Il report State of Open Models: Summer 2026 di Hugging Face ha messo nero su bianco un sorpasso che nel settore si commentava da mesi: il frontier dei pesi aperti oggi parla cinese, e i modelli open source cinesi fissano ormai il tetto della scala. Nei primi sette mesi del 2026 il tetto mensile dei parametri rilasciati in licenza aperta è oscillato fra 754 miliardi e 2,78 trilioni, e quasi sempre quel tetto l’ha fissato un laboratorio cinese. Nello stesso periodo, in cinque mesi su sette il rilascio aperto americano più grande del mese è rimasto sotto i 130 miliardi di parametri. Per chi in Italia sta decidendo su quale base costruire i propri agenti, questo non è un dato da rassegna stampa: cambia l’insieme delle opzioni realistiche, e cambia la lista dei rischi da mettere sul tavolo.
In questo articolo scoprirai:
- I numeri del report Hugging Face: 2,8 trilioni contro 952 miliardi
- Perché i lab cinesi hanno saltato la progressione dal piccolo al grande
- Licenze: il 59% Apache dei rilasci cinesi contro il 41% di termini custom USA
- Modelli open source cinesi in azienda: i criteri per scegliere davvero
- Provenienza, conformità e AI Act: i rischi da valutare prima della produzione
I numeri del report Hugging Face: 2,8 trilioni contro 952 miliardi
Il confronto secco è impietoso. Kimi-K3 di Moonshot arriva a 2,8 trilioni di parametri, Qwen 3.8 Max di Alibaba a 2,4 trilioni. Sul fronte statunitense il modello aperto più grande del periodo è Inkling di Thinking Machines Lab, a 952 miliardi, seguito da NVIDIA Nemotron 3 Ultra a 561 miliardi e da Trinity-Large di Arcee AI a 399 miliardi. Il Nemotron 3 Super, la taglia pensata per il deployment reale, si ferma a 124 miliardi.
Il contesto in cui questi rilasci atterrano è un hub in crescita continua: secondo il report di Hugging Face, i repository pubblici di modelli sono passati da 2,43 a 2,96 milioni fra gennaio e agosto 2026, i dataset da 711.000 a un milione, gli Spaces da 1,00 a 1,44 milioni. Ma la distribuzione sotto quella crescita resta estrema: l’85,6% dei modelli ha meno di 200 download nell’intero ciclo di vita, e l’1,5% dei repository si prende il 99,2% dei download totali.
Vale la pena leggere questi numeri per quello che sono. La dimensione in parametri misura ambizione ingegneristica, non utilità immediata: sul totale dei download di sempre, i modelli sotto il miliardo di parametri valgono l’83%, quelli sopra i 100 miliardi l’1%. Il primato cinese è reale sul frontier, ma il grosso del lavoro quotidiano continua a girare su modelli piccoli. Se il concetto di scala e di parametri non è familiare, la nostra guida su cosa sono e come funzionano gli LLM spiega perché più grande non significa automaticamente più adatto.
Perché i lab cinesi hanno saltato la progressione dal piccolo al grande
La parte interessante del report non è la classifica, è la strategia. Moonshot, MiniMax, Xiaomi e Z.ai hanno saltato del tutto la progressione classica, prima i modelli piccoli per farsi conoscere, poi le taglie grandi, e pubblicano quasi nulla sotto i 70 miliardi di parametri.
Il portafoglio frontier-only dei laboratori cinesi
Moonshot ricava l’88% dei propri download da modelli sopra i 70B, su un totale di 37 milioni di download nel 2026. È un portafoglio da frontier puro.
All’estremo opposto c’è chi copre tutto lo spettro. Qwen ha totalizzato 2.045 milioni di download, 55 volte il volume di Moonshot, e ha costruito l’ecosistema più denso che esista oggi: 151.448 derivati su Hugging Face, 2,6 volte l’impronta complessiva di Meta e 4,7 volte quella dei repository Llama, con 180-210 nuovi repository basati su Qwen ogni giorno.
La quantizzazione GGUF che rende sostenibili i modelli open source cinesi
Che cosa rende sostenibile la scommessa sul frontier-only? Il lavoro della comunità che quantizza i modelli. I repository della libreria GGUF sono cresciuti del 464% nel periodo osservato, e i download mensili in formato GGUF dei modelli Qwen arrivano a 39,6 milioni contro i 20,8 di Gemma e i 7,5 di Llama. È il livellatore: un modello da trilioni di parametri diventa eseguibile su hardware ordinario perché qualcun altro lo comprime.
Le radici di questa dinamica sono nei controlli sulle esportazioni di chip del 2022, che secondo il brief di Stanford HAI e DigiChina hanno spinto i laboratori cinesi verso modelli «computazionalmente efficienti e ottimizzati per un deployment flessibile a valle». Sul versante americano la partita politica è ancora aperta, come ricostruivamo quando la Casa Bianca ha escluso di limitare l’AI open source, almeno per ora. Sul piano della qualità pura il divario si è già chiuso: qui parliamo di scala, licenze e provenienza, mentre alla parità di accuratezza fra pesi aperti e modelli chiusi è dedicata l’analisi su i modelli open-weight che hanno raggiunto i chiusi in precisione.
Licenze: il 59% Apache dei rilasci cinesi contro il 41% di termini custom USA
Ecco il dato che in Italia non ha ancora raccontato quasi nessuno, e che per un’impresa conta più della classifica dei parametri. Sui 178 rilasci cinesi sopra i 20 miliardi di parametri censiti dal report, il 59% adotta licenza Apache 2.0, il 22% MIT e lo 0% impone restrizioni non commerciali. Sulla stessa fascia dimensionale, i rilasci americani si fermano al 29% fra Apache e MIT, mentre il 41% viaggia con termini custom e il 30% non dichiara nulla.
Cosa consentono davvero Apache 2.0 e MIT sui modelli open source cinesi
Tradotto in linguaggio operativo: sul piano contrattuale i modelli cinesi di grande taglia sono oggi mediamente più liberi da usare in produzione di quelli americani. Apache 2.0 e MIT consentono uso commerciale, modifica, redistribuzione e hosting privato senza royalty. I «termini custom» americani sono invece la categoria che richiede la lettura riga per riga da parte di un legale, perché è lì che si annidano soglie di utenti, divieti di uso concorrenziale e clausole di revoca.
Attenzione però a non trasformare una statistica in una regola. Il 59% non è il 100%: alcune famiglie riservano ai modelli di punta una licenza proprietaria diversa da quella usata per le taglie minori. La licenza va verificata sul singolo checkpoint che si intende scaricare, con la data del rilascio, e va riverificata a ogni aggiornamento di versione. Un modello «open» in senso giornalistico non è necessariamente open nel senso che serve all’ufficio legale, la distinzione fra pesi aperti e software libero è la stessa che affrontavamo parlando di Meta Muse Glimmer e dell’essay di Zuckerberg sulla distillazione.
Modelli open source cinesi in azienda: i criteri per scegliere davvero
Chi valuta oggi i modelli open source cinesi per costruirci sopra qualcosa di serio non deve partire dai benchmark, ma da quattro domande in sequenza. Primo: il carico di lavoro richiede davvero il frontier? Visto che i modelli sopra i 70 miliardi di parametri valgono appena il 3% dei download registrati nel corso del 2026, una base diversa dai download di sempre citati più sopra, la risposta onesta nella maggioranza dei casi aziendali è no, e un modello da 30B ben istruito costa una frazione in inferenza.
Dati, ecosistema e manutenzione: gli altri tre criteri di scelta
Secondo: dove girano i dati. Il vero vantaggio strutturale dei pesi aperti non è il prezzo dell’API, è che si possono eseguire dentro il perimetro aziendale. Chi ha dati sensibili guadagna più dall’on-premise che dal risparmio sul token, e questo vale identico per un modello cinese o americano. Rest of World documenta che le aziende stanno «instradando i compiti più semplici verso alternative più economiche e distribuendo i modelli localmente per evitare la condivisione esterna dei dati».
Terzo: la continuità dell’ecosistema. Un modello con 151.000 derivati e 200 nuovi repository al giorno offre tooling, quantizzazioni e fix che un modello isolato non avrà mai, e il report ricorda che attenzione e adozione non coincidono: solo 1 repository su 25 fra i più scaricati compare anche fra i più apprezzati. Quarto: chi mantiene la cosa in piedi fra diciotto mesi. È il punto che sviluppiamo nell’approfondimento su perché negli agenti AI enterprise il servizio conta più del modello, e che chi confronta soltanto le schede tecniche scopre troppo tardi. Per il quadro d’insieme resta utile la nostra lettura dello Stanford AI Index 2026.
Provenienza, conformità e AI Act: i rischi da valutare prima della produzione
Il rischio geopolitico esiste, ma va nominato con precisione invece che agitato. Rest of World riporta che i funzionari statunitensi temono censura e potenziali backdoor, e allo stesso tempo che nessuna backdoor è mai stata documentata nei principali modelli cinesi. La stessa inchiesta ricorda che il rischio informatico non è appannaggio dei pesi aperti: a luglio 2026 un agente basato su un modello OpenAI ha violato l’infrastruttura di Hugging Face. Il CSIS, dal canto suo, stima il ritardo dei modelli cinesi sul frontier americano in circa otto mesi e colloca i rilasci aperti dentro una strategia esplicita di adozione globale e prestigio.
AI Act e conformità per chi porta in produzione modelli open source cinesi
I rischi concreti da istruire sono altri tre: l’allineamento culturale e linguistico del modello sui contenuti che vi riguardano, la provenienza dei dati di addestramento, su cui pesano le accuse reciproche di distillazione fra laboratori, e la conformità. Su quest’ultimo punto il calendario europeo è già in corso: gli obblighi per i modelli di uso generale sono applicabili dal 2 agosto 2025 e la fase di applicazione della gran parte delle regole è scattata il 2 agosto 2026. Chi mette un sistema sul mercato risponde di quel sistema, indipendentemente da dove sia nato il modello sottostante: i dettagli sono nella nostra guida su cosa prevede l’AI Act e chi deve adeguarsi.
Il risultato pratico è che la scelta del modello è la parte facile. La parte difficile è mettere insieme licenza verificata, infrastruttura di deployment, valutazione sui vostri casi d’uso reali e un piano di aggiornamento quando fra sei mesi uscirà il successore, un lavoro di integrazione che assomiglia molto a quello descritto nella guida sugli agenti AI e su cosa sanno fare davvero.
È esattamente su questo passaggio che con MIMIR lavoriamo insieme alle aziende: non consegniamo un modello e auguriamo buona fortuna, ma affianchiamo il team nell’onboarding, nella valutazione di compatibilità e rischi delle diverse opzioni e nella messa in esercizio degli agenti sui processi reali. Se state decidendo su quale base costruire, parlarne con qualcuno che ha già fatto quella valutazione vi risparmia i mesi che servono a scoprire da soli dove si rompe.
Fonti:
- Hugging Face — State of Open Models: Summer 2026
- Stanford HAI e DigiChina — policy brief sull’ecosistema open-weight cinese
- CSIS — What to Know About Chinese AI Models
- Rest of World — il dibattito nella Silicon Valley sui modelli open-weight cinesi
- Commissione europea — quadro normativo sull’intelligenza artificiale
Domande frequenti
I modelli open source cinesi si possono usare in azienda senza problemi di licenza?
Secondo il report Hugging Face 2026, il 59% dei rilasci cinesi sopra i 20 miliardi di parametri usa licenza Apache 2.0 e il 22% MIT, senza restrizioni non commerciali. Sono licenze che consentono uso commerciale, modifica e hosting privato. La verifica va comunque fatta sul singolo checkpoint e sulla singola versione, perche' alcune famiglie riservano ai modelli di punta condizioni diverse.
Esistono backdoor documentate nei modelli AI cinesi?
No. I funzionari statunitensi hanno espresso preoccupazioni su censura e potenziali backdoor, ma a oggi nessuna backdoor e' stata documentata nei principali modelli cinesi. Il rischio informatico non e' peraltro esclusivo dei pesi aperti: a luglio 2026 un agente basato su un modello OpenAI ha violato l'infrastruttura di Hugging Face.
Serve davvero un modello da migliaia di miliardi di parametri per un progetto aziendale?
Nella maggior parte dei casi no. I modelli sopra i 70 miliardi di parametri valgono appena il 3% del volume di download del 2026, mentre quelli sotto il miliardo raccolgono l'83% dei download di sempre. Un modello da 30 miliardi ben istruito costa una frazione in inferenza e copre gran parte dei carichi di lavoro aziendali.
L'AI Act si applica anche se uso un modello open source sviluppato fuori dall'Unione Europea?
Si'. Gli obblighi per i modelli di uso generale sono applicabili dal 2 agosto 2025 e la fase di applicazione della gran parte delle regole e' scattata il 2 agosto 2026. Chi immette un sistema sul mercato europeo ne risponde, indipendentemente dal paese di origine del modello sottostante.
