Cosa danno davvero i pesi aperti, e cosa no

Mozilla ha pubblicato la versione 1.1 del rapporto State of Open Source AI il 15 settembre, con dati aggiornati al 1 settembre. Il numero che salta all'occhio è un divario di quattro mesi tra i migliori modelli a pesi aperti e le offerte closed di frontiera. Il rapporto conta 16 release aperte degne di nota. Nessuna fornisce la ricetta dei dati richiesta dalla Open Source Initiative.

Quest'ultima clausola pesa più dei quattro mesi.

Steven J. Vaughan-Nichols, su The Register, ha posto la distinzione in modo netto il 15 settembre: pubblicare i file del modello su Hugging Face e lasciare che gli sviluppatori li eseguano 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. Non può sapere quale materiale protetto da copyright o privato sia stato inglobato, come siano stati filtrati i dati, quali lingue e comunità siano rimaste scoperte. Non può verificare se i dati di benchmark siano finiti nella corsa, né 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, eseguirlo sulla tua macchina, tenerlo fuori dalla pipeline dati di qualcun altro. Ma non puoi ancora vedere come è stata costruita la cosa, su cosa è stata addestrata, o perché si comporta così. Quello non è un modello aperto. È distribuzione aperta."

Il vantaggio pratico è reale e va detto senza sarcasmo. L'auto-hosting dà controllo su dati, privacy, costi, cambiamenti delle API e vendor lock-in. Ha prodotto un grande ecosistema di runtime, provider di inferenza e strumenti di fine-tuning. Superwhisper s1-mini, un normalizzatore di testo da 0,6B parametri rilasciato sotto Apache 2.0 con una clausola sul nome, illustra bene la parte piccola di quell'ecosistema: 596M 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 revision tag. Il corpus resta invisibile.

La battaglia sulla definizione

La Open Source Initiative ha pubblicato la sua Open Source AI Definition, OSAID 1.0, nell'ottobre 2024, ammettendo allora che sarebbe rimasta in evoluzione. Richiede che i parametri del modello, compresi i pesi, siano disponibili con termini approvati dall'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. Le licenze, ha aggiunto, saranno così 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 l'OSAID nel 2024 e in seguito ha detto: "Non è Open Source! … È un peccato che la stessa Open Source Initiative sia ora coinvolta nell'openwashing." Bradley Kuhn della Software Freedom Conservancy e Richard Fontana di Red Hat hanno chiesto l'abrogazione dell'OSAID. Hanno scritto che l'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 presentato all'OSI la licenza Open Model, Data, and Weights, nota come OpenMDW. Esiste dal 2025 e nell'elenco dei contributori figurano Amazon, Meta, IBM, Microsoft e Nvidia. Il suo approccio è definire termini separati per architettura, dati di addestramento e pesi, riunendo tutto ciò che un licenziante fornisce sotto un unico accordo. La presentazione ha attirato obiezioni sulla mailing list di revisione delle licenze dell'OSI. Stefano Maffulli, ex direttore esecutivo dell'OSI, ha detto di avere sempre l'impressione che la revisione sia inquinata da un pregiudizio ideologico contro le big tech.

I pesi aperti rispondono a "Posso eseguirlo?" L'open source risponde a "Posso fidarmi, migliorarlo e costruirci sopra la cosa successiva?"

La frase è di Landay, sempre via The Register, ed è il riassunto più chiaro della disputa. Spiega anche perché il lavoro di benchmark del rapporto Mozilla vada letto con cautela. Il dato dei quattro mesi viene dai METR task-horizon, che valutano i modelli in base a quanto tempo, in ore di lavoro umano, un compito viene completato la metà delle volte. La stima di Mozilla colloca i modelli closed su compiti che richiedono a un esperto da 8 a 12 ore. I modelli aperti raggiungono quella soglia circa quattro mesi dopo. Mozilla calcola che la capacità aperta raddoppia ogni 3,9 mesi, contro 5,5 per quella closed.

Sul prezzo i pesi aperti vincono nettamente. Mozilla ha rilevato che il miglior modello aperto era dietro il leader closed di tre punti sull'Artificial Analysis Intelligence Index, al 60% del prezzo, e a due punti dietro Claude Fable 5, al 30%. Su Terminal-Bench 2.1 di vals.ai, GLM-5.2 di Z.ai ha totalizzato un punteggio a 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 provider closed 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. Il grafico di Mozilla mette il miglior modello aperto che sta su un server a 52,6 e il migliore su una 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 serving 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 all'indice v4.3 con un set di valutazione diverso, e la didascalia del grafico di Mozilla recita: "il divario si azzera a ogni ciclo di release". L'etichetta continuerà a superare la definizione.