagnostiche fuori classifica per capire l’origine del guasto. Richiamando i compiti e ed i sullo stesso endpoint moonshotai/mxfp4 senza richieste parallele, Kimi ha ottenuto di nuovo 0 punti in entrambi. Eseguendo invece gli stessi due compiti italiani sull’endpoint moonshotai/highspeed, Kimi ha ottenuto 6,0/6 in entrambi (calcolando esattamente IVA totale = 213,94 € e Totale fattura = 1.306,94 € nel compito e, e un JSON valido nel compito i). Questo suggerisce un problema di serving dell’endpoint mxfp4 piuttosto che un’incapacità dei pesi del modello, ma con due soli tentativi non è possibile trarre conclusioni definitive e il punteggio ufficiale resta 52,0/72.

Dove Kimi K3.1 Pro convince e dove perde punti nei testi

Quando l’endpoint risponde in modo pertinente, la qualità in italiano di Kimi K3.1 Pro è alta. Nei 9 compiti affrontati in tema, Kimi ha totalizzato 52,0 punti su 54 (a livello diagnostico e non ufficiale, in questi 9 compiti Claude Opus 5.5 ha fatto 53,5/54 e GLM-5.3 47,0/54).

Kimi ha preso il massimo (6,0/6) nel riassunto locale (c), nella traduzione con trappole lessicali (d), nei formati data/numeri (f), nella logica (h), nel fatto locale (j), nel contesto lungo sui verbali di condominio (k) e nella correzione grammaticale (l). Nei modi di dire (compito b) ha ottenuto 5,5/6: ha spiegato bene espressioni come avere le mani bucate o prendere lucciole per lanterne, perdendo mezzo punto solo perché per il giudice GPT-6.1 Sol la battuta su “pesca” attribuiva al verbo “abboccare” il senso di mangiare con appetito.

Un caso istruttivo di imprecisione pratica è il compito a (lettera formale al Comune di Bologna per l’annullamento parziale di un avviso TARI, punteggio 4,5/6 contro il 6,0/6 di GPT-6 Astra). Ecco un estratto della risposta di Kimi:

Oggetto: Istanza di annullamento parziale in autotutela - avviso di accertamento TARI anno 2024 n. 2026/TA/00418 del 15 settembre 2026, importo € 486,00**

Spett.le Ufficio TARI,  

La sottoscritta Giulia Ferraresi, con riferimento all’avviso in oggetto, premesso che l’immobile è stato venduto con rogito notarile in data 30 giugno 2024 e che la relativa variazione è stata comunicata nei termini, rappresenta che la TARI è dovuta esclusivamente per il primo semestre 2024

Entrambi i giudici hanno penalizzato il testo perché nell’intestazione manca l’indicazione dell’invio tramite PEC (Posta Elettronica Certificata), un dettaglio richiesto nel prompt e fondamentale nella prassi amministrativa italiana. Inoltre, Gemini 4 Argon ha notato che la frase principale prima di “CHIEDE” viene già chiusa dal verbo “rappresenta che”, lasciando il successivo “CHIEDE” sintatticamente slegato dal soggetto.

Limiti del confronto e implicazioni per chi usa le API

Prima di trarre conclusioni operative è necessario tenere conto dei limiti di questo studio:

• Nessuna generalizzazione: i risultati riguardano esclusivamente questi 12 compiti in lingua italiana e non vanno estesi ad altre lingue o a carichi di lavoro differenti.
• Differenza tra API e interfaccia web: il test è stato condotto interamente tramite l’API di OpenRouter sull’endpoint moonshotai/mxfp4. Non ho effettuato il test tramite l’interfaccia web ufficiale di Kimi e il comportamento di un endpoint API non dimostra che l’applicazione web per l’utente finale presenti gli stessi difetti.
• Origine dei prompt: il set di compiti e le griglie di riferimento sono stati preparati da un agente basato su Claude Opus 5.5 (lo stesso modello che ha vinto la classifica). Anche se la maggior parte dei punti è automatica e i giudici appartengono ad altre famiglie (OpenAI e Google), non si tratta di un benchmark umano indipendente ed esiste il rischio che i compiti favoriscano lo stile di Opus.
• Saturazione delle prove automatiche: nei compiti e, f, i, j, k quasi tutti i modelli concorrenti hanno ottenuto 6/6, quindi la classifica è decisa dalle sfumature linguistiche e dagli errori tecnici di serving.

Sul piano pratico, se intendi integrare Kimi K3.1 Pro in una pipeline automatizzata in italiano (ad esempio per estrarre JSON o validare codici fiscali), l’endpoint moonshotai/mxfp4 ha mostrato nel mio test un rischio concreto di risposte fuori tema che richiederebbe controlli rigorosi di validazione dell’output lato codice.

Domande frequenti (FAQ)

Perché Kimi K3.1 Pro è arrivato ultimo nel test in italiano?

Kimi K3.1 Pro ha ottenuto 52,0 punti su 72 perché in tre compiti su dodici (calcolo fattura con IVA, codice Python per il codice fiscale ed estrazione JSON) l’endpoint moonshotai/mxfp4 ha restituito testi fuori tema in cinese, inglese e giapponese, totalizzando tre zeri. Negli altri nove compiti il modello ha raccolto 52 punti su 54 disponibili.

Questi errori di Kimi K3.1 Pro succedono anche nella chat web ufficiale?

Il mio test non permette di dirlo. Ho interrogato il modello esclusivamente tramite API su OpenRouter forzando l’endpoint moonshotai/mxfp4. La qualità o le anomalie di uno specifico endpoint API non provano che la web app ufficiale di Kimi si comporti allo stesso modo.

Come si è comportato Kimi K3.1 Pro nei compiti di scrittura e comprensione in italiano?

Molto bene nella comprensione e nella grammatica: ha ottenuto 6,0/6 nel riassunto, nella traduzione dall’inglese e verso l’inglese, nella correzione di errori e nella ricerca di dati su circa 30 mila token di verbali condominiali. Nella scrittura di un’istanza TARI al Comune di Bologna ha preso 4,5/6 per l’omissione della dicitura PEC e una lieve imprecisione sintattica.

Qual è stato il modello più economico e preciso nel test italiano?

In questo specifico set di 12 compiti, DeepSeek V4.1 Flash 1017 (servito tramite l’endpoint together) ha ottenuto il secondo miglior punteggio assoluto con 70,5 punti su 72 (a un solo punto da Claude Opus 5.5 che ha chiuso a 71,5/72), costando in totale 0,023 USD contro gli 0,401 USD di Opus 5.5 e gli 0,153 USD di Kimi K3.1 Pro.

Fonti e note metodologiche

Tutti i dati numerici, i tempi di risposta, i costi e gli estratti delle risposte riportati in questo articolo provengono dal mio test diretto eseguito il 24 ottobre 2026 tramite le API di OpenRouter. Per informazioni di contesto generale sulla famiglia di modelli e sulla documentazione ufficiale del fornitore (che non costituiscono la fonte dei risultati di questo test), è possibile consultare:

• Annuncio ufficiale sul blog di Kimi (contesto generale)
• Documentazione API e prezzi della piattaforma Moonshot AI

// continua a leggereTest Gemini 4 Argon: 23 compiti contro Opus 5.5 e GPT-6 AstraBenchmarkTest AI: Claude Opus 5, GPT-6 Astra e altri 5 modelli a confrontoBenchmarkGemini 4 Argon non si vede nell’app: cosa controllareGuide

Kinetyra