Approfondimenti sull’IA · 5 min di lettura

IA a pesi aperti nel 2026: cosa significano per te le uscite di DeepSeek, Qwen e Meta

DeepSeek, Qwen di Alibaba e Meta hanno lanciato importanti modelli a pesi aperti. Cosa significa 'aperto' e a chi interessa?

Illustrazione di blocchi di modelli sovrapposti che emergono da un contenitore aperto, circondati da nodi di rete

La maggior parte delle notizie sull’IA riguarda modelli chiusi: quelli che puoi usare solo tramite l’app o l’API di un’azienda. Ma alcune delle uscite più importanti di quest’anno sono state modelli i cui pesi possono essere scaricati da chiunque, eseguiti sul proprio hardware e modificati.

Questo autunno l’offerta di IA a pesi aperti si è ampliata notevolmente. Ecco cosa è stato pubblicato, cosa significa davvero «aperto» in ciascun caso e chi dovrebbe prestarvi attenzione.

I pesi aperti in breve

I pesi di un modello sono i miliardi di numeri che ha appreso durante l’addestramento. Quando un’azienda li pubblica, puoi eseguire il modello da te invece di inviare i tuoi dati ai server di qualcun altro. Puoi anche effettuare il fine-tuning con i tuoi dati.

Questo è diverso dall’«open source» nel senso tradizionale del software. Molti modelli a pesi aperti non pubblicano i dati di addestramento né il codice di addestramento completo, e molti hanno licenze che ne limitano l’utilizzo. Ci tornerò, perché è più importante di quanto suggerisca la maggior parte delle notizie.

Le principali uscite dell’anno

DeepSeek

Il laboratorio cinese DeepSeek ha mantenuto un ritmo costante quest’anno. La sua famiglia V4 è arrivata su Hugging Face nelle versioni Pro e Flash in primavera, seguita da checkpoint aggiornati durante l’estate, un modello di visione sperimentale all’inizio di settembre e una versione V4.1 Flash a metà ottobre. I frequenti aggiornamenti incrementali di DeepSeek lo hanno reso uno dei laboratori di modelli a pesi aperti più seguiti.

Qwen di Alibaba

Il 14 agosto il team Qwen di Alibaba ha pubblicato i pesi aperti di due modelli Qwen3.8. Il più piccolo, Qwen3.8-27B, è un modello multimodale da 27 miliardi di parametri che gestisce testo, immagini e video, con una finestra di contesto nativa di circa 262.000 token che, secondo il team, può essere estesa a un milione. Qwen afferma che supera il più grande Qwen3.7-Plus nelle attività di programmazione e d’ufficio. È pubblicato con la licenza permissiva Apache 2.0.

Il secondo, un modello molto più grande chiamato Qwen3.8-2.4T-A95B, punta alla fascia più alta. Secondo quanto riportato da eWeek, è accompagnato da una licenza personalizzata che aggiunge limiti per alcuni grandi utenti commerciali.

Meta

La storia dei pesi aperti di Meta ha preso una nuova direzione. Llama 4, pubblicato nell’aprile 2025, è stata l’ultima grande uscita con il nome Llama. Quest’anno Meta è passata a una nuova famiglia di modelli chiamata Muse e il suo primo modello Muse è uscito ad aprile come prodotto chiuso, accessibile solo tramite API.

Il 15 ottobre Meta ha pubblicato Muse Spark Open, un grande modello mixture-of-experts a pesi aperti. Il responsabile dell’IA di Meta, Alexandr Wang, lo ha definito «il modello statunitense a pesi aperti più capace fino a oggi» e Meta sostiene che rivaleggi con modelli simili dei principali sviluppatori cinesi, come Qwen di Alibaba, Kimi di Moonshot AI e GLM di Z.ai, e in alcuni casi li superi. Sono affermazioni della stessa Meta.

Meta afferma che il modello può essere eseguito su due Mac Studios con chip M5 Ultra di Apple, il che dice qualcosa: nella fascia più alta «funziona in locale» significa ormai hardware di notevole potenza. È inoltre pubblicato con una licenza propria di Meta, con restrizioni commerciali, invece che con una licenza open source standard.

Cosa è cambiato davvero

I laboratori cinesi dettano il ritmo

Il dettaglio più rivelatore dell’autunno potrebbe essere il modo in cui Meta ha presentato il proprio lancio. La sua proposta per Muse Spark Open si basava sul confronto con i modelli cinesi a pesi aperti. Nell’ultimo anno laboratori come DeepSeek, il team Qwen di Alibaba, Moonshot e Z.ai hanno definito come si presenta un modello a pesi aperti competitivo, e il maggiore nuovo arrivato statunitense ora si posiziona rispetto a loro.

Per alcune aziende questo conta per ragioni che vanno oltre le prestazioni. Le aziende di settori regolamentati, o con politiche sulla provenienza del software, potrebbero dover verificare l’origine e la licenza di qualsiasi modello prima di usarlo, anche quando viene eseguito interamente sui propri server.

I modelli piccoli sono diventati davvero utili

Le uscite che trovo più pratiche non sono i giganti. Sono modelli come Qwen3.8-27B: una volta compressi, abbastanza piccoli da funzionare su una singola GPU di fascia alta, ma abbastanza capaci per attività reali come l’elaborazione di documenti, la ricerca interna e l’assistenza nella programmazione. Per molte attività aziendali, è il giusto equilibrio.

«Aperto» copre ora un ampio spettro

Confronta le licenze: Apache 2.0 per il modello più piccolo di Qwen, una licenza personalizzata con limiti per quello più grande e la licenza propria di Meta con restrizioni commerciali per Muse Spark Open. Tutti vengono definiti «aperti». Non sono aperti allo stesso modo. Leggi sempre la licenza prima di costruire un prodotto su un modello, soprattutto se prevedi di crescere.

Chi dovrebbe prestarvi attenzione

Probabilmente non hai bisogno di pesi aperti se sei un singolo o un piccolo team che usa l’IA ogni giorno per scrivere, fare ricerche e analisi. Un buon modello chiuso tramite un piano aziendale è più semplice e di solito più efficace nelle attività più difficili.

Vale la pena esaminare seriamente i pesi aperti se:

  • I tuoi dati non possono lasciare il tuo ambiente. Eseguire un modello sulla tua infrastruttura mantiene i dati sensibili all’interno dell’organizzazione. La nostra guida su come usare l’IA al lavoro senza divulgare dati sensibili spiega quando è importante.
  • Gestisci grandi volumi. Su larga scala, ospitare un proprio modello per le attività di routine può costare meno che pagare per token.
  • Hai bisogno di personalizzare. Il fine-tuning sui tuoi dati è molto più semplice quando controlli i pesi.
  • Vuoi evitare la dipendenza da un fornitore. Un modello che ospiti tu non può essere dismesso, subire variazioni di prezzo o essere modificato a tua insaputa.

Il compromesso è che ti fai carico di ciò che normalmente gestisce un fornitore: hardware, aggiornamenti, monitoraggio e misure di sicurezza. È lavoro concreto, ed è per questo che molti team finiscono per usare entrambi: modelli chiusi per le attività più difficili e con volumi minori, e modelli a pesi aperti per attività ad alto volume o sensibili.

La mia opinione

L’ecosistema dei pesi aperti è più sano rispetto a un anno fa: più laboratori, più dimensioni dei modelli e più concorrenza. È un bene per tutti, anche per chi non scarica mai un modello, perché esercita pressione sui prezzi dei modelli chiusi.

Ma sarei prudente con la parola «aperto». La domanda più importante su un modello a pesi aperti non riguarda il suo punteggio nei benchmark. È se la licenza ti permette di fare ciò che hai in programma e se puoi davvero eseguirlo su hardware che puoi permetterti.

Per i modelli chiusi usciti questo autunno, scopri cosa hanno cambiato i lanci di GPT-6, Gemini 4 Argon e Claude 5.5. E se stai scegliendo un modello per un compito specifico, la nostra guida su come scegliere un modello di IA illustra i compromessi, compresi quelli tra aperto e chiuso.

Fonti

Scritto da

Chunyu Cai

Chunyu Cai è l’amministratore delegato di Lotook, LLC e un imprenditore che scrive di modelli di IA, agenti e di come cambiano il lavoro quotidiano. Chunyu Cai ha conseguito un master presso Imperial College London.