Panoramica dei modelli open source

Nel mondo dei pesi aperti esistono poche famiglie che contano davvero, ognuna con una filosofia riconoscibile. Sapere chi fa cosa evita di provare venti modelli a caso.

Qwen (Alibaba)

Il miglior rapporto fra qualità e dimensione, e — dettaglio non secondario per noi — un ottimo italiano. Le taglie coprono tutto, da 0,6B a 235B in versione MoE, e la licenza Apache 2.0 è la più permissiva in circolazione.

La caratteristica distintiva di Qwen 3 è la modalità di ragionamento attivabile a comando: si può chiedere al modello di pensare passo passo o di rispondere subito, con lo stesso modello. Esistono anche varianti specializzate per il codice.

Llama (Meta)

È il modello di riferimento del settore, non necessariamente il migliore su ogni metrica ma quello attorno a cui è cresciuto l’ecosistema più vasto di strumenti, adattatori e tutorial. Se un progetto supporta un solo modello, è quasi sempre Llama.

Le taglie vanno da 1B a 405B, con varianti che vedono le immagini. La licenza è permissiva ma non è Apache: c’è una clausola che riguarda le aziende molto grandi, e vale la pena leggerla se il contesto è commerciale.

DeepSeek

Ha portato il ragionamento esplicito nel mondo dei pesi aperti. I modelli R1 mostrano il percorso mentale prima di rispondere e reggono il confronto con i modelli chiusi sui problemi complessi. Usano architetture MoE, quindi hanno molti parametri totali ma ne attivano una frazione: enormi sulla carta, sorprendentemente pratici da eseguire.

Mistral (Francia)

Modelli europei, efficienti, con un’ottima resa nelle taglie piccole e medie e licenze generalmente pulite. Una scelta ragionevole quando la provenienza dei dati e la giurisdizione contano.

Gemma (Google)

Derivati dalla ricerca dietro Gemini, puntano su taglie contenute e buona qualità per dimensione. Ottimi candidati per far girare qualcosa su hardware modesto.

Come leggere le licenze

È la parte che si salta sempre e che poi crea problemi.

Licenza	In pratica
Apache 2.0 / MIT	Fai quello che vuoi, anche commerciale
Llama License	Permissiva, con condizioni per le piattaforme molto grandi
Licenze “research only”	Niente uso commerciale: leggere prima di costruirci sopra

Attenzione anche ai modelli derivati: un fine-tune eredita i vincoli del modello di partenza, per quanto sia stato riaddestrato.

Dove si trovano

Il punto di raccolta è Hugging Face, dove ogni modello ha la sua scheda con taglie, formati e licenza. Per l’uso locale interessa soprattutto la disponibilità in formato GGUF, quello che gli strumenti della sezione Setup Locale sanno leggere.

Come si legge il nome di un modello

I nomi sembrano sigle arbitrarie e invece dicono quasi tutto. Saperli leggere evita download inutili.

Qwen3-8B-Instruct-GGUF-Q4_K_M
 │    │   │        │    │
 │    │   │        │    └─ quantizzazione: 4 bit, variante K_M
 │    │   │        └────── formato del file: con cosa lo esegui
 │    │   └─────────────── variante: addestrata a seguire istruzioni
 │    └─────────────────── dimensione: 8 miliardi di parametri
 └──────────────────────── famiglia e generazione

Pezzo	Cosa dice
Nessun suffisso, o Base	Modello grezzo: non conversa
Instruct, Chat	Pronto all’uso
Coder, Math, Vision	Specializzazione
GGUF, MLX	Formato, cioè quale programma lo esegue
Q4_K_M, Q8_0	Quanto è compresso
Distill	Ha imparato da un modello più grande

Due controlli prima di scaricare: la dimensione del file, che è il numero che conta per la memoria molto più del conteggio dei parametri; e chi ha caricato il repository, perché le conversioni fatte da terzi sono spesso ottime ma licenza e qualità restano quelle che dichiara chi le ha prodotte.

Derivati: distillati, fusi, riaddestrati

Molti nomi non sono modelli originali ma derivati, e le aspettative sono diverse.

Tipo	Come nasce	Cosa aspettarsi
Distillato	Addestrato sugli output di un modello più grande	Eredita lo stile, non del tutto la capacità
Fuso	Media dei pesi di due modelli con la stessa base	Compromesso, imprevedibile
Fine-tune di comunità	Riaddestrato su dati specifici	Ottimo sul suo dominio, spesso peggiore fuori

Un nome come R1-Distill-Qwen-8B si legge così: la base è Qwen 8B, l’addestramento aggiuntivo viene dai ragionamenti di un modello più grande. Non è “quel modello in piccolo”, è un Qwen che ne ha imparato il modo di ragionare.

Regola prudente: i derivati di comunità vanno provati sul proprio caso. Le classifiche entusiaste che li accompagnano sono spesso ottenute su compiti molto vicini ai dati con cui sono stati addestrati.

In sintesi

Famiglia	Perché sceglierla
Qwen	Qualità per dimensione, ottimo italiano, licenza Apache
Llama	Ecosistema di strumenti più vasto, riferimento di settore
DeepSeek	Ragionamento esplicito, MoE efficienti
Mistral	Efficienza europea, buone taglie medie
Gemma	Modelli piccoli con buona resa
Nome del modello	Dice variante, formato e compressione: leggilo prima di scaricare
Derivati	Distillati e fusi vanno provati, non presi per buoni