Alla fine di luglio 2026, una coalizione di aziende tecnologiche americane ha pubblicato una lettera aperta avvertendo che limitare i modelli AI open-weight “soffocherebbe la concorrenza” e “spingerebbe l’innovazione all’estero”. La petizione è arrivata in un momento di forte tensione: i laboratori cinesi avevano appena presentato Kimi K3, un sistema da 2,8 trilioni di parametri, mentre Washington valutava sanzioni contro l’AI straniera. L’episodio ha evidenziato un cambiamento più ampio nel panorama tecnologico. I modelli open-weight, un tempo tema di nicchia per i ricercatori, sono diventati una questione centrale in una competizione globale su sovranità, competitività e futuro dell’intelligenza artificiale.

Un modello open-weight è un sistema AI i cui parametri addestrati — i valori numerici appresi durante l’addestramento — sono resi pubblici affinché chiunque possa scaricarli, esaminarli, modificarli ed eseguirli su infrastrutture private. A differenza del software open source tradizionale, i dati di addestramento sottostanti e la ricetta completa necessaria a riprodurre il modello restano in genere proprietari. I moderni grandi modelli linguistici open-weight si basano in larga misura su architetture Mixture-of-Experts, che attivano solo una parte dei parametri per ogni query, consentendo ai sistemi di scalare fino alle trilioni mantenendo gestibili i costi di inferenza.

Oggi, i modelli open-weight più avanzati provengono in gran parte da laboratori cinesi. V4 di DeepSeek offre capacità di ragionamento vicine al frontier sotto licenza MIT. Qwen 3.6 di Alibaba, disponibile con licenza Apache 2.0, ha superato un miliardo di download cumulativi su Hugging Face e ha generato oltre 180.000 modelli derivati. Kimi K3 di Moonshot AI, presentato a metà luglio 2026, dichiara 2,8 trilioni di parametri ed è destinato a un rilascio completamente aperto. GLM 5.2 di Zhipu AI e M3 di MiniMax completano un ecosistema che oggi rappresenta la maggior parte dei download globali di modelli open-weight.

Esistono alternative occidentali, ma rappresentano una quota minore del mercato. Llama di Meta resta la famiglia open-weight più diffusa a livello globale, sebbene la sua licenza personalizzata limiti l’uso da parte delle grandi aziende. Gemma di Google, Phi-4 di Microsoft e Mistral Large 3 dalla Francia offrono alternative valide, ma nessuna raggiunge il volume di distribuzione delle controparti cinesi.

Il momento degli open-weight: vantaggi, rischi e crisi di luglio

L’attrattiva dei modelli open-weight è semplice. Le organizzazioni ottengono sovranità dei dati, nel senso che le informazioni sensibili non lasciano mai un’infrastruttura controllata, insieme a prevedibilità dei costi, libertà di personalizzazione e protezione dal vendor lock-in. Per ospedali soggetti a HIPAA, studi legali che proteggono il privilegio del cliente, agenzie di difesa in ambienti air-gapped e startup che cercano unit economics prevedibili, questi vantaggi possono essere decisivi.

Ma anche i limiti sono rilevanti. Una volta rilasciati, i pesi non possono essere ritirati; le barriere di sicurezza possono essere rimosse con poco sforzo. Le licenze variano ampiamente, da termini permissivi ad accordi aziendali restrittivi che non arrivano al vero open source. L’auto-hosting sposta inoltre sull’utente i carichi di sicurezza e infrastruttura. E i migliori modelli open spesso restano indietro rispetto ai sistemi chiusi di frontiera di sei-otto mesi nelle attività di ragionamento più difficili.

La crisi attuale si è cristallizzata nel luglio 2026. Il rilascio di Kimi K3 da parte di Moonshot ha scosso mercati e decisori politici, spingendo il Segretario al Tesoro Scott Bessent a ipotizzare possibili sanzioni contro modelli AI esteri su basi di proprietà intellettuale. L’annuncio è seguito ad accuse secondo cui i laboratori cinesi avrebbero usato la “distillation” — addestrando modelli sugli output dei sistemi frontier occidentali — per colmare il divario di capacità a basso costo.

La tesi a favore dell’apertura è stata rafforzata da recenti incidenti di sicurezza, inclusi attacchi che hanno colpito l’infrastruttura di distribuzione di modelli chiusi, evidenziando l’impossibilità per i ricercatori indipendenti di esaminare sistemi proprietari senza accesso ai pesi sottostanti. Quando il comportamento richiede scrutinio, l’opacità del black box diventa una responsabilità strutturale.

In questo contesto, il 24 luglio Nvidia, Microsoft e Meta hanno guidato una coalizione di circa due dozzine di aziende nella pubblicazione della lettera “Open Weights and American AI Leadership”. Tra i firmatari figuravano AMD, Cisco, Hugging Face, Y Combinator e la Linux Foundation. Assenti in modo significativo Alphabet, Anthropic e OpenAI. La lettera invitava i decisori politici ad ampliare l’accesso al compute per le startup, investire in asset di addestramento condivisi ed evitare restrizioni premature. Ribaltava inoltre i tradizionali argomenti di sicurezza, sostenendo che concentrare capacità avanzate in pochi modelli chiusi crea rischio sistemico, mentre gli open weight consentono un controllo esterno che i sistemi proprietari negano.

Le poste in gioco: geopolitica, economia e questione del controllo

Il dibattito sugli open weight va ben oltre le licenze. È diventato un proxy per preoccupazioni più profonde sulla sovranità tecnologica e sulla struttura del mercato.

Sul piano geopolitico, il predominio cinese negli open-weight ha innescato quello che i ricercatori descrivono come una “policy death spiral”. Pechino ha di fatto trasformato l’apertura in una strategia di distribuzione, inondando il mercato di modelli capaci mentre Washington discute controlli all’export e quadri di sicurezza. Il timore è che un modello aperto, una volta raggiunte capacità pari a quelle dei sistemi chiusi di frontiera, non possa più essere controllato. Limitare i modelli cinesi rischia di cedere influenza globale all’ecosistema cinese in rapida espansione; consentirli rischia di incorporare tecnologia straniera in tutta l’infrastruttura occidentale.

I critici delle restrizioni accusano gli incumbent dei modelli chiusi di “regulatory capture”, sostenendo che cerchino regole capaci di eliminare i concorrenti open source sotto la bandiera della sicurezza. I sostenitori dell’apertura replicano che la diffusione economica conta quanto la capacità di frontiera: un Paese può guidare le classifiche benchmark mentre ospedali, scuole e piccole imprese restano esclusi dai costi delle API chiuse.

Per l’Europa, la questione è ancora più urgente. Le principali obbligazioni dell’EU AI Act entrano in vigore il 2 agosto, aumentando la domanda di implementazioni sovrane. La startup francese Mistral e la tedesca Aleph Alpha si posizionano come alternative strategiche, ma l’Europa ospita solo una frazione del compute AI globale. Il rischio, come osservano gli analisti europei, è sostituire la dipendenza dai cloud americani con la dipendenza da checkpoint cinesi.

Da chi si occupa di procurement è emersa un’osservazione più discreta ma importante: i pesi scaricati sono più resilienti delle dipendenze API in una tempesta geopolitica. Un modello su infrastruttura privata non può essere spento da controlli all’export, revoche di licenza o aggiunte a liste di entità. Questa “defensibility insight” spiega perché i settori regolamentati mantengano sempre più spesso checkpoint open-weight replicati anche quando usano principalmente servizi hosted.

Chi ha davvero bisogno degli open weight? La risposta attraversa settori in cui custodia, costo e controllo si intersecano: sistemi sanitari che proteggono i dati dei pazienti; studi legali e finanziari che preservano la riservatezza; agenzie di difesa in ambienti disconnessi; produttori che eseguono edge inference sulle linee di fabbrica; ricercatori ed educatori esclusi dai costi delle API frontier; e comunità del Global South che adattano i modelli a lingue a basse risorse ignorate dai provider occidentali.

La questione degli open-weight non è più solo tecnica. È strutturale. Mentre i decisori politici valutano sicurezza e competitività, e mentre i laboratori cinesi continuano a rilasciare modelli sempre più grandi nel dominio pubblico, l’Occidente si trova davanti a una scelta: regolamentare l’apertura fino a farla scomparire, oppure competere al suo interno. La risposta modellerà non solo la prossima generazione di AI, ma anche chi potrà costruirla, dove verrà eseguita e a quali condizioni.

Il post The Open-Weight Revolution: How Public AI Models Are Reshaping Global Competition, Policy, And Power è apparso per la prima volta su Metaverse Post.