Analisi del gabinetto di ingegneria SFEIR ("una lettura da ingegnere") sul lancio, il **16 luglio 2026**, di **Kimi K3** da parte del laboratorio cinese **Moonshot AI**: un modello **open-weights, di livello frontier**, il cui fornitore dichiara **circa 2.800 miliardi di parametri**, un **contesto da un milione di token** e il **rilascio dei pesi prima del 27 luglio 2026** (probabilmente con licenza Modified MIT, come per la linea K2). Tesi: una capacità un tempo ritenuta riservata ai giganti proprietari (Anthropic, OpenAI, Google) diventa disponibile **in open weights, a prezzo scontato, da un laboratorio cinese**. SFEIR — pur essendo **partner di Anthropic e Google Cloud**, e quindi "senza alcun interesse a sopravvalutare un modello cinese" — adotta una **riserva metodologica** cardinale: il giorno del lancio **non esiste alcuna tabella di benchmark ufficiale e completa**; le specifiche (2,8T, Kimi Delta Attention, +25% di efficienza di addestramento) e i punteggi sono **dichiarati dal fornitore** o tratti da **arene comunitarie**, "da trattare come affermazioni, non come fatti misurati." La nuova architettura (**Kimi Delta Attention**, attenzione lineare ibrida; decodifica dichiarata fino a **6,3 volte più veloce** a 1M di token) rompe con la cadenza K2 (K2 lug. 2025 → K2.7 Code giu. 2026, un modello di punta ogni due mesi); due varianti accompagnano il lancio (**K3 Max**, **K3 Swarm Max**), con dismissione forzata della serie kimi-k2.5/moonshot-v1 il **31 agosto 2026**. **La vera arma è il prezzo** (~3$/M in ingresso, 0,30$ in cache, 15$ in uscita secondo fonti secondarie): un modello open-weights di livello frontier a questo livello **trascina verso il basso l'intera curva prezzo-prestazioni** — la commodizzazione del livello modello, accelerata dall'open source. Ma la singolarità decisiva non è un punteggio: è la **reversibilità**. Un modello open-weights di livello frontier trasforma un'API consumata (dipendenza dal fornitore) in un'**opzione** (self-hosting, portabilità, uscita dal lock-in), al prezzo di un'infrastruttura pesante per ospitare 2,8T di parametri. Il punto di vista di SFEIR: **l'open-weights cambia la domanda, non solo la risposta** — non più "quale modello è il migliore/il più economico?" ma "quanta parte del mio sistema sono disposto a rendere dipendente da un fornitore che non controllo?". La postura corretta resta un **portafoglio instradato** (un modello per compito, un modello per vincolo), con Kimi K3 che aggiunge una **colonna "reversibilità"** alla griglia decisionale. La convinzione "AI Only" resta invariata: il modello è una commodity, il vantaggio duraturo risiede nell'ingegneria che lo circonda (Context Engineering, harness, governance dei costi, capacità di cambiare idea). Le cifre restano da validare "in autonomia" — sui propri repository, sui propri dati.
**Pagina About** del sito **tokeneconomics.com**, che presenta la **Tokenomics Foundation** — un progetto **Linux Foundation** annunciato il **3 giugno 2026**, gestito in **stretta collaborazione con la FinOps Foundation**. **Missione dichiarata**: *"establish open industry standards, benchmarks, and best practices for the economics of AI infrastructure"* — che collega **produzione, consumo e monetizzazione** dei token al **valore di business**. **Definizione quadro della tokenomics**: *"Tokenomics is not just about the cost of tokens, it's about the entire layer of AI that they drive from production, to consumption to monetization"* — ossia **l'intero strato economico dell'IA**, dal costo dell'infrastruttura alla selezione del modello fino all'ottimizzazione del valore. **Tesi delle fasi**: l'adozione iniziale dell'IA privilegiava la **capacità**; la fase attuale si sposta verso **efficienza e valore**, il che richiede una gestione sistematica dei costi e **visibilità**. **5 principi fondatori**: (1) ***"Efficiency is a design choice. AI cost is shaped by architecture, not just usage"***; (2) ***"Bigger is not always better. The best AI system is not always the one using the most expensive model"*** (right-tool / routing); (3) ***"Visibility comes before optimisation. Teams cannot manage what they cannot see"***; (4) ***"Value matters more than volume. More tokens, more calls, and more automation do not automatically mean better outcomes"***; (5) ***"Open knowledge benefits everyone"*** (standard condivisi, apprendimento collettivo, trasparenza). **Governance**: un **Governing Board** (direzione industriale + allocazione dei fondi) e un **Technical Committee** (specifiche aperte + benchmark). **Deliverable**: estensione della **FOCUS specification** (FinOps), specifiche aperte, benchmark, framework e metriche condivisi. **Pubblico target**: CAIO, CTO, CIO, CFO, ingegneri, team di prodotto, professionisti FinOps, ricercatori, startup, imprese, settore pubblico. **Obiettivo dichiarato**: portare le organizzazioni *"from experimental AI adoption to sustainable AI operations"* estendendo la disciplina della **spesa tecnologica variabile** all'era dei token. **Rilevanza per questa rassegna**: istituzionalizzazione/standardizzazione del **FinOps agentico** a livello di fondazione di settore — converge direttamente con le schede [[finops-foundation-finops-for-ai-overview-2026-02-17]], [[finout-finops-ai-agents-four-step-allocation-framework-2026-04-27]], orq-ai-finops-ai-agents-cost-per-outcome-hosseini-2026-04-15, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (livello di allocazione, token verso outcome) e con lo spostamento **token → outcome** (Salesforce/Tallapragada, Sierra/Greenwald). I 5 principi corrispondono esattamente alle leve già rilevate: architettura > uso, **routing Haiku/Sonnet/Opus**, osservabilità prima dell'ottimizzazione, valore ≠ volume.
#Tokenomics Foundation#tokenomics#economia dei token
**Tokenomics Foundation** (entité collective, projet de **The Linux Foundation**, en partenariat avec la **FinOps Foundation**). Page institutionnelle *About* — **aucun auteur individuel nommé**. Annonce datée du **3 juin 2026**.