La domanda non è più se un modello aperto possa competere con uno proprietario, ma in quali compiti concreti lo fa e a quale costo reale. Nel corso del 2025 molti team hanno migrato parte del proprio stack di IA verso pesi scaricabili e hanno scoperto due cose: che il risparmio sulle API non sempre compensa il costo dell’infrastruttura, e che la licenza conta più di quanto sembri quando il prodotto va in produzione.
Qui non troverai una classifica piatta. Troverai quali famiglie di modelli aperti stanno dando risultati difendibili, dove restano indietro rispetto a quelli a pagamento e come decidere con criteri che sopravvivano al prossimo rilascio.
La mappa reale: cosa significa «open source» nei modelli linguistici
Prima di confrontare conviene smontare un’ambiguità che genera decisioni sbagliate. Quasi nessun modello chiamato aperto rispetta la definizione rigorosa dell’OSI. La norma è trovare pesi scaricabili con licenze d’uso comunitario che impongono restrizioni: limiti di utenti mensili, divieto di uso concorrenziale, obbligo di mostrare il nome del modello nell’interfaccia o clausole di scalabilità commerciale.
Questo ha una conseguenza pratica: un modello può essere gratuito per prototipare e costoso —legalmente— man mano che cresce. La famiglia Llama è l’esempio classico di licenza con soglia di utenti; Qwen e DeepSeek pubblicano buona parte dei loro pesi sotto Apache 2.0, il che facilita l’integrazione commerciale senza attriti legali; Mistral combina licenze Apache nei modelli piccoli con licenze di ricerca in quelli grandi. Prima di scegliere in base ai benchmark, controlla la licenza del modello specifico che intendi distribuire, non quella del repository in generale.
Modelli aperti che meritano una prova nel 2025
Llama (Meta) resta lo standard de facto dell’ecosistema. Il suo vantaggio non è il rendimento lordo ma la maturità del tooling: quantizzazioni pronte, supporto in Ollama, vLLM e llama.cpp, e una community che risolve i dubbi rapidamente. La variante da 8B è un cavallo di battaglia per classificazione, estrazione e riassunti; le dimensioni maggiori competono nel ragionamento ma richiedono hardware che raramente si trova sulla scrivania di uno sviluppatore.
Qwen ha guadagnato terreno nei compiti multilingue e di codice. Le sue versioni piccole sorprendono nella generazione di SQL e nella comprensione di istruzioni con formato rigoroso, e la licenza Apache su molti dei suoi pesi elimina il dibattito legale. Nei test di estrazione di dati strutturati da testo disordinato, un modello Qwen di taglia media di solito basta dove un modello proprietario grande sarebbe sovradimensionato.
DeepSeek ha dimostrato che un laboratorio con meno risorse può pubblicare modelli competitivi nel ragionamento matematico e nel codice. Il rovescio della medaglia è l’opacità sui dati di addestramento e la necessità di validare i bias in domini regolamentati.
Mistral mantiene una proposta europea con buoni risultati nei compiti di istruzione e una community attiva attorno ai suoi formati di quantizzazione.
Gemma (Google) offre pesi aperti con un approccio conservativo alla sicurezza, utile quando hai bisogno di un modello che non generi contenuti problematici per impostazione predefinita, anche se la sua licenza ha anch’essa condizioni d’uso.
Dove il modello aperto vince senza discussione
Ci sono scenari in cui il confronto non ha nemmeno senso perché il proprietario non può offrire ciò di cui hai bisogno.
Dati che non possono uscire dalla tua infrastruttura
Se elabori cartelle cliniche, fascicoli legali o dati personali soggetti a normative rigorose, inviare prompt a un’API esterna richiede un’analisi dei rischi che molti team legali non approvano. Un modello aperto eseguito in locale elimina il trasferimento dei dati. Non elimina la responsabilità: hai comunque bisogno di registrare quale modello hai usato, con quale versione e con quali prompt, perché anche la tracciabilità è un obbligo.
Volume alto e prevedibile
Quando il tuo carico è costante e il modello entra in una GPU che già possiedi, il costo marginale per token tende a zero. Un caso tipico: classificare migliaia di ticket giornalieri in categorie fisse. Un modello da 7-8B quantizzato a 4 bit gira su una GPU consumer e svolge quel compito con una precisione che, dopo un leggero fine-tuning con esempi propri, eguaglia modelli proprietari molto più grandi in quel dominio ristretto. La chiave è che il compito sia circoscritto; se hai bisogno di ragionamento aperto, il calcolo cambia.
Latenza controllata e senza dipendenza da terzi
Per applicazioni interattive dove 300 ms in più rovinano l’esperienza, o per prodotti che non possono permettersi un’interruzione del fornitore, la distribuzione propria dà controllo. Dà anche l’obbligo di monitorarla, cosa che molti team sottovalutano.
Dove il modello a pagamento resta la scelta sensata
L’onestà impone di dirlo: nel ragionamento complesso a più passaggi, nel seguire istruzioni lunghe e nei compiti che richiedono un contesto di centinaia di migliaia di token, i modelli proprietari di frontiera mantengono il vantaggio. Un modello aperto di taglia media può scrivere una funzione corretta; chiedergli di ragionare su un intero repository e proporre un refactoring coerente di solito produce risultati fragili.
C’è anche un fattore che raramente appare nei confronti: il costo di manutenzione. Scegliere un modello aperto implica versionare i pesi, gestire gli aggiornamenti, predisporre una valutazione continua e assumere che un giorno la community smetta di mantenere la quantizzazione che usi. Quel lavoro ha un prezzo in ore di ingegneria che, nei team piccoli, supera la spesa in API per mesi.
Un errore comune che ho visto ripetersi
Team che migrano a un modello aperto perché in un benchmark pubblico ottiene un buon punteggio e poi scoprono che il loro caso d’uso concreto —ad esempio, estrarre campi da fatture scansionate con template eterogenei— fallisce sistematicamente. Il benchmark misurava il ragionamento generale, non la capacità di rispettare uno schema JSON con campi annidati e valori nulli. La lezione: prepara un insieme di valutazione con 50-100 esempi reali del tuo dominio prima di decidere. Se il modello aperto non supera quel test, il risparmio è fittizio.
Come confrontare senza cadere nel rumore delle classifiche
Le leaderboard cambiano ogni settimana e mescolano compiti che non si somigliano. Un approccio più utile è costruire la propria matrice decisionale con quattro assi:
- Licenza e conformità: consente l’uso commerciale senza soglie? richiede attribuzione? cosa succede se superi un certo volume?
- Compatibilità hardware: entra nella tua GPU con la quantizzazione di cui hai bisogno? quale throughput reale ottieni con vLLM o llama.cpp?
- Qualità nel tuo dominio: risultati nel tuo set di valutazione, non in MMLU.
- Costo totale: API rispetto a infrastruttura più ore di manutenzione.
Un dettaglio tecnico che fa la differenza e che viene trascurato: la quantizzazione degrada alcuni compiti più di altri. La generazione creativa regge bene i 4 bit; il ragionamento matematico e l’estrazione precisa dei dati soffrono di più. Provare lo stesso compito con il modello in fp16 e in quantizzato ti dirà se il risparmio di VRAM giustifica la perdita.
Strategia ibrida: ciò che funziona nella pratica
La dicotomia gratis contro pagamento è ingannevole. L’architettura che dà più rendimento nei progetti reali combina entrambi: un modello aperto piccolo per il grosso del traffico (classificazione, filtraggio, riassunti brevi, risposte alle FAQ) e un modello proprietario come riserva per le richieste che il piccolo deriva per bassa affidabilità. Questo schema riduce i costi senza sacrificare la qualità nei casi difficili, ed è più facile da giustificare al business rispetto a una migrazione totale.
Conviene anche ricordare che «gratis» non esiste nell’inferenza: qualcuno paga l’elettricità, la GPU e il tempo di chi mantiene la distribuzione. La domanda giusta non è quale sia gratis, ma quale abbia un costo totale inferiore per il tuo volume e il tuo team.
Cosa tenere d’occhio nei prossimi mesi
Il ritmo di pubblicazione dei pesi aperti non cala, e il divario con i modelli di frontiera si chiude in alcuni compiti mentre resta in altri. Due fronti meritano attenzione: le licenze, che tendono a irrigidirsi quando il modello diventa popolare, e gli strumenti di valutazione, che restano l’anello debole. Un modello senza un buon sistema di valutazione proprio è una scatola nera con una buona stampa.
Se dovessi riassumere il criterio: prova prima i modelli aperti in compiti circoscritti e misurabili, riserva i proprietari a ciò che esige ragionamento ampio, e non prendere nessuna decisione senza un set di valutazione costruito con i tuoi dati. È l’unico confronto che non scade il mese successivo.