Pesi aperti, ricette chiuse: cosa dicono quattro rapporti sui modelli scaricabili

L'argomento dei pesi aperti si è sempre basato su una promessa: ottieni il file, quindi ottieni il controllo. Quattro documenti pubblicati tra maggio e settembre 2026 testano quanto di quella promessa sopravvive al contatto con la misurazione. Non concordano su molto. Concordano sul fatto che "aperto" fa meno lavoro di quanto si assuma dai titoli.

Il numero di quattro mesi e ciò che nasconde

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 aperto è rimasto indietro rispetto al leader chiuso sull'Indice di Intelligenza di Artificial Analysis di tre punti al 60% del prezzo, e di due punti dietro Claude Fable 5 al 30% del prezzo. La stima di Mozilla sui dati di orizzonte di missione METR pone il divario aperto-chiuso a circa 4,4 mesi, in linea con la stima di quattro mesi di Epoch AI.

METR classifica i modelli in base alla lunghezza del compito, misurata in tempo di lavoro umano, che completano metà delle volte. Secondo la stima adattata di Mozilla, i modelli chiusi gestiscono compiti che richiedono agli esperti umani da 8 a 12 ore. I modelli aperti raggiungono quel livello circa quattro mesi dopo, con la capacità aperta che raddoppia ogni 3,9 mesi contro i 5,5 dei chiusi, secondo i calcoli di Mozilla. Tom's Hardware segnala una caveat portata da Mozilla stessa: il numero di quattro mesi e il prezzo di token al 30% sono misurati da API a API su endpoint ospitati, al prezzo di listino.

Il grafico hardware è quello scomodo

Lo stesso rapporto include un grafico che si trova scomodamente accanto al titolo. Il miglior modello aperto che sta su un server ottiene 52,6; il miglior modello che sta su una GPU ottiene 40. La discesa dalla cima è di 10 e 23 punti rispettivamente, un divario maggiore di quattro mesi di progresso di capacità.

Il checkpoint nativo MXFP4 di Kimi K3 occupa circa 1,56TB in 96 frammenti, 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. La formulazione stessa del rapporto è che questo è aperto ma non eseguibile dalla maggior parte di chi lo possiede. Tom's Hardware ha posto il bisogno di memoria vicino a 1,5TB a luglio. Ci sono eccezioni. Inkling-Small di Thinking Machines, sotto licenza Apache 2.0, ha una versione NVFP4 che sta su un B300 a un fondo di 180GB. Questo è un punto dati reale, ed è un solo modello.

I pesi aperti non sono open source, e la differenza è portante

L'Open Source Initiative ha reso esplicita la distinzione in un post del 19 settembre. I modelli di IA hanno tre componenti principali: dati di addestramento, pesi e parametri, e il codice usato per la preparazione dei dati e l'addestramento. Le release a pesi aperti pubblicano i pesi. Non pubblicano il resto.

I pesi aperti ti permettono di esercitare alcune libertà, ma non tutte, e solo a un certo grado. La vera IA open source ti permette di esercitare tutte e quattro senza restrizioni.

Le quattro libertà in questione sono uso, studio, modifica e condivisione senza chiedere il permesso al titolare dei diritti. L'OSI pone il valore della domanda dell'ecosistema open source a 8.800.000.000.000 e sostiene che i modelli a pesi aperti limitano la modifica e impediscono lo studio completo, perché senza codice e dati di addestramento non si può ispezionare perché un modello ha prodotto un output. Il rapporto di Mozilla, secondo Tom's Hardware, conta 16 release aperte notevoli, nessuna delle quali fornisce la ricetta dati richiesta dalla definizione dell'Open Source Initiative.

Cosa aggiunge la ricerca sulla memorizzazione alle battaglie sul copyright

Un paper su arXiv, inviato per la prima volta il 18 maggio 2025 e rivisto fino al 20 luglio 2026, misura quanto di 200 libri 14 LLM a pesi aperti trattengano effettivamente. Gli autori sono A. Feder Cooper, Mark A. Lemley, Allison Casasola, Ahmed Ahmed, Aaron Gokaslan, Amy B. Cyphert, Christopher De Sa, Daniel E. Ho e Percy Liang.

Il loro inquadramento è puntato: i querelanti e i convenuti nelle cause per copyright di IA generativa fanno affermazioni ampie e opposte sulla memorizzazione, e entrambe le posizioni, dice il paper, semplificano drasticamente la relazione tra memorizzazione e copyright. In oltre 3.000 esperimenti gli autori trovano che la maggior parte degli LLM non memorizza la maggior parte dei libri, né interi né in parte. Ma le eccezioni contano. Llama 3.1 70B memorizza interamente alcuni libri, incluso Harry Potter e la Pietra Filosofale, secondo il paper. La memorizzazione lì è estesa abbastanza da permettere l'estrazione deterministica di quasi tutto il libro quasi verbatim usando le prime poche parole come prompt. Gli autori dichiarano che i risultati hanno implicazioni significative per i casi di copyright, anche se non favorevoli in modo ambiguo a una delle parti.

Le implementazioni più piccole e strane

Non ogni release a pesi aperti insegue la frontiera. Superwhisper ha pubblicato S1-mini, un normalizzatore di testo a 0,6B parametri fine-tuned da Qwen/Qwen3-0.6B, sotto Apache 2.0 più una clausola di denominazione. Fa un solo lavoro: riscrivere l'output grezzo del speech-to-text come testo scritto pulito. Su un insieme trattenuto di 7.519 casi in inglese raggiunge l'94,8% di accuratezza dei token, e la build quantizzata è un file da 462 MiB che gira su una CPU di laptop. La scheda del modello è schietta nel dire che non è un modello di chat e non seguirà istruzioni generali.

La scheda del modello documenta anche un quirk di contabilità del Hub: la barra laterale riporta 0,8B parametri perché l'embedding a 155,6M parametri è contato due volte, dando 751,6M elementi di tensor contro 596.0M parametri unici. Il layout è ereditato da Qwen3-0.6B, che riporta 0,8B sul Hub per la stessa ragione.

Il ragionamento di un acquirente, e i suoi limiti

Una descrizione di implementazione di James Cruce, pubblicata il 22 settembre, descrive la scelta di Laya, un modello decisionale a pesi aperti a 421M parametri con un encoder ModernBERT-large e un limite di 1.024 token, rispetto al servizio Jev ospitato di TypeSafe. Il publisher di Laya lo ha addestrato su quattro flussi di lavoro sintetici: osservabilità di agenti, servizio clienti, elaborazione fatture e incidenti di sicurezza.

Cruce è esplicito su cosa dimostra il confronto. TypeSafe elenca Jev a 0,042 dollari per milione di token in input senza costo per token in output e scelte di fino a 255 opzioni. Laya gira su un'API solo loopback sul suo Mac Studio con M3 Ultra e 256 GB di memoria unificata, quindi le decisioni di routine non lasciano mai la macchina. Dichiarapianamente che privacy e controllo sono state le ragioni decisive e che il costo è stato un effetto collaterale, senza un numero di risparmi da dare. Non ha testato se Laya batte Jev in generale.

Segnala anche che la scheda del modello avverte che Laya è troppo fiduciosa e ha bisogno di calibrazione specifica del dominio, e che una risposta digitata può essere strutturalmente perfetta e fattualmente sbagliata. La sua conclusione è stretta: trattalo come un raccomandatore dentro un programma, mai come una fonte di permesso o verità.

Cosa regge

I quattro documenti puntano nella stessa direzione senza dire la stessa cosa. I dati di Mozilla dicono che i pesi aperti sono vicini in capacità e molto più economici sul prezzo di listino ospitato, mentre il suo stesso grafico hardware dice che i modelli in cima non sono qualcosa che la maggior parte delle persone può eseguire. L'OSI dice che l'etichetta viene stirata oltre ciò che significa. Il paper sulla memorizzazione dice che gli argomenti in aula di entrambe le parti sono troppo ampi per ciò che gli esperimenti mostrano. Il racconto di Cruce dice che la ragione decisiva per scegliere i pesi aperti può essere il controllo su dove vanno i dati, non la posizione nei benchmark.

La didascalia stessa del grafico di Mozilla recita: "il divario si resetta a ogni ciclo di release". I suoi dati si fermano al 1 settembre, e le classifiche live si sono mosse da allora. Artificial Analysis è passata all'indice 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. 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%.

Un ulteriore elemento rimane irrisolto nel record. K3 porta un'accusa dettagliata nel consiglio congiunto NSA/CISA/FBI dell'8 settembre AA26-251A, che il rapporto di Mozilla enuncia come "asserta, e non dimostrata": che Moonshot ha estratto dati di Claude Fable 5 per addestrare K3 attraverso distillazione. Il 17 luglio, Artificial Analysis aveva K3 a 57 contro i 60 di Fable 5. Il 1 settembre, Mozilla lo aveva a due punti indietro. Se quell'assottigliamento è venuto da addestramento indipendente o dall'estrazione allegata non è qualcosa che nessuno di questi quattro documenti stabilisce.