Il cambiamento nell’AI non passa soltanto dal modello che arriva primo in una classifica. Mi interessa soprattutto la crescita di un ecosistema che mette strumenti e pesi nelle mani degli sviluppatori.
DeepSeek, Qwen e Kimi offrono esempi concreti di questo approccio. DeepSeek-R1 dispone di un repository pubblico; Qwen3 è stato distribuito in diverse dimensioni con pesi aperti; Moonshot pubblica pesi e documentazione di Kimi K3 secondo la sua licenza. Le condizioni vanno lette per ogni singolo modello.
Il modello di distribuzione cambia le possibilità
Quando i pesi sono disponibili e la licenza lo permette, si può valutare un’esecuzione su infrastrutture private, adattare il modello a un contesto specifico e ridurre la dipendenza da un unico servizio remoto. Sono opzioni architetturali che una semplice classifica non mostra.
Questo non significa che ogni modello sia leggero, economico da eseguire o adatto ai dati di un’azienda. Poter scaricare i pesi e poter gestire il modello in produzione sono due condizioni diverse.
Un benchmark è un punto di partenza
I risultati vanno letti insieme a versione del modello, configurazione, strumenti disponibili e metodo di valutazione. Le misure pubblicate dal produttore non sono automaticamente verifiche indipendenti, e un buon risultato generale non garantisce lo stesso comportamento sul proprio processo.
Per un software aziendale confronterei pochi casi reali: qualità delle risposte, errori, tempi, costo complessivo e facilità di sostituzione del modello. La notorietà del marchio e il Paese di origine, da soli, non rispondono a queste domande.
Scegliere l’AI è una decisione sull’architettura del prodotto. L’espansione dell’ecosistema open weight rende quella scelta più ampia, ma richiede comunque una valutazione concreta.
Rielaborato da un mio post LinkedIn e aggiunto al blog il 10 settembre 2026. La data indicata si riferisce alla pubblicazione sul sito.