Cosa ti danno davvero i pesi aperti, e cosa no
Le release con pesi aperti hanno reso facile scaricare un modello linguistico e farlo girare sul proprio hardware, ma l'etichetta non dice nulla sui dati di addestramento, sul codice o sulla licenza. Ed è proprio questo vuoto al centro di una discussione pubblica tra chi scrive le definizioni di open source.

Mozilla ha pubblicato il 15 settembre la versione 1.1 del suo rapporto State of Open Source AI, con dati aggiornati al 1 settembre. Il numero che apre il rapporto è un divario di quattro mesi tra i migliori modelli a pesi aperti e le offerte chiuse di frontiera. Il rapporto conta 16 release aperte di rilievo e osserva che nessuna di esse include la ricetta dei dati richiesta dalla Open Source Initiative.
Quell'ultima clausola conta più dei quattro mesi.
Steven J. Vaughan-Nichols di The Register ha messo la distinzione in chiaro il 15 settembre: pubblicare i file del modello su Hugging Face e lasciare che gli sviluppatori li facciano girare sulle proprie GPU è distribuzione aperta, non open source. La Open Source Initiative, che detiene la Open Source Definition, definisce i pesi aperti come "i pesi e i bias finali di una rete neurale addestrata". Quei valori determinano come un modello legge un prompt e produce una risposta. Non dicono cosa c'è dentro.
Cosa contiene il download
Un file di pesi è il risultato dell'addestramento, non l'addestramento stesso. Senza il dataset o una documentazione dettagliata, chi sta fuori non può stabilire quali fonti siano state usate, quale materiale protetto da copyright o privato sia finito dentro, come siano stati filtrati i dati, quali lingue e comunità siano rimaste scoperte, se i dati dei benchmark siano trapelati nella corsa di addestramento o quale lavoro di allineamento sia avvenuto dopo il pretraining. 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, farlo girare sulla tua macchina, tenerlo fuori dalla pipeline dati di qualcun altro. Ma continui a non vedere come è stata costruita la cosa, su cosa è stata addestrata, perché si comporta così. Quello non è un modello aperto. È distribuzione aperta."
Il vantaggio pratico è reale e va detto senza ironia. L'hosting in proprio dà controllo su dati, privacy, costi, cambiamenti delle API e vendor lock-in, e ha prodotto un ecosistema ampio di runtime, fornitori di inferenza e strumenti di fine-tuning. s1-mini di Superwhisper, un normalizzatore di testo da 600.000.000 di parametri rilasciato sotto Apache 2.0 con una clausola sul nome, illustra bene l'estremo piccolo di quell'ecosistema: 596.000.000 di parametri unici, una build quantizzata da 462 MiB, fine-tuned da Qwen/Qwen3-0.6B, gira sulla CPU di un portatile. Puoi fissare una release con un tag di revisione. Il corpus continua a non vederlo.
La battaglia sulla definizione
La Open Source Initiative ha pubblicato la sua Open Source AI Definition, OSAID 1.0, nell'ottobre 2024 e ha ammesso allora che sarebbe rimasta in evoluzione. Richiede che i parametri del modello, pesi compresi, siano disponibili con termini approvati da OSI, ma non prescrive un meccanismo legale. Luca Antiga, CTO di Lightning AI e contributor di PyTorch, ha sostenuto che il trattamento dei pesi lascia quello che ha chiamato un buco enorme, che renderà le licenze meno efficaci nel determinare se i sistemi con licenza OSI possano essere adottati nella pratica.
Bruce Perens, autore della Open Source Definition originale, ha denunciato la OSAID nel 2024 e in seguito ha detto: "Non è open source! ... È un peccato che la Open Source Initiative stessa sia ora coinvolta nell'openwashing." Bradley Kuhn della Software Freedom Conservancy e Richard Fontana di Red Hat hanno chiesto l'abrogazione della OSAID, scrivendo che OSI ha agito troppo in fretta e che la frattura ha danneggiato la sua reputazione e la sua influenza.
Nel frattempo Mike Dolan della Linux Foundation ha sottoposto a OSI la licenza Open Model, Data, and Weights, nota come OpenMDW. Esiste dal 2025 e elenca contributori di Amazon, Meta, IBM, Microsoft e Nvidia. Il suo approccio è definire termini separati per architettura, dati di addestramento e pesi, portando tutto ciò che un licenziante fornisce sotto un unico accordo. La proposta ha attirato obiezioni sulla mailing list di revisione delle licenze di OSI. Stefano Maffulli, ex direttore esecutivo di OSI, ha detto di avere l'impressione ricorrente che la revisione sia condizionata da un pregiudizio ideologico contro le grandi aziende tecnologiche.
I pesi aperti rispondono a "Posso farlo girare?". L'open source risponde a "Posso fidarmi, migliorarlo e costruirci sopra la prossima cosa?".
È una frase di Landay, sempre via The Register, e riassume la disputa meglio di qualsiasi altra. Spiega anche perché il lavoro di benchmark del rapporto Mozilla vada letto con attenzione. La cifra dei quattro mesi viene dai dati METR sull'orizzonte dei compiti, che valutano i modelli in base a quanto tempo, in ore di lavoro umano, impiegano a completare un compito la metà delle volte. La stima di Mozilla colloca i modelli chiusi su compiti che richiedono a un esperto dalle 8 alle 12 ore, con i modelli aperti che arrivano a quel livello circa quattro mesi dopo. Mozilla calcola che le capacità dei modelli aperti raddoppiano ogni 3,9 mesi, contro 5,5 per quelli chiusi.
Il prezzo è il terreno su cui i pesi aperti vincono nettamente. Mozilla ha rilevato che il miglior modello aperto stava tre punti dietro il leader chiuso sull'Artificial Analysis Intelligence Index al 60% del prezzo, e due punti dietro Claude Fable 5 al 30%. Sul Terminal-Bench 2.1 di vals.ai, GLM-5.2 di Z.ai ha segnato 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 primi dieci modelli 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.
L'hardware è il limite. La tabella di Mozilla mette il miglior modello aperto che sta su un server a 52,6 e il migliore su una singola GPU a 40, cali di 10 e 23 punti dalla vetta, più ampi di quanto suggeriscano i 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. Inkling-Small di Thinking Machines, sotto Apache 2.0, sta su una B300 con un minimo di 180GB.
I dati si fermano al 1 settembre. Artificial Analysis è passata nel frattempo all'indice v4.3 con un insieme di valutazione diverso, e la didascalia della tabella di Mozilla recita: "il divario si azzera a ogni ciclo di release". L'etichetta continuerà a correre più veloce della definizione.
Fonti
3- 01Open weights are not open source: Why AI's favorite label is under disputeEN
- 02China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
- 03S1-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.