Pesi aperti, domande aperte: cosa mostrano davvero gli ultimi rilasci

Mozilla ha pubblicato la versione 1.1 del suo rapporto State of Open Source AI il 15 settembre, utilizzando dati aggiornati al 1 settembre, secondo Tom's Hardware. Il risultato principale: il miglior modello open ha seguito il leader chiuso sull'Artificial Analysis Intelligence Index di tre punti al 60% del prezzo, e si è posizionato due punti dietro Claude Fable 5 al 30%. La stima di Mozilla sui dati task-horizon di METR pone il divario open-chiuso a circa 4,4 mesi, in linea con la stima di quattro mesi di Epoch AI.

È un divario compresso. Ma è anche misurato in un modo molto specifico.

Cosa misura davvero la cifra di quattro mesi

Il numero si basa su METR, una no-profit di ricerca che valuta i modelli in base alla lunghezza del task, in termini di tempo di lavoro umano, che completano la metà delle volte. Secondo la stima calibrata di Mozilla, i modelli chiusi gestiscono task che richiedono 8 a 12 ore di lavoro a esperti umani. I modelli open raggiungono quel livello circa quattro mesi dopo. Mozilla calcola il raddoppio della capacità open ogni 3,9 mesi contro i 5,5 mesi dei modelli chiusi. Il rapporto si basa su un'indagine Mozilla/SlashData di circa 1.400 sviluppatori, più dati di traffico OpenRouter e indici di benchmark di terze parti, ha riportato Tom's Hardware. Mozilla è la no-profit dietro Firefox e un sostenitore dei modelli open: TIME ha riportato il 14 luglio che il CTO di Mozilla, Raffi Krikorian, ha descritto il rapporto come parzialmente di advocacy.

C'è una seconda avvertenza sepolta nella metodologia. Il divario di quattro mesi e la cifra del 30% sul prezzo dei token sono misurati API contro API su endpoint hostizzati e al prezzo di listino. È un confronto su come due categorie di modelli vengono vendute, non solo su cosa sanno fare.

Il grafico hardware del rapporto stesso acuisce il punto. Il miglior modello open che sta su un server segna 52,6; il miglior modello che sta su una GPU segna 40. Il calo dalla vetta è rispettivamente di 10 e 23 punti, un divario più grande dei quattro mesi riportati. Il checkpoint nativo MXFP4 di Kimi K3 occupa circa 1,56TB su 96 shard, e la configurazione di serving di Mozilla elenca 64 o più acceleratori, mentre vLLM richiede almeno otto GPU GB300, con più nodi per il traffico di produzione. Il rapporto lo descrive come open ma non eseguibile dalla maggior parte di chi lo possiede. Tom's Hardware ha stimato il fabbisogno di memoria vicino a 1,5TB a luglio. Un controesempio nel rapporto è Thinking Machines' Inkling-Small, sotto licenza Apache 2.0, la cui versione NVFP4 sta su una B300 con un minimo di 180GB.

Dunque: scaricabile, sì. Pratico per una piccola squadra, a volte no.

I benchmark economici e vicini

Mozilla ha anche graficato i risultati di Terminal-Bench 2.1 di vals.ai, che fanno passare ogni modello attraverso lo stesso harness, il livello software che offre i suoi strumenti a un modello. Su quella classifica, GLM-5.2 di Z.ai ha segnato entro un punto di Claude Opus 4.7 e circa quattro punti dietro Opus 4.8, a meno di un quinto del costo per test. Su OpenRouter, un marketplace che instrada il traffico degli sviluppatori a centinaia di modelli, Mozilla ha contato otto dei primi dieci modelli per volume di token ad agosto come open weight, sette dei quali costruiti in Cina. I provider chiusi hanno comunque preso il 96% del ricavo a livello di modello su OpenRouter da maggio a settembre 2025, secondo la Linux Foundation.

Krikorian ha detto ad Ars Technica in una email che Mozilla vede la decisione di pagare per i modelli chiusi come specifica per workload piuttosto che specifica per organizzazione.

I dati si fermano al 1 settembre, e le classifiche si sono mosse da allora. Artificial Analysis ha spostato il suo indice alla v4.3 con un set di valutazione diverso; la classifica live ha Claude Fable 5.1 a 53 sulla sua impostazione di sforzo più alta con Kimi K3 a 44, numeri non confrontabili con le cifre v4.1.1 graficate da Mozilla. La classifica Terminal-Bench 2.1 di vals.ai, aggiornata l'11 settembre, è guidata da GPT-6 Astra all'87,27% con Fable 5.1 all'85,02%. La didascalia del grafico di Mozilla recita: "il divario si azzera a ogni ciclo di rilascio".

K3 porta anche un'accusa dettagliata nell'avviso congiunto NSA/CISA/FBI del 8 settembre AA26-251A. L'affermazione, che il rapporto di Mozilla riporta come "asserita, e non dimostrata", è che Moonshot abbia estratto dati di Claude Fable 5 per addestrare K3 attraverso la distillazione, la pratica di addestrare un modello sugli output di un altro. Il 17 luglio, Artificial Analysis aveva K3 a 57 contro i 60 di Fable 5; il 1 settembre, Mozilla lo aveva due punti indietro.

I pesi aperti non sono Open Source, e la distinzione sta facendo il suo lavoro

Open Source Initiative ha usato il momento per tracciare una linea. In un post del 19 settembre, OSI ha argomentato che i modelli open-weight permettono di esercitare alcune delle quattro libertà software, la libertà di usare, studiare, modificare e condividere senza chiedere permesso al titolare dei diritti, ma non tutte, e solo a un certo grado. Un modello consiste in tre componenti: dati di addestramento, pesi e parametri, e codice per la preparazione dei dati e l'addestramento. I pesi aperti rilasciano solo quello di mezzo.

Con i pesi aperti, puoi scegliere di eseguire un modello localmente, pagando solo per l'elettricità e l'hardware, o puoi lavorare con un provider di terze parti per hostizzarlo. Puoi anche fine-tunare il modello con i tuoi dati.

L'esempio alternativo di OSI è Olmo di Ai2, rilasciato come Open Source AI, che ha permesso ai ricercatori di iniettare nuove informazioni nei dati di addestramento e osservare come il modello le memorizzava o le dimenticava. Il rapporto di Mozilla conta 16 rilasci open notevoli, ma Tom's Hardware nota che nessuno fornisce la ricetta dei dati richiesta dalla definizione di Open Source Initiative. OSI valuta il valore lato domanda dell'ecosistema Open Source a 8.800.000.000.000 dollari.

Quella cornice conta per le politiche, ma non stabilisce se i pesi aperti siano utili. Lo sono chiaramente, in compiti ristretti.

Piccoli modelli, compiti specifici

Superwhisper ha rilasciato S1-mini, un normalizzatore di testo di 0,6B parametri per l'output speech-to-text, fine-tunato da Qwen/Qwen3-0.6B e con licenza Apache 2.0 con una clausola di denominazione. Prende una trascrizione ASR grezza e la riscrive come testo scritto pulito: riempitivi rimossi, falsi inizi risolti, punteggiatura applicata, numeri e date parlate resi in forma scritta. Su un set trattenuto di 7.519 casi in inglese raggiunge il 94,8% di accuratezza token, e la build quantizzata è un file da 462 MiB che gira su una CPU di laptop. La scheda modello è insolitamente diretta sull'ambito: non è un modello chat, non seguirà istruzioni generali, copre solo l'inglese, e si aspetta una riga di controllo in cima all'input. Il suo conteggio dei parametri è anche una piccola lezione sulla lettura delle schede modello: la sidebar del Hub riporta 0,8B, ma la scheda spiega che lm_head.weight è memorizzato come una copia materializzata dell'embedding di input, quindi l'embedding da 155,6M parametri è contato due volte, 752 elementi tensor contro 596 parametri unici.

Un secondo esempio viene da una scrittura di un praticante, non da un vendor. James Cruce ha descritto il 22 settembre la sostituzione di un router deterministico nel suo sistema di agenti con Laya, un modello open-weight di decisioni tipizzate da convaiinnovations con circa 421.000.000 parametri, un encoder ModernBERT-large e un limite di 1.024 token. Restituisce risposte tipizzate, una scelta tra opzioni nominate, un punteggio su una scala ordinata, o una probabilità per una affermazione sì/no, piuttosto che prosa da analizzare. Lo ha scelto rispetto a Jev hostizzato di TypeSafe, che elenca 0,042 dollari per milione di token di input senza addebito per token di output e gestisce scelte con fino a 255 opzioni, perché voleva decisioni di routine che girassero localmente su un Mac Studio con M3 Ultra e 256GB di memoria unificata. È esplicito che questa è una sola implementazione: non ha testato se Laya batte Jev in generale, e tratta il modello come un raccomandatore dentro un programma, mai come una fonte di permesso o verità. La scheda modello avverte che è overconfident e ha bisogno di calibrazione specifica per dominio.

Questi sono i casi in cui i pesi aperti smettono di essere un argomento geopolitico e iniziano a essere una scelta ingegneristica. Un normalizzatore da 462 MiB e un modello di decisione da 421M non sono sistemi frontiera. Sono anche il tipo di cosa che una squadra può fissare, eseguire offline e auditare senza una chiamata di approvvigionamento.

La questione del copyright resta irrisolta

La ricerca open-weight più influente dell'ultimo anno riguarda ciò che c'è dentro i pesi. Un paper di A. Feder Cooper, Mark A. Lemley e sette co-autori, inviato per la prima volta l'18 maggio 2025 e rivisto fino al 20 luglio 2026, misura la memorizzazione di libri su 200 titoli e 14 LLM open-weight, attraverso più di 3.000 esperimenti. L'astratto afferma che la maggior parte degli LLM non memorizza la maggior parte dei libri, né per intero né in parte, ma che ci sono eccezioni notevoli. Llama 3.1 70B memorizza interamente alcuni libri, inclusi Harry Potter e la Pietra del Filosofo; gli autori scrivono che si può estrarre deterministicamente l'intero libro quasi verbatim usando le prime poche parole del libro come prompt iniziale.

La cornice del paper è deliberatamente scomoda per entrambi i lati delle lotte sul copyright. Afferma che i querelanti e i querelati fanno affermazioni vaste e opposte che semplificano drasticamente la relazione tra memorizzazione e copyright, e che i suoi risultati hanno implicazioni significative per i casi di copyright, anche se non in modo ambiguo a favore di un lato o dell'altro. Il paper è stato accettato a COLM 2026.

Metti insieme i due filari e il quadro del mese è meno ordinato di quanto uno o l'altro campo vorrebbe. I pesi aperti sono abbastanza vicini alla frontiera sui benchmark aggregati da ricalcolare il prezzo di molto lavoro, e drasticamente più economici su alcuni di essi. Sono spesso troppo grandi per essere serviti senza un rack. Non sono Open Source secondo la definizione usata da una gran parte della comunità. Possono contenere testo verbatim da libri che nessuno ha licenziato. E un modello da 0,6B che ripulisce la dettatura fa ancora esattamente ciò che dice.

La didascalia di Mozilla stessa potrebbe essere la frase più onesta del rapporto: il divario si azzera a ogni ciclo di rilascio.