Cosa significano davvero i 'pesi aperti', e perché non sono la stessa cosa dell'open source

I pesi aperti sono i parametri numerici appresi durante l'addestramento di una rete neurale. Chi li pubblica su Hugging Face permette a chiunque abbia una GPU di eseguire il modello, fare fine-tuning o ospitarlo in proprio. È davvero utile. Ed è anche, secondo l'Open Source Initiative e diverse figure di spicco del software libero, una cosa diversa dall'open source.

La distinzione conta più di una disputa sulle etichette. Decide se puoi soltanto mettere in funzione una rete neurale già finita oppure se puoi ispezionare, riprodurre, modificare e ridistribuire il sistema che l'ha prodotta. James Landay, direttore di Stanford HAI, ha detto a The Register: "I pesi aperti rispondono a 'Posso eseguirlo?'. L'open source risponde a 'Posso fidarmi, migliorarlo e costruirci sopra la prossima cosa?'"

Che cosa contiene davvero il download

Un tipico rilascio a pesi aperti contiene i pesi, l'architettura del modello e il codice di inferenza. Insieme a un runtime come llama.cpp, basta a generare testo. S1-mini di Superwhisper, per esempio, è un normalizzatore di testo da 0.6B parametri per l'output speech-to-text, ottenuto con fine-tuning da Qwen/Qwen3-0.6B e distribuito con licenza Apache 2.0 più una clausola sul nome. La sua model card elenca 596M parametri unici, 28 layer, 16 query head e 8 key/value head in grouped-query attention, e una build quantizzata che è un file da 462 MiB.

Quello che manca in quella card sono i dati di addestramento. Superwhisper non dice su quali trascrizioni è stato addestrato S1-mini, come sono state selezionate né che cosa è stato rimosso. È normale per i rilasci a pesi aperti ed è esattamente il vuoto che i critici indicano.

La voce di glossario della stessa OSI traccia il confine senza giri di parole. "Open Weights si riferisce ai pesi e ai bias finali di una rete neurale addestrata", si legge, e aggiunge che i soli pesi espongono solo "una frazione delle informazioni necessarie per una piena responsabilità". Senza dati di addestramento o documentazione dettagliata, chi è fuori non può stabilire quali fonti siano state usate, quale materiale protetto da copyright o privato possa essere stato incluso, come siano stati filtrati i dati, quali lingue siano state sottorappresentate, se i dati di benchmark siano finiti nell'addestramento, o quali metodi di allineamento e sicurezza siano stati applicati dopo il pretraining.

"Non riesci ancora a vedere come è stata costruita la cosa, su cosa è stata addestrata, né perché si comporta così. Quello non è un modello aperto. È distribuzione aperta." James Landay, Stanford HAI

L'OSI ha provato a definirlo, e la partita non è chiusa

L'Open Source Initiative ha pubblicato l'Open Source AI Definition, OSAID 1.0, in ottobre 2024. Richiede che i parametri del modello, compresi i pesi, siano resi disponibili secondo termini approvati dall'OSI, ma non prescrive un meccanismo legale specifico. L'OSI ha riconosciuto al momento del rilascio che la definizione avrebbe continuato a evolvere. I critici dicono che le mancanze centrali non sono state risolte.

Luca Antiga, CTO di Lightning AI e contributor di PyTorch, ha sostenuto che il modo in cui OSAID tratta i pesi lascia "un buco enorme che renderà le licenze meno efficaci nel determinare se i sistemi di IA con licenza OSI possano essere adottati in contesti reali". Bruce Perens, autore dell'Open Source Definition originale, ha denunciato OSAID nel 2024 e in seguito ha detto: "Non è Open Source! ... È un peccato che l'Open Source Initiative stessa sia ora coinvolta nell'openwashing."

Bradley Kuhn della Software Freedom Conservancy e Richard Fontana, senior commercial counsel di Red Hat, sono andati oltre e hanno chiesto l'abrogazione di OSAID. Il loro argomento, citato da The Register: "L'OSI ha agito troppo in fretta imponendo alla comunità un compromesso politico troppo ambizioso. OSAID ha indubbiamente creato una frattura nella comunità FOSS; quella frattura ha seriamente danneggiato la reputazione, l'autorità e l'influenza dell'OSI."

Nel frattempo Mike Dolan della Linux Foundation ha sottoposto all'OSI la licenza Open Model, Data, and Weights, OpenMDW. Esiste dal 2025 e annovera contributor di Amazon, Meta, IBM, Microsoft e Nvidia. Il suo approccio è definire termini separati per architettura, dati di addestramento e pesi del modello in un unico accordo. La proposta ha attirato obiezioni sulla mailing list di revisione delle licenze dell'OSI. Stefano Maffulli, ex direttore esecutivo dell'OSI, ha detto di avere la costante impressione che la revisione "sia contaminata da un pregiudizio ideologico: siccome non ci piace il big tech e ora l'IA è big tech, allora non ci piace l'IA; quindi faremo di tutto per bloccarla".

La storia delle capacità è reale, e lo è anche l'avvertenza

Niente di tutto questo ha rallentato il ritmo dei rilasci. Mozilla ha pubblicato la versione 1.1 del suo rapporto State of Open Source AI il 15 settembre, con dati aggiornati al 1 settembre, secondo Tom's Hardware. Colloca il miglior modello aperto tre punti dietro il leader chiuso sull'Artificial Analysis Intelligence Index, al 60% del prezzo, e due punti dietro Claude Fable 5 al 30%. Il fit di Mozilla sui dati METR sull'orizzonte dei task stima il divario aperto-chiuso in circa 4.4 mesi, in linea con la stima di quattro mesi di Epoch AI.

I numeri di Mozilla vengono da un sondaggio Mozilla/SlashData su circa 1.400 sviluppatori, dai dati di traffico di OpenRouter e da indici di benchmark di terze parti. Mozilla sostiene i modelli aperti; TIME ha riferito il 14 luglio che il CTO di Mozilla Raffi Krikorian ha descritto il rapporto come in parte advocacy. Il rapporto conta 16 rilasci aperti degni di nota, e osserva che nessuno fornisce la ricetta dei dati richiesta dalla definizione OSI.

• Su Terminal-Bench 2.1 di vals.ai, GLM-5.2 di Z.ai ha ottenuto un punteggio entro un punto da Claude Opus 4.7 e circa quattro punti dietro Opus 4.8, a meno di un quinto del costo per test.
• Su OpenRouter, Mozilla ha contato otto dei dieci modelli migliori per volume di token ad agosto come pesi aperti, sette dei quali costruiti in Cina.
• I fornitori chiusi hanno comunque preso il 96% dei ricavi a livello di modello su OpenRouter da maggio a settembre 2025, secondo la Linux Foundation.
• Il miglior modello aperto che sta su un server ha segnato 52.6 nella classifica hardware di Mozilla; il migliore su una GPU ha segnato 40. Il calo dalla vetta è di 10 e 23 punti.

Quest'ultimo punto è il nodo pratico. Il checkpoint MXFP4 nativo 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. Mozilla lo descrive come aperto ma non eseguibile dalla maggior parte di chi lo possiede. Un'eccezione segnalata dal rapporto è Inkling-Small di Thinking Machines, sotto Apache 2.0, la cui versione NVFP4 sta su una B300 con un minimo di 180GB.

Krikorian ha detto ad Ars Technica in una email: "Vediamo la decisione di pagare per i modelli chiusi come specifica del carico di lavoro più che dell'organizzazione."

Le cause sul copyright sbattono contro lo stesso muro

La disputa sulla definizione ha un parallelo in tribunale. Un paper di A. Feder Cooper, Mark A. Lemley e sette coautori, pubblicato su arXiv e rivisto in luglio 2026, ha misurato la memorizzazione di 200 libri su 14 LLM a pesi aperti attraverso più di 3.000 esperimenti. La loro conclusione è che sia gli attori sia i convenuti nelle cause sul copyright nell'IA generativa semplificano entrambi.

La maggior parte degli LLM non memorizza la maggior parte dei libri, in tutto o in parte, secondo il metodo di estrazione degli autori. Ma ci sono eccezioni: Llama 3.1 70B memorizza interamente alcuni libri, tra cui Harry Potter e la pietra filosofale, al punto che l'intero libro può essere estratto quasi alla lettera dalle sue prime parole. Gli autori scrivono che i loro risultati hanno implicazioni significative per le cause sul copyright, anche se non tali da favorire in modo inequivocabile l'una o l'altra parte.

Il dibattito sui pesi aperti è più o meno qui. I file sono pubblici. La ricetta no. E le due parti non riescono nemmeno a mettersi d'accordo su come chiamare il risultato.