I pesi aperti non sono open source, e il divario diventa sempre più difficile da misurare
Un rapporto di Mozilla sostiene che i migliori modelli a pesi aperti cinesi sono ormai indietro di circa quattro mesi rispetto alle offerte di frontiera statunitensi. I critici ribattono che il termine "pesi aperti" viene esteso ben oltre ciò che consente la definizione della Open Source Initiative.

Il rapporto di Mozilla, State of Open Source AI versione 1.1, è uscito il 15 settembre con dati aggiornati al 1 settembre. Conta 16 rilasci aperti degni di nota. Nessuno di essi include la ricetta dei dati di addestramento richiesta dalla Open Source AI Definition della Open Source Initiative, secondo quanto riporta il rapporto così come descritto da Tom's Hardware.
È la tensione che attraversa il ciclo di notizie sui pesi aperti di questo mese. Scaricare un modello è facile. Sapere cosa c'è dentro, o ricostruirlo, no.
Il numero dei quattro mesi, e le sue cautele
L'affermazione centrale di Mozilla è un divario che si restringe. Il miglior modello aperto era indietro di tre punti rispetto al leader chiuso sull'Artificial Analysis Intelligence Index, a un prezzo pari al 60%, e di due punti rispetto a Claude Fable 5, al 30%. La stima di Mozilla sui dati METR task-horizon colloca il divario tra aperti e chiusi intorno a 4,4 mesi, in linea con la stima di quattro mesi di Epoch AI. Secondo il calcolo di Mozilla, le capacità dei modelli aperti raddoppiano ogni 3,9 mesi, contro 5,5 per i modelli chiusi.
Il rapporto si basa su un sondaggio Mozilla/SlashData su circa 1.400 sviluppatori, sui dati di traffico di OpenRouter e su indici di benchmark di terze parti. Mozilla è un sostenitore dei modelli aperti, e TIME ha riferito il 14 luglio che il direttore tecnico di Mozilla, Raffi Krikorian, ha descritto il rapporto come in parte un'opera di advocacy. Mozilla precisa che la cifra dei quattro mesi e il numero del 30% sul prezzo dei token sono misurati da API a API su endpoint ospitati e a prezzo di listino.
L'hardware è il punto in cui il quadro diventa meno lusinghiero. Il grafico del rapporto colloca il miglior modello aperto che sta su un solo server a 52,6 e il migliore che sta su una sola GPU a 40. Il calo rispetto alla vetta è di 10 e 23 punti rispettivamente, un divario più ampio di quanto suggerisca la cifra dei quattro mesi. Il checkpoint nativo MXFP4 di Kimi K3 occupa circa 1,56TB su 96 shard, e la configurazione di servizio di Mozilla elenca 64 o più acceleratori. Il rapporto lo descrive come aperto ma non eseguibile dalla maggior parte di chi lo possiede.
C'è un controesempio. Inkling-Small di Thinking Machines, sotto licenza Apache 2.0, ha una versione NVFP4 che sta su una singola B300 con un minimo di 180GB.
Cosa si chiede che significhi "aperto"
Steven J. Vaughan-Nichols di The Register ha sostenuto il 15 settembre che l'industria abusa della parola. Pubblicare i pesi su Hugging Face e lasciare che gli sviluppatori li eseguano sulle proprie GPU, ha scritto, è distribuzione a pesi aperti, non open source. La distinzione, ha detto, decide se puoi solo mettere in funzione una rete già finita oppure ispezionare, riprodurre, modificare e ridistribuire il sistema che l'ha prodotta.
La OSI fa la distinzione in modo diretto: "Open Weights refer to the final weights and biases of a trained neural network." I soli pesi, aggiunge la OSI, espongono solo "a fraction of the information required for full accountability."
James Landay, direttore dello Stanford Institute for Human-Centered AI, ha detto a The Register: "I pesi aperti sono un progresso. Puoi scaricare il modello, eseguirlo sulla tua macchina, tenerlo fuori dalla pipeline dati di qualcun altro. Ma continui a non vedere come è stato costruito, su cosa è stato addestrato, o perché si comporta in un certo modo. Quello non è un modello aperto. È distribuzione aperta."
La preoccupazione di Landay è precisa: senza i dati di addestramento o una documentazione dettagliata, chi sta fuori non può sapere quali fonti siano state usate, quale materiale protetto da copyright o privato possa essere stato incluso, come i dati siano stati selezionati o rimossi, quali lingue fossero sottorappresentate, se i dati dei benchmark siano finiti nell'addestramento, o quali metodi di allineamento abbiano plasmato il modello dopo il pre-addestramento.
La Open Source AI Definition 1.0, pubblicata nell'ottobre 2024, richiede che i parametri del modello, compresi i pesi, siano resi disponibili con termini approvati dalla OSI, ma non prescrive un meccanismo legale. Luca Antiga, CTO di Lightning AI, ha detto che questa impostazione lascia "un buco enorme" che indebolirà le licenze come segnale di adozione reale. Bruce Perens, autore della Open Source Definition originale, ha denunciato la OSAID nel 2024 e in seguito ha detto che la OSI stessa è ormai coinvolta nell'openwashing. Bradley Kuhn della Software Freedom Conservancy e Richard Fontana di Red Hat hanno chiesto l'abrogazione della OSAID.
Sotto tutto questo restano questioni pratiche di memorizzazione. Un articolo di A. Feder Cooper, Mark A. Lemley e coautori, inviato ad arXiv nel maggio 2025 e rivisto fino al luglio 2026, ha eseguito oltre 3.000 esperimenti su 200 libri e 14 LLM a pesi aperti. La maggior parte degli LLM non ha memorizzato la maggior parte dei libri, hanno scoperto gli autori. Ma Llama 3.1 70B ha memorizzato interamente alcuni titoli, tra cui Harry Potter and the Sorcerer's Stone, al punto che l'intero libro poteva essere estratto quasi alla lettera dalle sue prime parole.
Nel frattempo l'ecosistema dei pesi aperti continua a sfornare modelli. Superwhisper ha pubblicato S1-mini, un normalizzatore di testo da 0,6 miliardi di parametri per l'output speech-to-text, messo a punto da Qwen/Qwen3-0.6B sotto Apache 2.0 più una clausola sul nome. Riporta un'accuratezza del 94,8% sui token su 7.519 casi di test inglesi tenuti fuori dall'addestramento e una build quantizzata da 462 MiB che gira sulla CPU di un portatile.
Piccolo, scaricabile e documentato abbastanza da essere eseguito. La questione della responsabilità è un file separato.
Fonti
4- 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
- 02Open weights are not open source: Why AI's favorite label is under disputeEN
- 03Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN
- 04S1-mini, Superwhisper's first open-weights language modelEN
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.
Commenti
0- Nessun commento — sii il primo.