Tre notizie della stessa settimana, lette insieme: il bilancio a un anno del modello open svizzero Apertus, il primo DeepSeek multimodale sotto MIT pulita, e un modello open che si specializza in medicina. Ecco cosa contano davvero per chi valuta un'architettura oggi.
In nove giorni, cinque rilasci open-weight hanno confermato che il divario di capacità con i modelli chiusi si sta chiudendo più in fretta del previsto — e hanno anche mostrato, con un caso concreto, perché la licenza di ieri non garantisce quella di domani.
In una sola settimana: pesi MIT già scaricabili, una licenza a revenue-share appena pubblicata, un modello che trova vulnerabilità critiche e tiene i pesi sotto chiave, e un quarto modello che non ha nemmeno un nome. Ecco cosa cambia per chi decide oggi.
Meta fa marcia indietro sulla strategia chiusa, Nvidia pubblica il suo primo modello open in assoluto. Stessa settimana, stessa direzione: modelli piccoli, licenze che reggono alla lettura, pensati per girare su una sola GPU.
Nella stessa settimana, Alibaba annuncia un modello "open" senza pesi né licenza, DeepSeek pubblica i suoi sotto MIT, e l'Unione Europea sceglie chi costruirà il suo modello open sovrano. Tre gradi di apertura molto diversi tra loro.
Due notizie della stessa settimana, una da Bruxelles e una da Washington, raccontano meglio di qualunque benchmark dove sta andando la regolamentazione dei modelli open. Ecco cosa cambia per chi li usa già in Svizzera.
I pesi completi di Kimi K3 — 2,8 trilioni di parametri, il rilascio open-weight più grande di sempre — sono online da oggi. Ma la scelta che conta per un'azienda non è quale modello scaricare: è dove farlo girare.
A due settimane dall'ultima rassegna, la classifica dei modelli open-weight si è già ribaltata due volte. Ecco cosa sono Kimi K3 e Inkling, le loro licenze, e perché la cosa più utile non è inseguire il podio.
Nei primi sei mesi del 2026 la classifica dei modelli open-weight è cambiata più volte di quanto si riesca a seguire. Ecco cosa conta davvero per un'azienda, oltre il rumore dei benchmark.
Il modello più grande non è sempre la scelta migliore. Le tecniche di ottimizzazione spesso permettono la stessa qualità percepita a una frazione del costo hardware.
RAG e fine-tuning vengono spesso presentati come alternative equivalenti. Non lo sono: risolvono problemi diversi, e scegliere quello sbagliato costa mesi di lavoro.
Adottare uno strumento AI senza aver verificato dove finiscono i dati è il modo più rapido per trasformare un guadagno di produttività in un problema di conformità. Ecco cosa controllare prima.
Un modello chiuso e uno open-weight non sono due varianti dello stesso prodotto: cambiano chi vede i tuoi dati e chi controlla il sistema. Ecco come decidere caso per caso.
Gli agenti AI promettono di automatizzare interi flussi di lavoro. Su modelli open, oggi, alcuni casi funzionano bene in produzione — altri no, ed è meglio saperlo prima di costruirci sopra.
La parola "open" viene usata con grande libertà nel mondo AI. Le licenze dietro i modelli, però, sono molto diverse tra loro — e leggerle prima di adottarli non è opzionale.
"Ci serve un supercomputer?" è la domanda che blocca più progetti AI prima ancora di iniziare. Quasi sempre la risposta è più modesta di quanto si tema.
"Modello open" non è una categoria sola: dietro il termine ci sono famiglie molto diverse tra loro. Ecco come orientarsi senza farsi guidare solo dai benchmark.