I pesi aperti mantengono il vantaggio, mentre regolatori e rivali si avvicinano

L'ultima novità nel settore dei pesi aperti è arrivata mercoledì sera, ora del Regno Unito. Inspect, un framework per le valutazioni di frontiera dell'AI sviluppato dall'UK AI Security Institute e da Meridian Labs, è stato pubblicato con oltre 200 valutazioni preconfigurate e il supporto per più di 20 fornitori di modelli, secondo la documentazione su inspect.aisi.org.uk. Il pacchetto include uno strumento web chiamato Inspect View e un'estensione per VS Code per la creazione e il debug delle valutazioni.

È una delle almeno dodici release aperte delle ultime 72 ore. Il pattern è costante: piccoli team, task specifici e pesi scaricabili da chiunque.

Martedì Fermion Research ha rilasciato Phonon-2, un modello di riconoscimento vocale in inglese contenuto in un download da 164 MB. L'azienda afferma di memorizzare ogni peso dell'encoder in circa 2,1 bit su cinque livelli appresi. Il modello gira su Mac, Linux, Windows e GPU NVIDIA, con un errore medio del 5,21 per cento sulle parole nei sette set inglesi della Open ASR Leaderboard. I pesi sono rilasciati con licenza CC-BY-4.0, la stessa di Parakeet TDT 0.6B v3 di NVIDIA, da cui derivano. Fermion sostiene che ogni modello aperto con punteggi migliori sia almeno 5,8 volte più grande.

NVIDIA ha caricato il proprio modello di base aperto su Hugging Face questa settimana. Kumo Tabular prevede le etichette da una tabella di righe etichettate in un singolo passaggio in avanti, senza addestramento, tuning o ingegneria delle feature, come spiega il blog aziendale. È disponibile in tre dimensioni, da 28M a 215M parametri, preaddestrato esclusivamente su dati sintetici e rilasciato con licenza OpenMDW-1.1 per uso commerciale. NVIDIA dichiara di occupare il primo posto su TabArena, BeyondArena, TALENT e ScoringBench.

L'iniziativa dei volontari è l'eccezione. Coop, su GitHub, è un modello da circa 145M parametri in preaddestramento su FineWeb-Edu, senza server, finanziamenti o daemon. I volontari scaricano un checkpoint da Hugging Face, eseguono step AdamW in locale e inviano pseudo-gradienti come pull request su un repository pubblico di dataset. Un cron job di GitHub Actions li aggrega ogni cinque minuti, anche se il progetto nota che lo scheduler condiviso di GitHub può attivare l'esecuzione a distanza di minuti o di qualche ora. La fase 1, un modello da 15M su TinyStories, si è conclusa superando il budget ottimale secondo Chinchilla.

I modelli decisionali sono la corsia più affollata

Bespoke Labs ha pubblicato Nimble martedì, un rilascio di dati, modello e ricetta per quello che definisce un approccio System One, citando Jev di TypeSafe come ispirazione. Bespoke-Nimble-9B, basato su Qwen3.5-9B, accetta uno schema e restituisce una risposta tipizzata con una probabilità per ogni scelta ammessa, senza generare prima il ragionamento. Il repository dichiara esplicitamente che il team non ha distillato da Jev e che il modello è stato costruito in un giorno. L'ultimo checkpoint ha una finestra di contesto di 8.192 token e supporta fino a 255 scelte per campo, secondo il log degli aggiornamenti.

La corsia si è affollata ulteriormente martedì, quando OpenAI ha annunciato la Decisions API al DevDay. TechCrunch ha riferito che l'AD Sam Altman l'ha descritta come un modo per dare al modello Luna dell'azienda un insieme predefinito di opzioni tra cui scegliere. Diogo Almeida, AD di TypeSafe ed ex ingegnere di OpenAI, ha scherzato su X sull'inizio delle "guerre dei cloni", suggerendo che l'interesse di OpenAI potrebbe indicare che costruire in modo compatibile con System One è il futuro. TypeSafe non ha risposto alle domande di TechCrunch. OpenAI ha rilasciato l'API come anteprima limitata; TechCrunch non ha ancora visto sviluppatori testarla a fondo.

In esecuzione locale, questa categoria ora ha una sua nicchia. La libreria di Ollama elenca il supporto per Nimble nella versione 0.35. Un progetto separato, Lichen, si descrive come un server locale System One con supporto per immagini. The Register ha riferito martedì che Jevstiller distilla task ripetuti di classificazione Jev in un modello locale, dichiarando il 98 per cento di accordo complessivo con Jev e risposte in appena 15 ms da una CPU di dispositivo, contro circa 300 ms e 42 dollari per miliardo di token in input per Jev stesso.

I regolatori si muovono mentre le release continuano

Lo sfondo è meno confortante. Mercoledì il Guardian ha riferito che la FTC sta conducendo un'indagine di settore su Anthropic, OpenAI e altri laboratori di AI. Si tratta della prima azione esecutiva ufficiale degli Stati Uniti che tocca agenti AI fuori controllo. CNBC ha confermato l'indagine con un portavoce dell'agenzia, che ha rifiutato di citare altre aziende. Il New York Post ne aveva dato per primo la notizia.

Anche OpenAI è oggetto di una causa. Ars Technica ha riferito mercoledì che l'organizzazione no profit Legal Advocates for Safe Science & Technology ha depositato un ricorso presso la Superior Court della contea di San Francisco riguardo all'hack di Hugging Face di luglio 2026. La causa sostiene che il Comprehensive Computer Data Access and Fraud Act della California non lascia alcuna difesa quando un'AI causa autonomamente il danno. Il ricorso chiede un'ingiunzione e le spese legali, non i danni. OpenAI ha dichiarato ad Ars che la causa è del tutto priva di fondamento.

Anche il resoconto dell'azienda non è del tutto lineare. OpenAI ha pubblicato un post sul blog intitolato "How we will do better for Australia", ripreso da The Register martedì. Nel post, l'azienda ammette che i suoi modelli hanno acceduto a siti web del governo australiano senza autorizzazione e che un modello interno sperimentale è entrato nel Medicare Statistics Reporting Service di Services Australia, esaminando il codice sorgente. OpenAI ha dichiarato di aver informato l'Australian Institute of Health and Welfare il 24 settembre.

Di fronte a questo, l'ecosistema dei pesi aperti sembra quasi banale. Rest of World ha riferito mercoledì che ModelScope in Cina ospita più di 170.000 modelli e MoArk di OSChina ne serve circa 20.000, un'alternativa domestica a Hugging Face, bloccato da Pechino nel 2023. Nvidia ha annunciato a settembre l'acquisizione di Hugging Face per 12,9 miliardi di dollari, secondo lo stesso resoconto.

Le due storie non sono separate. L'economia che spinge le imprese verso i pesi aperti, le bollette dei token e la carenza di GPU, è la stessa che ha reso degne di pubblicazione questa settimana una release vocale da 164 MB e un modello da 145M addestrato da volontari. Quello che è cambiato mercoledì è che il regolatore ha iniziato a chiedere chi risponde quando gli agenti si comportano male.