Nel gennaio 2025, i modelli AI open-weight hanno brevemente raggiunto la parità con i rivali a codice chiuso, con il divario di rating Elo sulla classifica crowdsourcing di Arena sceso a zero. Quel momento è passato. A settembre 2026, il divario tra i migliori modelli frontier chiusi e i loro principali concorrenti open-weight si è ampliato a 29 punti Elo, secondo i dati di valutazione di Arena AI.

Claude Opus 5 Max detiene attualmente un rating di 1505, mentre Kimi K3 Max di Moonshot AI, il contendente open-weight più forte, segue di quasi 30 punti. Peter Gostev, AI Capability Lead di Arena, è stato centrale nel tracciare e visualizzare questa divergenza.

Le implicazioni di questo divario vanno oltre le classifiche. I modelli open-weight — i cui parametri possono essere scaricati ed eseguiti sull'infrastruttura del cliente — sono attrattivi per imprese e governi che privilegiano il controllo dei dati, la conformità normativa e l'evitamento delle tariffe API per token. Un divario di capacità in ampliamento significa che le organizzazioni con queste esigenze si trovano sempre più di fronte a un compromesso tra sovranità e prestazioni pure. Viceversa, il ritardo di circa quattro mesi significa che gli utenti open-weight ottengono capacità che i modelli chiusi offrono già, semplicemente con un certo ritardo.

Cosa significano davvero i numeri

La traiettoria è più rivelatrice di qualsiasi istantanea isolata. Da zero nel gennaio 2025 a 29 punti nel settembre 2026, la tendenza si sta allontanando dalla parità per i modelli open-weight. L'analisi di Epoch AI rafforza questo quadro da un'altra prospettiva: i modelli open-weight ora sono in ritardo di circa quattro mesi rispetto ai corrispettivi chiusi nelle prestazioni sulle attività più impegnative, in aumento rispetto ai tre mesi osservati fino alla fine del 2025.

Arena elabora oltre 10 milioni di valutazioni al mese, attingendo a un vasto bacino di interazioni reali degli utenti anziché a benchmark sintetici. Questo conta perché i benchmark statici sono stati più volte criticati per la contaminazione — dati di test che filtrano nei set di addestramento — e per la mancanza di capacità di cogliere il comportamento dei modelli su prompt reali e disordinati. Quando milioni di utenti anonimi preferiscono costantemente gli output di un modello a quelli di un altro, quel segnale è difficile da ignorare.

Anche i punti Elo richiedono un'interpretazione: un divario di 29 punti sulla scala di Arena non significa che i modelli chiusi siano categoricamente migliori in tutto. I modelli possono essere vicini nel complesso pur mostrando grandi differenze su specifici tipi di attività, ed è per questo che il lavoro di Gostev sulle analisi per capacità ha attirato attenzione.

Il business della misurazione dell'AI

Arena stessa è diventata una storia imprenditoriale notevole. Nata come progetto di ricerca presso UC Berkeley nel 2023, è cresciuta fino a diventare un'impresa che genera 100 milioni di dollari di ricavi annualizzati, raggiungendo quel run-rate in soli otto mesi dal lancio dei servizi di valutazione a pagamento. La sua monetizzazione riflette un segnale di domanda più ampio: mentre le aziende investono budget nell'AI, sono disposte a pagare per una misurazione indipendente, basata sulle preferenze umane, di quali modelli funzionano davvero.

Il contributo di Gostev si è concentrato sul rendere leggibili le debolezze dei modelli. Il suo lavoro evidenzia la tensione tra le prestazioni dei modelli valutati da esperti di dominio rispetto a utenti generici, una distinzione di grande importanza per i deployment aziendali — il preferito nella classifica degli utenti generici potrebbe non essere il miglior modello per, ad esempio, il lavoro legale o medico.

La geopolitica dei modelli aperti

Lo sviluppo più attivo dei modelli open-weight si è spostato in modo deciso verso i laboratori cinesi. La serie Kimi di Moonshot AI, GLM di Zhipu, DeepSeek e Qwen di Alibaba rappresentano la frontiera di ciò che è disponibile pubblicamente. Questo ha un peso politico: negli Stati Uniti e in Europa, i rilasci open-weight sono discussi nell'ambito delle proposte di regolamentazione dell'AI, con alcuni policymaker che sostengono restrizioni sui pesi aperti oltre determinate soglie di capacità. Nel frattempo, la maggior parte dei rilasci frontier open-weight proviene oggi dalla Cina, il che significa che la frontiera ispezionabile pubblicamente dell'AI è sempre più plasmata dalle decisioni ingegneristiche e dalle condizioni di licenza cinesi. Eppure il divario persiste, mentre Anthropic, OpenAI e Google DeepMind continuano a far avanzare i loro modelli chiusi più velocemente e più in là.

La questione aperta per il futuro è se il ritardo di quattro mesi si manterrà, si amplierà ulteriormente o si ridurrà — la risposta determinerà le decisioni di approvvigionamento delle organizzazioni che hanno puntato sull'infrastruttura aperta, e quanta leva manterranno i fornitori di modelli chiusi sui prezzi.