Immagine copertina generata con l’intelligenza artificiale
I modelli di intelligenza artificiale open weight sviluppati in Cina stanno riducendo rapidamente il divario con le proposte frontier statunitensi, almeno secondo i dati raccolti da Mozilla nel rapporto State of Open Source AI, aggiornato al 1° settembre. La distanza tra i migliori modelli aperti e quelli chiusi si è ridotta a pochi mesi, mentre sul fronte dei costi emerge un vantaggio particolarmente marcato per le soluzioni open.
Il quadro, tuttavia, presenta anche alcune importanti limitazioni: il vantaggio economico non coincide ancora con una piena equivalenza nelle prestazioni e la possibilità di eseguire localmente i modelli più avanzati resta complessa.
Stato attuale dell’intelligenza artificiale open weight
Il rapporto pubblicato da Mozilla il 15 settembre stima in circa quattro mesi il divario tra modelli open e closed sulla base dei dati METR. L’analisi considera il tempo necessario a un sistema per completare con successo almeno metà delle attività, misurato in ore di lavoro umano.
Secondo la stima elaborata da Mozilla, i modelli chiusi sono arrivati a gestire attività della durata di 8-12 ore per un esperto umano, mentre quelli open raggiungono un livello analogo circa quattro mesi più tardi. La capacità dei modelli open, inoltre, raddoppierebbe ogni 3,9 mesi, contro i 5,5 mesi dei modelli chiusi.
Il rapporto evidenzia anche la forte presenza di modelli cinesi tra quelli più utilizzati. Su OpenRouter, otto dei dieci modelli con maggiore volume di token ad agosto erano open weight, sette dei quali sviluppati in Cina.
La riduzione dei costi nei modelli open weight cinesi
Un altro elemento centrale riguarda il prezzo. Sull’Artificial Analysis Intelligence Index considerato da Mozilla, il migliore modello open risultava tre punti dietro al leader closed, ma con un costo pari al 60% di quello del concorrente.
Il divario economico diventa ancora più evidente in un altro confronto: il modello open analizzato si trovava a circa due punti da Claude Fable 5, con un costo pari al 30%.
La convenienza rappresenta quindi uno degli elementi che possono favorire l’utilizzo dei modelli open, soprattutto quando le prestazioni richieste non rendono indispensabile il ricorso alla soluzione più costosa. Nonostante ciò, i provider closed continuano a dominare sul piano dei ricavi: secondo la Linux Foundation, hanno raccolto il 96% delle entrate a livello di model layer su OpenRouter tra maggio e settembre 2025.
Benchmark: luci e ombre tra Cina e USA
I benchmark mostrano un quadro meno uniforme. Nei risultati di Terminal-Bench 2.1 riportati da Mozilla, GLM-5.2 di Z.ai si trovava entro un punto da Claude Opus 4.7 e circa quattro punti dietro Opus 4.8, a meno di un quinto del costo per test.
Il rapporto mette però in evidenza una differenza significativa quando si passa dall’accesso tramite API all’esecuzione su hardware. Il miglior modello open in grado di essere eseguito su un singolo server raggiungeva un punteggio di 52,6, mentre quello utilizzabile su una singola GPU arrivava a 40. Il divario rispetto al vertice cresce quindi a 10 e 23 punti.
Questo aspetto ridimensiona almeno in parte l’idea di un’IA open immediatamente accessibile a chiunque disponga dell’hardware necessario.
Strategia e impatto della intelligenza artificiale open weight
La disponibilità dei pesi non significa infatti necessariamente che un modello sia semplice da eseguire. Nel caso di Kimi K3, il checkpoint nativo MXFP4 occupa circa 1,56 TB distribuiti su 96 shard. La configurazione indicata da Mozilla richiede almeno 64 acceleratori, mentre vLLM indica almeno otto GPU GB300, con più nodi per il traffico di produzione.
Mozilla sottolinea quindi che si tratta di un modello open, ma non facilmente eseguibile dalla maggior parte degli utenti. Esistono comunque eccezioni: Inkling-Small di Thinking Machines, con licenza Apache 2.0, può essere eseguito nella versione NVFP4 su una singola B300, con un requisito minimo di 180 GB.
Open weight AI, opportunità e scenari futuri
Il quadro potrebbe comunque cambiare rapidamente. Il rapporto utilizza dati fermi al 1° settembre e gli indici sono già stati aggiornati. Artificial Analysis, per esempio, è passato alla versione 4.3 con un diverso set di valutazione, rendendo non direttamente confrontabili i nuovi punteggi con quelli utilizzati da Mozilla.
Anche Terminal-Bench 2.1, aggiornato l’11 settembre, presenta una classifica differente. Mozilla sintetizza questa dinamica osservando che il divario tende a ripartire a ogni nuovo ciclo di rilascio.
Sul caso Kimi K3 pesa inoltre un’accusa riportata nel rapporto: un advisory congiunto NSA, CISA e FBI sostiene che Moonshot avrebbe utilizzato dati di Claude Fable 5 per addestrare K3 attraverso la distillazione. Mozilla precisa che l’affermazione è stata riportata come asserted, and unshown, quindi non dimostrata nel rapporto.
Come orientarsi nel mercato dell’intelligenza artificiale open weight
Per aziende e sviluppatori, il confronto tra modelli open e closed richiede quindi di considerare più fattori contemporaneamente. Prestazioni, prezzo dell’API, disponibilità dell’hardware e possibilità concreta di esecuzione locale possono produrre risultati molto diversi.
Il vantaggio dei modelli open non si limita inoltre alla performance. La loro presenza tra i sistemi più utilizzati su OpenRouter mostra una crescente domanda, mentre i costi inferiori possono renderli interessanti per specifici carichi di lavoro.
Il rapporto Mozilla fotografa così un mercato nel quale la distanza tecnologica tra modelli open e closed si sta riducendo, ma dove costo, benchmark e requisiti hardware continuano a raccontare storie differenti.
Fonte: Tom’s Hardware
