Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Pesi aperti, argomenti chiusi: la corsa ai modelli aperti si irrigidisce mentre i regolatori si muovono

La FTC ha aperto un'indagine su tutto il settore di OpenAI, Anthropic e altri laboratori di IA per i rischi che i loro prodotti comportano per i consumatori. Lo ha confermato per primo CNBC il 30 settembre. Nella stessa settimana i modelli a pesi aperti hanno continuato a segnare nuovi record nelle classifiche pubbliche, e OpenAI ha accusato Moonshot AI di un attacco di distillazione.

IA e modelliAnalisiChiara RomanoPubblicato: 30 settembre 20264 min di letturaFonti 14
Pesi aperti, argomenti chiusi: la corsa ai modelli aperti si irrigidisce mentre i regolatori si muovono

La Federal Trade Commission ha aperto un'indagine su OpenAI, Anthropic e altre aziende di IA per i potenziali pericoli che i loro prodotti comportano. Un portavoce dell'agenzia ha confermato l'indagine a CNBC il 30 settembre. Il New York Post ne ha dato per primo notizia.

Secondo The Guardian, è la prima azione ufficiale di applicazione della legge negli Stati Uniti che guarda direttamente agli agenti di IA fuori controllo. Arriva dopo una serie di incidenti segnalati per la prima volta a luglio. La FTC intende emettere richieste formali di informazioni e obbligare i dirigenti a testimoniare, anche al gruppo di ricerca Metr. Anthropic e OpenAI si sono servite di Metr per indagini indipendenti sugli incidenti.

I pesi aperti continuano a salire

Mentre i regolatori si muovono, le classifiche dei pesi aperti continuano a rimescolarsi. La tabella open-weights di BenchLeader, aggiornata nell'ultimo giorno, mette Kimi K3 di Moonshot AI in testa con 66,2. Segue GLM 5.3 di Zhipu AI con 64,7, poi MiMo-V2.6-Pro di Xiaomi con 64,5.

BenchLM.ai ordina lo stesso campo in modo diverso. Colloca MiMo-V2.6-Pro al primo posto con 75,5 nel suo punteggio BenchAlign v5.8, con Qwen3.8 Max e MiMo-V2.6-Flash dietro. I due siti usano contratti di punteggio diversi ed etichette di evidenza diverse. Il disaccordo riguarda la metodologia quanto i modelli. La directory di LMC Marketcap, con 175 modelli aperti, assegna il punteggio più alto a Qwen3.8 27B con 71. The Open Weights, citando i dati di Artificial Analysis aggiornati al 1 ottobre, dà a GLM-5.3 il punteggio di intelligenza più alto con 44,8, davanti a Kimi K3 con 43,6.

Lette insieme, le quattro classifiche concordano su una cosa: i laboratori cinesi occupano la maggior parte dei primi posti.

Il 29 settembre Nvidia si è spinta in un angolo diverso del catalogo aperto. Il suo modello di base Kumo Tabular per le tabelle arriva con licenza OpenMDW-1.1. È distribuito in tre dimensioni da 28.000.000 a 215.000.000 di parametri ed è stato preaddestrato solo su dati artificiali. Secondo il post dell'azienda su Hugging Face, predice le etichette in un solo passaggio in avanti senza addestramento, messa a punto o ingegneria delle feature. Nvidia afferma di essere prima su TabArena, BeyondArena, TALENT e ScoringBench.

Modelli piccoli, compiti ristretti

Le uscite aperte più interessanti della settimana sono piccole e specifiche. Fermion Research ha pubblicato Phonon-2 il 30 settembre. È un modello di riconoscimento vocale inglese in un download da 164 MB. Registra in media il 5,21 % di errore sulle parole nei sette set inglesi della Open ASR Leaderboard. È dentro il rumore del suo insegnante da 3.000.000.000 di byte, e migliore su riunioni e discorsi parlamentari. I pesi sono CC-BY-4.0, derivati da Parakeet TDT 0.6B v3 di Nvidia.

La famiglia Holo4 di H Company, trattata da MarkTechPost, mette i pesi per l'uso del computer in due dimensioni: un modello denso da 27.000.000.000 e un mixture of experts 35B-A3B da 35.000.000.000. Il più grande arriva con Apache 2.0 per l'auto-hosting commerciale. Il 27B segna l'85,2 % su OSWorld a 0,08 dollari per compito secondo i dati di H, ed è CC BY-NC 4.0, quindi l'uso commerciale passa dall'API del fornitore. MarkTechPost nota che i confronti con i modelli di frontiera hanno usato harness diversi. Nota anche che 480 dei 600 compiti pubblici di AutomationBench stanno nel split di addestramento di H.

"Veloce ed economico è molto facile, sa," ha detto a TechCrunch Diogo Almeida, CEO di TypeSafe. "Se lo vuoi davvero veloce ed economico, usa i dadi, no? L'intelligenza è la parte difficile."

Quella citazione indica la storia silenziosa sotto le classifiche. Il formato di modello decisionale in stile Jev restituisce scelte e probabilità invece di prosa, e si sta diffondendo in fretta. La Decisions API di OpenAI, annunciata al DevDay, applica la stessa idea al suo modello Luna, ha riferito TechCrunch il 30 settembre. Nimble di Bespoke Labs è un modello da 9.000.000.000 costruito su Qwen3.5-9B. Pubblica la sua ricetta di addestramento completa e 2.676 esempi di addestramento. Il repository dichiara chiaramente che non ha distillato da Jev. Ollama ha aggiunto il supporto locale per Nimble nella versione 0.35. Jevstiller, uno strumento aperto trattato da The Register il 29 settembre, dichiara il 98 % di concordanza con Jev. Risponde a richieste familiari sul dispositivo in appena 15 ms.

L'accusa, e l'alzata di spalle

La temperatura politica è salita il 30 settembre. OpenAI ha detto di aver interrotto una campagna di distillazione avversaria che è andata dal 1 luglio al 28 luglio. La campagna ha toccato il picco il 24 e 25 luglio con 16.000 richieste da oltre 4.000 utenti. Il blog di OpenAI ha detto che il cluster centrale proveniva da Moonshot AI. The Register ha notato l'ironia in un titolo e ha fatto notare che Moonshot non ha risposto a una richiesta di commento.

Kimi K3 di Moonshot è vicino alla cima di diverse classifiche aperte questa settimana. Se le accuse di distillazione cambino il modo in cui le imprese scelgono i pesi è una questione separata. L'argomento del conto dei token fa più lavoro di qualsiasi accusa.

Commenti 0

Fonti

14
  1. 01FTC is investigating OpenAI, Anthropic and other AI companies over product risksEN
  2. 02US trade regulator opens investigation into AI giants including Anthropic and OpenAIEN
  3. 03Best open weights AI models ranked (2026)EN
  4. 04Open-Source LLM Leaderboard 2026: 94 Models RankedEN
  5. 05Best Open Source AI Models & LLM Leaderboard (2026)EN
  6. 06LLM Intelligence leaderboardEN
  7. 07NVIDIA Kumo Tabular: Open Foundation Model for Tabular PredictionEN
  8. 08Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
  9. 09H Company Releases Holo4: Open-Weight Computer-Use ModelsEN
  10. 10OpenAI's Jev clone could help the frontier lab stop its swarming agentsEN
  11. 11Nimble: Data, Model, Recipe for an Open Jev (From Bespoke Labs)EN
  12. 12Ollama now supports Jev-like decision models all locally in 0.35EN
  13. 13Open source tool distills Jev so you can run it locallyEN
  14. 14Irony alert: OpenAI whines that Chinese model stole its special IP that it stole from everybody elseEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Chiara Romano

Chiara Romano

IA, modelli e tecnologie

Chiara Romano scrive di tecnologia, IA e modelli, media e internet per FLASH24, partendo da documentazione tecnica, repository e specifiche invece che da comunicati stampa. Per ogni modello o piattaforma che segue controlla versioni, licenze, parametri e benchmark, e verifica i numeri confrontandoli con i dati originali o con test indipendenti. Confronta le schede tecniche tra fornitori, parla con sviluppatori e amministratori di sistema, e tiene d'occhio le finestre di rilascio e le modifiche ai termini d'uso. Fuori dalla redazione gestisce self-hosting e reti domestiche, esperienza che le serve per capire come funzionano davvero i servizi che racconta. Non pubblica una notizia se la fonte primaria non è verificabile.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.