Quando un'azienda decide di costruire su modelli open, la prima sorpresa è scoprire quanti ce ne sono. Non esiste "il" modello open: esistono famiglie diverse, con obiettivi, punti di forza e licenze diverse. Scegliere quella giusta conta quanto — a volte più — della scelta tra open e chiuso.
Le famiglie principali, in breve
- Llama (Meta): il più diffuso, ecosistema enorme di strumenti e integrazioni, buon punto di partenza generalista.
- Mistral: modelli efficienti, sviluppati in Europa, spesso una scelta naturale dove conta la vicinanza normativa e linguistica europea.
- Qwen (Alibaba): multilingua molto solido, ottimo su compiti di codice, cresciuto rapidamente in adozione enterprise.
- DeepSeek: costi di addestramento contenuti, forte su compiti di ragionamento, sviluppo molto rapido tra le versioni.
- Gemma (Google): pensato per girare su hardware più piccolo, indicato quando serve efficienza più che capacità massima.
I criteri che contano più del punteggio benchmark
I leaderboard pubblici confrontano i modelli su compiti standardizzati che raramente coincidono con il tuo caso d'uso reale. Prima di scegliere, verifica: la qualità in italiano (molti benchmark sono in inglese e non dicono nulla sulla resa in altre lingue), l'ampiezza della finestra di contesto rispetto ai tuoi documenti, la licenza e cosa permette davvero, l'ecosistema di strumenti per il fine-tuning e il serving, e i requisiti hardware reali per il volume che prevedi.
Un framework pratico in quattro domande
- Il caso d'uso è generalista o specialistico (codice, matematica, dominio verticale)? Alcune famiglie sono nettamente più forti in aree specifiche.
- Quanto pesa la resa in italiano rispetto all'inglese nel tuo contesto?
- Che hardware hai già o sei disposto ad acquisire? Alcuni modelli rendono molto meglio quantizzati, altri perdono qualità.
- La licenza permette l'uso commerciale nel tuo scenario specifico, incluso il volume di utenti previsto?
La risposta giusta cambia da azienda ad azienda, e spesso anche da un progetto all'altro nella stessa azienda. Per questo, prima di vincolarsi a una famiglia di modelli, conviene sempre testare su un caso d'uso reale con i propri dati — non fidarsi solo di una classifica.