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

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

Cerca
LIVE
›

Pesi aperti non significa open source: la disputa su un'etichetta

I modelli linguistici a pesi aperti escono più in fretta delle regole che li descrivono. La Open Source Initiative sostiene che i soli pesi espongono appena "una frazione delle informazioni necessarie per una piena responsabilità", e i critici dicono che l'etichetta viene tirata per il collo.

IA e modelliAnalisiChiara RomanoPubblicato: 27 settembre 20267 min di letturaFonti 3
Pesi aperti non significa open source: la disputa su un'etichetta

Scaricare un file di modello da Hugging Face richiede secondi. Scoprire cosa ci è finito dentro richiede un mandato di comparizione. È in questo scarto che sta tutta la questione.

Steven J. Vaughan-Nichols di The Register ha tracciato la distinzione senza giri di parole il 15 settembre. Un rilascio può essere a pesi aperti senza essere open source. La differenza decide se puoi solo eseguire una rete neurale già addestrata oppure ispezionare davvero, riprodurre, modificare e ridistribuire il sistema che l'ha prodotta. I pesi sono i parametri numerici appresi durante l'addestramento. Insieme all'architettura e al codice di inferenza fanno funzionare un modello linguistico di grandi dimensioni. Un modello a pesi aperti puoi ospitarlo da te, metterlo a punto su documenti interni e tenere i tuoi prompt fuori da un'API proprietaria. Nella maggior parte dei rilasci, però, non vedi la ricetta dei dati che ci sta dietro.

Per chi scrive le licenze non è un dettaglio tecnico.

La OSI traccia una linea, poi finisce sotto attacco

La Open Source Initiative, che custodisce la Open Source Definition, afferma chiaramente che "Open Weights si riferisce ai pesi e ai bias finali di una rete neurale addestrata". Aggiunge che pubblicarli espone solo "una frazione delle informazioni necessarie per una piena responsabilità". La sua stessa Open Source AI Definition, OSAID 1.0, doveva colmare quel vuoto. Richiede che i parametri del modello, pesi compresi, siano disponibili con termini approvati dalla OSI, ma non prescrive un meccanismo legale specifico. È uscita nell'ottobre 2024 e già allora fu presentata come un documento destinato a evolvere.

I critici dicono che la lacuna centrale non è mai stata chiusa. Luca Antiga, CTO di Lightning AI e noto contributore di PyTorch, ha sostenuto che il modo in cui OSAID tratta i pesi lascia "un buco enorme che renderà le licenze meno efficaci nel determinare se i sistemi di IA con licenza OSI possono essere adottati in contesti reali". Bruce Perens, autore della Open Source Definition originale, ha attaccato OSAID nel 2024 e poi ha dichiarato: "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, senior commercial counsel di Red Hat, hanno chiesto di abrogare OSAID. La OSI, sostengono, "ha agito troppo in fretta imponendo alla comunità un compromesso politico troppo ambizioso". La frattura, dicono, "ha danneggiato seriamente la reputazione, l'autorità e l'influenza della OSI".

James Landay, direttore dello Stanford Institute for Human-Centered AI, ha dato a The Register la versione pratica della critica: "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, perché si comporta così. Quello non è un modello aperto. È distribuzione aperta."

"I pesi aperti rispondono a 'Posso eseguirlo?'. L'open source risponde a 'Posso fidarmi, migliorarlo e costruirci sopra la prossima cosa?'", ha detto Landay.

Senza i dati di addestramento né una documentazione dettagliata, chi sta fuori non può determinare quali fonti sono state usate. Non può dire quale materiale protetto da diritto d'autore o privato possa essere finito dentro, né come i dati siano stati selezionati o rimossi. Non vede quali lingue e comunità siano state sottorappresentate, se i dati dei benchmark siano trapelati nell'addestramento, quali metodi di allineamento e sicurezza abbiano plasmato il modello dopo il pretraining.

Una licenza che prova a stare nel mezzo

In quel vuoto è arrivata la licenza Open Model, Data, and Weights della Linux Foundation, presentata alla OSI da Mike Dolan. OpenMDW esiste dal 2025 e annovera contributori di Amazon, Meta, IBM, Microsoft e Nvidia, il che le dà peso industriale. Il suo approccio è definire termini separati per l'architettura del modello, i dati di addestramento e i pesi. Così tutto ciò che il licenziante fornisce ricade sotto un unico accordo. L'open source tradizionale ruota intorno al codice sorgente. I modelli linguistici combinano codice, architettura e pesi numerici derivati da dataset che possono essere proprietari, protetti da diritto d'autore o semplicemente non divulgati.

La proposta si è scontrata con obiezioni sulla mailing list della OSI dedicata alla revisione delle licenze. Stefano Maffulli, ex direttore esecutivo della OSI, guidava l'organizzazione mentre OSAID veniva formulata. Ha detto: "Continuo ad avere l'impressione che la revisione di OpenMDW sia contaminata da un pregiudizio ideologico: siccome non ci piacciono le big tech e oggi l'IA è big tech, allora non ci piace l'IA; quindi faremo di tutto per bloccarla."

Intanto i modelli continuano a uscire. Il rapporto State of Open Source AI di Mozilla, versione 1.1, pubblicato il 15 settembre con dati aggiornati al 1° settembre, conta 16 rilasci aperti degni di nota. Nessuno fornisce la ricetta dei dati che OSAID richiede. Mozilla è una sostenitrice dei modelli aperti. Il suo CTO, Raffi Krikorian, ha detto a TIME il 14 luglio che il rapporto è in parte un'opera di advocacy, secondo Tom's Hardware.

Il divario di capacità si chiude, quello di costo no

I numeri di Mozilla sono la misura più concreta di dove stanno oggi i pesi aperti. Il miglior modello aperto era dietro al leader chiuso di tre punti sull'Artificial Analysis Intelligence Index, al 60% del prezzo. Stava due punti dietro Claude Fable 5 al 30% del prezzo. L'adattamento di Mozilla sui dati METR sull'orizzonte dei compiti colloca il divario aperto-chiuso intorno ai 4,4 mesi, in linea con la stima di quattro mesi di Epoch AI. Quei dati valutano i modelli in base alla durata, in tempo di lavoro umano, dei compiti che completano una volta su due. La capacità aperta raddoppia ogni 3,9 mesi, secondo il calcolo di Mozilla, contro i 5,5 mesi dei modelli chiusi.

La classifica Terminal-Bench 2.1 di vals.ai fa passare ogni modello attraverso lo stesso banco di prova. Lì GLM-5.2 di Z.ai ha totalizzato un punto vicino a 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 a pesi aperti, sette dei quali costruiti in Cina. I fornitori chiusi hanno comunque incassato il 96% dei ricavi a livello di modello su OpenRouter da maggio a settembre 2025, secondo la Linux Foundation. Krikorian ha detto ad Ars Technica in una email: "Vediamo la decisione di pagare per i modelli chiusi come legata al singolo carico di lavoro, non all'organizzazione."

A quei numeri il rapporto stesso affianca delle avvertenze. Il divario di quattro mesi e il prezzo di 30% per token sono misurati da API ad API su endpoint ospitati e a prezzo di listino. Il grafico hardware di Mozilla mette il miglior modello aperto che sta su un solo server a 52,6 e il migliore che sta su una sola GPU a 40. Sono cali di 10 e 23 punti dal vertice, un divario più ampio di quattro mesi. Il checkpoint nativo MXFP4 di Kimi K3 occupa circa 1,56TB su 96 shard. La configurazione di servizio di Mozilla elenca 64 acceleratori o più, mentre vLLM ne chiede almeno otto GPU GB300, con più nodi per il traffico in produzione. Il rapporto lo descrive come aperto ma non eseguibile dalla maggior parte di chi lo possiede. Inkling-Small di Thinking Machines, sotto Apache 2.0, è una delle eccezioni: la sua versione NVFP4 sta su una singola B300 con un minimo di 180GB.

I dati si fermano al 1° settembre, e le classifiche da allora si sono mosse. Artificial Analysis usa ora l'indice v4.3 con un set di valutazione diverso. La sua classifica live ha Claude Fable 5.1 a 53 con l'impostazione di massimo sforzo e Kimi K3 a 44, cifre non confrontabili con i valori v4.1.1 che Mozilla ha tracciato. La didascalia del grafico di Mozilla recita: "il divario si azzera a ogni ciclo di rilascio".

C'è anche un'accusa irrisolta legata a K3. Un avviso congiunto dell'8 settembre di NSA, CISA e FBI (AA26-251A) afferma che Moonshot ha estratto dati di Claude Fable 5 per addestrare K3 tramite distillazione. La distillazione consiste nell'addestrare un modello sugli output di un altro modello. Il rapporto di Mozilla definisce l'accusa come "affermata e non dimostrata". Il 17 luglio Artificial Analysis dava K3 a 57 contro 60 di Fable 5; al 1° settembre Mozilla lo aveva due punti dietro.

A cosa serve davvero l'etichetta

Niente di tutto questo chiude le battaglie sul diritto d'autore. Un articolo di A. Feder Cooper, Mark A. Lemley e altri coautori ha testato 200 libri contro 14 modelli a pesi aperti in più di 3000 esperimenti. È stato inviato per la prima volta ad arXiv a maggio 2025 e revisionato fino a luglio 2026. La maggior parte dei modelli linguistici non memorizza la maggior parte dei libri, in tutto o in parte, hanno trovato gli autori. Ma Llama 3.1 70B, con i suoi 70.000.000.000 di parametri, memorizza per intero alcuni titoli, tra cui Harry Potter e la pietra filosofale. Dal libro intero si può estrarre quasi alla lettera partendo dalle prime parole. La conclusione dell'articolo è che la memorizzazione varia da modello a modello e da libro a libro. I risultati hanno implicazioni significative per le cause sul diritto d'autore, "anche se non tali da favorire in modo inequivocabile una delle due parti".

È il scomodo mezzo in cui sta l'etichetta. I pesi aperti ti dicono che un modello si può eseguire e mettere a punto. Non ti dicono cosa ha mangiato. La formulazione di Landay, citata da The Register, è la versione più pulita: i pesi aperti rispondono se puoi eseguire la cosa, l'open source risponde se puoi fidartene, migliorarla e costruirci sopra. Al momento, per quasi ogni rilascio sull'Hub, la prima risposta è sì e la seconda resta una domanda.

Commenti 0

Fonti

3
  1. 01Open weights are not open source: Why AI's favorite label is under disputeEN
  2. 02China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  3. 03Extracting memorized pieces of 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.