I giganti: modelli open che (probabilmente) non puoi eseguire a casa.

Il più grande modello open weight mai rilasciato. Quarto assoluto fra tutti i modelli frontier nei test indipendenti, davanti a diversi flagship chiusi, e primo nella Frontend Code Arena.

Dimensione

2.8T MoE (16 of 896 experts active, ~1.8%)

Contesto

1M tokens, native multimodal

Cosa serve davvero per eseguirlo da soli

Anche con quantizzazione aggressiva a 4 bit, i soli pesi superano 1,4 TB. Eseguirlo significa un cluster multi-nodo di GPU — 16+ GPU datacenter con interconnessione veloce. Non è un progetto da homelab; è infrastruttura.

Accesso realistico

L'API di Moonshot a 3$ per milione di token in input e 15$ in output. Noleggio GPU cloud per carichi batch. Diversi provider di inferenza lo ospiteranno appena i pesi saranno pubblici.

Fratello minore eseguibile

Kimi K2.7 Code (giugno 2026) — il fratello agentic-coding, che quantizzato gira su una workstation da 96 GB+.

L'attuale #1 fra gli open weight sull'Artificial Analysis Intelligence Index. Batte GPT-5.5 su diversi benchmark di coding long-horizon a circa un sesto del prezzo — con licenza MIT.

Dimensione

744B

Contesto

1M tokens

Cosa serve davvero per eseguirlo da soli

Circa 370–400 GB a 4 bit. Tecnicamente alla portata di un cluster di Mac Studio al massimo o di un nodo 4× H100, ma ben oltre le singole GPU consumer. Preventiva cinque cifre per hardware che lo esegua in modo accettabile.

Accesso realistico

L'API di Z.ai ha prezzi aggressivi. Quasi tutti i provider di inferenza (Together, Fireworks, DeepInfra) lo ospitano. La licenza MIT significa che chiunque può servirlo, il che tiene i prezzi competitivi.

Fratello minore eseguibile

GLM-4.7-Flash — la variante distillata veloce che gira su una GPU da 24 GB e resta nella nostra classifica trending.

L'open weight frontier di Meta. Il design MoE significa velocità di inferenza paragonabile a un 17B denso — se riesci a far entrare i pesi completi in memoria.

Dimensione

400B MoE (~17B active)

Contesto

1M tokens

Cosa serve davvero per eseguirlo da soli

Circa 200–230 GB a 4 bit. Una workstation 4× A6000 o un cluster Mac a 256 GB di memoria unificata ci arriva; una singola GPU consumer no. Il trucco dei parametri attivi aiuta la velocità, non la memoria.

Accesso realistico

Ospitato da ogni grande provider di inferenza. L'API di Meta su llama.com. Spesso l'opzione frontier più economica per token, perché troppi provider ci competono sopra.

Fratello minore eseguibile

Llama 4 Scout — stessa famiglia, 109B totali, gira (a fatica) su una workstation da 96 GB ed è nel nostro picker.

Il modello che domina la nostra classifica trending dal lancio: migliori punteggi open weight su SWE-Bench Verified e GPQA Diamond, licenza MIT, e la raccomandazione di default per lavoro serio su codice e matematica.

Dimensione

Large-scale MoE

Contesto

1M tokens

Cosa serve davvero per eseguirlo da soli

Il MoE completo richiede diverse centinaia di gigabyte di memoria su più GPU. Esistono build community a 4 bit, ma siamo comunque in territorio cluster-workstation, non desktop.

Accesso realistico

L'API di DeepSeek è notoriamente economica. La licenza MIT significa hosting di terze parti abbondante e prezzi in continua discesa.

Fratello minore eseguibile

DeepSeek V4 Flash — la variante distillata. Quantizzata gira su workstation ad alta memoria, e tiene il secondo posto nella nostra classifica trending.