Kolibri-1, Clef, Strands Decider e Ling-3.1-flash: una settimana di pesi aperti, e uno che ancora non lo è

Dopo una settimana di annunci rumorosi, i primi giorni di ottobre 2026 portano rilasci open-weight meno appariscenti ma molto più utili per chi deve costruire un'architettura AI conforme. Un modello europeo con pesi completi, due famiglie di modelli «decisionali» pensate per agenti, un modello di traduzione e un grande annuncio che, per ora, non comprende alcun peso scaricabile.

Kolibri-1: il modello sovrano di Aleph Alpha, con pesi Apache 2.0

Il 3 ottobre 2026 Aleph Alpha ha pubblicato su Hugging Face Kolibri-1, un modello Mixture-of-Experts da 78,1 miliardi di parametri totali e 3,46 miliardi attivi per token, bilingue inglese e tedesco, con licenza Apache 2.0. Il contesto arriva a circa un milione di token (addestrato fino a 256k, esteso a 1M con configurazione), con modalità di ragionamento e chiamata di strumenti. L'azienda dichiara di averlo sviluppato in Germania, addestrato su infrastrutture in Germania e Finlandia, sotto legge europea e tedesca, senza controllo estero, con circa 20 trilioni di token di addestramento di cui circa 4,3 trilioni in tedesco. Con soli 3,46 miliardi di parametri attivi, secondo l'azienda può servire 18 richieste concorrenti da 256k token su due GPU H100: una taglia alla portata di un'infrastruttura on-premise o di un cloud sovrano svizzero. I pesi sono disponibili in versione FP8 e BF16.

Cloudflare Clef e Amazon Strands Decider: modelli che restituiscono probabilità, non testo

Il 1° ottobre Cloudflare ha rilasciato Clef (27B) e Clef-flash (9B), con pesi su Hugging Face sotto Apache 2.0 e disponibili anche su Workers AI. Sono «modelli decisionali»: ricevono uno stato e un insieme di domande tipizzate e restituiscono una probabilità per ogni risposta ammessa, così che un agente possa instradare un ticket, bloccare una richiesta o passare la mano a una persona in modo verificabile. Lo stesso giorno Amazon ha pubblicato Strands Decider 2B, un modello decisionale da 2 miliardi di parametri eseguibile in locale su CPU o GPU, con pesi, dati di addestramento e script, sempre sotto Apache 2.0. Per la compliance l'interesse è concreto: una decisione con probabilità esplicite è molto più semplice da registrare e auditare di un testo libero.

Index-Translate-35B-A3B: traduzione in 150 lingue, ancora in anteprima

Il 2 ottobre il team Index di Bilibili ha pubblicato in anteprima Index-Translate-35B-A3B, un MoE da 35 miliardi di parametri totali e 3 attivi, con contesto di 262.144 token e supporto a 150 lingue di testo, sotto Apache 2.0. Le sorelle dense da 2B e 9B erano già su Hugging Face dal 28 settembre. Essendo un'anteprima, va valutato con i propri documenti prima di qualunque uso in produzione.

Ling-3.1-flash: la promessa dei pesi non è ancora un rilascio

Ant Group (InclusionAI) ha presentato tra fine settembre e inizio ottobre Ling-3.1-flash, un modello da 560 miliardi di parametri totali e circa 25 attivi, pensato per agenti, ricerca e applicazioni d'ufficio, con contesto progettato fino a un milione di token (limitato a 256k durante la prova gratuita di due settimane). InclusionAI dichiara di voler rilasciare il modello come open source dopo la prova. Finché i pesi non sono su un repository con una licenza leggibile, però, per un'azienda che deve garantire dove girano i dati è un servizio in API, non un modello aperto.

Cosa conta davvero se stai valutando un'architettura AI oggi

• «Open source in arrivo» non è «open-weight»: finché non esistono pesi scaricabili e una licenza da leggere, il modello non può far parte di un'architettura che garantisce la proprietà dei dati.
• Modelli piccoli e specializzati, come i modelli decisionali o di traduzione, sono spesso il modo più semplice di tenere i dati sensibili in casa: girano su una singola GPU o persino su CPU.
• La provenienza conta: un modello con filiera dichiarata, addestramento in Europa e licenza Apache 2.0, come Kolibri-1, semplifica la documentazione richiesta da nLPD e GDPR, ma va comunque validato sul vostro caso d'uso.
• Le anteprime non sono prodotti: provate sempre i modelli sui vostri documenti reali, prima di basare un processo su un benchmark del fornitore.

È il lavoro che facciamo ogni settimana con i nostri clienti: distinguere i pesi realmente scaricabili dagli annunci, leggere la licenza di ogni singolo rilascio e costruire un'architettura in cui il modello giusto gira dove deve girare, con i vostri dati che restano vostri.