Editoriale · 9 min · 12 maggio 2026

Lo stato dei pesi aperti a maggio 2026

Negli ultimi trenta giorni sono usciti cinque rilasci open weight di classe frontier. Tre venivano da laboratori cinesi. Un breve giro d’orizzonte su dove si trova davvero il campo, scritto per lettori che già sanno che “open weight” e “open source” hanno significati diversi.

Il calendario dei rilasci principali, senza decorazioni

Tra aprile e la prima metà di maggio 2026, il calendario degli open weight è stato questo. Meta ha rilasciato Llama 4 con le varianti Scout e Maverick, la prima delle quali spinge la finestra di contesto a 10 milioni di token dichiarati grazie a un’architettura mixture-of-experts. Alibaba ha rilasciato Qwen 3.5 lungo la solita scala di taglie, con le varianti più piccole che mantengono la licenza Apache 2.0. DeepSeek ha consegnato V4 nelle fasce Pro e Flash, e il core più piccolo con licenza MIT resta il modello di livello frontier più permissivo mai rilasciato. Google ha seguito con Gemma 4, puntando sul deployment on-device e su prestazioni curate per Apple Silicon. Mistral, l’unico laboratorio europeo nella fascia alta, ha pubblicato il 29 aprile Mistral Medium 3.5, con pesi Apache 2.0 e numeri su SWE-Bench Verified che lo mettono credibilmente in partita.

Cinque rilasci in trenta giorni non sono una coincidenza. Lo schema, visibile ormai da almeno due cicli, è che il calendario degli open weight è diventato in pratica trimestrale. I laboratori rilasciano a grappoli perché il costo di arrivare ultimi in una finestra di trenta giorni è molto minore del costo di arrivare ultimi in una finestra di sei mesi.

I numeri dei benchmark, e cosa significano davvero

La stagione dei benchmark ha prodotto la prevedibile ondata di rivendicazioni. DeepSeek V4 Pro ha raggiunto 80,6 su SWE-Bench Verified e 90,1 su GPQA Diamond, con un contesto da 1 milione di token. Mistral Medium 3.5 si è fermato a 77,6 su SWE-Bench, il miglior risultato open weight del ciclo tra i modelli né cinesi né americani. Qwen 3.5 e Llama 4 si scambiano il primato a seconda della suite di valutazione, e Gemma 4 sta dietro la frontiera in capacità pura mentre vince in sordina la partita del deployment su laptop.

I numeri dei laboratori valgono quanto vale di solito un benchmark di un vendor. Le classifiche indipendenti hanno recuperato più in fretta di un tempo, e il ranking è più stabile di un anno fa, ma il divario tra le prestazioni in classifica e quello che un modello fa davvero sul tuo carico di lavoro rimane. Far girare lo stesso set di prompt su tre candidati in LM Studio ti dice più cose in un pomeriggio che una settimana passata a leggere paper di valutazione.

Lo strato delle licenze, dove abita la libertà vera

La capacità è un asse, la licenza è un altro, e i due non sono correlati come suggerisce il marketing. Se per ragioni legali ti serve una licenza approvata OSI, la rosa si accorcia molto in fretta: DeepSeek V4 (MIT) per la casella di fascia frontier, le taglie minori di Qwen (Apache 2.0) per la copertura di fascia media, OLMo dell’Allen Institute per la trasparenza completa, ed EuroLLM-22B per la rara combinazione di pesi Apache 2.0 con una pipeline di addestramento interamente pubblicata.

La fascia intermedia di licenze (la Llama Community License, i Gemma Terms of Use, i vari documenti su misura pubblicati dai laboratori cinesi) copre comodamente la maggior parte dei contesti commerciali, ma tutte portano restrizioni che un ufficio legale prudente segnalerà: tetti sugli utenti attivi mensili, clausole che limitano il training, questioni di export, a volte ambiguità su quale giurisdizione governi. Il lavoro di leggere quei termini è poco affascinante e inevitabile.

La forma geografica del campo

Tre osservazioni che il ciclo di rilasci del 2026 ha reso inevitabili. I laboratori cinesi hanno smesso di essere l’alternativa di fascia economica. DeepSeek, Qwen, Kimi e GLM occupano posizioni in classifica che i laboratori americani non riescono a battere con costanza con pesi aperti. L’eccezione Mistral è reale e importante, ma non cambia la forma di fondo del campo. Gli appelli alla “sovranità europea sull’AI” che poggiano sull’assunto che i pesi aperti usati da tutti siano europei devono rifare i conti.

I laboratori americani continuano a guidare sui modelli chiusi, sull’infrastruttura e su quello strato noioso ma essenziale di strumenti attorno ai pesi: valutazione, sicurezza, deployment. I pesi aperti che rilasciano sono sempre più, dal punto di vista strategico, un prodotto di seconda linea più che un contributo di prima linea. Meta è l’eccezione parziale. Google rilascia pesi aperti in un modo che sembra pensato per essere utile specificamente su hardware Pixel e Chromebook.

L’Europa ha un laboratorio credibile di fascia frontier e un consorzio di ricerca che produce modelli genuinamente aperti come EuroLLM. Non è poco. E nemmeno è il tipo di presenza che giustifica la retorica delle policy. La lettura onesta è che la sovranità europea sull’AI, nella misura in cui è raggiungibile, sarà una sovranità di deployment, governance e residenza dei dati più che una sovranità sui pesi sottostanti.

Cosa vale la pena eseguire oggi

Tre raccomandazioni pratiche, calibrate sull’hardware che la maggior parte dei lettori ha davvero a disposizione.

Per un portatile da 16 GB, Qwen 3.5 7B in Q4_K_M è la migliore scelta generalista. Gestisce chat, riassunti, coding leggero e la maggior parte dei carichi di retrieval. Phi-5 7B è la seconda scelta credibile se ti serve un’inferenza leggermente più veloce a un piccolo costo di qualità.

Per una workstation da 24-32 GB, Qwen 3.5 14B o Llama 4 Scout a lunghezze di contesto moderate ti danno un vero assistente di lavoro per coding e analisi sostanziosi. Le varianti distillate di DeepSeek V4 meritano uno sguardo se fai lavoro a forte componente matematica.

Per un server multi-GPU con VRAM seria (96 GB o più), DeepSeek V4 Pro è oggi la scelta aperta di fascia frontier. Llama 4 Maverick compete sulla maggior parte dei compiti, e Mistral Medium 3.5 è quello da provare se il tuo ufficio legale preferisce pesi di origine europea.

Cosa osservare nel prossimo trimestre

Tre cose specifiche, nessuna speculativa. Il prossimo rilascio di OpenEuroLLM, che dovrebbe uscire addestrato sul sistema exascale Jupiter in Germania e che sarà la prima volta in cui un modello europeo finanziato con denaro pubblico compete su questa scala. Il primo rilascio Apache 2.0 con contesto da 1M da parte di un laboratorio occidentale, se avverrà. E il ritmo con cui i laboratori cinesi continueranno a rilasciare sotto MIT o Apache, perché la pressione politica per irrigidire quelle licenze è reale e finora i laboratori l’hanno ignorata.

Il campo è più in salute che mai, il che è diverso dal dire che è assestato. Fra tre anni la classifica avrà un’altra faccia e almeno uno dei laboratori nella tabella qui sopra sarà scivolato indietro o avrà smesso. La buona notizia è che i pesi aperti non sono un abbonamento. Qualunque cosa scarichi oggi continuerà a funzionare.