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

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

Cerca
LIVE
›

I pesi aperti stanno chiudendo il divario, ma il divario si azzera a ogni rilascio

Il rapporto State of Open Source AI di Mozilla, pubblicato il 15 settembre con dati aggiornati al 1 settembre, colloca i modelli cinesi a pesi aperti circa 4,4 mesi dietro le offerte di frontiera statunitensi. Il grafico hardware dello stesso rapporto mostra un divario più ampio di quel numero di copertina, e la didascalia ammette che la distanza si azzera a ogni rilascio.

IA e modelliAnalisiChiara RomanoPubblicato: 28 settembre 20267 min di letturaFonti 5
I pesi aperti stanno chiudendo il divario, ma il divario si azzera a ogni rilascio

Il rapporto è la versione 1.1 di una valutazione ricorrente che Mozilla ha pubblicato per la prima volta sul proprio blog il 14 luglio. Secondo Tom's Hardware, si basa su un sondaggio di Mozilla e SlashData su circa 1.400 sviluppatori, sui dati di traffico di OpenRouter e su indici di benchmark di terzi. Mozilla è un'organizzazione no-profit che promuove i modelli aperti, e il 14 luglio TIME ha riferito che il CTO di Mozilla, Raffi Krikorian, ha descritto il rapporto come in parte un'opera di advocacy. La cornice conta, quando si leggono i numeri.

L'affermazione centrale di Mozilla è 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% del prezzo. Adattando i dati METR sull'orizzonte dei compiti, Mozilla stima il divario tra aperti e chiusi in circa 4,4 mesi, in linea con la stima di quattro mesi di Epoch AI. METR è una no-profit di ricerca che valuta i modelli in base alla durata del compito, misurata in tempo di lavoro umano, che riescono a completare una volta su due.

Cosa misura davvero il dato dei quattro mesi

Secondo la stima adattata di Mozilla, i modelli chiusi gestiscono compiti che richiedono a esperti umani da 8 a 12 ore. I modelli aperti raggiungono quel livello circa quattro mesi dopo. Mozilla calcola che le capacità aperte raddoppiano ogni 3,9 mesi, contro 5,5 mesi per i modelli chiusi. Su Terminal-Bench 2.1 di vals.ai, che sottopone ogni modello allo stesso harness, 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.

"Vediamo la decisione di pagare per i modelli chiusi come legata al singolo carico di lavoro, non all'organizzazione", ha detto Krikorian ad Ars Technica in una email.

L'adozione dal lato degli sviluppatori appare diversa dai ricavi. Su OpenRouter, un marketplace che instrada il traffico verso centinaia di modelli, Mozilla ha contato otto dei primi dieci modelli per volume di token ad agosto come a 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. Token gratuiti o a basso costo e ricavi a pagamento non sono lo stesso mercato.

Mozilla conta 16 rilasci aperti degni di nota, ma nessuno fornisce la ricetta dei dati richiesta dalla definizione della Open Source Initiative. Su questa distinzione si regge un post dell'OSI del 19 settembre intitolato "Open Weights Are Good. Open Source Is Better." I pesi aperti, scrive l'OSI, permettono di eseguire un modello in locale, di pagare una terza parte per ospitarlo o di metterlo a punto sui propri dati. Non permettono di studiarlo fino in fondo, perché il codice e i dati di addestramento, o un resoconto dettagliato di come quei dati sono stati costruiti, non fanno parte del rilascio.

Il caveat sull'hardware

La cifra di 4,4 mesi e il prezzo del 30% per token sono misurati da API ad API su endpoint ospitati a prezzo di listino. Il grafico hardware di Mozilla racconta una storia più dura. Il miglior modello aperto che sta su un singolo server segna 52,6; il migliore che sta su una singola GPU segna 40. Il calo rispetto alla vetta è di 10 e 23 punti rispettivamente, un divario più ampio di quanto implichino quattro mesi.

Il checkpoint nativo MXFP4 di Kimi K3 occupa circa 1,56TB su 96 shard, secondo il rapporto. La configurazione di servizio di Mozilla elenca 64 o più acceleratori, mentre vLLM richiede almeno otto GPU GB300, con più nodi per il traffico di produzione. A luglio Tom's Hardware aveva stimato il fabbisogno di memoria vicino a 1,5TB. Il rapporto lo descrive come aperto ma non eseguibile dalla maggior parte di chi lo possiede. Un'eccezione citata è Inkling-Small di Thinking Machines, sotto Apache 2.0, la cui versione NVFP4 sta su una B300 con un minimo di 180GB.

C'è anche un problema di tempi. I dati del rapporto si fermano al 1 settembre. Da allora Artificial Analysis ha portato il suo indice alla v4.3 con un set di valutazione diverso. La classifica live ha Claude Fable 5.1 a 53 con l'impostazione di sforzo massimo e Kimi K3 a 44, numeri che Mozilla non ha tracciato e che non sono confrontabili con i valori v4.1.1 usati nel rapporto. La classifica di Terminal-Bench 2.1 di vals.ai, aggiornata l'11 settembre, è ora guidata da GPT-6 Astra all'87,27%, con Fable 5.1 all'85,02%. La didascalia del grafico di Mozilla recita: "il divario si azzera a ogni ciclo di rilascio".

Su K3 pesa anche un'accusa dettagliata nell'avviso congiunto AA26-251A di NSA, CISA e FBI dell'8 settembre. La tesi, che il rapporto di Mozilla riporta come "asserita e non dimostrata", è che Moonshot abbia estratto dati da Claude Fable 5 per addestrare K3 tramite distillazione, la pratica di addestrare un modello sugli output di un altro modello. Il 17 luglio Artificial Analysis dava K3 a 57 contro i 60 di Fable 5; il 1 settembre Mozilla lo dava due punti dietro.

Modelli piccoli, compiti ristretti

Non ogni rilascio a pesi aperti insegue la frontiera. S1-mini di Superwhisper, pubblicato su Hugging Face, è un normalizzatore di testo da 0,6 miliardi di parametri per l'output della trascrizione vocale. Prende una trascrizione ASR grezza e la riscrive come testo scritto: intercalari rimossi, falsi inizi e autocorrezioni risolti, punteggiatura e maiuscole applicate, numeri, date, orari, valute e indirizzi email pronunciati resi in forma scritta. Su un set di validazione di 7.519 casi in inglese raggiunge una precisione del 94,8% sui token, e la build quantizzata è un file da 462 MiB che gira sulla CPU di un portatile.

La model card è insolitamente schietta su ciò che il modello non è. S1-mini non è un modello di chat e non seguirà istruzioni generali. È messo a punto da Qwen/Qwen3-0.6B e si aspetta una riga di controllo in cima all'input che specifichi stile, struttura e contesto. Se si salta il system prompt, se se ne cambiano le parole o se si inviano valori fuori dai set addestrati, avverte la card, il modello può allucinare o produrre output confuso. È solo in inglese, con licenza Apache 2.0 più una clausola sul nome. La barra laterale dell'Hub riporta 0,8 miliardi di parametri, ma la card spiega che model.safetensors salva lm_head.weight come copia materializzata dell'embedding di input, contando due volte l'embedding da 155,6 milioni di parametri: 751,6 milioni di elementi tensoriali contro 596,0 milioni di parametri unici. La struttura deriva da Qwen3-0.6B, che riporta 0,8 miliardi per lo stesso motivo.

Uno schema simile compare in un resoconto di deployment del 22 settembre di James Cruce. Ha scelto Laya, un modello decisionale a pesi aperti da 421 milioni di parametri, invece di Jev ospitato da TypeSafe per le scelte piccole e delimitate che i suoi agenti di coding compiono. Il checkpoint, convaiinnovations/laya-typed-decisions, ha un encoder ModernBERT-large e un limite di 1.024 token, e restituisce risposte tipizzate: una scelta tra opzioni nominate, un punteggio su una scala ordinata o una probabilità per un'affermazione sì o no. Nessun paragrafo da interpretare. Jev, al contrario, è un servizio ospitato in accesso anticipato al prezzo di $0,042 per milione di token di input senza addebito sui token di output, e TypeSafe dichiara che gestisce scelte fino a 255 opzioni.

Il motivo dichiarato da Cruce per il passaggio non era il costo. Voleva che le decisioni di routine girassero sul suo Mac Studio con i dati locali che restavano locali, e voleva il controllo sul modello esatto, sulle opzioni ammesse e sul comportamento in caso di errore. Non ha calcolato un punto di pareggio e dice di non avere una cifra di risparmio da fornire. Segnala anche dei limiti: l'autore ha addestrato Laya su quattro flussi di lavoro sintetici, e il routing dei modelli non è tra questi, quindi il risultato è un singolo deployment su un M3 Ultra con 256GB di memoria unificata, non un giudizio generale su Laya contro Jev. La model card avverte che il modello è troppo sicuro di sé e richiede una calibrazione specifica per il dominio. "Una risposta tipizzata può essere strutturalmente perfetta e fattualmente sbagliata", scrive.

Il quadro legale intorno ai pesi è altrettanto instabile. Un articolo di A. Feder Cooper, Mark A. Lemley e coautori, presentato per la prima volta il 18 maggio 2025 e rivisto fino al 20 luglio 2026, ha misurato la memorizzazione su 200 libri e 14 modelli a pesi aperti in oltre 3.000 esperimenti. Il risultato va contro entrambe le parti delle battaglie sul copyright. La maggior parte dei modelli non memorizza la maggior parte dei libri, né in tutto né in parte. Ma Llama 3.1 70B ne memorizza interamente alcuni, tra cui Harry Potter e la pietra filosofale, al punto che l'intero libro può essere estratto quasi alla lettera partendo dalle prime parole come prompt. Gli autori scrivono che i loro risultati hanno implicazioni significative per i casi sul copyright, anche se non favoriscono in modo inequivocabile nessuna delle due parti.

Niente di tutto questo stabilisce se i pesi aperti vinceranno. Le metriche che appaiono migliori per l'apertura, il prezzo per token e la quota di traffico instradato, stanno accanto a metriche che appaiono peggiori, le capacità su singolo server e singola GPU e la quota di ricavi. La didascalia di Mozilla è il riassunto onesto: il divario si azzera a ogni ciclo di rilascio.

Commenti 0

Fonti

5
  1. 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  2. 02Open Weights Are Good. Open Source Is Better.EN
  3. 03S1-mini, Superwhisper's first open-weights language modelEN
  4. 04Does an open-weight decision model beat a hosted one? Jev vs. LayaEN
  5. 05Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN

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.