I pesi aperti non sono open source, e il divario comincia a vedersi
Quasi ogni rilascio etichettato come modello aperto fornisce pesi che puoi scaricare e nient'altro. Il 15 settembre The Register ha sostenuto che l'etichetta viene allargata oltre misura. Un giorno prima, un rapporto di Mozilla ha quantificato cosa le due categorie offrono davvero.

I pesi sono i parametri numerici appresi durante l'addestramento. Da soli permettono di eseguire un modello, ospitarlo in proprio, metterlo a punto su documenti interni e fare a meno dell'API di un fornitore. È un possesso concreto. L'Open Source Initiative li definisce solo "una frazione delle informazioni necessarie per una piena responsabilità".
Steven J. Vaughan-Nichols di The Register ha argomentato il 15 settembre che il settore ha silenziosamente scambiato una parola con un'altra. Un'azienda pubblica file di modello su Hugging Face. Gli sviluppatori li eseguono sulle proprie GPU. Il rilascio viene subito descritto come modello open source. Non necessariamente, sostiene. Potrebbe essere solo a pesi aperti.
La distinzione sembra accademica. Non lo è.
Senza dati di addestramento o documentazione dettagliata, chi è fuori non può stabilire diverse cose. Non può sapere quali fonti siano entrate in un modello, né quale materiale protetto da copyright o privato vi sia stato incluso. Non può vedere come i dati siano stati filtrati, quali lingue fossero sottorappresentate, se dati di benchmark siano finiti nell'addestramento o quale lavoro di allineamento sia stato fatto dopo il pre-addestramento. James Landay, direttore dello Stanford Institute for Human-Centered AI, ha detto a The Register che i pesi aperti sono un progresso, perché permettono di tenere il modello fuori dalla pipeline dati di qualcun altro. Ma ha aggiunto: "Non puoi ancora vedere come è stata costruita la cosa, su cosa è stata addestrata, né perché si comporta così. Non è un modello aperto. È distribuzione aperta."
L'Open Source Initiative ha provato a chiudere la questione con la sua Open Source AI Definition, OSAID 1.0, pubblicata nell'ottobre 2024. Richiede che i parametri del modello, pesi inclusi, siano disponibili con termini approvati da OSI, ma non prescrive un meccanismo legale specifico. Quel vuoto non si è colmato. Luca Antiga, CTO di Lightning AI, ha definito il trattamento dei pesi "un buco enorme che renderà le licenze meno efficaci". Bruce Perens, autore della Open Source Definition originale, ha denunciato OSAID nel 2024 e in seguito ha detto che la stessa OSI è ora coinvolta nell'openwashing. Bradley Kuhn della Software Freedom Conservancy e Richard Fontana di Red Hat hanno chiesto l'abrogazione della definizione.
Cosa ti danno davvero i pesi
Mozilla ha pubblicato il 15 settembre la versione 1.1 del suo rapporto State of Open Source AI, con dati aggiornati al 1 settembre. È un utile controllo di realtà per entrambe le parti in causa. Il miglior modello aperto era tre punti dietro il leader chiuso sull'Artificial Analysis Intelligence Index, al 60% del prezzo, e due punti dietro Claude Fable 5 al 30%. Adattando i dati METR sull'orizzonte dei compiti, Mozilla ha stimato il divario aperto-chiuso in circa 4,4 mesi, vicino alla stima di quattro mesi di Epoch AI. La capacità aperta raddoppia ogni 3,9 mesi contro 5,5 per quella chiusa, secondo il calcolo di Mozilla.
Mozilla è un sostenitore dei modelli aperti, e il rapporto non è neutrale. TIME ha riportato il 14 luglio che il CTO di Mozilla, Raffi Krikorian, lo ha descritto come in parte advocacy. Anche i numeri del rapporto vanno contro il titolo. Conta 16 rilasci aperti notevoli, e nessuno fornisce la ricetta dei dati richiesta dalla definizione OSI. Il divario di quattro mesi e la cifra del 30% sul prezzo sono misurati da API a API su endpoint ospitati a prezzo di listino.
Poi c'è l'hardware. Il grafico di Mozilla pone il miglior modello aperto che sta su un solo server a 52,6 e il migliore che sta su una singola GPU a 40, cali di 10 e 23 punti. Il checkpoint nativo MXFP4 di Kimi K3 occupa circa 1,56TB su 96 shard. La configurazione di servizio elenca 64 o più acceleratori, e vLLM richiede almeno otto GPU GB300 con più nodi per il traffico di produzione. La formula usata da Mozilla è aperto ma non eseguibile dalla maggior parte di chi lo possiede. Un'eccezione: Inkling-Small di Thinking Machines, sotto Apache 2.0, sta su una singola B300 con una soglia di 180GB.
Krikorian ha detto ad Ars Technica via email che la scelta di pagare per modelli chiusi sembra dipendere dal carico di lavoro più che dall'organizzazione. Il denaro è d'accordo. I fornitori chiusi hanno preso il 96% dei ricavi a livello di modello su OpenRouter da maggio a settembre 2025, secondo la Linux Foundation. Mozilla, intanto, ha contato otto dei primi dieci modelli per volume di token ad agosto come a pesi aperti, sette dei quali costruiti in Cina.
Quest'ultimo dettaglio conta per la battaglia sulle licenze. I dati di Mozilla si fermano al 1 settembre, e da allora Artificial Analysis ha spostato il suo indice alla v4.3 con un set di valutazione diverso. I numeri tracciati non sono quindi più direttamente confrontabili con la classifica live. La didascalia del grafico di Mozilla recita: "il divario si azzera a ogni ciclo di rilascio". Un ritardo di 4,4 mesi è un'istantanea, non una linea di tendenza.
Il lato copyright è dove la documentazione mancante costa caro. Un articolo di A. Feder Cooper, Mark A. Lemley e coautori, pubblicato su arXiv e revisionato il 20 luglio 2026, ha eseguito oltre 3.000 esperimenti su 200 libri e 14 LLM a pesi aperti. La maggior parte dei modelli non memorizzava la maggior parte dei libri, in tutto o in parte. Ma Llama 3.1 70.000.000.000 ha memorizzato interamente alcuni titoli, tra cui Harry Potter e la Pietra Filosofale, al punto che l'intero libro può essere estratto quasi alla lettera dalle sue prime parole. Gli autori dicono che il risultato non favorisce nessuna delle due parti in tribunale.
Quindi la disputa sull'etichetta non è semantica. Se non puoi vedere i dati, non puoi verificare cosa ha memorizzato un modello, né riprodurre il sistema che lo ha prodotto. La formulazione di Landay è la più limpida disponibile. I pesi aperti rispondono alla domanda se puoi eseguirlo. L'open source risponde alla domanda se puoi fidarti, migliorarlo e costruirci sopra la cosa successiva.
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
- 03Extracting 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.
Commenti
0- Nessun commento — sii il primo.