Pesi aperti con licenza MIT: cosa pubblica DeepSeek

La licenza è oggi uno degli argomenti più forti nella guerra dei modelli. La scheda di DeepSeek-V4.1-Flash lo dice chiaramente: repository e pesi sono coperti da licenza MIT. È una delle licenze open source più permissive. Non obbliga a rivelare le modifiche e non limita l'uso commerciale.

La portata di questa apertura è maggiore di quanto sembri. Nel repository su Hugging Face ci sono 48 file di pesi in formato safetensors. Accanto c'è un insieme di strumenti: manca il template di chat in formato Jinja, ma c'è codice di esempio autonomo in Python. Gestisce conversazioni multi-turno, chiamata di strumenti, modalità di ragionamento, sforzo di ragionamento numerico e immagini intrecciate nel flusso di testo.

Non solo i file del modello

La dichiarazione di interoperabilità ha un valore di per sé. La stessa scheda elenca le varianti di deployment per vLLM, SGLang, TensorRT e Docker Model Runner, le quantizzazioni FP8, BF16, GPTQ, AWG e GGUF e i fornitori esterni di inferenza che eseguono il modello in casa propria: novita, fireworks, featherless, deepinfra e altri. Il modello funziona anche in llama.cpp, Ollama e LM Studio. I pesi, quindi, non sono resi disponibili sulla carta: si possono davvero eseguire fuori dall'infrastruttura del produttore.

Il passo precedente nella stessa direzione DeepSeek lo aveva fatto il 31 agosto 2026. Il portale cinese IT之家 aveva notato che DeepSeek-V4-Flash-Vision-Exp, il primo modello multimodale della serie V4, disponibile nell'API dal 21 agosto 2026, era arrivato su Hugging Face anch'esso con licenza MIT. Non sono stati aperti solo i file del modello e il tokenizer. C'è anche l'implementazione di esempio della codifica dei prompt e un'implementazione minima di inferenza in PyTorch, che comprende il codificatore visivo, l'aligner, l'attenzione DFlash, il MoE, le connessioni ipertoniche e DSpark. Il modello accetta immagini JPEG, PNG, GIF e WebP; il produttore lo ha indicato come versione sperimentale.

L'apertura come arma commerciale

Non è un gesto disinteressato. Il sito italiano CorCom, in un'analisi del 7 settembre 2026, scrive che i modelli open-weight a basso costo provenienti dalla Cina possono comprimere i margini delle aziende che sviluppano i sistemi di AI più costosi. Gli autori, Filippo Pallotti e Michael Strobaek di Banque Lombard Odier, aggiungono però una precisazione: il vantaggio dei modelli cinesi è sopravvalutato. La distillazione, il costo e il tempo di completamento di un'attività possono far salire il costo reale del lavoro, anche se il prezzo per token sembra ottimo. Pesi gratuiti non significano deployment gratuito.

Il numero di 621 396 download nell'ultimo mese nella scheda del modello mostra però che la sola disponibilità dei pesi attira gli ingegneri, indipendentemente dalle dispute sui margini.